Longitudinal analysis of tumor marker CEA of breast cancer patients from Braga's hospital

Allied to an epidemiological study of population of the Senology Unit of Braga’s Hospital that have been diagnosed with malignant breast cancer, we describe the progression in time of repeated measurements of tumor marker Carcinoembryonic antigen (CEA). Our main purpose is to describe the progression of this tumor marker as a function of possible risk factors and, hence, to understand how these risk factors influences that progression. The response variable, values of CEA, was analyzed making use of longitudinal models, testing for different correlation structures. The same covariates used in a previous survival analysis were considered in the longitudinal model. The reference time used was time from diagnose until death from breast cancer. For diagnostic of the models fitted we have used empirical and theoretical variograms. To evaluate the fixed term of the longitudinal model we have tested for a changing point on the effect of time on the tumor marker progression. A longitudinal model was also fitted only to the subset of patients that died from breast cancer, using the reference time as time from date of death until blood test.

HOXA9 as a key regulator in glioma initiation, aggressiveness and response to therapy

Tese de Doutoramento em Ciências da Saúde

A critical evaluation of methods for the reconstruction of tissue-specific models

Under the framework of constraint based modeling, genome-scale metabolic models (GSMMs) have been used for several tasks, such as metabolic engineering and phenotype prediction. More recently, their application in health related research has spanned drug discovery, biomarker identification and host-pathogen interactions, targeting diseases such as cancer, Alzheimer, obesity or diabetes. In the last years, the development of novel techniques for genome sequencing and other high-throughput methods, together with advances in Bioinformatics, allowed the reconstruction of GSMMs for human cells. Considering the diversity of cell types and tissues present in the human body, it is imperative to develop tissue-specific metabolic models. Methods to automatically generate these models, based on generic human metabolic models and a plethora of omics data, have been proposed. However, their results have not yet been adequately and critically evaluated and compared. This work presents a survey of the most important tissue or cell type specific metabolic model reconstruction methods, which use literature, transcriptomics, proteomics and metabolomics data, together with a global template model. As a case study, we analyzed the consistency between several omics data sources and reconstructed distinct metabolic models of hepatocytes using different methods and data sources as inputs. The results show that omics data sources have a poor overlapping and, in some cases, are even contradictory. Additionally, the hepatocyte metabolic models generated are in many cases not able to perform metabolic functions known to be present in the liver tissue. We conclude that reliable methods for a priori omics data integration are required to support the reconstruction of complex models of human cells.

Introduction [to Contact force models for multibody dynamics]

"Series: Solid mechanics and its applications, vol. 226"

Pure elastic contact force models

"Series: Solid mechanics and its applications, vol. 226"

Dissipative contact force models

"Series: Solid mechanics and its applications, vol. 226"

Contact force models for multibody dynamics

"Series: Solid mechanics and its applications, vol. 226"

An evolutionary approach to the use of Petri net based models: from parallel controllers to HW/SW co-design

"A workshop within the 19th International Conference on Applications and Theory of Petri Nets - ICATPN’1998"

Estimation of statistical cure from cancer using population-based data

Dissertação de mestrado em Estatística

Some predictors of cardiovascular mortality among the elderly population of Botucatu (SP)

OBJECTIVE: To detect factors associated with cardiovascular mortality in the elderly of Botucatu. METHODS: We evaluated 29 variables of interest in a cohort of patients aged ³60 using data from a survey conducted between 1983/84. The elderly cohort was analyzed in 1992 to detect the occurrence of cardiovascular deaths. Survival analysis was performed using the Kaplan-Meier method, the log-rank test, and Cox regression analysis. Three models were adapted for each group of variables, and a final model was chosen from those variables selected from each group. RESULTS: We identified predictor for cardiovascular death according to age for elderly males not supporting the family, not possessing a vehicle, and previous cardiovascular disease. In elderly females, the predictor variables were previous cardiovascular disease and diabetes mellitus. CONCLUSION: Socioeconomic indicators (family heading and vehicle ownerrship) may be added to well stabilished medical factors (diabete mellitus and hypertension to select target groups for programs intended to reduce deaths due to cardiovascular diseases in elderly people.

Real-Time models to predict the use of vasopressors in monitored patients

The needs of reducing human error has been growing in every field of study, and medicine is one of those. Through the implementation of technologies is possible to help in the decision making process of clinics, therefore to reduce the difficulties that are typically faced. This study focuses on easing some of those difficulties by presenting real-time data mining models capable of predicting if a monitored patient, typically admitted in intensive care, will need to take vasopressors. Data Mining models were induced using clinical variables such as vital signs, laboratory analysis, among others. The best model presented a sensitivity of 94.94%. With this model it is possible reducing the misuse of vasopressors acting as prevention. At same time it is offered a better care to patients by anticipating their treatment with vasopressors.

Determination of the importance of iron acquisition for Staphylococcus epidermidis biofilm survival in human blood

Dissertação de mestrado em Bioengenharia

Retrospective Study of the Survival of Patients who Underwent Cardiopulmonary Resuscitation in an Intensive Care Unit

OBJECTIVE: To evaluate clinical and evolutive characteristics of patients admitted in an intensive care unit after cardiopulmonary resuscitation, identifying prognostic survival factors.METHODS: A retrospective study of 136 patients admitted between 1995 and 1999 to an intensive care unit, evaluating clinical conditions, mechanisms and causes of cardiopulmonary arrest, and their relation to hospital mortality.RESULTS: A 76% mortality rate independent of age and sex was observed. Asystole was the most frequent mechanism of death, and seen in isolation pulmonary arrest was the least frequent. Cardiac failure, need for mechanical ventilation, cirrhosis and previous stroke were clinically significant (p<0.01) death factors.CONCLUSION: Prognostic factors supplement the doctor's decision as to whether or not a patient will benefit from cardiopulmonary resuscitation.

Modelos Mixtos-Aditivos Generalizados para el Estudio de Fenómenos Biológicos y Sociales Descriptos por Datos Agregados y/o Longitudinales. Generalized Mixed Additive Models for the Study of Biological and Social Phenomenons from Longitudinal and/or Aggregated Data.

Este proyecto propone extender y generalizar los procesos de estimación e inferencia de modelos aditivos generalizados multivariados para variables aleatorias no gaussianas, que describen comportamientos de fenómenos biológicos y sociales y cuyas representaciones originan series longitudinales y datos agregados (clusters). Se genera teniendo como objeto para las aplicaciones inmediatas, el desarrollo de metodología de modelación para la comprensión de procesos biológicos, ambientales y sociales de las áreas de Salud y las Ciencias Sociales, la condicionan la presencia de fenómenos específicos, como el de las enfermedades.Es así que el plan que se propone intenta estrechar la relación entre la Matemática Aplicada, desde un enfoque bajo incertidumbre y las Ciencias Biológicas y Sociales, en general, generando nuevas herramientas para poder analizar y explicar muchos problemas sobre los cuales tienen cada vez mas información experimental y/o observacional.Se propone, en forma secuencial, comenzando por variables aleatorias discretas (Yi, con función de varianza menor que una potencia par del valor esperado E(Y)) generar una clase unificada de modelos aditivos (paramétricos y no paramétricos) generalizados, la cual contenga como casos particulares a los modelos lineales generalizados, no lineales generalizados, los aditivos generalizados, los de media marginales generalizados (enfoques GEE1 -Liang y Zeger, 1986- y GEE2 -Zhao y Prentice, 1990; Zeger y Qaqish, 1992; Yan y Fine, 2004), iniciando una conexión con los modelos lineales mixtos generalizados para variables latentes (GLLAMM, Skrondal y Rabe-Hesketh, 2004), partiendo de estructuras de datos correlacionados. Esto permitirá definir distribuciones condicionales de las respuestas, dadas las covariables y las variables latentes y estimar ecuaciones estructurales para las VL, incluyendo regresiones de VL sobre las covariables y regresiones de VL sobre otras VL y modelos específicos para considerar jerarquías de variación ya reconocidas. Cómo definir modelos que consideren estructuras espaciales o temporales, de manera tal que permitan la presencia de factores jerárquicos, fijos o aleatorios, medidos con error como es el caso de las situaciones que se presentan en las Ciencias Sociales y en Epidemiología, es un desafío a nivel estadístico. Se proyecta esa forma secuencial para la construcción de metodología tanto de estimación como de inferencia, comenzando con variables aleatorias Poisson y Bernoulli, incluyendo los existentes MLG, hasta los actuales modelos generalizados jerárquicos, conextando con los GLLAMM, partiendo de estructuras de datos correlacionados. Esta familia de modelos se generará para estructuras de variables/vectores, covariables y componentes aleatorios jerárquicos que describan fenómenos de las Ciencias Sociales y la Epidemiología.

Búsqueda de nuevos extractos y compuestos obtenidos a partir de plantas del centro de Argentina con acción inhibidora de enzimas asociadas a patologías y a la supervivencia de organismos perjudiciales. Search for new extracts and compounds obtained from plants of central Argentina with inhibitoryactivity on enzymes associated with diseases and survival of harmful organisms.

La inhibición en la actividad de ciertas enzimas esenciales puede generar disturbios en la fisiología de algunos organismos como insectos, plantas y microorganismos y en muchos casos puede conducir a su muerte. Por otro lado, la inhibición de estas proteínas logra modificar factores implicados en la manifestación de determinadas enfermedades. Entre las enzimas que muestran estas características podemos mencionar a tirosinasa, p-hidroxifenilpiruvato dioxigenasa (HPPD) y acetilcolinesterasa (AChE). Debido a la necesidad de nuevas drogas con acción inhibidora de las mencionadas enzimas,los investigadores están explorando el mundo vegetal con el fin de obtenerlas,ya que se ha comprobado que las plantas son capaces de sintetizar esta clase de moléculas. Plantas nativas de nuestra región presentan esta propiedad. Continuando con la búsqueda de compuestos bioactivos obtenidos de plantas, se propone en este proyecto obtener nuevos agentes naturales altamente efectivos en inhibir las nombradas enzimas a partir de 100 plantas nativas de la región central de Argentina. Los compuestos aislados pueden ser utilizados directamente o servir como modelo para la síntesis de análogos. En primer lugar se determinará la efectividad de los extractos obtenidos a partir de las plantas seleccionadas como inhibidores de HPPD (utilizando el método del enol-borato) con el fin de seleccionar el más potente. A partir de este extracto y de aquellos seleccionados como más potentes en inhibir tirosinasa y AChE se aislarán, mediante aislamiento bioguiado, e identificarán el/los compuesto/s responsables. Este proceso será llevado a cabo por técnicas cromatográficas y espectroscópicas y el seguimiento de actividad se realizará mediante el método de enol-borato, dopacromo y Ellman para HPPD, tirosinasa y AChE,respectivamente. Posterior a determinar el nivel de actividad (IC50) de cada compuesto aislado se estudiará el posible efecto sinergista que pudieran ejercer al combinarlos entre ellos (si más de un compuesto es aislado de una planta) y con compuestos comerciales. Si los resultados muestran que los extractos ensayados y los metabolitos activos presentes en ellos exhiben alta efectividad en inhibir las enzimas, ellos pueden surgir como agentes terapéuticos eficaces para el tratamiento de ciertas enfermedades que las involucran y de esta manera mejorar la calidad de vida de los pacientes afectados. Estos productos pueden dar lugar a las compañías farmaceúticas a producir drogas no convencionales como nuevas alternativas medicinales. Por otro lado estas sustancias pueden derivar en novedosos herbicidas, antimicrobianos o insecticidas.Dado que todas las plantas propuestas crecen fácilmente en Argentina, la producción de estos medicamentos significaría nuevas fuentes laborales para nuestro país. El hecho de poder obtener y posteriormente utilizar estos productos aumenta en forma sustancial el aprovechamiento que podemos darle a nuestra rica flora nativa.