Isolamento e identificação de amebas de vida livre potencialmente patogênicas em amostras de ambientes do Hospital de Clínicas de Porto Alegre - RS

Amebas de vida livre (AVL), tais como Acanthamoeba spp., Naegleria spp. e Balamuthia mandrillaris, são potenciais agentes de infecções humanas podendo ser encontradas no meio ambiente como solo, água fresca e ar atmosférico. No Brasil, de um modo geral, há poucos trabalhos relatando a importância do estudo desses patógenos em ambientes hospitalares. Assim este trabalho visou estudar a presença de Acanthamoeba spp. e Naegleria spp. na poeira e biofilmes de 15 ambientes diferentes (CTI, UTI pediátrica, Centro Cirúrgico, Centro Cirúrgico Ambulatorial, Emergência, Cozinha, Reservatórios de Azulejo e de Concreto, 06 Bebedouros e 01 Torneira) do Hospital de Clínicas de Porto Alegre, RS (HCPA). Coletas mensais de poeira e biofilmes foram realizadas com suabes passados aleatoriamente nos locais de coleta, de julho de 2004 e março de 2005, totalizando 135 amostras. Após sedimentação do material, o sedimento foi usado como inóculo em placas de Petri com ágar não nutriente 1,5%, previamente inoculadas com E. coli. As amostras foram incubadas durante 10 dias a 30°C. Das 135 amostras coletadas dos 15 ambientes do HCPA, 47 (35%) foram positivas para AVL, segundo critérios morfológicos de Page. Destas, 34% apresentaram características morfológicas próprias do gênero Acanthamoeba, sendo 03 desses isolados confirmados por PCR.

Aspectos matemáticos do problema de aprendizagem em inteligência artificial

O objetivo deste trabalho é apresentar a base teórica para o problema de aprendizagem através de exemplos conforme as ref. [14], [15] e [16]. Aprender através de exemplos pode ser examinado como o problema de regressão da aproximação de uma função multivaluada sobre um conjunto de dados esparsos. Tal problema não é bem posto e a maneira clássica de resolvê-lo é através da teoria de regularização. A teoria de regularização clássica, como será considerada aqui, formula este problema de regressão como o problema variacional de achar a função f que minimiza o funcional Q[f] = 1 n n Xi=1 (yi ¡ f(xi))2 + ¸kfk2 K; onde kfk2 K é a norma em um espa»co de Hilbert especial que chamaremos de Núcleo Reprodutivo (Reproducing Kernel Hilbert Spaces), ou somente RKHS, IH definido pela função positiva K, o número de pontos do exemplo n e o parâmetro de regularização ¸. Sob condições gerais a solução da equação é dada por f(x) = n Xi=1 ciK(x; xi): A teoria apresentada neste trabalho é na verdade a fundamentação para uma teoria mais geral que justfica os funcionais regularizados para a aprendizagem através de um conjunto infinito de dados e pode ser usada para estender consideravelmente a estrutura clássica a regularização, combinando efetivamente uma perspectiva de análise funcional com modernos avanços em Teoria de Probabilidade e Estatística.