Enfermedad de Chagas: epidemiología de vectores y estrategias educativas para la vigilancia entomológica en áreas de riesgo del norte de la provincia de Córdoba. Chagas disease: epidemiology of vectors and educational strategies for entomological surveillance in risk areas of northern province of Cordoba.

La Enfermedad de Chagas es considerada en términos sociales y económicos, una de las enfermedades parasíticas más importantes de América Latina. La transmisión vectorial de esta enfermedad ha sido interrumpida en gran parte de América Latina sin embargo, el control vectorial no ha podido lograr la sostenibilidad y la efectividad necesarias para interrumpir la transmisión vectorial en la región del Gran Chaco de Argentina, Bolivia y Paraguay. La permanencia de poblaciones residuales de triatominos en estructuras peridomiciliarias permite una rápida recuperación del vector, sugiriéndose que estas poblaciones serían la principal fuente de reinfestación de la vivienda humana. Este escenario plantea por lo tanto la necesidad de estudiar con más profundidad las poblaciones de triatominos presentes en los peridomicilios para comprender su dispersión, capacidad de domiciliación y así entender el posible peligro que pueden presentar para el hombre como especies vectoras de la enfermedad de Chagas. Dentro de la provincia de Córdoba existen áreas que por la presencia histórica de triatomineos, la notificación reciente de casos de Chagas vectorial y el registro de especies silvestres invadiendo los domicilios merecen un estudio más profundo. Es por ello que se propone realizar un relevamiento de las especies de triatomineos que habitan los domicilios y peridomicilios en estas zonas, calcular los índices de infección con Trypanosoma cruzi que presentan, caracterizar su perfil alimentario, los factores de riesgo que favorecen su refugio, su capacidad dispersiva y diferenciar fenotípicamente entre las poblaciones peridomésticas para comprender mejor el posible peligro que pueden presentar para el hombre como especies vectoras de la enfermedad de Chagas. Además, y de manera complementaria, se aplicarán estrategias educativas en el ámbito escolar que sirvan para la vigilancia entomológica y acciones preventivas de la Enfermedad de Chagas. La determinación del perfil alimentario pautará la potencialidad de cada vector, siendo esta información fundamental para el análisis de situaciones epidemiológicas de riesgo. La capacidad dispersiva y la diferenciación fenotípica de las poblaciones permitirán conocer el posible movimiento y flujo de triatominos desde y hacia la vivienda humana. La determinación de los factores que favorecen el refugio de triatominos permitirá conocer el nivel de riesgo en que se encuentra cada domicilio. Además, considerando la importancia de las poblaciones peridomésticas en los procesos de reinfestación, se analizará la capacidad dispersiva que presentan los triatominos a través de su estado nutricional y, mediante la morfometría clásica y geométrica, se analizará como se estructura la diversidad fenotípica en los domicilios y peridomicilios. La aplicación de estrategias educativas en el ámbito escolar favorecerá el conocimiento en general de esta enfermedad, la vigilancia entomólogica y las acciones preventivas por parte de los niños en edad escolar. Chagas disease is considered socially and economically, one of the most important parasitic diseases in Latin America. Vector transmission of this disease has been interrupted in much of Latin America, however, vector control has failed to achieve sustainability and effectiveness necessary to interrupt the vector transmission in the Gran Chaco region of Argentina, Bolivia and Paraguay. The permanence of residual populations of triatomine in the peridomiciliary structures enables fast recovery of the vector, suggesting that these populations would be the main source of reinfestation of human dwellings. Within the province of Córdoba, there are areas that the historical presence of triatomines, the recent notification of cases of Chagas vector and recording of wild species invading the homes deserve further study. That is why, there will be a survey of Triatominae species that inhabit the domiciles and peridomiciles in these areas, rates of infection with Trypanosoma cruzi, their host feeding preferences, the risk factors that favor its shelter, their dispersive capacity and phenotypic differentiation between peridomestic populations, to better understand the potential danger they may present to the man and vector species of Chagas disease. In addition, complementary, educational strategies in schools were implemented that serve for entomological surveillance and preventive actions of Chagas disease. The determination of the potential food profile patterns of each vector is essential for epidemiological analysis of risk situations. Dispersive capacity and phenotypic differentiation of populations may allow understanding the movement and flow of triatomines and from human habitation.

Aceleración de Algoritmos en Procesadores Multicore, GPGPU y FPGA. Algorithm Acceleration with Multicore, GPGPU and FPGA Processors.

El avance en la potencia de cómputo en nuestros días viene dado por la paralelización del procesamiento, dadas las características que disponen las nuevas arquitecturas de hardware. Utilizar convenientemente este hardware impacta en la aceleración de los algoritmos en ejecución (programas). Sin embargo, convertir de forma adecuada el algoritmo en su forma paralela es complejo, y a su vez, esta forma, es específica para cada tipo de hardware paralelo. En la actualidad los procesadores de uso general más comunes son los multicore, procesadores paralelos, también denominados Symmetric Multi-Processors (SMP). Hoy en día es difícil hallar un procesador para computadoras de escritorio que no tengan algún tipo de paralelismo del caracterizado por los SMP, siendo la tendencia de desarrollo, que cada día nos encontremos con procesadores con mayor numero de cores disponibles. Por otro lado, los dispositivos de procesamiento de video (Graphics Processor Units - GPU), a su vez, han ido desarrollando su potencia de cómputo por medio de disponer de múltiples unidades de procesamiento dentro de su composición electrónica, a tal punto que en la actualidad no es difícil encontrar placas de GPU con capacidad de 200 a 400 hilos de procesamiento paralelo. Estos procesadores son muy veloces y específicos para la tarea que fueron desarrollados, principalmente el procesamiento de video. Sin embargo, como este tipo de procesadores tiene muchos puntos en común con el procesamiento científico, estos dispositivos han ido reorientándose con el nombre de General Processing Graphics Processor Unit (GPGPU). A diferencia de los procesadores SMP señalados anteriormente, las GPGPU no son de propósito general y tienen sus complicaciones para uso general debido al límite en la cantidad de memoria que cada placa puede disponer y al tipo de procesamiento paralelo que debe realizar para poder ser productiva su utilización. Los dispositivos de lógica programable, FPGA, son dispositivos capaces de realizar grandes cantidades de operaciones en paralelo, por lo que pueden ser usados para la implementación de algoritmos específicos, aprovechando el paralelismo que estas ofrecen. Su inconveniente viene derivado de la complejidad para la programación y el testing del algoritmo instanciado en el dispositivo. Ante esta diversidad de procesadores paralelos, el objetivo de nuestro trabajo está enfocado en analizar las características especificas que cada uno de estos tienen, y su impacto en la estructura de los algoritmos para que su utilización pueda obtener rendimientos de procesamiento acordes al número de recursos utilizados y combinarlos de forma tal que su complementación sea benéfica. Específicamente, partiendo desde las características del hardware, determinar las propiedades que el algoritmo paralelo debe tener para poder ser acelerado. Las características de los algoritmos paralelos determinará a su vez cuál de estos nuevos tipos de hardware son los mas adecuados para su instanciación. En particular serán tenidos en cuenta el nivel de dependencia de datos, la necesidad de realizar sincronizaciones durante el procesamiento paralelo, el tamaño de datos a procesar y la complejidad de la programación paralela en cada tipo de hardware. Today´s advances in high-performance computing are driven by parallel processing capabilities of available hardware architectures. These architectures enable the acceleration of algorithms when thes ealgorithms are properly parallelized and exploit the specific processing power of the underneath architecture. Most current processors are targeted for general pruposes and integrate several processor cores on a single chip, resulting in what is known as a Symmetric Multiprocessing (SMP) unit. Nowadays even desktop computers make use of multicore processors. Meanwhile, the industry trend is to increase the number of integrated rocessor cores as technology matures. On the other hand, Graphics Processor Units (GPU), originally designed to handle only video processing, have emerged as interesting alternatives to implement algorithm acceleration. Current available GPUs are able to implement from 200 to 400 threads for parallel processing. Scientific computing can be implemented in these hardware thanks to the programability of new GPUs that have been denoted as General Processing Graphics Processor Units (GPGPU).However, GPGPU offer little memory with respect to that available for general-prupose processors; thus, the implementation of algorithms need to be addressed carefully. Finally, Field Programmable Gate Arrays (FPGA) are programmable devices which can implement hardware logic with low latency, high parallelism and deep pipelines. Thes devices can be used to implement specific algorithms that need to run at very high speeds. However, their programmability is harder that software approaches and debugging is typically time-consuming. In this context where several alternatives for speeding up algorithms are available, our work aims at determining the main features of thes architectures and developing the required know-how to accelerate algorithm execution on them. We look at identifying those algorithms that may fit better on a given architecture as well as compleme