Incidencia del síndrome de baja triiodotironina en pacientes con shock séptico / Incidence of low-triiodothyronine syndrome in patients with septic shock

RESUMEN Objetivo: Se ha visto asociación entre los bajos niveles de hormonas tiroideas y malos resultados clínicos. Esta situación metabólica designada bajo el término de enfermedad eutiroidea, ha sido interpretada como un estado de adaptación a diferentes procesos patológicos, caracterizada por la disminución plasmática de triiodotironina T3. El presente estudio busca determinar la incidencia de este trastorno en los pacientes con shock séptico y su relación con otros índices de gravedad, y resultados clínicos. Métodos: Estudio de corte prospectivo analítico, evaluó a los pacientes que ingresaron con shock séptico a la unidad de terapia intensiva, durante el periodo abril 2018 - julio 2019. Se registraron variables asociadas al shock séptico, y el perfil tiroideo al momento del diagnóstico de shock séptico, a los 7, 14 y 21 días. Resultados: Se analizaron 27 pacientes que cumplieron con los criterios de inclusión. La incidencia de alteración del eje tiroideo fue del 96,3%s, con una mortalidad a los 28 días de 36,7%. Los pacientes sin alteración hormonal no presentaron desenlaces negativos. Entre los que presentaron baja triiodotironina, 42,3% recupero la función tiroidea dentro de los 28 días, con mortalidad del 0%. No recuperaron función tiroidea (57,7%), con una mortalidad del 66,7%. Comparativamente se observó que aquellos que presentaron alteración del eje y no normalizaron la función, requirieron más dosis de vasoactivos, y deterioro del clearence de lactato. Conclusión: Los pacientes con shock séptico presentan una alta incidencia de alteración del eje tiroideo y esta disfunción se asoció a mayor mortalidad.

ABSTRACT Objective: Low levels of thyroid hormones have been associated with poor clinical outcomes. This metabolic situation, designated euthyroid sick syndrome, has been interpreted as a state of adaptation to different pathological processes, characterized by the decrease in plasma triiodothyronine. The present study seeks to determine the incidence of this disorder in patients with septic shock and its relationship with other severity indices and clinical outcomes. Methods: This prospective analytical study evaluated patients admitted to the intensive care unit with septic shock between April 2018 and July 2019. Variables associated with septic shock and thyroid profile were recorded at the time of the septic shock diagnosis and 7, 14, and 21 days later. Results: A total of 27 patients who met the inclusion criteria were analyzed. The incidence of an altered thyroid axis was 96.3%, with a mortality at 28 days of 36.7%. Patients without hormonal alteration did not present negative outcomes. Among those with low triiodothyronine, 42.3% recovered their thyroid function within 28 days, in whom mortality was 0%; 57.7% did not recover their thyroid function, in whom mortality was 66.7%. Those whose thyroid axis was altered and who did not normalize its function required more doses of vasoactives and had deteriorated lactate clearance. Conclusion: Patients with septic shock have a high incidence of alteration of the thyroid axis, and this dysfunction is associated with higher mortality.

Nonlinear model of arice drying process using neural networks / Modelo no-lineal de un proceso de secado de arroz usando redes neuronales

Background: The production quality of rice is highly depended on the drying process as drying weakens the rice kernel. A look at the production process of rice in the industry was taken. The drying of rice influences the storage capacity of the grain, the energy consumption, the final mass of the grain and the percentage of whole grains at the end of the process. Objective: The main objective was to analyse the drying of rice by making an artificial neural network to model and simulate it. Methods: The modeling of a rice drying process using neural networks was presented. These models are suitable to be used in combination with model-based control strategies in order to improve the drying process. The implementation, preprocessing and data retrieval for the design of an artificial neural system was analyzed. Controlling the drying factors is of major importance. Feedforward and dynamic neural networks were compared based on their performance. Results: It was concluded that when some part of the dataset is given as training, even with one dataset, a back-propagation network simulates very well the other parts of the drying curve. It can be said that the approximations done by the networks to obtain a nonlinear model of the rice drying process are quiet good. Conclusions: Firstly, because of the too little data available for training, the networks were not as good as expected. More data is needed to realy have a powerfull network capable of approximated very well the drying curve. Secondly, a backpropagation network can be a good solution for modelling and for use in a controller if more data is available, in contrast a linear network gave bad results. thirdly, a network with little number of layers is the best option. A perfect mapping from the input to the output is impossible due the differences in each test and the imperfect sensors.

Antecedentes: la calidad de producción del arroz depende en gran medida del proceso de secado, ya que el secado debilita el grano de arroz. Se estudió el proceso de producción de arroz en la industria. El secado del arroz influye en la capacidad de almacenamiento del grano, el consumo de energía, la masa final del grano y el porcentaje de granos totales al final del proceso. Objetivo: El objetivo principal fue analizar el secado del arroz diseñando una red neuronal artificial para modelarlo y simularlo. Métodos: Se presentó el modelado de un proceso de secado de arroz utilizando redes neuronales. Estos modelos son adecuados para ser utilizados en combinación con estrategias de control basadas en modelos para mejorar el proceso de secado. Se analizó la implementación, el pre-procesamiento y la recuperación de datos para el diseño de un sistema neuronal artificial. Controlar los factores de secado es de gran importancia. Las redes neuronales avanzadas y dinámicas se compararon en función de su rendimiento. Resultados: se llegó a la conclusión de que cuando una parte del conjunto de datos se proporciona como entrenamiento, incluso con un conjunto de datos, una red de propagación inversa simula muy bien las otras partes de la curva de secado. Las aproximaciones hechas por las redes para obtener un modelo no lineal del proceso de secado del arroz son bastante buenas. Conclusión: En primer lugar, debido a la poca información disponible para el entrenamiento, las redes no fueron tan buenas como se esperaba. Se necesitan más datos para tener realmente una red potente capaz de aproximar muy bien la curva de secado. En segundo lugar, una red de propagación hacia atrás puede ser una buena solución para modelar y usar en un controlador si hay más datos disponibles, en contraste, una red lineal arrojó malos resultados. En tercer lugar, una red con poca cantidad de capas es la mejor opción. Un mapeo perfecto de la entrada a la salida es imposible debido a las diferencias en cada prueba y los sensores imperfectos

Análisis de riesgos de la calidad en un cambio de campaña. Etapa de limpieza / Quality risk analysis in a changeover. Stage of cleaning

Objetivo: identificar los riesgos generales en la etapa de limpieza de los cambios de campaña de una planta multipropósito para productos biológicos, así como proponer acciones de control para mitigarlos, garantizando enfocar la atención sobre los riesgos no aceptados identificados y sus escenarios.Métodos: se aplicó el análisis de riesgos de calidad, usando la herramienta análisis de modo y efectos de fallas, lo cual permitió la identificación de los riesgos asociados a la contaminación y sus escenarios, así como accionar de forma proactiva teniendo en cuenta los resultados del cálculo del número de prioridad de riesgo. Resultados: se demostró que los residuos de producto e higienizante comprometen la etapa de limpieza. Se propusieron acciones que deben ser documentadas en los procedimientos de limpieza de los equipos no dedicados. Conclusiones: se identificaron los riesgos generales y sus escenarios. Las acciones de control de riesgos implementadas mitigaron a más del 50 por ciento del número de prioridad de riesgo total para garantizar la efectividad de la operación de cambio de campaña como parte del cumplimiento de las Buenas Prácticas de Fabricación

Objective: to identify the general risks in the cleaning phase during changeover in a multiproduct plant for biological products and to put forward control actions to reduce them, guaranteeing to focus attention on the unacceptable identified risks and their scenarios. Methods: aquality risk analysis using the tool called Failure Mode and Effect Analysis was made, which allowed identifying pollution-associated risks and their settings, and working proactively according to the results of the risk priority number estimation. Results: it was proven that the product and the cleaning agent residues may compromise the cleaning phase. Several actions that should be documented in the cleaning procedures of non-dedicated equipment were then suggested. Conclusions: the general risks as well as their settings were identified. The implemented risk management actions reduced total risk priority number values by over 50 percent in order to assure the effectiveness of the changeover operation as part of the compliant requirements for Good Manufacturing Practices