El Repositorio Académico Digital de la Universidad ORT Uruguay es un espacio para almacenar, organizar, preservar, dar libre acceso y visibilidad a nivel nacional e internacional de la producción científica, académica y cultural generada por los integrantes de la comunidad universitaria, en formato digital.

Recent Submissions

Item
Desarrollo de un nuevo producto para la detección presuntiva de Listeria monocytogenes en un solo paso mediante microbiología clásica
(Universidad ORT Uruguay, 2022) Vaz Suarez, Sofia; Macció Betancurt, Ana Laura; Baioni Rocha, Jeniffer Natalia; Ferreira, Virginia
El presente trabajo final de carrera presenta una investigación sobre la Listeria Monocytogene, una bacteria causante de la listeriosis, la enfermedad de transmisión alimentaria con mayor tasa de mortalidad a nivel mundial. El número de casos registrados de listeriosis se encuentra en aumento, por lo cual las regulaciones para prevenir su presencia en los alimentos son cada vez más estrictas. Siendo necesario que todos los alimentos que se comercialicen sean seguros y se encuentren dentro de las normativas. De esta manera, se detectó que un punto importante en la prevención de la contaminación alimentaria, se encuentra en mantener la inocuidad del alimento durante toda la cadena productiva, incluso en las etapas de postproducción, ya que no cuentan con pasos bactericidas. Esto es clave en el caso de los alimentos listos para el consumo, al no pasar por una etapa de cocción previo a ser ingeridos. Es aquí donde el monitoreo ambiental de las plantas productoras de alimentos busca tener un control de todas las superficies del establecimiento (tengan o no contacto directo con los alimentos) y mediante estos análisis ambientales detectar la presencia de L. monocytogenes. Los cuales para ser efectivos deben ser seguidos de medidas correctivas. En este contexto el objetivo de este proyecto fue generar un nuevo producto capaz de detectar L. monocytogenes en distintas superficies que se puedan encontrar en la industria alimentaria. Como pueden ser las mesadas, heladeras y piletas, entre otras. Lo cual se llevó a cabo mediante la aplicación de técnicas de microbiología clásica. Se logró desarrollar un producto de fácil manipulación que permite detectar la presencia de L. monocytogenes en superficies. Pudiendo ser aplicado en establecimientos alimentarios, para el monitoreo ambiental como medida preventiva y así evitar la contaminación de los alimentos.
Item
Desarrollo de plataformas para la detección de macromoléculas de relevancia económica o sanitaria
(Universidad ORT Uruguay, 2022) Persitz Cohen, Ingrid Iael; Rodríguez Specker, Tomás; Torriglia Zimmer, Emilia; Sanguinetti Acosta, Carlos Julio; Badano Caballero, José Luis; Rodriguez Auge, Sebastian Marcelo
El siguiente trabajo final de carrera busca conocer y desarrollar diferentes plataformas de detección de macromoléculas. Se eligieron dos casos de estudio: la determinación de dos variantes de ꞵ-caseína en ganado lechero y el diagnóstico de SARS-CoV 2. Existen diez variantes de ꞵ-caseína, siendo A1 y A2 las predominantes en ganado lechero. Estas dos proteínas se diferencian por un cambio en un aminoácido, generado por un SNP. Se denomina “leche A2” a la leche sin contenido de ꞵ-caseína A1. Hoy en día, la leche A2 surge como una alternativa más saludable que la leche A1, vendiéndose a un mayor precio. Se evaluaron diferentes técnicas para el genotipado del ganado, y para la detección de contaminación con la variante A1 en leche A2. Las tecnologías estudiadas para la detección de contaminación de leche A2 no resultaron lo suficientemente específicas o sensibles. El segundo modelo de estudio se basó en la detección de ARN viral de SARS-CoV 2 a partir de muestras de hisopado nasofaríngeo mediante RT-LAMP. Se buscó la adaptación de esta plataforma a un diagnóstico POC. Se evaluaron diferentes metodologías de revelado, y distintos tratamientos de la muestra para la obtención del ARN molde. Entre las metodologías de revelado estudiadas se incluye el revelado colorimétrico, por adición de agentes intercalantes, por turbidimetría, utilizando la plataforma DETECTR, y con nanopartículas de oro funcionalizadas con sondas de ADN. Se consiguió generar una metodología de RT-LAMP sin purificación de ARN, con detección mediante revelado colorimétrico y adición de agentes intercalantes con una especificidad de 100% y hasta 91% de sensibilidad en muestras positivas por RT-PCR en tiempo real. Se realizaron ensayos posteriores para la detección específica del target, mediante DETECTR y revelado con nanopartículas funcionalizadas. Los ensayos realizados con DETECTR mostraron resultados prometedores con los que se propone continuar en el futuro. Se deben realizar ensayos posteriores para lograr el revelado con nanopartículas de oro funcionalizadas ya que no fueron exitosos.
Item
Carpeta anual
(Universidad ORT Uruguay, 2024) Lara Bueno, Bruno; Domínguez Gabaria, Daniel; Pirotto Clavijo, Pablo Javier
Item
Coco
(Universidad ORT Uruguay, 2024) De Angelis Rodríguez, Tomás; Rodriguez Sotto Ferreiro, Juan Pablo; Secinaro Palanco, María Fernanda; Macchi Heins, Darío Alejandro; Braberman, Victor Adrian; Fornaro Rosado, Carlos Nicolás
Coco surge a partir del problema de los prolongados tiempos de recuperación en la psicoterapia cognitivo conductual, los cuales son consecuencia de procesos completamente manuales. En este contexto, los pacientes suelen depender de la memoria o de apuntes en papel, lo que resulta en la pérdida de información crucial. Además, los psicólogos toman apuntes de las sesiones a mano, dificultando el seguimiento de la evolución del paciente. Coco se enfoca en fortalecer los procesos y vínculos terapéuticos, potenciando el trabajo de los psicólogos y mejorando los tiempos de recuperación de sus pacientes mediante tecnología accesible y con ayuda de la inteligencia artificial generativa. La premisa clave es que al brindar más información de calidad al psicólogo, este tendrá más contexto para diagnosticar y preparar tratamientos más adecuados. A través de la plataforma, los pacientes pueden registrar datos relevantes entre sesiones, como sueños, emociones y hábitos. Por otro lado, al conectarse con su psicólogo a través de Coco, este puede acceder a estos registros, tomar notas durante las sesiones, asignar tareas y obtener un resumen semanal del paciente. Dicho resumen es realizado con inteligencia artificial generativa y resume los patrones detectados en la conducta del paciente, así como las notas de la última sesión y las tareas completadas durante la última semana. Esto les proporciona datos adicionales que permiten enfocar mejor las sesiones y mejorar los tiempos de respuesta en el proceso terapéutico. Coco se destaca por su enfoque ético y no invasivo, actuando como un puente entre terapeuta y paciente, sin buscar sustituir a los profesionales ni realizar diagnósticos automáticos. Para llevar a cabo Coco, se implementó una plataforma tanto web como mobile. Para esto se usaron tecnologías como Next.js, Nest.js y React Native. Además, para la inteligencia artificial generativa se creó un servicio Fast API, encargado de facilitar la conexión con el modelo GPT de OpenAI. Durante el desarrollo, el equipo utilizó una metodología ágil adaptada, que toma un marco de construcción inspirado en Lean e ideas de Scrum y Kanban. Esto permitió adaptarse a las necesidades reales de los usuarios y mejorar el producto de manera continua.
Item
Goyete
(Universidad ORT Uruguay, 2024) Amarilla Puñales, Diego; Praderi Vera, Nicolas; Macchi Heins, Darío Alejandro; Rossa Hauck, Jean Carlo; Nieves Lema, Ruben Carlos
Goyete nació como respuesta a una necesidad crítica en el sector agrícola: la falta de un sistema de seguimiento del clima preciso y adaptado localmente. Es una aplicación móvil que brinda a los productores agrícolas una solución completa y eficiente para mejorar sus prácticas en la agricultura y ganadería. Además de proporcionar datos climáticos actuales e históricos, Goyete también ofrece previsiones climáticas futuras y un sistema de alerta, lo que permite a los agricultores tomar decisiones informadas y anticipar las condiciones climáticas adversas, maximizando así sus rendimientos y minimizando los riesgos. El desarrollo de Goyete se realizó mezclando métodos ágiles como Kanban y Scrum, que permitieron un enfoque iterativo y adaptativo a las necesidades cambiantes del proyecto. Además, se han utilizado tecnologías modernas como Angular y .NET core 6 para garantizar un rendimiento óptimo y una experiencia de usuario fluida. Una de las características clave del sistema es su capacidad de proporcionar a los usuarios informes meteorológicos en tiempo real para ayudarles a tomar decisiones informadas sobre la gestión de sus cultivos o ganados. Además, la aplicación proporciona alertas personalizadas de eventos climáticos, actuales o futuros, que sean de gran importancia, lo que permite a los productores anticiparse a situaciones adversas y minimizar los riesgos. También se ofrecen herramientas para la visualización de datos históricos. Los usuarios pueden examinar eventos climáticos pasados, lo que les permite realizar comparaciones o analizar información dentro de un intervalo de tiempo específico.