A new and deadly virus known as SARS-CoV-2, which is responsible for the coronavirus disease (COVID-19), is spreading rapidly around the world causing more than 3 million deaths. Hence, there is an urgent need to find new and innovative ways to reduce the likelihood of infection. One of the most common ways of catching the virus is by being in contact with droplets delivered by a sick person. The risk can be reduced by wearing a face mask as suggested by the World Health Organization (WHO), especially in closed environments such as classrooms, hospitals, and supermarkets. However, people hesitate to use a face mask leading to an increase in the risk of spreading the disease, moreover when the face mask is used, sometimes it is worn in the wrong way. In this work, an autonomic face mask detection system with deep learning and powered by the image tracking technique used for the augmented reality development is proposed as a mechanism to request the correct use of face masks to grant access to people to critical areas. To achieve this, a machine learning model based on Convolutional Neural Networks was built on top of an IoT framework to enforce the correct use of the face mask in required areas as it is requested by law in some regions.

El siguiente trabajo se enfoca en determinar los riesgos psicosociales existentes en la industria de software mexicana, específicamente la que se encuentra en teletrabajo debido a la contingencia de COVID-19 para explorar el impacto de las medidas de prevención, definir el origen de los riesgos, si provienen de la relación del empleado con la empresa o al cliente al que prestan servicios. Se tomó como base el cuestionario de la regulación NOM-035-STPS-2018 para el diagnóstico de riesgos psicosociales en una muestra de 183 empleados. Este estudio se realizó con un análisis factorial exploratorio obteniendo resultados que demostraron que los empleados perciben una relación positiva de parte del liderazgo proveniente de la empresa, pero observan una afectación en su vida personal derivado de las largas horas de trabajo con su cliente, las cuales pueden ser agravadas por el modelo de teletrabajo en el que se encuentran actualmente.

Esta investigación busca demostrar la efectividad de un dispositivo de ionización de aire para limitar la transmisión aérea del COVID-19. Para probar la efectividad del dispositivo, primero se probó en un ambiente controlado y después en una institución de salud pública con casos confirmados de COVID-19. Algunos microorganismos (no incluido SARS-CoV-2) fueron diseminados en el ambiente controlado, donde se colocaron marcadores en diferentes lugares para verificar el comportamiento en condiciones normales y después bajo la influencia del dispositivo para comparar la carga ambiental de microorganismos. Una aproximación similar se utilizó en la institución de salud, donde el SARS-CoV-2 fue primeramente confirmado colocándose después el dispositivo. Los resultados muestran que, en el ambiente controlado, el dispositivo puede reducir la carga de microorganismos hasta en un 99% en 1/6 del tiempo mientras que, en la institución de salud, la carga viral se puede reducir en hasta el 80% en pocos minutos.

No abstract