In this study, a system was developed to predict anemia using blood count data and supervised learning algorithms. Anemia, a common condition characterized by low levels of red blood cells or hemoglobin, affects oxygenation and often causes symptoms, such as fatigue and shortness of breath. The diagnosis of anemia often requires laboratory tests, which can be challenging in low-resource areas where anemia is common. We built a supervised learning approach and trained three models (Linear Discriminant Analysis, Decision Trees, and Random Forest) using an anemia dataset from a previous study by Sabatini in 2022. The Random Forest model achieved an accuracy of 99.82%, highlighting its capability to subclassify anemia types (microcytic, normocytic, and macrocytic) with high precision, which is a novel advancement compared to prior studies limited to binary classification (presence/absence of anemia) of the same dataset.

Esta investigación asegura la trazabilidad y seguridad alimentaria en el proceso agroindustrial del cacao, desde la semilla hasta la comercialización. Se desarrolló un sistema de trazabilidad basado en Laravel, una aplicación web y una API REST para la gestión y comercialización, y un dispositivo IoT con sensores (Raspberry Pi) para monitorear la fermentación, cumpliendo la norma NTC 1252. El proyecto, en Tierralta, Córdoba, involucró tres fases: caracterización de necesidades de productores, desarrollo del sistema y pruebas con capacitación. Además, se implementó una línea de tiempo interactiva con Next.js para visualizar procesos. Esta solución mejora la calidad del producto, optimiza recursos, y genera datos clave para decisiones futuras, permitiendo la sistematización y estandarización de procesos, así como la identificación de fortalezas y debilidades en la cadena de producción del cacao.