Obra original que describe SYN, un lenguaje de programación natural diseñado para traducir la intención humana en estructuras operativas de software, automatización y control cognitivo. SYN permite desarrollar aplicaciones de escritorio, webs, scripts del sistema, automatización por voz, y sistemas de inteligencia artificial simbiótica como Æra y SynCore, todo mediante lenguaje natural estructurado. Este documento establece la visión fundacional del lenguaje, sus características técnicas, su arquitectura modular y sus aplicaciones previstas. SYN está diseñado para convertirse en un nuevo estándar de programación comprensible para humanos, adaptable a cualquier entorno y traducible a múltiples lenguajes formales como Python, Bash, HTML o C. El registro cubre tanto el diseño conceptual como su estructura sintáctica inicial y sus objetivos funcionales.

Este documento describe el modelado de información de HCE para asistencia y propósitos secundarios, llevado a cabo por el Hospital Universitario 12 de Octubre (H12O), Hospital Clínic de Barcelona (HCB) y la UITeS del Instituto de Salud Carlos III (ISCIII), en el marco de trabajo de los proyectos coordinados financiados por el ISCIII entre estas organizaciones. Estos tienen como propósito la mejora de las Historias Clínicas Electrónicas y su utilización genuina en asistencia y propósitos secundarios como la investigación sanitaria. Estos trabajos toman como principal referencia los siguientes artículos publicados en el marco de estos proyectos: • Pedrera-Jiménez M, García-Barrio N, Cruz-Rojo J, Terriza-Torres AI, López-Jiménez EA, Calvo-Boyero F, Jiménez-Cerezo MJ, Blanco-Martínez AJ, Roig-Domínguez G, Cruz-Bermúdez JL, Bernal-Sobrino JL, Serrano-Balazote P, Muñoz-Carrero A. Obtaining EHR-derived datasets for COVID-19 research within a short time: a flexible methodology based on Detailed Clinical Models. J Biomed Inform. 2021 Mar;115:103697. doi: 10.1016/j.jbi.2021.103697. Epub 2021 Feb 3. PMID: 33548541; PMCID: PMC7857038. • Lozano-Rubí R, Muñoz Carrero A, Serrano Balazote P, Pastor X. OntoCR: A CEN/ISO-13606 clinical repository based on ontologies. J Biomed Inform. 2016 Apr;60:224-33. doi: 10.1016/j.jbi.2016.02.007. Epub 2016 Feb 18. PMID: 26911524. • Muñoz A, Somolinos R, Pascual M, et al. Proof-of-concept design and development of an EN13606-based electronic health care record service. J Am Med Inform Assoc. 2007;14(1):118-129. doi:10.1197/jamia.M2058 Así, en primer lugar, se analizaron e identificaron los diferentes dominios de la HCE en los sistemas de información asistenciales de las organizaciones, para su modelado, formalización y estandarización. Los requisitos establecidos para la definición del conjunto inicial de conceptos fueron que debían ser multipropósito, esto es, cubrir el ámbito necesario tanto para la atención al paciente como para los usos secundarios; y ser parsimonioso, ya que los datos se iban a registrar en la práctica asistencial, y era importante no aumentar la carga de trabajo de los profesionales sanitarios. El modelado y la formalización de los conceptos se realizaron de acuerdo con la norma ISO 13606, debido a que esta provee de un mecanismo riguroso y flexible para la definición de modelos de información en salud, y ha sido adoptada por el Ministerio de Sanidad de España para tal propósito. Del mismo modo, para el enlace semántico se proponen terminologías internacionales adoptadas por el Ministerio de Sanidad de España como SNOMED CT y LOINC. Se han modelado y formalizado los siguientes recursos de información: • Paciente. Modela los datos identificativos y demográficos del paciente. • Episodio. Modela los episodios de hospitalización, urgencia y ambulatorios ocurridos sobre el paciente. • Movimiento. Modela los movimientos hospitalarios realizados a los pacientes, por ejemplo, el traslado a la Unidad de Cuidados Intensivos. • Observación clínica. Modela los hallazgos clínicos relativos a las observaciones realizadas sobre los pacientes. • Observación de laboratorio. Modela los resultados de las pruebas de laboratorio realizadas a los pacientes. • Problema de salud. Modela los problemas de salud de los pacientes, incluyendo las etiquetas diagnósticas de los procesos asistenciales y los antecedentes del paciente. • Diagnóstico. Modela el conjunto de diagnósticos clínicos detallados realizados sobre el paciente. • Medicación prescrita. Modela el conjunto de prescripciones farmacológicas para pacientes ingresados. • Medicación administrada. Modela la administración de los medicamentos prescritos para pacientes ingresados. • Medicación acumulada. Modela la medicación acumulada total administrada al paciente ingresado. • Procedimiento. Modela el conjunto de procedimientos, quirúrgicos o de enfermería, que se han realizado sobre el paciente. • LET. Modela la aplicación de la limitación del esfuerzo terapéutico sobre el paciente. El resultado obtenido ha sido la especificación y estandarización de 12 arquetipos clínicos referidos a los diferentes dominios de la HCE. Estos conceptos, en consonancia con la norma ISO 13606 y enlazados semánticamente a terminologías estándares, se implementan en los múltiples sistemas de información sanitaria de las diferentes organizaciones sanitarias, permitiendo la representación, el intercambio y el uso homogéneo de los datos en asistencia e investigación. Esta especificación ha sido tomada como referencia de caso de uso para la reutilización de la HCE en investigación en el COVID-19 Data Portal de España y en la Infraestructura IMPaCT Data del ISCIII.

Los objetos a registrar se han desarrollado en el marco de trabajo Del área de datos del Hospital Universitario 12 de Octubre, para la mejora del registro de información asistencial para uso primario y secundario. Estos trabajos toman como principal referencia el siguiente artículo publicado por el equipo de Ciencia de datos: Miguel Pedrera-Jiménez, Noelia García-Barrio, Jaime Cruz-Rojo, Ana Isabel Terriza-Torres, Elena Ana López-Jiménez, Fernando Calvo-Boyero, María Jesús Jiménez-Cerezo, Alvar Javier Blanco-Martínez, Gustavo Roig-Domínguez, Juan Luis Cruz-Bermúdez, José Luis Bernal-Sobrino, Pablo Serrano-Balazote, Adolfo Muñoz-Carrero. Obtaining EHR-derived datasets for COVID-19 research within a short time: a flexible methodology based on Detailed Clinical Models. Journal of Biomedical Informatics, Volume 115,2021, 103697, ISSN 1532-0464, https://doi.org/10.1016/j.jbi.2021.103697. Para identificar las lagunas de estandarización sobre datos COVID-19, se analizaron los diferentes dominios de la HCE en los sistemas de información sanitaria. Los requisitos establecidos para la definición del conjunto inicial de variables fueron que debía cubrir el ámbito necesario tanto para la atención al paciente como para los usos secundarios, y ser parsimonioso, ya que los datos se iban a registrar en la práctica asistencial, y era importante no aumentar la carga de trabajo de los profesionales sanitarios. El modelado y la formalización de los conceptos se realizaron de acuerdo con la norma ISO 13606. Cada observación definida en este trabajo se modeló mediante un componente ENTRY, como "Presión arterial", que, a su vez, contiene los componentes ELEMENTs relativos a los conceptos específicos asociados a ella: "Presión arterial sistólica", "Presión arterial diastólica" y "Presión arterial media". Por último, el componente ENTRY contiene un componente ELEMENT para representar la fecha en la que se realizó la observación. Para cubrir los requisitos de este caso de uso fue necesario utilizar cuatro tipos de datos. • Physical Quantity (PQ): para observaciones cuyo resultado es un valor numérico con unidad de medida, por ejemplo, la presión arterial sistólica medida en mmHg; • Coded Value (CV): para observaciones cuyo resultado es un conjunto de posibles valores codificados, por ejemplo, el resultado de la prueba de detección del virus del SARS-COV-2, que puede ser positivo, negativo o no concluyente; • Integer: para observaciones cuyo resultado es un valor entero, por ejemplo, la puntuación de la escala de coma de Glasgow; y • DateTime: para observaciones cuyo valor es un punto de tiempo, por ejemplo, la fecha de inicio del hábito de fumar o la fecha en que se realizó una observación. El modelo de arquetipos hace uso de los componentes definidos anteriormente para formalizar los conceptos del dominio clínico. Por un lado, la sección "definition" especifica los componentes del arquetipo, junto con su cardinalidad, tipo de datos, valores mínimos y máximos, unidad de medida, conjunto de valores codificados y otros metadatos. La definición completa del modelo de información y sus restricciones garantizan la integridad y coherencia de los extractos de la HCE. Por otro lado, la sección "ontology" define el enlace terminológico, incorporando la semántica al modelo de información. El Lenguaje de Definición de Arquetipos (ADL) fue empleado para el desarrollo de arquetipos utilizando LinkEHR Studio. El enlace terminológico se realizó con SNOMED CT y LOINC, ya que ambos están adoptados internacionalmente, y forman parte de las especificaciones semánticas emitidas por el Ministerio de Sanidad español. Mientras que LOINC se utilizó para representar observaciones de laboratorio, por ejemplo, "94315-9 |SARS-related coronavirus E gene [Presence] in Specimen by NAA with probe detection", el eje de 'entidad observable' de SNOMED CT se empleó para representar conceptos de observaciones clínicas, por ejemplo, "103228002 |Hemoglobin saturation with oxygen (observable entity)|". En este caso, fue necesario recurrir al mecanismo de extensión terminológica para cinco conceptos. Esto permite a cada Centro Nacional de Referencia/CNR (SNOMED CT) publicar sus propios conceptos, que luego se proponen para su inclusión en la edición internacional de esta terminología. Por último, los ejes SNOMED CT "hallazgo clínico" y "calificador" se utilizaron para los valores que están constituidos por un conjunto de valores posibles, por ejemplo, "77176002 |Smoker (finding)|" y "10828004 |Positive (qualifier value)|”. El resultado obtenido ha sido la especificación y estandarización de un conjunto de 22 observaciones clínicas y 36 observaciones relacionadas con el laboratorio de interés en COVID-19. Estos conceptos, en consonancia con la norma ISO 13606 y ligados semánticamente a terminologías estándar, se implementan en los múltiples sistemas de información sanitaria del Hospital, permitiendo la representación, el intercambio y el uso homogéneaode los datos.

Los objetos a registrar se han desarrollado en el marco de trabajo Del área de datos del Hospital Universitario 12 de Octubre, para la mejora del registro de información asistencial para uso primario y secundario. Estos trabajos toman como principal referencia el siguiente artículo publicado por el equipo de Ciencia de datos: Miguel Pedrera-Jiménez, Noelia García-Barrio, Jaime Cruz-Rojo, Ana Isabel Terriza-Torres, Elena Ana López-Jiménez, Fernando Calvo-Boyero, María Jesús Jiménez-Cerezo, Alvar Javier Blanco-Martínez, Gustavo Roig-Domínguez, Juan Luis Cruz-Bermúdez, José Luis Bernal-Sobrino, Pablo Serrano-Balazote, Adolfo Muñoz-Carrero. Obtaining EHR-derived datasets for COVID-19 research within a short time: a flexible methodology based on Detailed Clinical Models. Journal of Biomedical Informatics, Volume 115,2021, 103697, ISSN 1532-0464, https://doi.org/10.1016/j.jbi.2021.103697. Para identificar las lagunas de estandarización sobre datos COVID-19, se analizaron los diferentes dominios de la HCE en los sistemas de información sanitaria. Los requisitos establecidos para la definición del conjunto inicial de variables fueron que debía cubrir el ámbito necesario tanto para la atención al paciente como para los usos secundarios, y ser parsimonioso, ya que los datos se iban a registrar en la práctica asistencial, y era importante no aumentar la carga de trabajo de los profesionales sanitarios. El modelado y la formalización de los conceptos se realizaron de acuerdo con la norma ISO 13606. Cada observación definida en este trabajo se modeló mediante un componente ENTRY, como "Presión arterial", que, a su vez, contiene los componentes ELEMENTs relativos a los conceptos específicos asociados a ella: "Presión arterial sistólica", "Presión arterial diastólica" y "Presión arterial media". Por último, el componente ENTRY contiene un componente ELEMENT para representar la fecha en la que se realizó la observación. Para cubrir los requisitos de este caso de uso fue necesario utilizar cuatro tipos de datos. • Physical Quantity (PQ): para observaciones cuyo resultado es un valor numérico con unidad de medida, por ejemplo, la presión arterial sistólica medida en mmHg; • Coded Value (CV): para observaciones cuyo resultado es un conjunto de posibles valores codificados, por ejemplo, el resultado de la prueba de detección del virus del SARS-COV-2, que puede ser positivo, negativo o no concluyente; • Integer: para observaciones cuyo resultado es un valor entero, por ejemplo, la puntuación de la escala de coma de Glasgow; y • DateTime: para observaciones cuyo valor es un punto de tiempo, por ejemplo, la fecha de inicio del hábito de fumar o la fecha en que se realizó una observación. El modelo de arquetipos hace uso de los componentes definidos anteriormente para formalizar los conceptos del dominio clínico. Por un lado, la sección "definition" especifica los componentes del arquetipo, junto con su cardinalidad, tipo de datos, valores mínimos y máximos, unidad de medida, conjunto de valores codificados y otros metadatos. La definición completa del modelo de información y sus restricciones garantizan la integridad y coherencia de los extractos de la HCE. Por otro lado, la sección "ontology" define el enlace terminológico, incorporando la semántica al modelo de información. El Lenguaje de Definición de Arquetipos (ADL) fue empleado para el desarrollo de arquetipos utilizando LinkEHR Studio. El enlace terminológico se realizó con SNOMED CT y LOINC, ya que ambos están adoptados internacionalmente, y forman parte de las especificaciones semánticas emitidas por el Ministerio de Sanidad español. Mientras que LOINC se utilizó para representar observaciones de laboratorio, por ejemplo, "94315-9 |SARS-related coronavirus E gene [Presence] in Specimen by NAA with probe detection", el eje de 'entidad observable' de SNOMED CT se empleó para representar conceptos de observaciones clínicas, por ejemplo, "103228002 |Hemoglobin saturation with oxygen (observable entity)|". En este caso, fue necesario recurrir al mecanismo de extensión terminológica para cinco conceptos. Esto permite a cada Centro Nacional de Referencia/CNR (SNOMED CT) publicar sus propios conceptos, que luego se proponen para su inclusión en la edición internacional de esta terminología. Por último, los ejes SNOMED CT "hallazgo clínico" y "calificador" se utilizaron para los valores que están constituidos por un conjunto de valores posibles, por ejemplo, "77176002 |Smoker (finding)|" y "10828004 |Positive (qualifier value)|”. El resultado obtenido ha sido la especificación y estandarización de un conjunto de 22 observaciones clínicas y 36 observaciones relacionadas con el laboratorio de interés en COVID-19. Estos conceptos, en consonancia con la norma ISO 13606 y ligados semánticamente a terminologías estándar, se implementan en los múltiples sistemas de información sanitaria del Hospital, permitiendo la representación, el intercambio y el uso homogéneaode los datos.

Actividad imprimible en formato PDF de asociación semántica/léxica de 4 imágenes.

Cualquier aspecto del mundo actual refleja -y/o crea- nuestra percepción de la realidad, pudiendo provocar reacciones emocionales y morales producto de la manipulación de esa realidad. La semántica sirve para analizar cómo usamos el lenguaje en cualquier entorno, también en el de la muerte.

El programa MenPas Cells. Los autores son: Modrian: Idea original, diseño e Implementación Sergio L. González Ruiz & Antonio Hernández Mendo Cels: Idea Original Luis Humberto Serrato. Diseño e Implementación Sergio L. González Ruiz, Antonio Hernández Mendo & Luis Humberto Serrato. Está compuesto de 8 subprogramas: Modrian Colores, Modrian Fotos, Modrian Parejas, Modrian Simon, Modrian Stroop, Finger Tapping Test, Modrian Simbolos, Modrian Números, Modrian Abcedario, Efecto Stroop, Cells, Modrian Cells. Estos programas están orientados a entrenar la atención span (amplitud de atención) y atención selectiva. El efecto Stroop es una prueba de interferencia semántica, y el Finger Tapping Test que es una prueba utilizada para valorar el daño cerebral, también utilizada para valorar el autocontrol y la ansiedad precompetitiva.

Resumen de la segunda Creative Commons Technology Summit.

©Enzo Cozzi - Confucio en Chile Pasando un fin de semana de noviembre de 2015 en el hotel Puma Lodge, en la reserva nacional Río Cipreses en la cordillera de la Cuarta Región, y mientras andamos de caminata con Sylvia, mi esposa, la semántica de la naturaleza nos hace un regalo. Nos brinda, escrita a lo lejos en las alturas del […] El microensayo La imagen del elefante y la semántica de la naturaleza – microensayo visual es ©Enzo Cozzi y apareció primero en Confucio en Chile. ©Registrado digit

La ancestral semántica de la naturaleza, donde paisaje, firmamento y meteorogía escribían un vasto cosmos semántico para que nosotros leyéramos, no está emasculada ni perdida del todo. Aún quedan enclaves, entre las culturas originarias, donde sobreviven rescoldos de la vieja sapiencia. Si uno sube al altiplano chileno, por ejemplo, y tiene la suerte de contemplar […] El Microensayo Al reencuentro con el cosmos semántico es propiedad intelectual de Enzo Cozzi y apareció primero en Confucio en C

La jaula de hierro de Max Weber no es la única que nos encierra. Habitamos una infinidad de otras prisiones mentales que desde tiempos inmemoriales se han venido superponiendo unas sobre otras, como muñecas rusas, alrededor de nuestras capacidades pensantes. A quienquiera que se le desvanezca su jaula de Weber no va a llegar y […] The post Un mundo perdido: la semántica de la naturaleza appeared first on Confucio en Chile.

©Enzo Cozzi - Confucio en Chile Propongo aquí un ejemplo de cómo podría aproximarse un pensamiento como el tradicional chino a pensar desde la semántica de naturaleza los eventos a nuestro alrededor. Daré así una idea de cómo apoyarse en el cosmos semántico para pensar más latamente, pensar a extramuros o extramurar el pensamiento, para sacarlo de sus confines. Parto y […] El microensayo Pensar a extramuros con la semántica de la naturaleza es ©Enzo Cozzi y apareció primero en Confucio en Chil

Este trabajo explora el fenómeno de los "falsos amigos" entre el francés y el español, una fuente común de confusión para estudiantes y hablantes bilingües. Se inicia con una exploración de diversas definiciones de falsos amigos, para luego sumergirse en la relación histórica y etimológica entre ambas lenguas, rastreando sus raíces latinas y su evolución divergente y convergente a lo largo del tiempo. El núcleo del estudio presenta una revisión exhaustiva de 60 términos catalogados como falsos amigos, ofreciendo definiciones precisas y ejemplos contextualizados para ilustrar su uso correcto y prevenir malentendidos. El objetivo es crear una guía práctica y accesible. Finalmente, se han diseñado ejercicios interactivos para aprendices bilingües y plurilingües, con el fin de reforzar el aprendizaje de manera lúdica y efectiva, consolidando el conocimiento y desarrollando una mayor sensibilidad lingüística.

©Enzo Cozzi - Confucio en Chile Pasando un fin de semana de noviembre de 2015 en el hotel Puma Lodge, en la reserva nacional Río Cipreses en la cordillera de la Cuarta Región, y mientras andamos de caminata con Sylvia, mi esposa, la semántica de la naturaleza nos hace un regalo. Nos brinda, escrita a lo lejos en las alturas del […] El microensayo La imagen del elefante y la semántica de la naturaleza – microensayo visual es ©Enzo Cozzi y apareció primero en Confucio en Chile. ©Registrado digit

Investigación semántica diacrónica sobre la evolución del significado de alcahueta y alcahuete.

La comunicación escrita digital de hoy en día incorpora nuevas herramientas que permiten no sólo sustituir palabras de nuestro vocabulario básico, sino también transmitir emociones y/o mensajes completos. Un claro ejemplo son los emoticonos (o emojis), un invento japonés de los noventa que cobra vida en cada uno de nuestros mensajes vía electrónica.

moriarty®, herramienta de diseño e implementación de soluciones avanzadas de software de Inteligencia Artificial.

No sé si te has parado a pensarlo, pero etimológicamente bonito y bueno son lo mismo. El adjetivo bonito es simplemente un antiguo diminutivo de bueno. La relación que se da entre las dos palabras es la misma que tenemos entre poder y puedo. Fíjate en este paralelismo y lo verás claro: Bonito – bueno Poder – puedo Lo que marca