Browsing by Subject "AI"
Now showing 1 - 5 of 5
Results Per Page
Sort Options
- PublicationOpen AccessA dynamic factor model to predict homicides with firearm in the United States(2023-06) Camacho, Maximo; Porfiri, Maurizio; Ramallo, Salvador; Ruiz, Manuel; Métodos Cuantitativos para la Economía y la EmpresaPurpose Research on temporal dynamics of crime in the United States is growing. Yet, mathematical tools to reliably predict homicides with firearm are still lacking, due to delays in the release of official data lagging up to almost two years. This study takes a critical step in this direction by establishing a reliable statistical tool to predict homicides with firearm at a monthly resolution, combining official data and easy-to-access explanatory variables. Method We propose a dynamic factor model to predict homicides with firearm from 1999 to 2020 using official monthly data released yearly by the Centers for Disease Control and Prevention, provisional quarterly data from the same agencies, media output from newspapers, and crowdsourced information from the Guns Violence Archive. Results Statistical findings demonstrate that the dynamic factor model outperforms state-of-the-art techniques (AI and classical autoregressive models). The dynamic factor model offers improved ability to backcast, nowcast, and forecast homicides with firearm, and can anticipate sudden changes in the time-series. Conclusions By decomposing the time-series of homicides with firearm on common and idiosyncratic components, the dynamic factor model successfully captures their complex time-evolution. This approach offers a vantage point to policymakers and practitioners, allowing for timely predictions, otherwise unfeasible.
- PublicationOpen AccessEficacia de la capacidad y la eficiencia pronósticas de la herramienta de inteligencia artificial Thoracic Care Suite de GE aplicada a la radiografía torácica de pacientes con neumonía COVID-19(Elsevier, 2023-01-31) Plasencia Martínez, Juana María; Pérez Costa, Rafael; Ballesta Ruiz, Mónica; García Santos, José María; Ciencias Sociosanitarias; Facultades de la UMU::Facultad de EnfermeríaObjective: Rapid progression of COVID-19 pneumonia may put patients at risk of requiring ventilatory support, such as non-invasive mechanical ventilation or endotracheal intubation. Implementing tools that detect COVID-19 pneumonia can improve the patient's healthcare. We aim to evaluate the efficacy and efficiency of the artificial intelligence (AI) tool GE Healthcare's Thoracic Care Suite (featuring Lunit Insight CXR, TCS) to predict the ventilatory support need based on pneumonic progression of COVID-19 on consecutive chest X-rays. Methods: Outpatients with confirmed SARS-CoV-2 infection, with chest X-ray (CXR) findings probable or indeterminate for COVID-19 pneumonia, who required a second CXR due to unfavorable clinical course, were collected. The number of affected lung fields for the 2 CXRs was assessed using the AI tool. Results: One hundred fourteen patients (57.4 ± 14.2 years; 65 of them were men, 57%) were retrospectively collected; and 15 (13.2%) required ventilatory support. Progression of pneumonic extension ≥ 0.5 lung fields per day compared to pneumonia onset, detected using the TCS tool, increased the risk of requiring ventilatory support by 4-fold. Analyzing the AI output required 26 seconds of radiological time. Conclusions: Applying the AI tool, Thoracic Care Suite, to CXR of patients with COVID-19 pneumonia allows us to anticipate ventilatory support requirements requiring less than half a minute.
- PublicationOpen AccessIA : dentro de la flexibilidad laboral y de un balance trabajo-vida.(Colex, 2024) Blasco Jover, CarolinaLa entrada de la Inteligencia Artificial (IA) y de una nueva generación de sistemas informáticos que, a la vez que nos están haciendo plantearnos qué es ser un humano, han aumentado la posibilidad de gestionar ingentes cantidades de información en cualquier tiempo y lugar y que han permitido la deslocalización del trabajo presencial (o, al menos, algunas específicas tareas y funciones), la formación de un nuevo tipo de trabajador más flexible, pero también más transparente por el rastro tecnológico que va dejando a su paso, el aumento de las tareas relacionadas con la comunicación y con la coordinación de procesos y personas y la creación de nuevas necesidades formativas relacionadas con las tecnologías de la información y de la comunicación, con la IA, con las herramientas digitales y con el análisis y tratamiento de los datos.
- PublicationOpen AccessMachine vs Machine: Large Language Models (LLMs) in Applied Machine Learning High-Stakes Open-Book Exams(Universidad de Murcia, Servicio de Publicaciones, 2024-05-30) Quille, Keith; Alattyanyi, Csanad; Becker, Brett A.; Faherty, Róisín; Gordon, Damian; Harte, Miriam; Hensman, Svetlana; Hofmann, Markus; Jiménez García, Jorge; Kuznetsov, Anthony; Marais, Conrad; Nolan, Keith; Nicolai, Cianan; O’Leary, Ciarán; Zero, AndrzejThere is a significant gap in Computing Education Research (CER) concerning the impact of Large Language Models (LLMs) in advanced stages of degree programmes. This study aims to address this gap by investigating the effectiveness of LLMs in answering exam questions within an applied machine learning final-year undergraduate course. The research examines the performance of LLMs in responding to a range of exam questions, including proctored closed-book and open-book questions spanning various levels of Bloom’s Taxonomy. Question formats encompassed open-ended, tabular data-based, and figure-based inquiries. To achieve this aim, the study has the following objectives: Comparative Analysis: To compare LLM-generated exam answers with actual student submissions to assess LLM performance. Detector Evaluation: To evaluate the efficacy of LLM detectors by directly inputting LLM-generated responses into these detectors. Additionally, assess detector performance on tampered LLM outputs designed to conceal their AI-generated origin. The research methodology used for this paper incorporates a staff-student partnership model involving eight academic staff and six students. Students play integral roles in shaping the project’s direction, particularly in areas unfamiliar to academic staff, such as specific tools to avoid LLM detection. This study contributes to the understanding of LLMs' role in advanced education settings, with implications for future curriculum design and assessment methodologies.
PublicationOpen AccessModelos de Inteligencia artificial SVM-SHAP y Logísticos para identificación de factores de supervivencia y resultados clínicos en residencias de mayores en España.Pastor Zorita, Andrea; Bote Díaz, Marcos Alonso; Pastor Seller, Enrique; Enfermería; Escuela Internacional de DoctoradoIntroducción: El cuidado de personas mayores institucionalizadas representa un desafío importante en sociedades envejecidas como España. La creciente demanda de cuidados de larga duración, junto con los recursos limitados, hace necesario identificar los factores que influyen en la calidad asistencial y los resultados clínicos. Este estudio combina métodos de inteligencia artificial y análisis estadísticos para analizar las variables asociadas con la mortalidad, la supervivencia y otros resultados clínicos, proporcionando recomendaciones basadas en evidencia para mejorar la gestión de las residencias de mayores. Asimismo, esta investigación busca contribuir al desarrollo de estrategias efectivas que optimicen los recursos disponibles, promoviendo un cuidado más eficiente y humano. Métodos: Se realizó un estudio observacional en ocho residencias de la comarca Marina Alta, Alicante, con una muestra de 497 residentes. Los datos se recopilaron considerando variables demográficas, clínicas y de infraestructura, como los niveles de dependencia, ratios de personal y resultados clínicos. Los análisis se llevaron a cabo mediante regresión logística binaria y modelos de máquinas de vectores de soporte con kernel de función base radial. Para interpretar las contribuciones de cada variable para Supervivencia, se utilizó SHAP. Todos los análisis se realizaron utilizando R. Resultados: El análisis mostró que una mayor ratio enfermera/residente incrementó significativamente la supervivencia, con un OR = 8.03, IC 95% [4.45, 14.51], p < 0.05. Un incremento del 1% en habitaciones individuales disminuyó la probabilidad de mortalidad, con un OR = 0.23, IC 95% [0.15, 0.35], p < 0.05. Ratios más altas de auxiliares de enfermería redujeron las complicaciones y aumentaron la supervivencia, con un OR = 0.12, IC 95% [0.05, 0.32], p < 0.05. Un aumento en las derivaciones hospitalarias estuvo asociado con una mayor incidencia de úlceras por presión, con un OR = 1.02, IC 95% [1.01, 1.03], p < 0.05. Mayores ratios de auxiliares actuaron como un factor protector, reduciendo la prevalencia de úlceras, con un OR = 0.12, IC 95% [0.05, 0.32], p < 0.05. Discusión: Los hallazgos destacan la relevancia de los recursos humanos y la infraestructura en la mejora de los resultados clínicos y la supervivencia en residencias de mayores. La disponibilidad de habitaciones individuales y personal suficiente son factores clave para reducir la mortalidad y complicaciones. Los modelos avanzados de IA, como el SVM-SHAP, permiten analizar interacciones complejas entre variables, proporcionando información más precisa para guiar decisiones políticas y administrativas basadas en evidencia. El análisis mediante SHAP aporta una perspectiva innovadora en la gestión sanitaria, maximizando los resultados a partir de intervenciones específicas. Conclusiones: El estudio evidencia la necesidad de implementar sistemas estandarizados en España para monitorear y mejorar la calidad asistencial en residencias de mayores. Aumentar las ratios de enfermería, de auxiliares y habitaciones individuales podría traducirse en mejoras significativas en la supervivencia y calidad de vida de los residentes. Los modelos de IA, como el SVM-SHAP, son herramientas valiosas para optimizar la gestión y los cuidados en estos entornos.