The large increase in population in Cancun, Mexico has increased domestic, agricultural and industrial activities, resulting in inadequate solid and liquid waste management that can affect underground aquifers. One of the factors which affects water quality is coliform bacteria. The present study focused on determining the presence of total and faecal coliforms in ten urban cenotes in Cancun. Sampling was carried out in the dry and rainy seasons of 2018. The Most Probable Number (MPN) technique was used to determine the concentration of coliform bacteria. The results from the analyses indicate that the ten cenotes are contaminated with total and faecal coliforms. Additionally, the concentration of coliforms increases during the rainy season. We conclude that all the cenotes are contaminated with faecal coliforms and suggest that more studies are necessary to determine the origin of this contamination and the impact on the ecosystem.

This article presents a fuzzy system for determining the level of infection of four viral diseases: dengue, zika, chikungunya, and yellow fever. Medical diagnosis is a complicated task because it is full of uncertainty and imprecision, which many times causes a misdiagnosis. However, this problem can be treated through a fuzzy system with the ability to work with uncertainty by providing the opportunity to model conditions that are imprecisely defined. Dengue, yellow fever, zika, and chikungunya are diseases that in their early stages are difficult to distinguish since they have great similarities in their symptoms, making diagnosis even more difficult. Based on research, the six most relevant symptoms that allow a better diagnosis have been selected. The six input fields are pain, temperature, bleeding, poor appetite, muscle weakness, and shortness of breath. The four output fields refer to diseases and each one is made up of several fuzzy sets that make it possible to identify the level of infection in each disease. The fuzzy system implementation has been done in MATLAB, using fuzzy rules developed with the help of a human expert. The system is not a substitute for expert medical practitioners, but rather an aid in the diagnosis, which is based on the symptoms experienced by the patient. The tests were carried out in 15 cases with viral diseases and the results show that the diagnosis using the fuzzy system has an accuracy of 86.6%, displaying its helpfulness in the early diagnosis of the disease.

La presente investigación tiene como propósito desarrollar un análisis exhaustivo mediante una revisión sistemática de información, con el fin de responder a la pregunta de investigación: ¿Qué algoritmos implementan el aprendizaje automático en los sistemas de detección de intrusiones en el Internet de las cosas (IoT) en ciudades inteligentes? Para ello, se emplearon estrategias metodológicas basadas en la búsqueda sistemática de artículos científicos extraídos de reconocidas bibliotecas virtuales, utilizando bases de datos como IEEE, ScienceDirect de Elsevier y Springer. Estas fuentes se seleccionaron debido a su alta reputación en la difusión de estudios tecnológicos y científicos de calidad. En una primera etapa, se identificaron y descargaron 125 artículos relacionados con la temática, los cuales pasaron por un proceso riguroso de lectura y evaluación para determinar su relevancia. Este procedimiento incluyó la exclusión de trabajos que no cumplían con los criterios establecidos, garantizando así que solo se consideraran publicaciones directamente vinculadas con el objeto de estudio. El análisis detallado de los artículos seleccionados permitió identificar los algoritmos más empleados en sistemas de detección de intrusiones que integran aprendizaje automático en el ámbito del IoT, particularmente en el contexto de las ciudades inteligentes. Los resultados obtenidos abarcan el período comprendido entre 2018 y 2023, y reflejan tendencias actuales, fortalezas y limitaciones de los algoritmos utilizados, así como su capacidad para abordar los desafíos de seguridad en entornos interconectados. Este trabajo no solo contribuye a entender el panorama tecnológico en esta área, sino que también proporciona una base sólida para futuras investigaciones orientadas a la optimización y desarrollo de soluciones más eficaces para proteger los sistemas IoT en ciudades inteligentes.