Ejercicio y resultados clínicos en pacientes con enfermedad de Parkinson: una revisión sistemática y metaanálisis

Antecedentes. La enfermedad de Parkinson (EP) es la segunda enfermedad neurodegenerativa más común en el mundo, la cual afecta el componente físico, psicológico y social de los individuos que la padecen. Numerosos estudios han abordado los beneficios de diferentes programas de ejercicio, llegando a ser una estrategia no-farmacológica efectiva para aminorar el deterioro funcional de los pacientes con EP. Objetivo. Determinar los efectos de las diferentes modalidades de ejercicio físico en los principales desenlaces clínicos en pacientes con EP. Métodos. Se consultaron las bases de datos MEDLINE, EMBASE, Scopus, CENTRAL y PEDro desde febrero de 1990 hasta febrero de 2014 para identificar Ensayos Clínicos Aleatorizados (ECA) publicados. Además, se examinaron las listas de referencias de otras revisiones y de estudios identificados. La extracción de datos se realizó por dos autores independientes. Se empleó un modelo de efectos aleatorios en presencia de heterogeneidad estadística (I2>50%). El sesgo de publicación fue evaluado mediante el gráfico de embudo. Resultados: Un total de 18 estudios fueron incluidos. Se encontraron diferencias estadísticamente significativas en las intervenciones con ejercicio y las siguientes medidas de resultado, severidad de los síntomas motores (MDS-UPDRS) DME 1.44, IC 95% [-2.09 a -0.78] (p<0.001) I2= 87,9% y el equilibrio DME 0,52 IC 95% [0,30 a 0,74] (p<0.001) I2= 85,6%. En el análisis de subgrupos en la modalidad de ejercicio aeróbico, en MDS-UPDRS DME -1,28, IC 95% [-1,98 a -0,59] (p<0.001), 3 calidad de vida DME -1,91 IC 95% [-2,76 a -1,07] (p<0.001), equilibrio DME 0,54 IC 95% [0,31 a 0,77] (p<0.001), 10-m WT DME 0,15 IC 95% [0,06 a 0,25] (p<0.001) y Vo2 máximo DME -1,09 IC 95% [-1,31 a -0,88] (p=0.001), 6MWT DME 40,46 IC 95% [11,28 a 69,65] (p=0.007). Conclusiones: El ejercicio aeróbico produjo mejoras significativas en MDS UPDRS, equilibrio, calidad de vida, 10-m WT y y Vo2 máximo; mientras que el ejercicio combinado mejoró la fuerza.

An artificial economy based on reinforcement learning and agent based modeling

In this paper, we employ techniques from artificial intelligence such as reinforcement learning and agent based modeling as building blocks of a computational model for an economy based on conventions. First we model the interaction among firms in the private sector. These firms behave in an information environment based on conventions, meaning that a firm is likely to behave as its neighbors if it observes that their actions lead to a good pay off. On the other hand, we propose the use of reinforcement learning as a computational model for the role of the government in the economy, as the agent that determines the fiscal policy, and whose objective is to maximize the growth of the economy. We present the implementation of a simulator of the proposed model based on SWARM, that employs the SARSA(λ) algorithm combined with a multilayer perceptron as the function approximation for the action value function.