On the dynamic readout of sub-diffraction-limit pit arrays with a silver thin film

Fast moving arrays of periodic sub-diffraction-limit pits were dynamically read out via a silver thin film. The mechanism of the dynamic readout is analysed and discussed in detail, both experimentally and theoretically. The analysis and experiment show that, in the course of readout, surface plasmons can be excited at the silver/air interface by the focused laser beam and amplified by the silver thin film. The surface plasmons are transmitted into the substrate/silver interface with a large enhancement. The surface waves at the substrate/silver interface are scattered by the sinusoidal pits of sub-diffraction-limit size. The scattered waves are collected by a converging lens and guided into the detector for the readout.

20-W average power, high repetition rate, nanosecond pulse with diffraction limit from an all-fiber MOPA system

In this article, we report an all-fiber master oscillator power amplifier (MOPA) system, which can provide high repetition rate and nanosecond pulse with diffraction-limit. The system was constructed using a (2 + 1) X 1 multimode combiner. The Q-Switched, LD pumped Nd:YVO4 solid-state laser wets used (is master oscillator. The 976-nm fiber-coupled module is used as pump source. A 10-m long China-made Yb3+-doped D-shape double-clad large-mode-area fiber was used as amplifier fiber. The MOPA produced as much as 20-W average power with nanosecond pulse and near diffraction limited. The pulse duration is maintained at about 15 its during 50-175 kHz. The system employs a simple and compact architecture and is therefore suitable for the use in practical applications such as scientific and military airborne LIDAR and imaging. Based oil this system. the amplification performances of. the all fiber amplifier is investigated. (C) 2008 Wiley Periodicals, Inc.

Estimating relative abundance from catch and effort data, using neural networks

We develop and test a method to estimate relative abundance from catch and effort data using neural networks. Most stock assessment models use time series of relative abundance as their major source of information on abundance levels. These time series of relative abundance are frequently derived from catch-per-unit-of-effort (CPUE) data, using general linearized models (GLMs). GLMs are used to attempt to remove variation in CPUE that is not related to the abundance of the population. However, GLMs are restricted in the types of relationships between the CPUE and the explanatory variables. An alternative approach is to use structural models based on scientific understanding to develop complex non-linear relationships between CPUE and the explanatory variables. Unfortunately, the scientific understanding required to develop these models may not be available. In contrast to structural models, neural networks uses the data to estimate the structure of the non-linear relationship between CPUE and the explanatory variables. Therefore neural networks may provide a better alternative when the structure of the relationship is uncertain. We use simulated data based on a habitat based-method to test the neural network approach and to compare it to the GLM approach. Cross validation and simulation tests show that the neural network performed better than nominal effort and the GLM approach. However, the improvement over GLMs is not substantial. We applied the neural network model to CPUE data for bigeye tuna (Thunnus obesus) in the Pacific Ocean.

A-SCALA: an age-structured statistical catch-at-length analysis for assessing tuna stocks in the eastern tropical Pacific Ocean

English: We describe an age-structured statistical catch-at-length analysis (A-SCALA) based on the MULTIFAN-CL model of Fournier et al. (1998). The analysis is applied independently to both the yellowfin and the bigeye tuna populations of the eastern Pacific Ocean (EPO). We model the populations from 1975 to 1999, based on quarterly time steps. Only a single stock for each species is assumed for each analysis, but multiple fisheries that are spatially separate are modeled to allow for spatial differences in catchability and selectivity. The analysis allows for error in the effort-fishing mortality relationship, temporal trends in catchability, temporal variation in recruitment, relationships between the environment and recruitment and between the environment and catchability, and differences in selectivity and catchability among fisheries. The model is fit to total catch data and proportional catch-at-length data conditioned on effort. The A-SCALA method is a statistical approach, and therefore recognizes that the data collected from the fishery do not perfectly represent the population. Also, there is uncertainty in our knowledge about the dynamics of the system and uncertainty about how the observed data relate to the real population. The use of likelihood functions allow us to model the uncertainty in the data collected from the population, and the inclusion of estimable process error allows us to model the uncertainties in the dynamics of the system. The statistical approach allows for the calculation of confidence intervals and the testing of hypotheses. We use a Bayesian version of the maximum likelihood framework that includes distributional constraints on temporal variation in recruitment, the effort-fishing mortality relationship, and catchability. Curvature penalties for selectivity parameters and penalties on extreme fishing mortality rates are also included in the objective function. The mode of the joint posterior distribution is used as an estimate of the model parameters. Confidence intervals are calculated using the normal approximation method. It should be noted that the estimation method includes constraints and priors and therefore the confidence intervals are different from traditionally calculated confidence intervals. Management reference points are calculated, and forward projections are carried out to provide advice for making management decisions for the yellowfin and bigeye populations. Spanish: Describimos un análisis estadístico de captura a talla estructurado por edad, A-SCALA (del inglés age-structured statistical catch-at-length analysis), basado en el modelo MULTIFAN- CL de Fournier et al. (1998). Se aplica el análisis independientemente a las poblaciones de atunes aleta amarilla y patudo del Océano Pacífico oriental (OPO). Modelamos las poblaciones de 1975 a 1999, en pasos trimestrales. Se supone solamente una sola población para cada especie para cada análisis, pero se modelan pesquerías múltiples espacialmente separadas para tomar en cuenta diferencias espaciales en la capturabilidad y selectividad. El análisis toma en cuenta error en la relación esfuerzo-mortalidad por pesca, tendencias temporales en la capturabilidad, variación temporal en el reclutamiento, relaciones entre el medio ambiente y el reclutamiento y entre el medio ambiente y la capturabilidad, y diferencias en selectividad y capturabilidad entre pesquerías. Se ajusta el modelo a datos de captura total y a datos de captura a talla proporcional condicionados sobre esfuerzo. El método A-SCALA es un enfoque estadístico, y reconoce por lo tanto que los datos obtenidos de la pesca no representan la población perfectamente. Además, hay incertidumbre en nuestros conocimientos de la dinámica del sistema e incertidumbre sobre la relación entre los datos observados y la población real. El uso de funciones de verosimilitud nos permite modelar la incertidumbre en los datos obtenidos de la población, y la inclusión de un error de proceso estimable nos permite modelar las incertidumbres en la dinámica del sistema. El enfoque estadístico permite calcular intervalos de confianza y comprobar hipótesis. Usamos una versión bayesiana del marco de verosimilitud máxima que incluye constreñimientos distribucionales sobre la variación temporal en el reclutamiento, la relación esfuerzo-mortalidad por pesca, y la capturabilidad. Se incluyen también en la función objetivo penalidades por curvatura para los parámetros de selectividad y penalidades por tasas extremas de mortalidad por pesca. Se usa la moda de la distribución posterior conjunta como estimación de los parámetros del modelo. Se calculan los intervalos de confianza usando el método de aproximación normal. Cabe destacar que el método de estimación incluye constreñimientos y distribuciones previas y por lo tanto los intervalos de confianza son diferentes de los intervalos de confianza calculados de forma tradicional. Se calculan puntos de referencia para el ordenamiento, y se realizan proyecciones a futuro para asesorar la toma de decisiones para el ordenamiento de las poblaciones de aleta amarilla y patudo.

Analysis and evaluation of public health policy in Cuba : progress on millennium development goals

[EN] The main objective of this project is to analyze Cuban public health policy and the Millennium Development Goals, especially those linked to the issue of health, presenting their potential and strengths with a well-defined time horizon (2000-2015). The Millennium Development Goals are the international consensus on development and was signed as an international minimum agreement, with which began the century. The MDGs promote various goals and targets, with the corresponding monitoring indicators, which should be achieved by all countries for the present year. Health is an area that is at the center of the Millennium Development Goals, which reinforce each other to get a true human development itself. The research was done through theoretical frameworks of social production of health and disease, social justice and the power structure. A retrospective analysis of Cuban economic and social context is performed in order to study whether health-related MDGs are likely to be completed by the deadline on the island and likewise, the main parameters related to health compared with those of the neighboring countries in the Americas.

Economía de la salud, modalidades de evaluación económica

La salud es un aspecto muy importante en la vida de cualquier persona, de forma que, al ocurrir cualquier contingencia que merma el estado de salud de un individuo o grupo de personas, se debe valorar estrictamente y en detalle las distintas alternativas destinadas a combatir la enfermedad. Esto se debe a que, la calidad de vida de los pacientes variará dependiendo de la alternativa elegida. La calidad de vida relacionada con la salud (CVRS) se entiende como el valor asignado a la duración de la vida, modificado por la oportunidad social, la percepción, el estado funcional y la disminución provocadas por una enfermedad, accidente, tratamiento o política (Sacristán et al, 1995). Para determinar el valor numérico asignado a la CVRS, ante una intervención, debemos beber de la teoría económica aplicada a las evaluaciones sanitarias para nuevas intervenciones. Entre los métodos de evaluación económica sanitaria, el método coste-utilidad emplea como utilidad, los años de vida ajustado por calidad (AVAC), que consiste, por un lado, tener en cuenta la calidad de vida ante una intervención médica, y por otro lado, los años estimados a vivir tras la intervención. Para determinar la calidad de vida, se emplea técnicas como el Juego Estándar, la Equivalencia Temporal y la Escala de Categoría. Estas técnicas nos proporcionan un valor numérico entre 0 y 1, siendo 0 el peor estado y 1 el estado perfecto de salud. Al entrevistar a un paciente a cerca de la utilidad en términos de salud, puede haber riesgo o incertidumbre en la pregunta planteada. En tal caso, se aplica el Juego Estándar con el fin de determinar el valor numérico de la utilidad o calidad de vida del paciente ante un tratamiento dado. Para obtener este valor, al paciente se le plantean dos escenarios: en primer lugar, un estado de salud con probabilidad de morir y de sobrevivir, y en segundo lugar, un estado de certeza. La utilidad se determina modificando la probabilidad de morir hasta llegar a la probabilidad que muestra la indiferencia del individuo entre el estado de riesgo y el estado de certeza. De forma similar, tenemos la equivalencia temporal, cuya aplicación resulta más fácil que el juego estándar ya que valora en un eje de ordenadas y abscisas, el valor de la salud y el tiempo a cumplir en esa situación ante un tratamiento sanitario, de forma que, se llega al valor correspondiente a la calidad de vida variando el tiempo hasta que el individuo se muestre indiferente entre las dos alternativas. En último lugar, si lo que se espera del paciente es una lista de estados de salud preferidos ante un tratamiento, empleamos la Escala de Categoría, que consiste en una línea horizontal de 10 centímetros con puntuaciones desde 0 a 100. La persona entrevistada coloca la lista de estados de salud según el orden de preferencia en la escala que después es normalizado a un intervalo entre 0 y 1. Los años de vida ajustado por calidad se obtienen multiplicando el valor de la calidad de vida por los años de vida estimados que vivirá el paciente. Sin embargo, ninguno de estas metodologías mencionadas consideran el factor edad, siendo necesario la inclusión de esta variable. Además, los pacientes pueden responder de manera subjetiva, situación en la que se requiere la opinión de un experto que determine el nivel de discapacidad del aquejado. De esta forma, se introduce el concepto de años de vida ajustado por discapacidad (AVAD) tal que el parámetro de utilidad de los AVAC será el complementario del parámetro de discapacidad de los AVAD Q^i=1-D^i. A pesar de que este último incorpora parámetros de ponderación de edad que no se contemplan en los AVAC. Además, bajo la suposición Q=1-D, podemos determinar la calidad de vida del individuo antes del tratamiento. Una vez obtenido los AVAC ganados, procedemos a la valoración monetaria de éstos. Para ello, partimos de la suposición de que la intervención sanitaria permite al individuo volver a realizar las labores que venía realizando. De modo que valoramos los salarios probables con una temporalidad igual a los AVAC ganados, teniendo en cuenta la limitación que supone la aplicación de este enfoque. Finalmente, analizamos los beneficios derivados del tratamiento (masa salarial probable) si empleamos la tabla GRF-95 (población femenina) y GRM-95 (población masculina).

An analysis of the historical catch data from the migratory salmonid fisheries of the River Ribble

The Ribble catchment is the largest and most diverse river system within National Rivers Authority (NRA), North West's Central Area. The river is approximately 100km in length and rises in a limestone area west of the Pennines. This report examines changes in the size and composition of the salmon and sea trout catches from the Ribble migratory salmonid fisheries during the years 1937 to 1991. Comparisons are made between the rod and net fisheries for both salmon and sea trout of the Ribble and Hodder. Patterns of catches shown by the Ribble fisheries are compared with those of other individual rivers and with patterns for the North West Region as a whole. An attempt is made to identify if any relationship exists between catch and stock abundance. Catch patterns shown by the Ribble and Hodder salmon fisheries are compared with electronic resistivity counter data from the two rivers. Annual salmon catch patterns and redd count data are compared both locally and regionally. Recommendations for future studies are made in the light of the report's findings.

An analysis of salmon rod catch data from castle fisheries, River Derwent, 1923-1989.

The aim of this study was to investigate the historical catch record from the Castle Fishery on the River Derwent over the period 1923 - 1989, to determine if changes had taken place in the composition of the catch and to examine the influence of flow on the performance of the fishery. The River Derwent is situated in West Cumbria, North West England. It flows from its source on Scafell Pike (NGR NY 229 089) westwards discharging into the Irish sea at Workington, a distance of 52 km. Over its length it receives water from an additional 214 km of stream, 5 large lakes and approximately 30 small tarns. The catchment drains a total area of 663 km2. The study concludes that through the time period there was considerable variation in catch between years. The trend was for the catch to increase steadily over the period 1923 - 1958, declining rapidly in 1959, after which catches increased steadily reaching a peak in the mid-sixties, before declining towards the end of the decade. During the seventies and eighties catches remained relatively stable at between 300 - 600 salmon per year until 1988 when over 2000 salmon were reported caught, the greatest number in any year over the study period.