Añadidos recientemente
Carga laboral y evaluación de desempeño en el personal de enfermería de salas de hospitalización de cardiología del Instituto Nacional Cardiopulmonar de enero a marzo 2025
(Universidad Tecnológica Centroamericana UNITEC, 2025-06-23) Scarleth Alejandra López; Julio César Midence Zúniga; Guimel Peralta
El área de enfermería del Instituto Nacional Cardiopulmonar es parte de los recursos asistenciales esenciales para el sistema de salud, el personal se ve afectado por agotamiento, fatiga, extensas jornadas laborales. El objetivo de este estudio fue evaluar cómo la carga laboral influye en el desempeño del personal de enfermería profesional y auxiliar del Instituto Nacional Cardiopulmonar. El enfoque de esta investigación fue cuantitativo, el diseño no experimental, transversal, se recopilaron los datos en un momento por medio de un cuestionario de carga laboral generado por la NASA aplicado a personal de enfermería con a una muestra de 62 participantes y evaluaciones de desempeño realizadas por los jefes inmediatos de las salas antes mencionadas, con un alcance descriptivo. Por medio del análisis de resultados se encontró que la carga laboral no influye en el desempeño del personal de enfermería a pesar de presentar niveles altos de carga laboral física de un 58%, mental con 66% y temporal de un 56% el personal de enfermería, presentaron evaluaciones de desempeño destacadas. Se demostró la dedicación y compromiso del personal. La carga laboral del personal de enfermería es alta, el manejo de pacientes en estado crítico es demandante, aunque su evaluación de desempeño laboral es muy buena, se recomienda balancear la carga de trabajo, incorporar pausas activas, proporcionar apoyo psicológico y programas de bienestar. Introducir herramientas tecnológicas y desarrollar un área de descanso apropiada.
Análisis predictivo para evaluar impacto del desarrollo digital y la calidad educativa en el crecimiento económico de Honduras
(Universidad Tecnológica Centroamericana UNITEC, 2025-06-20) Elisa Mariela Banegas Martínez; Sofia Lizeth Maradiaga Centeno; José Rodolfo Sorto Bueso
Este estudio tiene como propósito analizar cómo el desarrollo digital y la calidad educativa influyen en el crecimiento económico de Honduras, un país en desarrollo que enfrenta importantes desafíos. El objetivo principal fue determinar cómo influyen en el crecimiento económico de Honduras el acceso a la educación y los servicios asociados como electricidad e internet, la calidad y desempeño educativo, la demografía y la inversión pública en educación, tecnología e infraestructura. Para alcanzar este propósito, se empleó una metodología cuantitativa que se fundamenta en la recopilación y el análisis de datos numéricos. La investigación adopta un diseño no experimental y longitudinal, analizando datos históricos del período 2009-2022, marcado por eventos significativos como el golpe de Estado, la pandemia de COVID-19 y desastres naturales. Se implementaron modelos predictivos, series temporales y regresiones lineales, combinando herramientas como KNIME y Python para procesar los datos. Asimismo, se diseñó un plan para que otras entidades públicas puedan implementar este modelo predictivo. La tesis concluye que, aunque ciertas variables no tienen un impacto significativo en el crecimiento económico, la inversión en tecnología demuestra un efecto positivo y altamente relevante, por lo cual, una integración estratégica y efectiva en la inversión en tecnología y educación puede llegar a tener el potencial de estimular un crecimiento económico inclusivo y sostenible en Honduras.
Aplicación de modelo ML para analizar los programas que potencian el éxito de jóvenes egresados de instituciones en una ONG.
(Universidad Tecnológica Centroamericana UNITEC, 2025-06-20) Alejandra Sánchez Pinel; José Rodolfo Sorto Bueso
La presente investigación se ha realizado con el fin de desarrollar un análisis sobre los programas que la organización en estudio aplica para los menores y jóvenes vulnerables bajo su cuidado y tutela por los que vela. El principal objetivo de este estudio es determinar si los programas aplicados tienen aporte directo sobre el éxito de los jóvenes y niños una vez que logran su transición fuera del cuidado residencial. Para ello, se ha implementado una metodología descriptiva cuantitativa con diseño no experimental, utilizando las herramientas de Power BI para la visualización y análisis de los datos y KNIME para modelaje y selección de modelo. Los resultados revelaron que el modelo predictivo desarrollado, basado en Naive Bayes, proporcionó una predicción precisa del 67% de los jóvenes que tuvieron éxito post institucionalización, gracias a la efectividad de los programas de apoyo. Estos hallazgos ofrecen una guía para la mejora continua de las estrategias de intervención, asegurando que más jóvenes puedan superar su situación de vulnerabilidad, también proporciona datos para optimizar la asignación de recursos, priorizar estrategias más efectivas y fortalecer el diseño de futuros programas que maximicen las oportunidades de éxito de los tutelados. En Conclusión, esta investigación presenta resultados favorables sobre los programas que aplica la organización demostrando una efectividad del 71% en sus programas, brindando así también información relevante para la toma de decisiones de cada programa y mejorar la efectividad de cada uno de ellos.
Análisis de suavizado de series temporales financieras: aplicación del filtro de savitzkygolay y un filtro desarrollado localmente en el sector financiero hondureño
(Universidad Tecnológica Centroamericana UNITEC, 2025-06-20) Kevin Kosner Pineda Castillo; Marvin Roberto Mendoza Valencia
Este trabajo de investigación aborda el análisis de series temporales financieras con alta volatilidad mediante la aplicación de dos métodos de filtrado: el filtro de Savitzky-Golay y un filtro utilizando un ajuste por polinomios locales, desarrollado por el Departamento de Estadísticas e Investigación (DEI) de la Comisión Nacional de Bancos y Seguros (CNBS). Se busca evaluar y comparar la efectividad de ambos métodos en la reducción del ruido y la preservación de características clave en las series de datos financieros, optimizando su precisión predictiva. El estudio utiliza técnicas avanzadas como la descomposición de series, el análisis de residuos y la implementación de modelos AR y ARIMA para validar los resultados. Los hallazgos obtenidos son relevantes para mejorar la calidad del análisis financiero y apoyar la toma de decisiones en un entorno financiero dinámico y complejo.
Implementación de modelos predictivos para incrementar las ventas de jugos en LEYDE S.A.
(Universidad Tecnológica Centroamericana UNITEC, 2025-06-20) Jesus Javier Torres Torres; Erik Manuel Sierra Sierra; Marvin Roberto Mendoza Valencia
El presente trabajo se enfocó en reducir el consumo de carbonato de calcio en calderas de lecho fluidizado, manteniendo las emisiones de dióxido de azufre (SO₂) dentro de los límites normativos. El objetivo principal fue optimizar las condiciones operativas mediante el uso de herramientas tecnológicas y técnicas de modelado predictivo. La metodología incluyó un análisis cuantitativo que evaluó variables como el exceso de oxígeno, la presión diferencial y la temperatura, combinadas con modelos de regresión polinomial y algoritmos de machine learning como Random Forest. Los resultados destacaron que el modelo polinomial explicó el 58% de la variabilidad en las emisiones, mientras que Random Forest clasificó eficazmente escenarios óptimos y no óptimos. Se concluyó que estas herramientas permitieron reducir costos operativos y cumplir con normativas ambientales, recomendando su implementación en industrias similares.