Implantación del servicio de indicación farmacéutica (SIF). Proyecto INDICA PRO. Provincia de Alicante. Resultados de 9 farmacias / Implementation of the pharmaceutical indication service (SIF). INDICA PRO Project. Province of Alicante. Results from 9 pharmacies

JUSTIFICACIÓN: las farmacias comunitarias (FC) disponen de una plataforma (SEFAC e_XPERT), un protocolo (PASITAMAE) y criterios de derivación consensuados por sociedades científicas en 31 síntomas menores (SM), permitiendo instaurar un SIF (INDICA PRO).OBJETIVOS: -Registrar al paciente en el SIF indicando el SM, realizando seguimiento. -Indicar opción más adecuada para resolver el SM (OTC, tratamiento no farmacológico…) o si es necesario derivación al médico.-Medir prevalencia de SM no consensuados.MATERIAL Y MÉTODO: Programa SEFAC e_XPERT, Libro SM y criterios de derivación SEFAC.RESULTADOS: durante el año 2021, 15 farmacéuticos de 9 farmacias de la provincia de Alicante, realizamos 2147 registros pertenecientes a 1302 pacientes (862 mujeres y 440 hombres). Media de edad 57 años (DE±17,6). El 27,53 % de los registros pertenecen a SM no consensuados siendo la astenia con 44 registros (2,05 %), sequedad de piel (18 registros ;0,84 %) y el tapón de cerumen (14 registros; 0,65 %) los que presentan más prevalencia. Los resultados obtenidos para los registros que pertenecen a SM con criterios de derivación consensuados son los siguientes: •Respiratorios; 254 registros (11,83 %)•Congestión nasal; 80 (3,73 %)•Síndrome catarral y gripal; 83 (3,87 %)• Tos; 91(4,24 %)•Dolor; 368 (17,14 %)•Cefalea; 28 (1,3 %) •Dolor articular y de espalda; 252 (11,74 %)•Dolor de garganta; 61 (2,84 %)•Dolor dentario; 27 (7,34 %)•Digestivos; 263 (12,25 %)•Acidez/pirosis; 71 (3,31 %)•Diarrea; 69 (3,21 %)•Estreñimiento; 70 (3,26 %)• Flatulencia; 43 (2 %) •Vómitos; 10 (0,47 %)•Dermatológico; 354 (16,49 %)•Acné; 12 (0,56 %)•Aftas; 36 (1,68 %)•Dermatitis; 118 (5,5 %) •Heridas cutáneas; 35 (1,63 %)•Herpes labial; 32 (1,49 %)•Hiperhidrosis; 6 (0,28 %) (AU)

Artificial metaplasticity neural network applied to credit scoring.

The assessment of the risk of default on credit is important for financial institutions. Different Artificial Neural Networks (ANN) have been suggested to tackle the credit scoring problem, however, the obtained error rates are often high. In the search for the best ANN algorithm for credit scoring, this paper contributes with the application of an ANN Training Algorithm inspired by the neurons' biological property of metaplasticity. This algorithm is especially efficient when few patterns of a class are available, or when information inherent to low probability events is crucial for a successful application, as weight updating is overemphasized in the less frequent activations than in the more frequent ones. Two well-known and readily available such as: Australia and German data sets has been used to test the algorithm. The results obtained by AMMLP shown have been superior to state-of-the-art classification algorithms in credit scoring.