Introduction: A significant portion of the population still lacks access to drinking water and relies on non-conventional sources such as wells and springs. In these cases, information on water quality and availability is difficult and expensive to obtain. The solutions available in the local market do not offer equitable access to tools that effectively address these needs.Objective: This work describes the development of an autonomous system composed of hardware and software, designed to monitor in real time the physical-chemical parameters of water, as well as to visualize and interpret the data in a way that is accessible and understandable for the community.Methodology: An IoT-WQMS-based device is presented, which uses five sensors to measure in real time key water parameters, such as pH, conductivity, turbidity, flow rate, temperature and humidity. The data is transmitted via GSM signal using the MQTT protocol, and is processed and visualized through easy-to-use software, designed to be accessible to the community.Results: The results include the graphical interface and visualization of water quality data in a laboratory prototype, both instantaneously and averaged over defined time intervals.Conclusions: The IoT-WQMS system presents advantages in terms of cost and accessibility for obtaining and interpreting water quality data in low-flow sources, in a laboratory environment. Future challenges include the transition to renewable energy and the integration of additional communication protocols, such as LoRaWAN.
Introduction: Secondary-data studies (clinical, administrative or sensor records) embed selection, measurement and missing-data processes that are often treated as “preprocessing”, leaving key causal assumptions implicit and hard to audit. Objective: To propose a reproducible protocol that makes causal assumptions explicit in secondary-data studies using layered directed acyclic graphs. Methodology: The protocol separates a material causal system (exposure→outcome) and three additional layers: (i) selection/observability, (ii) operationalisation and measurement (constructs vs. recorded proxies) and (iii) missing-data mechanisms. It includes estimand and time alignment, extraction rules and cohort construction, plus quality control based on graph source code and figure traceability. Results: Outputs include a reporting checklist (Table 1), a decision→threat→graph-signature mapping with conditional mitigations (Table 2), a related-work gap synthesis (Table 3), layered DAG examples (Figs. 1–9) and reproducible evaluations quantifying typical biases and sensitivity to missingness (Tables 4–7). Conclusions: The layered approach makes selection, measurement and missingness assumptions explicit; improves reproducibility through code–figure–text traceability; and operationalises alignment between design/analysis choices and the estimand, limiting claims that exceed the available evidence. A minimal applied case shows that observation/missingness decisions can materially shift the estimand, motivating explicit sensitivity reporting (Δ) and denominators.
Introducción: Actualmente la interacción entre la transformación digital, sostenibilidad y gestión de proyectos conforma la discusión académica asociada a la Industria 4.0. La incorporación acelerada de tecnologías inteligentes, junto con las crecientes exigencias por modelos productivos responsables, estimula el crecimiento de la producción científica en este campo. Lamentablemente, dicho crecimiento carece de análisis integradores para comprender su evolución y estructura temática. Objetivo: Examinar las tendencias globales de investigación sobre transformación digital, sostenibilidad y gestión de proyectos, desde un enfoque bibliométrico para identificar autores influyentes, líneas de investigación emergentes y patrones de citación. Metodología: Se analizaron registros indexados en Scopus, procesados mediante Bibliometrix (RStudio), VOSviewer y Gephi. Aplicando el protocolo PRISMA, se seleccionaron 87 documentos que cumplieron con los criterios establecidos. El análisis abordó la productividad científica, redes de colaboración, fuentes especializadas, instituciones con mayor presencia y co-ocurrencia de palabras clave. Resultados: Se evidencia un crecimiento progresivo de la literatura, con India, Italia y España como naciones con mayor contribución. Journal of Cleaner Production y Sustainability se posicionan como las revistas más influyentes, mientras que autores como Ghobakhloo y Frank concentran las mayores de citaciones. Conceptos como digitalización, Industria 4.0, gestión de proyectos e inteligencia artificial son recurrentes, reflejando la incorporación de tecnologías avanzadas en los enfoques de gestión sostenible. Conclusiones: La digitalización actúa como catalizador para avanzar hacia modelos de gestión más eficientes y sostenibles. Existen brechas relevantes en la producción latinoamericana y oportunidades para desarrollar marcos integrados que articulen innovación tecnológica y sostenibilidad en procesos de gestión de proyectos.
A nivel mundial cada vez más las empresas u organizaciones implementan herramientas metodológicas o estándares de mejores prácticas para la gestión de sus proyectos, como es el caso del PMBOK. No obstante, es importante reconocer que dada la robustez de estos métodos se requiere contar con una buena experticia por parte de los gerentes del proyecto. Por lo anterior, el uso de herramientas predictivas puede contribuir a la toma de decisiones informadas en las diferentes etapas del ciclo de vida del proyecto. Así, en este trabajo se propuso como contribución un nuevo modelo soportado en redes neuronales artificiales para la predicción del éxito o fracaso de un proyecto gestionado mediante PMBOK, a partir de características de un proyecto tales como: los recursos involucrados, el grupo de proyecto y los indicadores del proyecto. Para el desarrollo del proyecto se hizo una adaptación de la metodología CRISP-DM a cuatro fases. Como resultado, el modelo obtuvo un ajuste consistente en las 100 épocas de entrenamiento, teniendo un accuracy por encima del 95% luego de las 60-70 épocas, lo que sugiere una excelente capacidad de ajuste y generalización en la predicción del resultado de un proyecto. Como conclusión, el modelo representa un aporte clave en la gestión de proyectos bajo PMBOK, siendo su factor diferencial la inclusión de los recursos, del atributo grupo del proyecto y de la representación vectorial de características cualitativas del proyecto identificadas en el atributo indicador.
Introducción: La predicción precisa de la temperatura en módulos fotovoltaicos (FV) bifaciales es esencial para optimizar la eficiencia energética y prolongar la vida útil del sistema. Este estudio introduce un modelo de regresión simbólica optimizado mediante el algoritmo Harris Hawks Optimization (HHO) y lo compara con un modelo basado en algoritmos genéticos (GA) y modelos estadísticos, utilizando datos reales de una planta FV bifacial de 26,6 MW ubicada en Colombia. Objetivo: Desarrollar un modelo interpretable de regresión simbólica para predecir la temperatura de módulos FV bifaciales con seguidores solares, utilizando como variables de entrada la radiación solar y la hora solar. Metodología: Se diseñaron y compararon cuatro modelos: regresión lineal múltiple (MLR), MLR con gradiente descendente (GD), regresión simbólica (SR) con GA y con HHO. Se emplearon datos medidos cada 5 minutos durante un año. Se analizaron la correlación entre variables, la normalidad de los datos y se aplicaron métricas como RMSE y R² para la validación. Resultados: El modelo con MLR-GD obtuvo el mejor desempeño (RMSE: 4,92; R²: 0,86), seguido por SR-GA (RMSE: 7,14; R²: 0,71). El modelo SR-HHO mostró rápida convergencia con pocos datos, aunque menor precisión en grandes volúmenes (RMSE: 13,91; R²: 0,09). Conclusiones: Los modelos simbólicos permiten interpretar las relaciones térmicas en módulos FV bifaciales. El HHO destaca por su eficiencia con pequeños volúmenes de datos, mientras que GA ofrece mayor estabilidad. Se sugiere una estrategia híbrida que combine ambas técnicas para mejorar el rendimiento predictivo.
Este estudio presenta el desarrollo e implementación de un sistema de adquisición de datos (SAD.1) de bajo costo para el monitoreo en tiempo real de un sistema eólico instalado en una planta piloto Power to Gas (PtG), ubicada en la media Guajira. Con la finalidad de diseñar una herramienta funcional y económica que permitiera registrar y analizar el desempeño energético del sistema eólico, contribuyendo a la gestión eficiente de la planta piloto PtG. El sistema utiliza comunicación Modbus RTU bajo el estándar RS485, con un microcontrolador Arduino Uno y un módulo MAX485 para la conversión de señales a niveles TTL. Los datos son extraídos del inversor eólico y transmitidos vía puerto serial a una PC, donde un script en Python los procesa, promedia cada cinco minutos y almacena en archivos .CSV. Se lograron establecer perfiles operativos durante un año de monitoreo, identificando una mayor generación entre las 7:00 a.m. y 6:00 p.m., y baja o nula producción en horario nocturno. El SAD.1 permite evaluar el comportamiento del sistema eólico tanto de manera individual como integrado con el sistema fotovoltaico, aportando datos clave para optimizar la planificación y gestión energética de la planta PtG.
Introducción: La inteligencia artificial (IA) en el sector salud promete grandes impactos, que permitan enfrentar desafíos como la detección temprana de enfermedades, diagnósticos precisos, personalización de tratamientos, y optimización de procesos en las entidades prestadoras del servicio de salud. Objetivo: Examinar la literatura reciente sobre las implicaciones del uso de IA en la gestión de la salud, explorando tanto sus beneficios como las preocupaciones asociadas. Metodología: La investigación es descriptiva basada en análisis documental de artículos publicados entre 01/01/2018 y 30/06/2024, en inglés y español, en bases de datos como Scopus y Web of Science. Resultados: Dentro de los principales hallazgos muestran el potencial para mejorar la precisión en diagnósticos, una mayor personalización en el tratamiento y reducir errores médicos, actuando como un asistente cognitivo y de apoyo en procesos clínicos. Sin embargo, se identifican retos como referentes a la ética, privacidad, seguridad de datos y regulación de su uso. Conclusiones: Si bien la IA presenta una oportunidad importante de transformación digital para mejorar la gestión de la salud en las personas y en las entidades prestadoras de la salud, su implementación responsable demanda marcos regulatorios claros y estrategias centradas en las personas (paciente y profesional de la salud). De este modo, se busca aprovechar sus beneficios, mitigando riesgos y promoviendo una atención médica confiable, equitativa y eficiente. Por lo tanto, esta revisión es importante para conocer diversas posturas, y continuar con la valoración de los impactos e investigación en temas específicos.
Introduction: Artificial intelligence models have shown promising results in melanoma detection. However, their adoption in real-world clinical settings remains a significant challenge due to the limited interpretability of their predictions. This limitation hinders healthcare professionals’ understanding and trust in these tools, thus limiting their effective integration in to medical practice. Objective: To propose an explainable artificial intelligence model designed to generate visual representations that support end users in the diagnostic analysis of melanoma in clinical contexts. Methodology: The proposed model was developed using a pipeline that combines image processing techniques aimed at detecting relevant regions in dermatoscopic images. The identified regions were then used as input to a multi-input convolutional neural network, integrating Grad-CAM as an explainability mechanism to interpret the deep learning model's predictions. Finally, the explainable model was evaluated from the end-user's perspective based on the criteria of simplicity, comprehensibility, usability, and reliability. Results: The results showed average acceptability levels between 75% and 79% in the evaluated criteria, indicating a favorable perception by users regarding the clarity and interpretation of the representations generated by the model. Conclusions: The proposed approach improves the interpretability of automated predictions for melanoma detection, fostering greater understanding and confidence among healthcare professionals. In this respect, the model facilitates the potential integration of these support tools in real-world clinical settings.
Primary Health Care (PHC) is understood and operationalized in multiple ways, and this variability complicates how implementation is assessed in low- and middle-income countries (LMICs). We conducted a scoping review to map how PHC-oriented interventions in LMICs have been evaluated using the Reach, Effectiveness, Adoption, Implementation, and Maintenance (RE-AIM) framework and other implementation science approaches. Eighteen eligible articles were included. The interventions covered prevention, early detection, and management of chronic communicable and non-communicable conditions, in addition to maternal, child, and mental health. Most studies reflected selective PHC models, and Africa contributed the largest share of publications. RE-AIM was explicitly applied in seven studies; the remaining articles used other implementation science frameworks, most often within mixed-method designs. Overall, findings aligned with the stated study designs and generally followed appropriate reporting practices. This review offers a pragmatic map of how implementation science frameworks are being used to evaluate PHC interventions across LMIC setting.
Introducción: La hemofilia tipo A en pediatría es un tema de interés, debido al costo de bolsillo, catastrófico y de salud que genera, además de la carga de enfermedad que ocasiona. En tiempos recientes, se ha impulsado la necesidad de identificar terapias novedosas. Objetivo general: Valorar las características de la investigación sobre intervenciones farmacológicas para el manejo de la hemofilia tipo A en pediatría. Métodos: Estudio bibliométrico. Se realizó una búsqueda semi-estructurada en la base de datos Scopus. Resultados: Se incluyeron 363 artículos. La primera publicación fue realizada en 1964. Predominantemente, la producción científica estuvo compuesta por artículos originales (87,32%; n=317), seguido de revisiones (6,1%; n=22). La colaboración internacional fue del 7,98%. El Centro Médico Universitario de Utrecht (Países Bajos) se posicionó como la institución más prolífica y con mayor impacto, mientras que Estados Unidos fue el país más prolífico y con mayor impacto. El factor de coagulación sanguínea 8, administración de drogas intravenosas, y hemartrosis, han sido las palabras claves más usadas. La red de coocurrencia, reveló tres nichos de investigación, relacionados a terapia, grupos etarios y desenlaces específicos. Conclusión: Se identificó un crecimiento modesto de la investigación sobre intervenciones farmacológicas para el manejo de la hemofilia tipo A en pediatría. La investigación ha sido a expensas de datos primarios, siendo liderada por instituciones holandesas y en Japón, a pesar de ser Estados Unidos el país más prolífico. Los temas estudiados con mayor frecuencia, están relacionados a la fisiopatología, el factor VIII de la coagulación, complicaciones, y la hemartrosis.
Introducción: El ecoturismo en humedales busca la conservación ambiental, genera beneficios sociales y económicos a través de la participación comunitaria, maximizando el empoderamiento local y el sentido de pertenencia hacia el proyecto ecoturístico. Objetivo: Evaluar las características socio-ecológicas e infraestructurales para el desarrollo de un programa de ecoturismo comunitario en la Vereda de Caimital Malambo. Metodología: Se empleó un enfoque mixto que combinó técnicas cualitativas y cuantitativas. La fase cualitativa incluyó cuatro visitas de campo en las que se aplicó una lista de chequeo para evaluar la infraestructura asociada al ecoturismo en la CM, considerando el estado de las vías de acceso, la disponibilidad de transporte terrestre y fluvial, así como la presencia y calidad de servicios como gastronomía y artesanías locales. En la fase cuantitativa, se aplicaron 45 encuestas estructuradas a los líderes de hogar de las viviendas más cercanas a la CM. El instrumento se dividió en tres secciones características socioeconómicas de la comunidad, condiciones ambientales de la ciénaga, y percepciones sobre un hipotético programa de ecoturismo comunitario. Adicionalmente, se realizaron análisis documentales para contextualizar el entorno socioambiental en el área de estudio. Resultados: Se evidencia una alta aceptación por parte de la comunidad (90%) hacia la implementación de un programa de ecoturismo comunitario que involucre la CM, con una marcada preferencia por beneficios de tipo económicos. Sin embargo, se identificaron limitaciones significativas en la infraestructura vial y el transporte fluvial, así como problemas ambientales asociados a la contaminación y disminución de los recursos pesqueros de la CM. Conclusiones: En conclusión, el ecoturismo se presenta como una alternativa viable para el desarrollo sostenible en la CM, siempre que se garantice una adecuada coordinación entre los diferentes actores inmersión en el territorio.
Introducción: El estrés académico es un problema prevalente en la educación superior que afecta negativamente la salud mental y el rendimiento estudiantil. La actividad física se considera un factor protector clave, pero existe un vacío de conocimiento sobre esta relación en el contexto específico de las universidades colombianas. Este estudio busca llenar ese vacío. Objetivo: Analizar la relación entre el nivel de actividad física y la percepción de estrés académico en estudiantes de pregrado de la Corporación Universitaria Latinoamericana (CUL). Metodología: Se realizó un estudio cuantitativo, descriptivo-correlacional y de corte transversal. Se aplicó una encuesta digital a una muestra por conveniencia de 50 estudiantes, utilizando preguntas adaptadas de los instrumentos validados IPAQ y SISCO para medir la actividad física y el estrés, respectivamente. Resultados: Se encontró una alta prevalencia de sedentarismo (44% de la muestra). El análisis de varianza (ANOVA) reveló una relación inversa y estadísticamente significativa (p = 0.005) entre las variables: el grupo de estudiantes sedentarios reportó el mayor nivel de estrés promedio (M=3.48), mientras que el grupo más activo reportó el menor (M=2.19). Conclusiones: mayor nivel de actividad física, menor es la percepción de estrés académico en la muestra estudiada. Se concluye que la actividad física es un factor protector significativo para el bienestar estudiantil, y se recomienda su integración como un componente estratégico en las políticas universitarias de salud mental.
Introducción: La gestión comercial en entornos industriales enfrenta desafíos asociados a la alta competitividad, la digitalización y la necesidad de construir relaciones de largo plazo con los clientes. En este contexto, la Arquitectura de Negocios Urdaneta se presenta como un modelo integral que articula procesos comerciales en fases secuenciales, fortaleciendo la sostenibilidad y la productividad empresarial. Objetivo: Analizar la implementación de la Arquitectura de Negocios Urdaneta en cinco empresas latinoamericanas, con el fin de identificar su impacto en la identificación de mercados, segmentación, diseño de propuestas de valor, ejecución consultiva de ventas y seguimiento postventa.Metodología: Se realizó una revisión sistemática de literatura publicada entre 2020 y 2025 en la base de datos Scopus, complementada con cinco informes corporativos y entrevistas a gerentes comerciales. La información se organizó en torno a las cinco fases del modelo, permitiendo un análisis transversal de resultados. Resultados: La aplicación del modelo permitió a las empresas reducir la dispersión comercial mediante la focalización en sectores estratégicos, alcanzar segmentaciones de clientes superiores al 70% en tres casos, y mejorar la tasa de conversión de propuestas en contratos en un rango de 15% a 25%. Asimismo, dos compañías consolidaron un cambio cultural hacia la venta consultiva, logrando aumentos del 20% en retención de clientes clave. El seguimiento postventa mostró avances heterogéneos, con dos empresas alcanzando niveles de satisfacción superiores al 85%. Conclusiones: La Arquitectura de Negocios Urdaneta demostró ser un marco eficaz para evolucionar de prácticas generalistas hacia procesos consultivos, focalizados y orientados al valor, contribuyendo al crecimiento de ventas, la fidelización de clientes y la sostenibilidad comercial en mercados industriales.
Introducción: La deserción estudiantil es un desafío crítico a nivel global con profundos impactos socioeconómicos e institucionales. En promedio, uno de cada cinco estudiantes abandona sus estudios, situación que limita la movilidad social, profundiza inequidades y reduce la sostenibilidad de los sistemas educativos. Objetivo: Desarrollar un sistema inteligente para predecir la deserción universitaria en Colombia teniendo en cuenta el riesgo de abandono académico, con el fin de implementar intervenciones tempranas y personalizadas. Metodología: El estudio, enmarcado en la Ciencia del Diseño (DSR), utilizó un dataset longitudinal de 104,147 registros de una universidad colombiana. Se aplicó un riguroso preprocesamiento, incluyendo la reclasificación de la variable objetivo y la ingeniería de 27 características predictoras. Se evaluaron 7 algoritmos, seleccionando LightGBM, el cual fue optimizado en sus hiperparámetros y balanceado con SMOTE (Synthetic Minority Over-sampling Technique). Resultados: LightGBM demostró ser el algoritmo superior con un F1-Score ponderado de 0.8125. El modelo optimizado alcanzó una precisión global del 87% y un F1-Score de 0.83 para la clase "Desertó". La calibración estratégica del umbral de decisión a 0.45 elevó el recall al 87%, identificando correctamente a 1,447 de 1,654 desertores reales. El análisis SHAP confirmó que el PORCENTAJE_AVANCE_REAL fue el predictor más influyente con un impacto de 1.45. Conclusiones: El rendimiento académico acumulado, la tendencia de las calificaciones y el porcentaje de avance real constituyen los predictores más determinantes del abandono, en interacción con variables socioeconómicas como el estrato de ingreso y demográficas como el grupo etario.
Introduction: The susceptibility to landslide occurrence was recognized as a key factor for contributing to risk scenario development and for enhancing disaster risk knowledge, which supported land-use management in urban areas. A challenge of methodologies is to contribute to strengthening early warning systems. Objective: Data from conditioning variables were integrated to produce the landslide susceptibility map for the locality of 'Rafael Uribe Uribe' in Bogot & aacute;, through the application of the Support Vector Machine (SVM) technique. Methodology: Ahistorical record of 430 events from 2008 to 2015 was used, along with variables related to topography, land use, distance to roads, geology, and precipitation in the study area. Based on this information, a database of 12 conditioning variables was constructed. The data were randomly divided: 75% were used to generate the model through the Support Vector Machine (SVM) technique with K-fold cross-validation and a grid search, while the remaining 25 % were used for model validation. Results: The susceptibility map of the locality was obtained with an accuracy of 98 % using the RBF kernel and 97 % with the linear kernel, validated through the Receiver Operating Characteristic (ROC) curve. The Support Vector Machine (SVM) technique was successfully applied to classify the study area into stable and unstable zones. Conclusions: The results supported the applicability of Machine Learning for susceptibility analysis, in alignment with the approaches proposed by the scientific community.
Introduction: Upper limb rehabilitation after a stroke faces challenges such as low motivation and adherence to traditional therapies. This study presents an Immersive Virtual Reality (IVR) exergame incorporating a kinematically adaptive difficulty system that dynamically modifies exercise complexity in real time based on movement data collected by VR equipment. Objective: To evaluate the effectiveness of an adaptive system based on dimensionless jerk to optimize therapeutic effort in post-stroke participants. Methodology: A usability study was conducted with 20 participants divided into a control group (non-adaptive version) and an experimental group (adaptive version). The Borg Fatigue Scale and the Virtual Reality Neuroscience Questionnaire (VRNQ) were used to measure engagement, perceived fatigue, and user experience. Results: The adaptive system improved participants' engagement and therapeutic outcomes and therapeutic outcomes. The experimental group reported perceived physical effort levels closer to the ideal therapeutic range defined in the literature. Additionally, this group achieved higher evaluations in user experience and immersion. Conclusions: The exergame proved to be an effective and personalized tool for post-stroke rehabilitation. While areas for improvement were identified, such as responsiveness in advanced stages, this system offers a dynamic and motivating approach to optimizing recovery processes.
Introduction: Commercial management in industrial environments faces challenges related to high competitiveness, digitalization, and the need to build long-term customer relationships. In this context, the Urdaneta Business Architecture emerges as a comprehensive model that structures commercial processes into sequential phases, thereby strengthening business sustainability and productivity. Objective: To analyze the implementation of the Urdaneta Business Architecture in five Latin American companies, with the purpose of identifying its impact on market identification, segmentation, value proposition design, consultative sales execution, and post-sales follow-up. Methodology: A systematic literature review was conducted on publications from 2020 to 2025 available in the Scopus database, complemented by five corporate reports and interviews with commercial managers. The information was organized according to the five phases of the model, allowing for a transversal analysis of results. Results: The application of the model enabled the companies to reduce commercial dispersion by focusing on strategic sectors, achieve customer segmentation rates above 70% in three cases, and improve the proposal-to-contract conversion rate within a range of 15% to 25%. Likewise, two companies consolidated a cultural shift toward consultative selling, attaining a 20% increase in key customer retention. Post-sales monitoring showed heterogeneous progress, with two firms reaching satisfaction levels above 85%. Conclusions: The Urdaneta Business Architecture proved to be an effective framework for evolving from generalist practices toward consultative, focused, and value-oriented processes, contributing to sales growth, customer loyalty, and commercial sustainability in industrial markets.
Introduction: Student dropout is a critical global challenge with profound socioeconomic and institutional impacts. On average, one in five students drop out of school, limiting social mobility, deepening inequalities, and reducing the sustainability of education systems. Objective: Student dropout is a critical global challenge with profound socioeconomic and institutional impacts. On average, one in five students drop out of school, limiting social mobility, deepening inequalities, and reducing the sustainability of education systems. Method: The study, framed within Design Science Research (DSR), used a longitudinal dataset of 104,147 records from a Colombian university. Rigorous preprocessing was applied, including reclassification of the target variable and engineering of 27 predictor features. Seven algorithms were evaluated, selecting LightGBM, which was optimized in its hyperparameters and balanced with SMOTE (Synthetic Minority Over-sampling Technique). Results: LightGBM proved to be the superior algorithm with a weighted F1-Score of 0.8125. The optimized model achieved an overall accuracy of 87% and an F1-Score of 0.83 for the "Dropout" class. Strategic calibration of the decision threshold to 0.45 raised the recall to 87%, correctly identifying 1,447 of 1,654 actual dropouts. SHAP analysis confirmed that REAL_PROGRESS_PERCENTAGE was the most influential predictor with an impact of 1.45. Conclusions: Cumulative academic performance, grade trends, and actual progress percentage are the most decisive predictors of dropout, in interaction with socioeconomic variables such as income stratum and demographic variables such as age group.
Introduction: Project formulation requires defining objectives, alternatives, resources, and evaluation criteria in increasingly complex contexts. In Colombia, despite the support of the Adjusted General Methodology (MGA), technical and operational barriers persist. Generative Artificial Intelligence, particularly large language models (LLMs), has emerged to support writing, synthesis, and planning, but its use in project formulation still lacks consolidated evidence. Objective: To identify and classify how LLMs have been applied to project formulation, their benefits and limitations, the evaluation methods used, application domains, and the existence of LLM or GenAI tools that support the MGA. Method: Systematic mapping following Petersen. Research questions were defined with PICOC, together with search strings and inclusion and exclusion criteria. IEEE Xplore, Scopus, ScienceDirect, Web of Science, and Taylor & Francis were queried from 2020 to 2025. A PRISMA diagram summarized identification, screening, and selection. Of 372 records, 33 studies met the criteria. Results: GPT-3.5and GPT-4 predominate. The most evidenced tasks include effort and time estimation, plan and schedule generation, ideation and design, and early risk management. Support was also observed for requirements, work breakdown, and resource allocation. Evaluation combined human comparisons, expert review, automatic metrics with other LLMs, surveys or interviews, and objective measures. No reports were found of LLM or GenAI tools to support the MGA. Conclusions: LLMs speed up cognitive tasks and improve clarity and creativity, but they require human validation, better contextualization, explainability, data protection, and technical integration. Trends point to hybrid approaches with retrieval augmented generation (RAG), multitask agents, and multimodal capabilities. The absence of reported experiences for the MGA reveals a strategic opportunity for research and development.
Introduction: Hemophilia A in pediatrics is a topic of interest due to the catastrophic, out-ofpocket, and health costs it generates, in addition to the disease burden it causes. Recently, the need to identify novel therapies has been emphasized. Objective: To evaluate the characteristics of research on pharmacological interventions for the management of hemophilia A in pediatrics. Method: Bibliometric study. A semi-structured search was conducted in the Scopus database. Results: A total of 363 articles were included. The first publication was in 1964. Predominantly, the scientific output consisted of original articles (87.32%; n=317), followed by reviews (6.1%; n=22). International collaboration was 7.98%. The University Medical Center Utrecht (Netherlands) was the most prolific and impactful institution, while the United States was the most prolific and impactful country. The most frequently used keywords were blood coagulation factor 8, intravenous drug administration, and hemarthrosis. The co-occurrence network revealed three research niches related to therapy, age groups, and specific outcomes. Conclusions: A modest growth in research on pharmacological interventions for the management of hemophilia A in pediatrics was identified. The research has been based on primary data, led by Dutch institutions and in Japan, despite the United States being the most prolific country. The most frequently studied topics are related to pathophysiology, coagulation factor VIII, complications, and hemarthrosis.
