Saint Aloysius Gonzaga National University

Severe preeclampsia remains a leading cause of maternal and perinatal morbidity and mortality, particularly in settings with limited access to quality antenatal care. In Peru, structural inequalities, physically demanding informal labor, and psychosocial stressors may exacerbate the risk of severe preeclampsia; however, local evidence integrating clinical and social determinants is scarce. An unmatched case–control study was conducted at a referral hospital in Ica, Peru, from 2018 to 2023. A total of 720 pregnant women were included: 237 cases with severe preeclampsia and 483 normotensive controls. Data were obtained exclusively from clinical records. Variables were grouped into six determinant domains (sociodemographic, occupational, antenatal access, obstetric history, nutritional status, and psychosocial factors), while perinatal outcomes were analyzed as secondary descriptive measures. Multivariable logistic regression was applied to identify independent factors associated with severe preeclampsia, focusing on etiological determinants rather than clinical prediction. Severe preeclampsia was independently associated with a prior history of preeclampsia (adjusted OR = 5.40; 95

Objetivo: Identificar los factores asociados a la adherencia al tratamiento en pacientes con hipertensión arterial atendidos en el Hospital Santa María del Socorro, Ica 2026. Metodología: El estudio se desarrolló con un enfoque cuantitativo, observacional y analítico, de corte transversal. Se trabajó con una población de 150 pacientes y una muestra de 108, recopilando información mediante encuesta directa, una ficha de datos sociodemográficos y clínicos validada por expertos y la escala MMAS-8 para medir adherencia. Los datos fueron analizados en SPSS utilizando estadística descriptiva e inferencial, manteniendo en todo momento los principios éticos, la confidencialidad y la participación voluntaria. Resultados: Los pacientes presentaron una mediana de edad de 66 años (RIC=10.75), con 52.8% hombres y 47.2% mujeres; el 44.4% fueron solteros y el 52.8% procedió de zonas urbanas. Clínicamente, mostraron un predominio de sobrepeso (39.8%) y obesidad (36.1%), además de comorbilidades en el 79.6% y una mediana de tiempo de enfermedad de 10.5 años. La adherencia fue principalmente media (49.1%) y baja (48.1%), con solo 2.8% alta; asimismo, no se encontró asociación significativa entre adherencia y factores sociodemográficos ni clínicos (p>0.05), evidenciando independencia entre estas variables. Conclusiones: En conclusión, la población estuvo conformada principalmente por adultos mayores con comorbilidades y exceso de peso, predominando niveles medios y bajos de adherencia; sin embargo, no se encontró asociación significativa entre la adherencia y los factores sociodemográficos ni clínicos (p>0.05), lo que sugiere que otros factores influyen en el cumplimiento terapéutico

Objetivo: La inteligencia artificial (IA) mejora la atención médica, alcanzando hasta un 90% de precisión en el diagnóstico y el tratamiento en cardiología, pero enfrenta desafíos como la falta de capacitación y de recursos. Aunque la investigación en Latinoamérica y el Caribe (LAC) ha crecido, sigue siendo limitada, lo que resalta la necesidad de innovaciones frente a la crisis cardiovascular. Este análisis bibliométrico aborda el desarrollo de la IA en cardiología en LAC (2018-2023). Método: Estudio descriptivo y cienciométrico que analiza investigaciones sobre IA en cardiología en LAC mediante Scopus. Se usaron SciVal, VOSviewer y R Studio para evaluar publicaciones, citaciones y redes de colaboración. Resultados: Se identificaron 152 documentos con 1,054 citaciones y 1,095 autores (6.9 citaciones por documento). Los principales temas fueron fibrilación auricular, intervención coronaria percutánea y monitorización cardiaca. Colombia, Argentina y México lideraron en producción científica, con un 63.8% de publicaciones en colaboración internacional y un aumento sostenido en la producción. Conclusiones: La investigación en IA aplicada a cardiología ha crecido en LAC, pero con limitaciones. Este análisis destaca áreas clave y la necesidad de mejorar la producción científica. Brinda una base para futuros estudios y colaboraciones para abordar la crisis cardiovascular y expandir el uso de IA en el cuidado cardiovascular.

Higher education is undergoing a transition in which static multimodal resources are giving way to immersive learning environments powered by generative artificial intelligence (GenAI). This PRISMA 2020-compliant systematic review, prospectively registered in INPLASY (202610066), synthesizes evidence on immersive GenAI-based strategies in higher education, examining their reported contributions to sustainability, inclusion, and learning outcomes. Searches across Scopus, ScienceDirect, and ERIC (2022–2026) identified 1364 records; after quality appraisal using an adapted CASP instrument, 25 studies were included in a narrative and descriptive synthesis. Five strategy types emerged—VR-based simulations, virtual patient platforms, adaptive LLM tutoring systems, mixed/augmented reality environments, and 3D/metaverse configurations—with GPT-family models predominating (56%). The central finding is a structural reporting asymmetry: learning outcomes were explicitly documented in 23 studies (92%), whereas sustainability and inclusion were explicitly reported as outcome domains in only one study each (4%). Health sciences (36%) and educational technology (28%) dominated the evidence base, while Latin American, African, and most STEM contexts remained underrepresented. Immersive GenAI strategies are being evaluated for short-term instructional value, while their contribution to sustainable higher education remains underexamined. Advancing SDG 4 requires longitudinal designs, equity-oriented frameworks, and indicators capable of evaluating inclusion and durable learning gains across institutional contexts.