Boletín que incluye información científica sobre el COVID-19, incluye artículos científicos y artículos preprint actualizados al 30 de Junio de 2020.

RB redactó el primer borrador del artículo y realizó la revisión final. EM redactó la versión presentada al comité editorial, elaboró las figuras del artículo, levantó las observaciones del comité editorial y redactó la versión final del artículo. AG realizó contribuciones al texto inicial, desarrolló la primera versión del resumen y revisó la versión final. GM realizó contribuciones al texto inicial, levantó las observaciones del comité editorial, realizó contribuciones al texto final y revisó la versión final. / Los estudios de síntesis (EDS): revisiones sistemáticas y metanálisis, son base para llevar a cabo las evaluaciones económicas en salud (EES). Los EDS, al permitir obtener parámetros para las probabilidades de estimación y de efectividad a partir de la combinación de resultados de estudios primarios y, al incluir en su metodología procesos de selección, evaluación, sistematización y síntesis, son considerados como el primer nivel de jerarquía en la evidencia científica. No obstante, pueden estar sometidos a sesgos y fallas metodológicas que afectan su validez. El presente artículo expone, inicialmente, la importancia de la aleatorización en la jerarquización de los diseños de investigación; luego se revisa los principales factores que afectan la validez de los EDS, incidiendo en el sesgo de publicación, la heterogeneidad y la inclusión de estudios primarios con objetivos principales distintos al del EDS; asimismo, se presenta a los estudios individuales como una alternativa válida para el desarrollo de una EES. Se concluye que uno de los aspectos claves en una EES es la selección adecuada de los tipos de estudio, sean estos primarios o secundarios. / Synthesis studies (SS): systematic review and meta-analysis are the basis for developing Health Economic Evaluations (HEE). SS allow us to obtain parameters for estimating probabilities and effectiveness from the combination of the results of primary studies, and, as they include in their methodology the selection, evaluation, systematization and synthesis processes, they are considered the first level of hierarchy in scientific evidence. Nevertheless, they can be prone to bias and methodological failures that can affect the validity of their results. This article initially presents the relevance of the randomization in the hierarchic classification of research designs, then it reviews the main factors affecting the validity of the SS, emphasising the publication bias, the heterogeneity and the inclusion of primary studies with main objective differing from the one of the SS. Moreover, it presents individual studies like a valid alternative for the development of a SS. The conclusion is that one of the key aspects in a SS is the correct evaluation of the study types and the objective evaluation of their quality, being these primary or secondary.

Internet ha ayudado a revolucionar muchas actividades cotidianas, y en ellas se generan grandes cantidades de datos, muchos de ellos expresados por los usuarios en lenguaje natural. Son datos no estructurados que no son fáciles de procesar ni de organizar. Obtener información relevante de esos datos puede ayudar a conocer un entorno, organizarlo y/o tomar decisiones respecto al conocimiento que se adquiere con ellos. Para esto, en esta tesis doctoral se propone una arquitectura para analíticas de datos a través de las herramientas de procesamiento de lenguaje natural para transformar esos datos en información cuantitativa que permitirá tomar decisiones y/o organizar mejor la información. La arquitectura se ha probado en dos áreas en los que se genera un gran volumen de datos textuales en actividades diarias que se realizan actualmente por Internet: Comercio electrónico y Foros de discusión de cursos masivos abiertos en línea. En las redes sociales de comercio electrónico, diariamente los compradores generan una gran cantidad de revisiones y calificaciones acerca de los productos en venta. Estas evaluaciones contienen información importante que puede ser utilizada para mejorar la toma de decisiones de directivos y compradores. El reto principal es automáticamente extraer información fiable de las opiniones textuales de los consumidores y utilizarla para calificar los mejores productos o marcas. Se utilizan herramientas de Análisis de Sentimientos y detección de Revisiones Falsas (Fake Reviews) para ayudar tanto a usuarios como a empresarios en la toma de decisiones respecto a los productos afectados por esas opiniones. Para ello, se propone transformar las opiniones de los usuarios en una nueva variable cuantitativa empleando Análisis de Sentimiento, así como detectar y eliminar las Revisiones Falsas. La propuesta se ha evaluado sobre productos de electrónica para clasificar la imagen de la marca de acuerdo al sentimiento expresado por el consumidor y mostrar el comportamiento en cuadros de mandos. Otra actividad que ha hecho uso del Internet es el aprendizaje en línea como una respuesta a las nuevas necesidades educativas. Sin embargo, presenta muchos retos, tales como el procesamiento de la gran cantidad de datos que se genera en los foros en línea. Darle seguimiento y buscar información en ese volumen de datos puede ser contraproducente, dado que son datos no estructurados y de una gran variedad de temas. La arquitectura propuesta en esta tesis propone resolver los principales retos encontrados en el estado del arte administrando los datos de forma eficiente mediante un monitoreo y seguimiento eficiente de los foros, el diseño de mecanismos efectivos de búsqueda para preguntas y respuestas en los foros, y extrayendo indicadores claves de rendimiento para administrar adecuadamente los foros. / Este trabajo ha sido parcialmente financiado por el Ministerio de Ciencia, Innovación y Universidades de España a través del Proyecto ECLIPSE-UA (Enhancing Data Quality and Security for Improving Business Processes and Strategic Decisions in Cyber Physical Systems) con referencia RTI2018-094283-B-C32.