Objetivo: validar un cuestionario para medir la preocupación por la alimentación de los adolescentes, verificar la fiabilidad y desarrollar valores normativos en función de la edad, sexo y categoría. Metodología: se estudió a 3.121 (1.645 hombres y 1.476 mujeres) adolescentes de 11,0 a 18,9 años de cinco establecimientos municipales de la región del Maule, Chile. Se evaluó el peso, estatura y se calculó el índice de masa corporal. Se aplicó un cuestionario que mide la preocupación por la alimentación de adolescentes escolares. Se validó por análisis confirmatorio y la fiabilidad se determinó por consistencia interna. Resultados: el análisis factorial confirmó la presencia de cuatro factores (preocupación por la restricción de la comida, preocupación por el consumo de comida, preocupación por la forma de comer y preocupación por el peso corporal). Se eliminaron 5 preguntas que mostraron saturaciones inferiores a 0,39. El instrumento quedó conformado con 24 preguntas que explican 51,8% de la varianza. El alpha de Cronbach mostró valores entre 0,85 y 0,88. Se construyeron percentiles (p15, p50 y p85) a partir del método LMS para valorar la preocupación por la alimentación por categoría, edad y sexo. Conclusión: el instrumento desarrollado es válido y confiable y sirve para valorar el nivel de preocupación por la alimentación de adolescentes escolares. Además, las normas propuestas podrían servir a los profesionales del sistema educativo para llevar a cabo tareas de prevención con los jóvenes que evidencien bajos niveles de preocupación por su alimentación

Objetivo: Este artículo científico tiene como objetivo explorar cómo la tecnología blockchain puede ser utilizada para preservar registros médicos de forma segura, transparente e inmutable. Métodos: El artículo revisa la literatura existente sobre la tecnología blockchain y su aplicación en el campo de la salud, y analiza los desafíos y limitaciones de su implementación. También se destacan algunas iniciativas actuales que están explorando el potencial de la tecnología blockchain para la preservación de registros médicos. Resultados: La tecnología blockchain ofrece una solución prometedora para la preservación de registros médicos confidenciales y sensibles, ya que elimina la necesidad de intermediarios y reduce los costos y la complejidad del proceso de registro y almacenamiento de datos médicos. Además, la descentralización inherente de la tecnología blockchain significa que los datos almacenados son más difíciles de alterar o borrar, lo que garantiza la integridad y la autenticidad de los registros médicos. Sin embargo, existen desafíos y limitaciones en su implementación, como la necesidad de garantizar la privacidad de los datos y la interoperabilidad con sistemas de registro médico existentes. Conclusiones: A pesar de estas limitaciones, el artículo concluye que la tecnología blockchain tiene un gran potencial para mejorar la calidad de la atención médica y la eficiencia de los procesos de atención. Se espera que la implementación exitosa de la tecnología blockchain en la preservación de registros médicos tenga un impacto significativo en la atención médica, mejorando la precisión y accesibilidad de los datos médicos y promoviendo una mayor transparencia y confianza en los sistemas de salud.

No abstract

Los desastres naturales y tecnológicos representan una amenaza importante para la vida y la propiedad de las personas, así como para el medio ambiente en general. La gestión adecuada de desastres y pandemias es una tarea difícil, que implica procesar y distribuir información para tomar decisiones efectivas y brindar la ayuda necesaria. Sin embargo, muchas agencias y planes de socorro en casos de desastre no funcionan correctamente debido a varios desafíos, como la falta de coordinación, la corrupción y la falta de seguridad de la información. En este contexto, la tecnología blockchain ofrece una solución prometedora al proporcionar una forma segura y eficiente de almacenar y compartir información de manera transparente y descentralizada. Blockchain es una base de datos compartida y distribuida que garantiza la facilitación y protección de un sistema de intercambio de datos verdaderamente eficiente. Con características fundamentales como el cifrado y la transparencia, la tecnología utiliza claves privadas y públicas para brindar una mejor seguridad y proteger la identidad y la información asociada con el desastre al emitir certificados de víctimas. Este capítulo propuesto evalúa críticamente los sistemas existentes de gestión de desastres orientados a blockchain y su futuro alcance de investigación. El uso de la tecnología blockchain en la gestión de desastres puede reducir la corrupción, facilitar y acelerar la formación de asociaciones entre las agencias de socorro en casos de desastre, entregar comunicaciones de desastres verificadas y oportunas, mejorar la asignación de recursos vitales y permitir el acceso seguro a datos valiosos. que se produce durante las operaciones de respuesta y recuperación.

Objetivo: Mejorar la precisión en la predicción de la diabetes mediante un modelo de aprendizaje automático basado en el clasificador ingenuo bayesiano Métodos: Se utilizaron varios métodos entre ellos el análisis de datos, el procesamiento de los datos, así como la implementación de un clasificador ingenuo bayesiano posteriormente se avaluaron las métricas de evaluación del modelo. Resultados El impacto de esta investigación se da en el valor preventivo que genera una tendencia de salud integral y a la calidad de vida incluyendo a sectores vulnerables, salud pública y familiar contribuyendo a solucionar el problema de salud agravante mediante el clasificador ingenuo de bayes con aplicación en el aprendizaje automático para calcular el riesgo de un diagnóstico de diabetes tomando en cuenta datos del paciente mediante una evaluación adecuada de los síntomas más frecuentes y signos comunes el método que se usa es el clasificador ingenuo bayesiano para la predicción de diabetes con una precisión de esta investigación es de 89.01% con un intervalo de confianza del 95% que oscila entre (0.8534, 0.9203). Nos interesa clasificar los casos positivos de diabetes podemos afirmar que este modelo funciona muy bien teniendo una sensibilidad de del 82%, con una capacidad de correctamente casos negativos de diabetes es de 94% con un índice Kappa del 77.27% lo que muestra concordancia casi perfecta de diabetes podemos afirmar que este modelo funciona muy bien teniendo una sensibilidad de del 82%, con una capacidad de correctamente casos negativos de diabetes es de 94%. Conclusiones: El modelo nos indica su capacidad para identificar correctamente los casos positivos y negativos de diabetes. La tasa de no información fue del 0.5714, y el valor P [Acc > NIR] fue menor que 2e-16, lo que indica que el modelo no tiene errores significativos en la clasificación. La tasa de detección fue del 35.16%, y la prevalencia de detección fue del 38.46%, lo que demuestra la capacidad del modelo para detectar la presencia de diabetes en la población. Además, la precisión equilibrada del modelo fue del 88.14%, lo que sugiere que es un modelo equilibrado en términos de predicciones positivas y negativa, los resultados indican que el modelo Naive Bayes es altamente preciso y confiable en la predicción de la diabetes, lo que puede ser de gran utilidad en la detección temprana y el tratamiento de esta enfermedad crónica.