Pressure ulcers affect the quality of life and health level of patients while causing a cost increase for the health system. Despite all of this, there is no monitoring system for this disease, even though it is very common in hospitalized patients. To resolve this issue, in this work, we present a prototype for monitoring and caring of pressure ulcers, through an intelligent system based on wearable inertial devices. The system detects the position of patients with reduced mobility while in bed, walking, or standing; providing, to medical staff and caregivers, useful information by means of mobile devices, in particular: (i) A historical record of body activity and (ii) notifications when a single position persists for a prolonged period of time. The following contributions are presented in this paper. Firstly, a technological survey of healthcare systems applied to pressure ulcers is presented. Secondly, an architecture and a methodology for modelling wearable inertial sensors for classifying body position are proposed. Finally, experimental tests with real cases were conducted to evaluate machine learning approaches and to validate the position estimation of the case study developed with four participants.

This paper explores the application of machine learning techniques and statistical analysis to identify the patterns of victimization and the risk of gender-based violence in San Andrés de Tumaco, Nariño, Colombia. Models were developed to classify women according to their vulnerability and risk of suffering various forms of violence, which were integrated into a decision-making tool for local authorities. The algorithms employed include K-means for clustering, artificial neural networks, random forests, decision trees, and multiclass classification algorithms combined with fuzzy classification techniques to handle the incomplete data. Implemented in Python and R, the models were statistically validated to ensure their reliability. Analysis based on health data revealed the key victimization patterns and risks associated with gender-based violence in the region. This study presents a data science model that uses a social determinant approach to assess the characteristics and patterns of violence against women in the Pacific region of Nariño. This research was conducted within the framework of the Orquídeas Program of the Colombian Ministry of Science, Technology, and Innovation.

La integración de la antena microstrip al sensor SAW representa una atractiva solución para monitorear altas temperaturas a distancia. En aplicaciones donde se utilizan hornos industriales es indispensable supervisar la temperatura a través de sensores operados con tecnología infrarroja o inalámbrica. El propósito de éste estudio fue caracterizar el patrón de radiación de una antena microstrip hecha sobre el mismo substrato piezoeléctrico que forma el sensor SAW, con el fin de desarrollar un medidor de altas temperaturas interrogado inalámbricamente. Este estudio hace parte de la etapa de diseño de una antena para el SAW, la cual será fabricada posteriormente. A través del método de elementos finitos, tres antenas microstrip hechas con substratos de Quartz, Langasite y Dilithium Tetraborate fueron modeladas y simuladas. La simulación permitió establecer parámetros tales como comportamiento de los planos E-field (eléctrico) y H-field (magnético), dirección de la máxima radiación, ancho del lóbulo principal y la directividad. Los resultados mostraron que la antena hecha con Quartz tiene una potencia máxima de radiación de 2dB, con un ancho del lóbulo principal de 48°. Para la antena de Langasite, se obtuvo una potencia de radiación de -12dB, con un ancho del lóbulo de 30°. Y para la antena de Dilithium Tetraborate, la potencia de radiación fue de -3.2dB, con un ángulo de radiación de 78°.

San Andrés de Tumaco, ubicado en la región del Pacífico Sur, es el municipio costero de Nariño más afectado por la violencia y sus repercusiones en la salud pública. Con una población de 217.079 habitantes y un ligero predominio masculino del 50,1%, el 57% de sus habitantes reside en la cabecera municipal. La región enfrenta una alta incidencia de enfermedades como accidentes ofídicos, dengue y tuberculosis, además de niveles elevados de cloro residual en el agua, lo que la hace no apta para el consumo humano. Asimismo, el municipio presenta una tasa de Necesidades Básicas Insatisfechas del 48,74% y solo el 11,6% de su población cuenta con empleo formal. Entre 2013 y 2018, Tumaco fue el escenario del mayor número de actos violentos en Nariño, lo que ha impactado gravemente la calidad de vida de sus habitantes. La salud de las mujeres en Tumaco se ha visto particularmente afectada por el conflicto armado y las crisis humanitarias derivadas de la violencia estructural que persiste en el territorio. Con el objetivo de mitigar estos impactos, diversas organizaciones y entidades territoriales han implementado estrategias para fortalecer la protección y el bienestar de la población femenina, enfocándose en la capacitación en atención a la violencia, el reconocimiento de derechos, la concientización sobre la integridad física y mental, y la formación para fomentar la independencia financiera. Sin embargo, estos esfuerzos aún requieren un refuerzo en distintos ejes estratégicos para garantizar resultados sostenibles y efectivos en la reducción de la violencia de género y otras problemáticas sociales. Este artículo analiza los determinantes sociales en salud en San Andrés de Tumaco a través de un modelo de datos basado en aprendizaje no supervisado, específicamente la técnica de clustering. La implementación de este modelo permitió identificar los efectos de la violencia en la salud desde la perspectiva de los determinantes sociales en un territorio históricamente impactado por el conflicto armado, el narcotráfico y la violencia ejercida por grupos armados ilegales. Estas condiciones han deteriorado el bienestar colectivo y la salud de la población, aumentando los desafíos para las instituciones encargadas de la protección social. El estudio aborda la violencia contra las mujeres y otras formas de violencia desde una visión integral que considera factores sociales, familiares, económicos, culturales, físicos y psicológicos, resaltando la importancia de establecer rutas de atención especializadas y de carácter integral para las víctimas. El presente estudio se basa en los hallazgos del proyecto "Fortalecimiento en la implementación de estrategias para el control de violencias a través de modelos de ciencia de datos que permitan estudiar los determinantes sociales de la salud". Su propósito fue desarrollar una herramienta que permitiera identificar y analizar los determinantes sociales de la salud y, a partir de ello, generar estrategias efectivas de mitigación de la violencia contra las mujeres en Tumaco mediante inteligencia artificial. Para su desarrollo, se establecieron tres fases principales: la primera consistió en la descripción de los eventos registrados en los sistemas de vigilancia SIVIGILA 356, 365 y 875; la segunda fase incluyó el análisis de los datos obtenidos mediante el modelo de ciencia de datos implementado, y finalmente, la tercera etapa se enfocó en el diseño de estrategias para la entidad territorial con base en los resultados del análisis realizado. Como resultado, se desarrolló un análisis hermenéutico-fenomenológico que permitió interpretar y comprender los fenómenos sociales en salud, proporcionando una base sólida para el diseño de estrategias orientadas a mitigar la violencia y mejorar las condiciones de vida de la población. Este enfoque permitió identificar y fortalecer acciones que inciden directamente en los determinantes sociales de la salud en el distrito de Tumaco, brindando herramientas para la toma de decisiones en políticas públicas y el diseño de intervenciones más efectivas en la lucha contra la violencia de género y otras problemáticas asociadas.

This paper explores the application of machine learning techniques and statistical analysis to identify patterns of victimization and the risk of gender-based violence in San Andrés de Tumaco, Nariño, Colombia. Models were developed to classify women according to their vulnerability and risk of suffering various forms of violence, which were integrated into a decision-making tool for local authorities. The algorithms employed include K-means for clustering, artificial neural networks, random forest, decision trees, and multiclass classification algorithms combined with fuzzy classification techniques to handle incomplete data. Implemented in Python and R, the models were statistically validated to ensure their reliability. Analyses based on health data revealed key patterns of victimization and risks associated with gender-based violence in the region. This study presents a data science model that uses a social determinants approach to assess the characteristics and patterns of violence against women in the Pacific region of Nariño. The research was conducted within the framework of the Orquídeas Program of the Colombian Ministry of Science, Technology, and Innovation.