Due to their contribution to human health, healthy snacks have garnered the attention of the scientific community and the food industry. This study was conducted to determine the suitability of frying and baking processing methods for producing green banana chips using two varieties: Barraganete and Dominico. The aim was to identify a treatment geared toward producing healthy snacks. Initially, the physicochemical properties of the raw materials were analyzed, revealing significant differences in starch, fat, fiber, and protein content. Subsequently, the bananas were processed into baked and fried chips. Multivariate statistical techniques such as ANCOVA, MANOVA, and post-hoc tests were applied to examine the influence of initial characteristics and detect variations attributable to the cooking method. The main findings show that the initial protein level had a significant covariate effect on the final content in the chips. The Dominico variety generally proved more suitable for making baked chips, retaining higher percentages of protein, starch, and fiber and lower fat content than Barraganete. Baked chips showed significantly lower sodium and fat values than fried ones when differentiated by processing method. The “Dominico + Baked” treatment emerged as the superior alternative, with favorable levels of protein and starch and low levels of sodium and fat, positioning it as the most suitable for producing a healthy snack.

The field of educational research increasingly emphasizes predictive modeling of academic performance, focusing on identifying determinants of student success and crafting models to forecast future achievements. This investigation evaluates the efficacy of different feature selection techniques in predicting mathematics performance among Ecuadorian students, based on data from the 2021-2022 cycle of the Ser Estudiante test. Employing supervised logistic regression for classification, the study compares three feature selection methods: selection based on the highest k-scores, recursive feature elimination with cross-validation (RFECV), and recursive feature elimination (RFE). The assessment reveals that both the highest k-scores and RFECV methods are highly effective in isolating the most pertinent features for predicting mathematical prowess. These methods achieved prediction accuracies exceeding 90%, with k-scores attaining 96% and RFECV 92%. Furthermore, they demonstrated remarkable recall (94% and 97%, respectively) and F1-Score (96% and 91%, respectively). Additionally, both methods presented Receiver Operating Characteristic (ROC) curves with an area under the curve (AUC) of 99%, signifying superior discriminatory capability. The findings illuminate the critical role of judicious feature selection in enhancing the precision of predictive models for academic performance, particularly in mathematics. The results advocate for the application of these techniques in pinpointing key factors contributing to student success. This study not only contributes to the methodological discourse in educational data analysis but also provides practical insights for the Ecuadorian education system in leveraging data-driven approaches to enhance student outcomes.

Las micotoxinas son sustancias producidas por determinados hongos presentes en alimentos destinados para el consumo humano y animal. Entre las micotoxinas conocidas la ocratoxina A es el miembro más tóxico, es nefrotóxica, carcinógena, hepatotóxica, teratogénica e inmonosupresora y ha sido clasificada por la Agencia Internacional de Investigación contra el cáncer como un posible carcinógeno renal humano del grupo 2B, aparece de forma natural en una amplia gama de productos agrícolas. La contaminación de ocratoxina A en el café se puede dar durante la cosecha, el secado y el almacenamiento de los granos. En este trabajo mediante una revisión bibliográfica se conocerá los factores que causan la presencia de ocratoxina A en el procesado del café verde. Durante la cosecha se deben recolectar los granos de café directamente de los arbustos y evitar la recolección de frutos sobremaduros, dañados y recogidos del suelo por ser una fuente de contaminación, se deben secar lo más rápido posible hasta un 12% de humedad, en patios de cemento para evitar la contaminación, por la presencia del hongo en la tierra, en el almacenamiento se debe evitar que el grano absorba humedad y que esté en contacto con granos dañados. Realizar buenas prácticas agrícolas en la producción de café es una manera de combatir la presencia de ocratoxina A, es importante la difusión sobre las consecuencias que causa este hongo cuando es consumido, para tomar las respectivas medidas de prevención y control que se puedan aplicar a lo largo de la cadena productiva.

Para evaluar el impacto de los sistemas silvopastoriles (SSP) en el rendimiento de la biomasa comestible, el consumo de materia seca y la producción láctea en los rebaños lecheros de la Región Andina de Ecuador, se desarrolló esta investigación. Se estudiaron tres agroecosistemas (AES); los AES 1 y 2 contenían Alnus acuminata H.B.K (Aliso) y Acacia melanoxylon R.Br. (Acacia), respectivamente, en asociación con el estrato herbáceo, y el AES, pastos solamente. Se determinó el efecto del año y AES en el rendimiento de la biomasa comestible y en el consumo de MS mediante un ANOVA multifactorial con interacción. La producción láctea se analizó mediante un método de los mínimos cuadrados. El rendimiento de la biomasa comestible fue mayor (P< 0,05) en el AES 1, en el primero y segundo años y el consumo de materia seca en el AES 1 durante los tres años. La producción láctea en el primer año no difirió significativamente entre los AES, pero en el segundo año fue superior (P< 0,05) en el AES 1 y en el tercer año en los AES 1 y 2. Las medias de producción láctea ajustada fueron superiores (P< 0,05) en las vacas de los AES 1 y AES 2. En los tres años, la producción láctea total fue superior en el AES 1. Se concluye que los AES 1 y AES 2 favorecieron el rendimiento de la biomasa comestible, pero en el AES 1 fueron superiores el consumo de materia seca y la producción láctea.

This study presents a methodology for automatically detecting neuromuscular diseases through preprocessing and classifying electromyography (EMG) signals. The presented approach integrates Gaussian Copula-based denoising techniques with feature extraction and Random Forest classification. To assess the performance, the study performs a comprehensive evaluation of various denoising techniques, including Empirical Mode Decomposition (EMD), Variational Mode Decomposition (VMD), Wavelet Thresholding Denoising (WTD), and Gaussian Copula Denoising (GCD). The study also compares the effectiveness of several classification algorithms, such as Random Forest (RF), Convolutional Neural Networks (CNN), Multilayer Perceptron (MLP), and Decision Tree (DT). The methodology demonstrated exceptional performance, achieving an overall accuracy greater than 99% in distinguishing between healthy, myopathic, and neuropathic EMG signals. The proposed method's effectiveness is attributed to its noise reduction capabilities, feature selection focusing on mean amplitude and amplitude range, and the Random Forest algorithm's adeptness in classifying EMG data. The study's findings underscore the proposed method's accuracy and effectiveness and highlight its potential to revolutionize clinical diagnostics of neuromuscular disorders, offering a powerful tool for more precise and timely interventions.

Con la finalidad de ofrecer una alternativa para la pérdida postcosecha del camote, fueron preparadas harinas por cocción en autoclave y en marmita, caracterizadas funcional y morfológicamente mediante la interpretación de curvas amilográficas y observación de los gránulos de almidón al microscopio óptico. Se encontraron diferencias estadísticamente significativas (p≤0,05) en los parámetros funcionales debido a los tratamientos térmicos aplicados; en la harina cocida en autoclave, la temperatura inicial de gelatinización, viscosidad máxima e índice de estabilidad disminuyeron; mientras que el índice de asentamiento aumento. Con respecto a la morfometría de los gránulos de almidón, la forma predominante en la harina cruda de camote fue la esférica, con una frecuencia de 37%, con tamaño intermedio entre 3 y 5,65 mm. Hubo una reducción del 44% de los gránulos presentes en la harina tratada por cocción en autoclave y del 33% en harina cocida en marmita. De acuerdo con las características funcionales obtenidas se puede recomendar la incorporación de harinas de camote en la formulación y elaboración de alimentos poco viscosos, con buena estabilidad al calentamiento constante y agitación y que requieran de condiciones de refrigeración y congelación, tales como salsas, bebidas, postres, entre otros.