Search

[ES] Este informe corresponde al estudio realizado sobre la precisión y la eficacia de los modelos de predicción para estimar la demanda en el mercado del reparto de bicicletas. El estudio revisa el enfoque tradicional de predicción del número de viajes por hora para estimar las repercusiones económicas para la empresa propietaria. Sobre la base de los resultados obtenidos en los modelos predictivos, la empresa propietaria obtendrá información valiosa que le ayudará a tomar las decisiones correspondientes para maximizar sus beneficios y reducir sus costos. El estudio compara los resultados de los modelos predictivos cuando se realiza una segmentación minuciosa del mercado y determina sus repercusiones y beneficios. Es evidente la variación de la estacionalidad climática en diferentes partes de los Estados Unidos. Por ejemplo, el clima de las ciudades costeras de California es conocido por su estabilidad a lo largo del año. Por otra parte, las ciudades del medio oeste, como Chicago, tienen un gran contraste en la temperatura, las precipitaciones e incluso la velocidad del viento según la época del año. Sin embargo, no está claro cuáles son las repercusiones en la demanda de acciones de bicicletas y su impacto en el número de bicicletas necesarias para ofrecer un servicio de calidad en cada época del año. En este estudio se tratará de poner de relieve la relación, o la falta de ella, entre esta diferencia climática para el estudio de la demanda de bicicletas, y se analizará su impacto en los modelos de predicción generados como resultado del estudio. Además, conocer el comportamiento de los usuarios regulares y ocasionales de este servicio y los factores que más afectan a su uso del servicio es clave para entender la industria en profundidad y para informar las decisiones estratégicas. Los estudios muestran que el patrón de demanda entre ambos tipos de usuarios es muy diferente, y que su conocimiento tiene un impacto en los modelos de predicción. Sin embargo, esta afi, [EN] This report corresponds to the study carried out on the accuracy and effectiveness of predictive models to estimate the demand in the bike sharing market. The study revises the traditional approach to predicting the number of trips per hour in order to estimate the economic repercussions for the owner company. Based on the results obtained in the predictive models, the owner company will obtain valuable information that will help it make the corresponding decisions to maximize its profits and reduce its costs. The study compares the results of predictive models when a thorough segmentation of the market is performed and determines their impact and benefits. The variation of climatic seasonality in different parts of the United States is evident. For instance, the climate of coastal cities in California is known for its stability throughout the year. On the other hand, cities in the midwest, such as Chicago, have a great contrast in temperature, rainfall and even wind speed depending on the time of year. However, it is not clear what the repercussions are on the demand for bike shares and their impact on the number of bikes needed to offer a quality service at each time of the year. This study will try to highlight the relationship, or lack thereof, between this weather difference for the study of bike demand, and will analyse its impact on the predictive models generated as a result of the study. In addition, knowing the behavior of both regular and occasional users of this service and the factors that most affect their use of the service is key to understanding the industry in depth and to informing strategic decisions. Studies show that the demand pattern between both types of users is very different, and that their knowledge has an impact on predictive models. However, this statement will be tested in this study. Finally, the segmentation of the seasonal market and the type of user will be combined in order to understand how each of the categories behaves at

[ES] Este informe corresponde al estudio realizado sobre la precisión y la eficacia de los modelos de predicción para estimar la demanda en el mercado del reparto de bicicletas. El estudio revisa el enfoque tradicional de predicción del número de viajes por hora para estimar las repercusiones económicas para la empresa propietaria. Sobre la base de los resultados obtenidos en los modelos predictivos, la empresa propietaria obtendrá información valiosa que le ayudará a tomar las decisiones correspondientes para maximizar sus beneficios y reducir sus costos. El estudio compara los resultados de los modelos predictivos cuando se realiza una segmentación minuciosa del mercado y determina sus repercusiones y beneficios. Es evidente la variación de la estacionalidad climática en diferentes partes de los Estados Unidos. Por ejemplo, el clima de las ciudades costeras de California es conocido por su estabilidad a lo largo del año. Por otra parte, las ciudades del medio oeste, como Chicago, tienen un gran contraste en la temperatura, las precipitaciones e incluso la velocidad del viento según la época del año. Sin embargo, no está claro cuáles son las repercusiones en la demanda de acciones de bicicletas y su impacto en el número de bicicletas necesarias para ofrecer un servicio de calidad en cada época del año. En este estudio se tratará de poner de relieve la relación, o la falta de ella, entre esta diferencia climática para el estudio de la demanda de bicicletas, y se analizará su impacto en los modelos de predicción generados como resultado del estudio. Además, conocer el comportamiento de los usuarios regulares y ocasionales de este servicio y los factores que más afectan a su uso del servicio es clave para entender la industria en profundidad y para informar las decisiones estratégicas. Los estudios muestran que el patrón de demanda entre ambos tipos de usuarios es muy diferente, y que su conocimiento tiene un impacto en los modelos de predicción. Sin embargo, esta afi, [EN] This report corresponds to the study carried out on the accuracy and effectiveness of predictive models to estimate the demand in the bike sharing market. The study revises the traditional approach to predicting the number of trips per hour in order to estimate the economic repercussions for the owner company. Based on the results obtained in the predictive models, the owner company will obtain valuable information that will help it make the corresponding decisions to maximize its profits and reduce its costs. The study compares the results of predictive models when a thorough segmentation of the market is performed and determines their impact and benefits. The variation of climatic seasonality in different parts of the United States is evident. For instance, the climate of coastal cities in California is known for its stability throughout the year. On the other hand, cities in the midwest, such as Chicago, have a great contrast in temperature, rainfall and even wind speed depending on the time of year. However, it is not clear what the repercussions are on the demand for bike shares and their impact on the number of bikes needed to offer a quality service at each time of the year. This study will try to highlight the relationship, or lack thereof, between this weather difference for the study of bike demand, and will analyse its impact on the predictive models generated as a result of the study. In addition, knowing the behavior of both regular and occasional users of this service and the factors that most affect their use of the service is key to understanding the industry in depth and to informing strategic decisions. Studies show that the demand pattern between both types of users is very different, and that their knowledge has an impact on predictive models. However, this statement will be tested in this study. Finally, the segmentation of the seasonal market and the type of user will be combined in order to understand how each of the categories behaves at

[ES] Este informe corresponde al estudio realizado sobre la precisión y la eficacia de los modelos de predicción para estimar la demanda en el mercado del reparto de bicicletas. El estudio revisa el enfoque tradicional de predicción del número de viajes por hora para estimar las repercusiones económicas para la empresa propietaria. Sobre la base de los resultados obtenidos en los modelos predictivos, la empresa propietaria obtendrá información valiosa que le ayudará a tomar las decisiones correspondientes para maximizar sus beneficios y reducir sus costos. El estudio compara los resultados de los modelos predictivos cuando se realiza una segmentación minuciosa del mercado y determina sus repercusiones y beneficios. Es evidente la variación de la estacionalidad climática en diferentes partes de los Estados Unidos. Por ejemplo, el clima de las ciudades costeras de California es conocido por su estabilidad a lo largo del año. Por otra parte, las ciudades del medio oeste, como Chicago, tienen un gran contraste en la temperatura, las precipitaciones e incluso la velocidad del viento según la época del año. Sin embargo, no está claro cuáles son las repercusiones en la demanda de acciones de bicicletas y su impacto en el número de bicicletas necesarias para ofrecer un servicio de calidad en cada época del año. En este estudio se tratará de poner de relieve la relación, o la falta de ella, entre esta diferencia climática para el estudio de la demanda de bicicletas, y se analizará su impacto en los modelos de predicción generados como resultado del estudio. Además, conocer el comportamiento de los usuarios regulares y ocasionales de este servicio y los factores que más afectan a su uso del servicio es clave para entender la industria en profundidad y para informar las decisiones estratégicas. Los estudios muestran que el patrón de demanda entre ambos tipos de usuarios es muy diferente, y que su conocimiento tiene un impacto en los modelos de predicción. Sin embargo, esta afi, [EN] This report corresponds to the study carried out on the accuracy and effectiveness of predictive models to estimate the demand in the bike sharing market. The study revises the traditional approach to predicting the number of trips per hour in order to estimate the economic repercussions for the owner company. Based on the results obtained in the predictive models, the owner company will obtain valuable information that will help it make the corresponding decisions to maximize its profits and reduce its costs. The study compares the results of predictive models when a thorough segmentation of the market is performed and determines their impact and benefits. The variation of climatic seasonality in different parts of the United States is evident. For instance, the climate of coastal cities in California is known for its stability throughout the year. On the other hand, cities in the midwest, such as Chicago, have a great contrast in temperature, rainfall and even wind speed depending on the time of year. However, it is not clear what the repercussions are on the demand for bike shares and their impact on the number of bikes needed to offer a quality service at each time of the year. This study will try to highlight the relationship, or lack thereof, between this weather difference for the study of bike demand, and will analyse its impact on the predictive models generated as a result of the study. In addition, knowing the behavior of both regular and occasional users of this service and the factors that most affect their use of the service is key to understanding the industry in depth and to informing strategic decisions. Studies show that the demand pattern between both types of users is very different, and that their knowledge has an impact on predictive models. However, this statement will be tested in this study. Finally, the segmentation of the seasonal market and the type of user will be combined in order to understand how each of the categories behaves at

[ES] Este informe corresponde al estudio realizado sobre la precisión y la eficacia de los modelos de predicción para estimar la demanda en el mercado del reparto de bicicletas. El estudio revisa el enfoque tradicional de predicción del número de viajes por hora para estimar las repercusiones económicas para la empresa propietaria. Sobre la base de los resultados obtenidos en los modelos predictivos, la empresa propietaria obtendrá información valiosa que le ayudará a tomar las decisiones correspondientes para maximizar sus beneficios y reducir sus costos. El estudio compara los resultados de los modelos predictivos cuando se realiza una segmentación minuciosa del mercado y determina sus repercusiones y beneficios. Es evidente la variación de la estacionalidad climática en diferentes partes de los Estados Unidos. Por ejemplo, el clima de las ciudades costeras de California es conocido por su estabilidad a lo largo del año. Por otra parte, las ciudades del medio oeste, como Chicago, tienen un gran contraste en la temperatura, las precipitaciones e incluso la velocidad del viento según la época del año. Sin embargo, no está claro cuáles son las repercusiones en la demanda de acciones de bicicletas y su impacto en el número de bicicletas necesarias para ofrecer un servicio de calidad en cada época del año. En este estudio se tratará de poner de relieve la relación, o la falta de ella, entre esta diferencia climática para el estudio de la demanda de bicicletas, y se analizará su impacto en los modelos de predicción generados como resultado del estudio. Además, conocer el comportamiento de los usuarios regulares y ocasionales de este servicio y los factores que más afectan a su uso del servicio es clave para entender la industria en profundidad y para informar las decisiones estratégicas. Los estudios muestran que el patrón de demanda entre ambos tipos de usuarios es muy diferente, y que su conocimiento tiene un impacto en los modelos de predicción. Sin embargo, esta afi, [EN] This report corresponds to the study carried out on the accuracy and effectiveness of predictive models to estimate the demand in the bike sharing market. The study revises the traditional approach to predicting the number of trips per hour in order to estimate the economic repercussions for the owner company. Based on the results obtained in the predictive models, the owner company will obtain valuable information that will help it make the corresponding decisions to maximize its profits and reduce its costs. The study compares the results of predictive models when a thorough segmentation of the market is performed and determines their impact and benefits. The variation of climatic seasonality in different parts of the United States is evident. For instance, the climate of coastal cities in California is known for its stability throughout the year. On the other hand, cities in the midwest, such as Chicago, have a great contrast in temperature, rainfall and even wind speed depending on the time of year. However, it is not clear what the repercussions are on the demand for bike shares and their impact on the number of bikes needed to offer a quality service at each time of the year. This study will try to highlight the relationship, or lack thereof, between this weather difference for the study of bike demand, and will analyse its impact on the predictive models generated as a result of the study. In addition, knowing the behavior of both regular and occasional users of this service and the factors that most affect their use of the service is key to understanding the industry in depth and to informing strategic decisions. Studies show that the demand pattern between both types of users is very different, and that their knowledge has an impact on predictive models. However, this statement will be tested in this study. Finally, the segmentation of the seasonal market and the type of user will be combined in order to understand how each of the categories behaves at

Objective: To know if there was an increase in acute appendicitis cases treated in summer and spring among 2005-2014 in Grau Emergency Hospital in Lima. Material and Methods: Observational, cross-sectional and retrospective study. Non-probabilistic sampling, sample size of 6,917 operated on for acute appendicitis during 2005-2014 in the Grau Emergency Hospital in Lima. We used a form for data collection from medical records to develop a database. Analysis of variance test was applied to appendectomies numbers and correlation between temperature and number of appendicitis. Results: The minimum and maximum age was 14 and 93 years old. 52.6% (3,639) of the cases were female. January was the highest monthly number of appendectomies, with 648; 634 in March and 616 in February. The analysis of variance obtained a p value = 0.24, there was no significant difference among the seasons of the year. There was a partial correlation between monthly temperature and number of appendectomies. Conclusions: There is a seasonal pattern with increase in the frequency of acute appendicitis during summer and spring, and a decline in autumn and winter. The increase in cases of acute appendicitis is 3.32% and 3.75% in summer compared to autumn and winter, with no significant statistical difference among the four seasons of the year., Objetivo: Conocer si aumentaron los casos de apendicitis agudas atendidos en las estaciones de verano y primavera durante 2005-2014 en el Hospital de Emergencias Grau de Lima. Material y Métodos: Estudio observacional, transversal y retrospectivo. Muestreo no probabilístico, tamaño de la muestra de 6,917 operados por apendicitis aguda entre los años 2005 – 2014 en el Hospital de Emergencias Grau de Lima. Se utilizó una ficha de recolección de datos de historias clínicas elaborándose una base de datos. Se aplicó test de análisis de varianzas de apendicetomías y correlación entre temperaturas y número de apendicitis. Resultados: La edad mínima y máxima fue de 14 y 93 años. El 52.6% (3,639) de los casos fueron de sexo femenino. En enero se realizó el mayor número mensual de apendicectomías, con 648, 634 en marzo y 616 en febrero. El Análisis de Varianza obtuvo un valor p de 0.24, no hubo diferencias significativas entre las estaciones del año. Hubo correlación parcial entre temperatura mensual y número de apendicectomías. Conclusiones: Existe un patrón estacional con aumento de la frecuencia de la apendicitis aguda en verano y primavera, y un descenso en otoño e invierno. El aumento de casos de apendicitis aguda es del 3.32% y 3.75% en verano con respecto a otoño e invierno, sin diferencia estadística significativa entre las cuatro estaciones del año.

Objective. This preliminary study was conducted to determinate if seasonality in bipolar admissions follows an specific pattern in a sample of galician inpatients in Santiago de Compostela. Methods. Sample studied was randomized among all inpatients with diagnosis of bipolar disorder during a period of 5 years. So, charts of half of these patients were reviewed. Results. One hundred ninety-nine admissions with diagnosis of bipolar disorder were reviewed. There were 129 mania/ mixed admissions (66,15%) and 66 depressed patients admission (33,33%). Seasonal pattern were found for manic/mixed episodes: spring 36 (27,90%), summer 40 (31%), autumn 23 (17,82%) and winter 30 (23,25%). A different seasonality for depression: spring 15 (23,06%), summer 14 (21,54%), autumn 12 (18,46%) and winter 24 (36,92%). Conclusion. A pattern of spring-summer mania and winter depression in bipolar admission was described in Santiago de Compostela (Galiza)., Objetivo. Este estudio preliminar está dirigido a determinar si la estacionalidad en los ingresos por trastorno bipolar sigue un patrón específico en una muestra de pacientes gallegos en Santiago de Compostela. Métodos. La muestra estudiada ha sido randomizada entre los pacientes con diagnóstico de trastorno bipolar ingresados durante un período de 5 años. Se han revisado las historias clínicas de la mitad de dichos pacientes. Resultados. Se han revisado ciento noventa y nueve ingresos con diagnóstico de trastorno bipolar. De éstos, 129 fueron debidos a episodios de manía/mixtos (66,15%) y 66 a episodios depresivos (33,33%). El patrón estacional fue hallado para los episodios maníacos/mixtos: primavera 36 (27,90%), verano 40 (31%), otoño 23 (17,82%) e invierno 30 (23,25%). Un patrón de estacionalidad diferente ha sido observado para la depresión: primavera 15 (23,06%), verano 14 (21,54%), otoño 12 (18,46%) e invierno 24 (36,92%). Conclusiones. Se ha observado un patrón primavera-verano para la manía y otro invernal para la depresión en Santiago de Compostela (Galicia).

El cuestionario de evaluación de patrón estacional (Seasonal Pattern Assessment Questionnaire, SPAQ- Rosenthal, Bradt & Webr, 1984) es el instrumento de auto-evaluación más usado para determinar la sensibilidad de los individuos a los cambios estacionales. El objetivo de este estudio consiste en presentar las propiedades psicométricas de la versión castellana del SP AQ en sujetos jóvenes. Se administró la traducción castellana del SP AQ a 592 estudiantes universitarios (395 mujeres y 197 varones). Los resultados confirman unas propiedades psicométricas adecuadas del SPAQ también para la versión castellana (distribución de las puntuaciones, consistencia interna, homogeneidad, estructura factorial), en consonancia con los datos obtenidos en otros países. El cuestionario es un instrumento que permitirá profundizar en el estudio de los aspectos cronobiológicos de las psicopatologías, de gran utilidad en investigación epiderniológica y, aunque con algunas precauciones, también en el ámbito clínico en países de habla hispana.

Several limnological studies were carried out between February 1984 and March 1985 in Río Cuarto Lake. Composition of the zooplanktonic community seasonal changes and vertical distribution of the most abundant zooplankton species were determined, and correlated with the results of chemicals, physical and biological data. The rotifers were the most important group in the zooplanktonic community. The rotifers identified were Keratella americana, Polyarthra vulgaris, Pompholix complanata, Hexarthra intermedia, Euchlanis diladata and Lecane sp. In addition the cladocerans Diaphanosoma spinulossum and Bosmina longirostris and a copepod Microcyclops varicans were found.The greatest zooplanktonic diversity was found during the rain seasons, which were characterized by higher oxygen concentrations in the water column.On the other hand the dry season favored population increments during which period the density of the zooplanktonic community was the highest. The most important food sources for zooplankton were phytoplankton, bacteria and detritus., En el lago de Río Cuarto, provincia de Alajuela, Costa Rica, durante los meses comprendidos entre febrero de 1984 y marzo de 1985, se realizaron estudios sobre la composición de la comunidad zooplanctónica, las variaciones estacionales y la distribución vertical de las especies más abundantes, en relación con los análisis químicos, físicos y biológicos.La comunidad zooplanctónica estuvo constituida principalmente por rotíferos Keratella americana, Polyarthra vulgaris, Pompholix complanata, Hexarthra intermedia, Euchlanis diladata y Lecane sp. Además, se identificaron las especies de Cladóceros Diaphanosoma spinulossum y Bosmina longirostris y un copépodo Microcyclops varicans.La mayor diversidad de los organismos zooplanctónicos se presentó durante la época lluviosa, la cual se caracteriza por una mayor concentración de oxígeno disuelto en la columna de agua. La época seca, por el contrario, favoreció el crecimiento poblacional, observándose durante este periodo las máximas densidades de la comunidad zooplanctónica. Las principales fuentes de alimentación de los organismos zooplanctónicos fueron, además, del fitoplancton, las bacterias y detritus.

Several limnological studies were carried out between February 1984 and March 1985 in Río Cuarto Lake. Composition of the zooplanktonic community seasonal changes and vertical distribution of the most abundant zooplankton species were determined, and correlated with the results of chemicals, physical and biological data. The rotifers were the most important group in the zooplanktonic community. The rotifers identified were Keratella americana, Polyarthra vulgaris, Pompholix complanata, Hexarthra intermedia, Euchlanis diladata and Lecane sp. In addition the cladocerans Diaphanosoma spinulossum and Bosmina longirostris and a copepod Microcyclops varicans were found.The greatest zooplanktonic diversity was found during the rain seasons, which were characterized by higher oxygen concentrations in the water column.On the other hand the dry season favored population increments during which period the density of the zooplanktonic community was the highest. The most important food sources for zooplankton were phytoplankton, bacteria and detritus., En el lago de Río Cuarto, provincia de Alajuela, Costa Rica, durante los meses comprendidos entre febrero de 1984 y marzo de 1985, se realizaron estudios sobre la composición de la comunidad zooplanctónica, las variaciones estacionales y la distribución vertical de las especies más abundantes, en relación con los análisis químicos, físicos y biológicos.La comunidad zooplanctónica estuvo constituida principalmente por rotíferos Keratella americana, Polyarthra vulgaris, Pompholix complanata, Hexarthra intermedia, Euchlanis diladata y Lecane sp. Además, se identificaron las especies de Cladóceros Diaphanosoma spinulossum y Bosmina longirostris y un copépodo Microcyclops varicans.La mayor diversidad de los organismos zooplanctónicos se presentó durante la época lluviosa, la cual se caracteriza por una mayor concentración de oxígeno disuelto en la columna de agua. La época seca, por el contrario, favoreció el crecimiento poblacional, observándose durante este periodo las máximas densidades de la comunidad zooplanctónica. Las principales fuentes de alimentación de los organismos zooplanctónicos fueron, además, del fitoplancton, las bacterias y detritus.