Resultados de investigación

Contacto y relaciones con Portugal. Lengua que emplea cuando está allí. NOTA IMPORTANTE: La grabación se efectuó en las instalaciones de la almazara, con las máquinas en funcionamiento; se ha filtrado el audio para intentar reducir ruidos, lo que conlleva desajustes en el volumen y alteraciones en la curva tonal; disculpen las molestias., Contacto e relações com Portugal. A língua que usa quando está lá. NOTA IMPORTANTE: A gravação foi realizada nas instalações do moinho de azeite, com as máquinas em funcionamento; o áudio foi filtrado para tentar reduzir o ruído, o que leva a desequilíbrios no volume e alterações na curva tonal; desculpem a inconveniência., Contact and relations with Portugal. Language he uses when he is there. IMPORTANT NOTE: The recording was carried out in the oil mill installations, with the machines in operation; the audio has been filtered to try to reduce noise, which leads to imbalances in the volume and alterations in the tonal curve; sorry for the inconvenience.

Project developed by Giovanni Federico (New York University Abu Dhabi) and Antonio Tena Junguito (Universidad Carlos III de Madrid). Dataset: German East Africa (Tanganyka)

Códigos Deep Learning (entrenamiento y predicción) de un clasificador de la gravedad de lesiones orales - TFM Alejandro Redondo García. En los ficheros encontramos dos carpetas (si seleccionamos la visualización del árbol en la web). 1. Codigo_InvestigacionPosteriorTFM. Esta carpeta contiene lo siguiente: archivo ClasificadorLesionesOrales_CrossValidation.py - es el código en python del clasificador de Deep Learning con cross validation, archivo GenerarCSV.py - es el código en python para generar el .csv, archivo Manual.pdf - son las instrucciones para ejecutar el código ClasificadorLesionesOrales_CrossValidation.py, archivo modelosTimm.csv - son los modelos disponibles de clasificación, archivo PrediccionClasificadorLesionesOrales.py - es el código para realizar la inferencia del modelo entrenado, carpeta DatasetCross - contiene un ejemplo del formato del dataset que necesita el código ClasificadorLesionesOrales_CrossValidation.py y carpeta Resultados - es un ejemplo de resultado que arroja del modelo entrenado, concretamente se guardan las métricas, la configuración y los pesos del modelo. 2. Codigo_TFM. Esta carpeta contiene lo siguiente: archivo ClasificadorLesionesOrales.py - es el código en python del clasificador de Deep Learning sin cross validation, archivo Manual.pdf - son las instrucciones para ejecutar el código ClasificadorLesionesOrales.py, archivo modelosTimm.csv - son los modelos disponibles de clasificación, archivo PrediccionClasificadorLesionesOrales.py - es el código para realizar la inferencia del modelo entrenado, carpeta Dataset - contiene un ejemplo del formato del dataset que necesita el código ClasificadorLesionesOrales.py, carpeta Predicciones - contiene un ejemplo de la inferencia del modelo y carpeta Resultados - es un ejemplo de resultado que arroja del modelo entrenado, concretamente se guardan las métricas, la configuración y los pesos del modelo. Nota.: Es recomendable leer los manuales antes de utilizar los códigos.

Este dataset contiene toda la información del fichero de los Catálogos producida para las Illes Balears: los resúmenes autonómicos y los ficheros de ciudades en las que se detectaron barrios o áreas estadísticas en alguno de los años.

FICHERO DE LOS CATÁLOGOS (formato pdf)

04_ILLES BALEARS

Denominación del dataset: Catálogos de Barrios Vulnerables de España 1991, 2001 y 2011. Fichero. Comunidades Autónomas. 04 Illes Balears.

Contenido: Dataset del fichero de los Catálogos con las fichas resumen de los principales resultados autonómicos y los ficheros de las ciudades en las que se detectaron Barrios y/o Áreas Estadísticas en alguno de los años.

Formatos: pdf, zip y txt. Los ficheros de ciudades se distribuyen en dos formatos que contienen idéntica información, pero configurada de diferente manera: en un único archivo pdf con el fichero completo; y en un archivo comprimido zip con cada una de las fichas que componen el fichero en archivos independientes en formato pdf.

Archivos totales: 9 (7 pdf + 1 zip + 1 txt).

ESPECIFICACIONES DE LOS DATOS (2 archivos)

1 archivo -formato pdf- con las especificaciones de contenidos, formatos y metodología de los datos publicados en e-cienciaDatos.

1 archivo -formato txt- con las especificaciones de los datos del dataset.

00_Especificaciones datos_BBVV-BBINM.pdf

00_Readme_04 Illes Balears.txt

RESÚMENES DE COMUNIDAD AUTÓNOMA (5 archivos)

5 archivos -formato pdf- con las fichas resumen de recuento de Barrios y/o Áreas Estadísticas detectados, características básicas y población residente. Las ciudades que fueron analizadas en cada año y en las que no se detectaron Barrios o Áreas Estadísticas figuran en la ficha resumen de ciudades.

04_Illes Balears_0_BBVV BBINM_Resumen.pdf

04_Illes Balears_1_BBVV BBINM_Ciudades_Número BB y AE.pdf

04_Illes Balears_1_BBVV BBINM_Ciudades_Población BB y AE.pdf

04_Illes Balears_2_BBVV_91_01_11_Resumen.pdf

04_Illes Balears_3_BBINM_06-11_Resumen.pdf

FICHEROS DE CIUDADES (2 archivos)

1 archivo -formato pdf- con el fichero completo de ciudad en la que se detectaron Barrios y/o Áreas Estadísticas en alguno de los años en un archivo único con los datos organizados por marcadores del archivo pdf.

1 archivo -formato comprimido zip- con el fichero completo de ciudad en la que se detectaron Barrios y/o Áreas Estadísticas en alguno de los años en un archivo comprimido con todas las fichas elaboradas para la ciudad en formato pdf.

Denominación de archivos: CODMUN_DENMUN_BBVV 91-01-11_BBINM 06-11 (CODMUN: Código de municipio según INE; DENMUN: denominación del municipio según INE; BBVV: Barrios Vulnerables; BBINM: Barrios Inmigración -sólo las etiquetas de los años en los que se detectaron Barrios y/o Áreas Estadísticas-).

07040_Palma de Mallorca_BBVV 91-01-11_BBINM 06-11.pdf

07040_Palma de Mallorca_BBVV 91-01-11_BBINM 06-11.zip

El dataset forma parte de los datos abiertos de los Catálogos de Barrios Vulnerables de España 1991, 2001 y 2011. La información puesta a disposición pública es de dos tipos: las bases de datos de indicadores y los polígonos de las delimitaciones de Barrios y Áreas Estadísticas delimitados; y el fichero completo de Barrios producido para las tres ediciones de los Catálogos. Los contenidos publicados son los siguientes:

- Bases de datos: formato xlsx (13 archivos).

- Capas: formato shp (21 archivos).

- Fichero: 395 archivos que contienen las 6.299 fichas del fichero. Formato pdf (248 archivos) y formato comprimido zip (147 archivos).

- Resúmenes nacionales y por Comunidades Autónomas (101 archivos pdf).

- Ficheros de ciudades (294 archivos: 147 pdf y 147 zip).

- Documento de especificación de contenidos y datos: formato pdf (21 archivos, aunque se trata del mismo documento replicado en cada uno de los datasets).

Para esta edición se ordenado y homogeneizado toda la información que se encontraba dispersa en cada una de las ediciones, y se han producido todas las fichas resumen (estatales, autonómicas y municipales) y los listados de Barrios y Áreas Estadísticas delimitados.

>

***NOTAS

Las especificaciones pormenorizadas de los datos publicados y una síntesis metodológica de los trabajos puede consultarse en el documento 00_Especificaciones datos_BBVV-BBINM.pdf que se incluye en todos los datasets distribuidos.

This is a subsection of the Spanish data collected for an international Project (https://doi.org/10.17605/OSF.IO/5NKQ9) focused on studying the impact and response to the COVID-19 lockdown across the world for families of individuals with special needs. In this particular Spanish subproject we studied the emotional impact of the strict lockdown during COVID-19 on Spanish caregivers of individuals with Autism Spectrum Disorder, Williams Syndrome and Down syndrome. Data were collected through an online survey. All caregivers reported concerns directly related to the pandemic and lockdown situation. Anxiety was predicted by previous anxiety disorder and the child’s diagnosis. The confinement in Spain was especially demanding for families of individuals with ASD.

Despite continuous efforts by the petroleum industry to address societal needs, the effective management of potentially hazardous wastes, such as refinery sludge, remains a significant challenge. Refinery sludge is a stable emulsion comprising water, petroleum hydrocarbons (e.g., oils, fats, organic compounds), solids, and metals. Hydrothermal carbonization (HTC) is a promising and environmentally friendly approach for valorizing oily sludge from refineries, given its adaptability and high efficiency in processing wet or high-moisture-content organic wastes. This study aims to systematically evaluate the effects of three key factors—initial sludge composition (through the mixing of three distinct real oily sludge streams from refinery), HTC temperature, and reaction time—on the properties of the resulting hydrochar, aqueous phase and oily phase. This scope was reached through a full factorial design of experiments and a deepened characterization of the as-received petrochemical samples and the separated HTC products. The study resulted in predictive models for 32 response variables associated with the HTC process using real refinery sludge mixtures. These variables include the HTC product distribution, hydrochar yield, higher heating value (HHV) of produced hydrochar, and the characteristics of the process water, among others. The developed models provide a reliable framework for optimizing HTC outputs and forecasting quality variations in response to changes in the operating conditions studied.

Following the implementation of the new European legislation on opium alkaloids (OAs) in food in 2023, scientific research has focused on developing analytical methodologies to determine the presence of these compounds in different foods. However, health authorities continue to suggest further studies to evaluate the occurrence of main OAs and the impact of culinary processing. Concerns remain regarding the potential health risks associated with consuming foods containing OAs. This review provides an updated overview of OAs on food, addressing their occurrence, toxicity, and the risks and benefits associated with poppy seed consumption. It compiles data from recent studies and official reports, including notifications from the Rapid Alert System for Food and Feed (RASFF). Additionally, the influence of culinary processing on OAs concentration is analyzed, highlighting the main findings and research gaps. The review also discusses advancements in analytical methodologies, with emphasis on improvements in green sample preparation to purify extracts and validation of methodologies to improve detection reliability. Elevated concentrations of OAs above legislated limits have been reported. However, various culinary processing methods allow for significant reduction of these levels. Proper control of the initial concentration, together with appropriate processing practices, can mitigate the risks associated with ingestion of contaminated foods. Despite methodological advances in detection, further refinement of analytical methods for different food matrices is needed. Future research should focus on the optimization of these methods for the determination of all OAs, besides morphine and codeine, as well as on the effects of processing and the possible formation of degradation compounds.

Currently, the development of environmentally friendly analytical methodologies is a challenge for analytical chemistry. Therefore, the search for solvents to extract analytes of interest from complex matrices has progressed considerably in recent years. In the present work, 15 hydrophobic natural deep eutectic solvents (HNADES) consisting of a mixture of different donors and acceptors in different ratios have been prepared and compared to evaluate the most efficient extraction of opium alkaloids (OA) from fortified water samples. After selecting the most effective one consisting in a mixture of thymol and camphor in the ratio 1:1 ([Thy]:[Cam] 1:1), a rapid analytical methodology to determine OA in poppy seed beverages was optimised and validated for the first time. It was based on a miniaturised liquid–liquid extraction (m-LLE) with 0.5 mL of sample and 0.5 mL of HNADES by vortexing for 1 min, followed by 1 min centrifugation and subsequent analysis by high-performance liquid chromatography with diode array detector (HPLC-DAD). The validation was successful, showing extraction efficiencies between 91 and 107 % for all analytes, low limits of quantification (0.1 µg/mL for all analytes, except for morphine, 0.4 µg/mL) and precision values below 15 %. In addition, the greenness of the method was evaluated, obtaining a 0.79 on the AGREEprep metric scale. Therefore, it was demonstrated that the methodology developed to analyse OAs in poppy seed beverage was efficient, fast, simple and environmentally friendly.

Sala de arqueología del Museo. Las murallas: sucesivas destrucciones y trabajos de recuperación. Las puertas de la ciudad. El legado de Ventura Ledesma Abrantes. El patrimonio de origen portugués., Sala Arqueológica do Museu. As muralhas da cidade: sucessivas destruições e obras de recuperação. As portas da cidade. O legado de Ventura Ledesma Abrantes. Património de origem portuguesa., Archaeological room of the Museum. The city walls: successive destructions and recovery works. The city gates. The legacy of Ventura Ledesma Abrantes. Heritage of Portuguese origin.

Project developed by Giovanni Federico (New York University Abu Dhabi) and Antonio Tena Junguito (Universidad Carlos III de Madrid). Dataset: Japan