ACTUACIONES 2026

Actuación 1

 

Pau Sarrio-Sanz, Jose Vicente Segura-Heras, Miriam Artés-Artés, Marina
Belda-Ferre, Natalia Vidal-Crespo, Pedro Martinez-Meneu, Laura Martínez-Cayuelas, Helena Pérez-Seoane Ballester, Vicente Francisco Gil-Guillen, Luis Gómez-Perez, Manuel Angel Ortiz-Gorraiz. (2026) “External Validation of A Decision Tree Model for Predicting Cancer-Specific Mortality After Radical
Cystectomy: A Multi-Center Study in South-East Spain”, Archivos Españoles de Urología, 79(4), 567-575, https://doi.org/10.56434/j.arch.esp.urol.20267904.66.

Resumen:

Este estudio científico presenta la validación externa de un modelo de árbol de decisión diseñado para pronosticar la mortalidad específica por cáncer en pacientes sometidos a una cistectomía radical. Los investigadores evaluaron la eficacia de esta herramienta en una cohorte independiente de 553 pacientes en el sureste de España, comparando los resultados con los datos originales obtenidos de la base de datos estadounidense SEER. A pesar de las variaciones demográficas y clínicas entre las poblaciones, el modelo demostró una capacidad predictiva robusta y una utilidad clínica significativa. El análisis subraya que el sistema clasifica con éxito a los sujetos en diferentes grupos de riesgo, facilitando así la toma de decisiones terapéuticas personalizadas. En conclusión, el artículo respalda la implementación de esta metodología estadística para optimizar el seguimiento postoperatorio de pacientes con cáncer de vejiga.

Este artículo forma parte de la tesis doctoral de Pau Sarrió-Sanz. Se puede acceder a la publicación original de este trabajo mediante este enlace.

Este trabajo se alinea con dos de los objetivos de la Cátedra:

    1. Objetivo 1: Diseñar sistemas de apoyo a la toma de decisiones basados en datos.
    2. Objetivo 3: Desarrollar modelos predictivos basados en aprendizaje automático.
    3. Objetivo 4: Promover la difusión de los trabajos y resultados obtenidos por la Cátedra.

Se ha elaborado también un pequeño resumen divulgativo al que se puede acceder a través de este Podcast.

Actuación 2


Emilio José Poveda-Pagán,Carlos Lozano-Quijada, Sergio Hernández-Sánchez, José VicenteToledo-Marhuenda, Eduardo López Pintado, José Vicente Segura-Heras, Jaime Gascón. (2026) “Prevalence and Predictive Factors of Active Myofascial Trigger Points Among Office Workers Using to Visual Display Terminals: A Cross-Sectional Study”, Archives of Rehabilitation Research and Clinical Translation, 8, 100606, https://doi.org/10.1016/j.arrct.2026.100606.

Resumen:

Este estudio de corte transversal investiga la frecuencia y los factores determinantes de los puntos gatillo miofasciales activos en empleados de oficina que utilizan ordenadores de forma prolongada. La investigación, realizada con una muestra de 305 trabajadores, revela una prevalencia significativamente mayor en mujeres, focalizándose principalmente en los músculos trapecio y esternocleidomastoideo. Los autores identifican que los niveles de discapacidad percibida actúan como predictores de estas dolencias, mientras que una mayor tolerancia a la presión mecánica funciona como un factor protector. El análisis estadístico mediante curvas ROC confirma que sus modelos poseen una alta sensibilidad diagnóstica para detectar la activación muscular dolorosa. Finalmente, el texto propone integrar el uso de la algometría y programas de fortalecimiento específicos como estrategias clínicas para mitigar el dolor musculoesquelético derivado del sedentarismo laboral.

Este artículo forma parte de la tesis doctoral de Jaime Gascón. Se puede acceder a la publicación original de este trabajo mediante este enlace.

Este trabajo se alinea con dos de los objetivos de la Cátedra:

    1. Objetivo 1: Diseñar sistemas de apoyo a la toma de decisiones basados en datos.
    2. Objetivo 3: Desarrollar modelos predictivos basados en aprendizaje automático.
    3. Objetivo 4: Promover la difusión de los trabajos y resultados obtenidos por la Cátedra.

Se ha elaborado también un pequeño resumen divulgativo al que se puede acceder a través de este Podcast.