La enfermedad de Alzheimer constituye la primera causa de demencia a escala mundial y la principal carga neurodegenerativa del siglo XXI. El avance de tecnologías de análisis textual computacional ha abierto una vía metódica nueva para sintetizar el conocimiento disperso en grandes volúmenes de literatura científica. Se realizó una revisión sistemática siguiendo PRISMA 2020 sobre 520 registros provenientes de PubMed, Scopus y SciELO (2019–2026), con selección final de 20 estudios. Sobre los textos seleccionados se aplicó un pipeline computacional integrado por tres componentes: (1) Minería de Textos para extracción y limpieza del corpus; (2) Procesamiento de Lenguaje Natural (NLP) para análisis de frecuencia de términos, extracción de entidades biomédicas y co-ocurrencia conceptual; y (3) Modelado de Tópicos mediante LDA y BERTopic para identificar agrupaciones temáticas empíricas. El modelado de tópicos identificó cuatro clústeres temáticos: biomarcadores moleculares y líquidos (32 %), neuroimagen diagnóstica (24 %), modelos computacionales de inteligencia artificial (28 %) y terapias farmacológicas e intervención clínica (16 %). El análisis NLP confirmó que beta-amiloíde , proteina Tau fosforilada y aprendizaje profundo son los términos de mayor centralidad en el corpus. La integración computacional de minería de textos, NLP y modelado de tópicos no sólo valida las categorías propuestas manualmente en la literatura, sino que revela relaciones transversales entre temas, especialmente entre biomarcadores plasmáticos e IA diagnóstica, que las revisiones narrativas convencionales no capturan.
Las infecciones del tracto urinario (ITU) son una de las afecciones bacterianas de mayor incidencia en la población pediátrica femenina. La disbiosis del urobioma, caracterizada por pérdida de diversidad alfa y reducción de géneros protectores como Lactobacillus, se asocia con la recurrencia de estos episodios. La disponibilidad de datos microbiológicos cuantitativos en los estudios primarios abre la posibilidad de reelaborar la síntesis original con métodos computacionales. Objetivo: Reelaborar la síntesis de la evidencia sobre la relación entre microbiota urinaria y recurrencia de ITU en niñas menores de 12 años mediante metaanálisis de diversidad alfa, modelado predictivo con machine learning y análisis de redes de co-ocurrencia microbiana. Se utilizaron los datos cuantitativos de los 11 estudios. Se ejecutó un metaanálisis de diferencia de medias estandarizada (SMD) del índice de Shannon para comparar la diversidad alfa entre niñas con ITU recurrente y controles. Se entrenaron modelos de regresión logística, Random Forest y XGBoost con variables clínicas y microbiológicas disponibles. Se construyó una red de co-ocurrencia taxonómica con correlaciones de Spearman y análisis de centralidad. La integración de métodos computacionales confirma y cuantifica la disbiosis del urobioma como factor de riesgo modificable para ITU recurrentes en niñas. XGBoost identificó el índice de Shannon como el predictor de mayor peso, lo que sustenta su uso como biomarcador de susceptibilidad. Las redes de co-ocurrencia revelan que Lactobacillus y Prevotella son nodos críticos cuya pérdida desestabiliza el ecosistema microbiano urinario.
Las alteraciones del sueño producen cambios en la homeostasis glucémica con consecuencias metabólicas documentadas en la población adulta. Los parámetros cuantitativos del sueño, como la eficiencia, la latencia de inicio y el cronotipo, se asocian con la respuesta glucémica postprandial. Sin embargo, los modelos predictivos que integran simultáneamente estas tres dimensiones del sueño sobre el control glucémico son escasos. El objetivo del presente estudio fue construir y validar modelos de redes neuronales recurrentes de memoria a largo y corto plazo para la predicción del área bajo la curva de glucosa postprandial (AUCg-2h) en adultos, a partir de parámetros objetivos del sueño de la noche previa. Se diseñó un estudio observacional prospectivo en 320 adultos de 18 a 65 años sin diagnóstico previo de diabetes mellitus. Se registraron la eficiencia del sueño, la latencia de inicio del sueño (SL) y el cronotipo mediante actígrafos de muñeca (7 noches) y el Cuestionario de Cronotipo de Múnich (MCTQ). La respuesta glucémica postprandial se cuantificó con monitores continuos de glucosa (CGM) durante desayunos estandarizados isocalóricos. Se entrenaron, validaron y compararon modelos LSTM unidireccionales, bidireccionales y CNN-LSTM. El rendimiento se evaluó con el error cuadrático medio de la raíz (RMSE), el coeficiente de determinación (R²) y el error absoluto medio (MAE). El modelo LSTM bidireccional presentó el desempeño predictivo superior con RMSE = 8.3 mg/dL, MAE = 6.1 mg/dL y R² = 0.81. La eficiencia del sueño fue la variable con mayor peso predictivo (importancia relativa = 0.47), seguida del cronotipo vespertino (0.31) y la latencia de inicio del sueño (0.22). Los participantes con eficiencia del sueño inferior al 75% registraron un AUCg-2h en promedio 34.2 mg/dL•h superior al de los participantes con eficiencia superior al 90% (p < 0.001). Los modelos LSTM con datos de eficiencia, latencia y cronotipo del sueño predicen el control glucémico postprandial en adultos con precisión clínicamente útil. La integración de variables polisomnográficas objetivas en arquitecturas de aprendizaje profundo representa una herramienta viable para la estratificación del riesgo metabólico sin la necesidad de pruebas invasivas.
La problemática del presente estudio se enfoca en la limitada integración de la inteligencia emocional (IE) en los programas formativos de la educación superior, a pesar de las crecientes exigencias socioemocionales, éticas y de relaciones interpersonales que demanda el ámbito profesional actual. Esta necesidad surge ante la insuficiente habilitación emocional para gestionar respuestas asertivas en entornos formativos de alta presión, lo cual afecta directamente el rendimiento académico, genera estrés y eleva el riesgo de desgaste formativo. Aunque la literatura suele priorizar los aspectos cognitivos y técnicos mediante evaluaciones aisladas, se requiere un abordaje integral de estas competencias transversales. En respuesta a ello, esta investigación analiza el efecto de la IE en el éxito académico y profesional, tomando como campo de estudio específico los programas de enfermería, debido a las particularidades de su práctica y la necesidad regulatoria de afrontar situaciones críticas o de alto impacto emocional. La metodología se basó en una revisión sistemática de investigaciones cualitativas, cuantitativas y mixtas publicadas entre los años 2021 y 2025 en bases de datos de alto impacto como PubMed, SciELO, ScienceDirect y Scopus. Los resultados concluyen que la IE es una variable significativa en el éxito de la educación superior al promover el bienestar psicológico, la empatía y la toma de decisiones. Como conclusión se plantea la necesidad de incorporar la IE en los diseños curriculares universitarios como una estrategia integral, sostenible y humanizada, garantizando una formación adaptada a las demandas de los entornos reales de práctica.
La investigación se desarrolló en la carrera de ingeniería Agropecuaria en la asignatura de Matemática I del primer semestre de la carrera Agropecuaria en la Universidad Estatal del Sur de Manabí ubicada en el km 1,5 vía Novoa Jipijapa Manabí Ecuador. El objetivo del trabajo es analizar la aplicación de estrategias de enseñanza-aprendizaje preinstruccionales, de construcción y postinstruccionales en la enseñanza de las matemáticas con la aplicación de rúbricas de valoración por competencias para evaluar el aprendizaje de los estudiantes. La metodología utilizada es caracterizar las estrategias preinstruccionales, de construcción (coinstruccionales) y postinstruccionales en el proceso de enseñanza-aprendizaje ejemplificado desde el currículo de la asignatura Matemática I, utilizando métodos de investigación bibliográfica y estadístico matemático. En los resultados sobre la resolución de problemas matemáticos se puede observar según la rúbrica que el 10% analiza la situación problema, selecciona estrategias adecuadas, aplica correctamente los procedimientos y obtiene soluciones justificadas y precisas evaluados de excelente, el 45% bueno que es capaz de presentar argumentos adecuados, aunque con limitaciones en la claridad o profundidad conceptual, el 35% fue considerado como básico porque solo emite explicaciones incompletas o poco coherentes sobre los procedimientos utilizados y un 10% no logra justificar ni explicar el razonamiento seguido, lo que indica que hay que realizar atención individualizada para lograr mayor solidez en el aprendizaje.
