Plan estratégico de comercialización de panela en polvo INSTAPANELA Facilita tu vida

se trabajará en conjunto con el Centro Interamericano de Investigación de la Panela, Ubicado en Barbosa, estudiando principalmente la producción de la Hoya del Río Suarez con el fin de lanzar su nuevo producto “Panela en Polvo”

Evaluación y Análisis de las oportunidades del subsector panelero frente al Tratado de Libre Comercio con la Unión Europea

El presente trabajo de investigación es un análisis de las oportunidades que tiene el subsector panelero colombiano como agente exportador, haciendo un énfasis especial en el Tratado de Libre Comercio de Colombia con la Unión Europea. Se pretende así, determinar las estrategias que pueden ser implementadas para que este subsector panelero se organice como gremio y así pueda obtener oportunidades de mercado con la Unión Europea. Para el desarrollo de este trabajo se hizo una investigación sobre la producción de panela en términos porcentuales de Colombia, así como de la participación de cada una de las regiones. Así mismo se hace un análisis de la asociatividad y la competitividad de este subsector.

Risk Prediction for Epithelial Ovarian Cancer in 11 United States-Based Case-Control Studies: Incorporation of Epidemiologic Risk Factors and 17 Confirmed Genetic Loci.

Previously developed models for predicting absolute risk of invasive epithelial ovarian cancer have included a limited number of risk factors and have had low discriminatory power (area under the receiver operating characteristic curve (AUC) < 0.60). Because of this, we developed and internally validated a relative risk prediction model that incorporates 17 established epidemiologic risk factors and 17 genome-wide significant single nucleotide polymorphisms (SNPs) using data from 11 case-control studies in the United States (5,793 cases; 9,512 controls) from the Ovarian Cancer Association Consortium (data accrued from 1992 to 2010). We developed a hierarchical logistic regression model for predicting case-control status that included imputation of missing data. We randomly divided the data into an 80% training sample and used the remaining 20% for model evaluation. The AUC for the full model was 0.664. A reduced model without SNPs performed similarly (AUC = 0.649). Both models performed better than a baseline model that included age and study site only (AUC = 0.563). The best predictive power was obtained in the full model among women younger than 50 years of age (AUC = 0.714); however, the addition of SNPs increased the AUC the most for women older than 50 years of age (AUC = 0.638 vs. 0.616). Adapting this improved model to estimate absolute risk and evaluating it in prospective data sets is warranted.