Dipòsit Digital de la Universitat de Barcelona

Dades

Docència

Institucional

Mediateca

Programari

Recerca

Tesis Doctorals

Treballs de l'alumnat

The Dipòsit Digital de la Universitat de Barcelona is the institutional repository that contains, in digital format, materials resulting from teaching, research and institutional activities of members of the university community.

Recent Submissions

Identificación de las características clínicas y alteraciones analíticas asociadas a la fractura vertebral en mujeres con osteoporosis posmenopáusica
(Elsevier España, 2012-12-08) Cerdà, Dacia; Peris Bernal, Pilar; Monegal Brancós, Ana; Albaladejo, Carolina; Surís, Xavier; Guañabens Gay, Núria
Background and objective: Vertebral fractures (VF) are a major risk factor for the development of further fractures. Therefore, it is important to identify clinical risk factors and laboratory abnormalities related to VF. We aimed to analyse clinical and biochemical alterations related to the presence of radiological VF in postmenopausal women with osteoporosis. Patients and methods: Two-hundred and four postmenopausal women with osteoporosis (aged 64,9 [10] years) who were referred to an outpatient Rheumatology Unit were prospectively included. Bone mineral density (BMD), spine X-ray, and laboratory tests were performed in all participants before treatment. Results: Twenty-eight per cent of patients had VF. Comparing women with and without VF, those with fractures were older (71.9 [10] vs 61.8 [8,6], P<.001), had lower stature (152 [7.2] vs 155 [6.2], P=.01), lower total hip T-score values (-2.2 [0,9] vs -1.9 [0.8], P=.041), higher prevalence of non-VF (38 vs 30%, P=.04) and a higher prevalence of low serum 25(OH)D levels (69 vs 53%, P<.05). In logistic regression analysis, age and BMD at the total hip were independent predictors of VF. Patients over 65 presented a higher frequency of VF (47 vs 12%, P<.0001). In addition, a T-score lower than -2,5 at the total hip was associated with an increased risk of VF (OR 2.5; 95% CI 1.2-4.9). Conclusions: Over the age of 65 nearly half of the postmenopausal women with osteoporosis have VF and a higher prevalence of low 25(OH)D serum measurements. Spinal X-ray and 25(OH)D serum measurements are especially indicated in this group of women since it influences the therapeutic approach.
Clinical Strategies to Improve the Accuracy of Articulating Paperfor Detecting Occlusal Contact Points in Adults withNatural Dentitions
(MDPI, 2026-05-10) Rovira Lastra, Bernat; ElOtmani Sabiri, Sanaa; Ustrell-Barral, Mireia; Khoury-Ribas, Laura; Martínez Gomis, Jordi
Background/Objectives: This clinical study assessed the validity of articulating paper for detecting occlusal contacts points, including examining the effects of clinical technique, paper thickness, and the arch. Methods: This cross-sectional test–retest study included 32 adults with natural dentitions. Four occlusal registrations were obtained from each participant using articulating paper with a thickness of 100 or 200 μm, applying one of two different clinical techniques (holding in place or pulling with forceps at the intercuspal position), and scanning the occlusal surfaces of their mandibular and maxillary arches. Silicone registrations were obtained and used as the reference standard. Mandibular and maxillary images were scaled and calibrated spatially, and two new images were created based on the sum or the areas of coincidence between the mandibular and maxillary occlusal scheme. Occlusal contact points on the right posterior teeth were analyzed using computer software. Results: The articulating paper produced true-positive contacts in 81% and false-positive contacts in 15%, regardless of the method used. Considering occlusal contact when marks matched on both arches accounted for 2.0% of false-positive contact points. General linear models with repeated measures revealed that the mandibular arch offered a higher true-positive percentage than the maxillary arch, that the 100 µm-thick paper produced higher false-positive contacts (20.6%) than the 200 µm-thick paper (9.4%), and that the pulling technique had no significant effect. Conclusions: Articulating paper offers good validity when detecting occlusal contact points and can be improved by using 200 µm articulating paper and exploring both arches.
Avaluació d’estratègies d’augmentació i generació d’imatges sintètiques per a patologies cerebrals rares
(2026-06-10) Haro Fernández-Capo, Anna; Díaz, Oliver
[eng] The development of machine learning models for rare cerebral pathologies is often hindered by limited datasets and high variability in imaging acquisition. In this project, we present a modular pipeline for processing, augmenting, and synthetically generating 2D TOF-MRA images. We explore classical data augmentation using TorchIO with morphological operations, as well as generative approaches based on pre-trained Diffusion models and conditional Pix2Pix networks. Quantitative and qualitative evaluations, including radiomic feature extraction, domain classifiers, and clinical proxy tasks, demonstrate the trade-offs between anatomical fidelity and dataset variability. Our results highlight that classical augmentation ensures consistent anatomical structures, while generative models expand variability but may introduce domain shifts. This work provides a reproducible framework for studying rare cerebrovascular conditions and sets the foundation for integrating clinical data in future studies. [cat] El desenvolupament de models d’aprenentatge automàtic per a patologies cerebrals rares es veu limitat per la manca de conjunts de dades suficients i la variabilitat en els protocols d’adquisició d’imatges. En aquest projecte, presentem un pipeline modular per al processament, augmentació i generació sintètica de slices TOF-MRA en 2D. Es comparen tècniques d’augmentació clàssiques amb TorchIO i operacions morfològiques, així com models generatius basats en Diffusion preentrenades i xarxes Pix2Pix condicionades. L’avaluació quantitativa i qualitativa, incloent l’extracció de característiques radiòmiques, classificadors de domini i tasques clíniques proxy, evidencia els compromisos entre fidelitat anatòmica i variabilitat del conjunt de dades. Els resultats mostren que l’augmentació clàssica preserva millor l’estructura anatòmica, mentre que els models generatius amplien la variabilitat amb un possible desplaçament de domini. Aquest treball estableix un marc reproduïble per a l’estudi de patologies cerebrovasculars rares i serveix de base per a la integració de dades clíniques en estudis futurs. [spa] El desarrollo de modelos de aprendizaje automático para patologías cerebrales raras se ve limitado por la escasez de conjuntos de datos y la alta variabilidad en los protocolos de adquisición de imágenes. En este proyecto, presentamos un pipeline modular para el procesamiento, la augmentación y la generación sintética de slices TOF-MRA en 2D. Se comparan técnicas de augmentación clásicas con TorchIO y operaciones morfológicas, así como enfoques generativos basados en modelos Diffusion preentrenados y redes Pix2Pix condicionadas. La evaluación cuantitativa y cualitativa, incluyendo la extracción de características radiómicas, clasificadores de dominio y tareas clínicas proxy, evidencia los compromisos entre la fidelidad anatómica y la variabilidad del conjunto de datos. Los resultados muestran que la augmentación clásica preserva mejor la estructura anatómica, mientras que los modelos generativos amplían la variabilidad con posibles desplazamientos de dominio. Este trabajo establece un marco reproducible para el estudio de patologías cerebrovasculares raras y sienta las bases para la integración de datos clínicos en investigaciones futuras.
Estudio y Análisis de la procrastinación, recogida de datos y web
(2026-06-10) Gelonch Capell, Arnau; Salamó Llorente, Maria
[spa] Este trabajo constituye la segunda iteración de una línea de investigación sobre la detección temprana de la procrastinación académica, desarrollada en la Facultad de Matemáticas e Informática de la Universitat de Barcelona. Su aportación principal es el rediseño completo de la plataforma de recogida de datos como un sistema cliente–servidor: un servidor tipado en FastAPI con validación centralizada, un cliente desacoplado en React + TypeScript y un despliegue reproducible basado en Infrastructure-as-Code e integración continua. La nueva versión se incorporó a la operación de forma incremental durante el curso (el Q1 se cubrió aún con la versión heredada). Sobre esa plataforma se ha construido un conjunto de cuadernos reproducibles e informes estandarizados por asignatura que sostienen la operación cuatrimestral del estudio, que durante el curso 2025–2026 ha cubierto cinco asignaturas en dos cuatrimestres. Se replica y amplía el análisis de comportamiento del trabajo previo: agrupamiento K-Means de las curvas diarias de estrés, dedicación y progreso de Programació I y Disseny de Software, caracterizado estadísticamente y relacionado con el perfil psicológico del estudiante (Big Five y TKI). Todos los datos recogidos se anonimizan para preservar la privacidad de los participantes. [cat] Aquest treball constitueix la segona iteració d’una línia de recerca sobre la detecció precoç de la procrastinació acadèmica, desenvolupada a la Facultat de Matemàtiques i Informàtica de la Universitat de Barcelona. La seva aportació principal és el redisseny complet de la plataforma de recollida de dades com un sistema client–servidor: un backend tipat en FastAPI amb validació centralitzada, un frontend desacoblat en React + TypeScript i un desplegament reproduïble basat en Infrastructure-as-Code i integració contínua. La nova versió es va incorporar a l’operació de forma incremental durant el curs (el Q1 es va cobrir encara amb la versió heretada). Sobre aquesta plataforma s’ha construït un conjunt de notebooks reproduïbles i informes estandarditzats per assignatura que sostenen l’operació quadrimestral de l’estudi, que durant el curs 2025–2026 ha cobert cinc assignatures en dos quadrimestres. Es replica i amplia l’anàlisi de comportament del treball previ: agrupament K-Means de les corbes diàries d’estrès, dedicació i progrés de Programació I i Disseny de Software, caracteritzat estadísticament i relacionat amb el perfil psicològic de l’estudiant (Big Five i TKI). Totes les dades recollides s’anonimitzen per preservar la privadesa dels participants. [eng] This work is the second iteration of a research line on the early detection of academic procrastination, carried out at the Faculty of Mathematics and Computer Science of the Universitat de Barcelona. Its main contribution is the complete redesign of the data-collection platform as a client–server system: a typed FastAPI backend with centralized validation, a decoupled React + TypeScript frontend, and a reproducible deployment based on Infrastructure-as-Code and continuous integration. The new version was rolled out incrementally during the academic year (Q1 was still covered by the inherited platform). On top of this platform, a set of reproducible notebooks and standardized per-subject reports was built to sustain the semester-by-semester operation of the study, which during 2025–2026 covered five subjects across two terms. The behavioral analysis of the previous project is replicated and extended: K-Means clustering of the daily stress, dedication and progress curves of Programació I and Disseny de Software, characterized statistically and related to the psychological profile of the students (Big Five and TKI). All the data collected are anonymized to preserve the privacy of the participants.
Predicció de conflictes entre laboratoris i significança clínica de variants genètiques amb aprenentatge automàtic
(2026-06-10) Garcia Rovira, Èlia; Ortiz Martínez, Daniel
[cat] Aquest treball de fi de grau presenta una anàlisi comparativa de mètodes d’aprenentatge automàtic per a la classificació clínica de variants genètiques a ClinVar. S’han implementat i avaluat diversos models de classificació en dos problemes complementaris: la predicció binària de classificacions conflictives entre laboratoris i la predicció multiclasse de la significança clínica (benigna, VUS i patogènica). Cada model s’ha entrenat sobre dues configuracions del conjunt de dades, amb i sense anotacions funcionals VEP, amb l’objectiu d’avaluar-ne l’impacte. Els resultats mostren que el model Random Forest obté el millor rendiment en ambdues tasques, amb un ROC AUC de 0,827 en la classificació binària i un F1-score macro de 0,900 en la multiclasse. L’anàlisi d’interpretabilitat mitjançant valors SHAP identifica les freqüències al·lèliques i l’impacte molecular (IMPACT) com els predictors més rellevants. La comparació entre configuracions revela que les anotacions VEP aporten una millora modesta en la tasca binària, però significativa en la multiclasse, sobretot en el model MLP, mentre que els models basats en arbres es mantenen estables davant la reducció de variables. Els resultats confirmen el valor de combinar models predictius amb tècniques d’interpretabilitat per donar suport a la classificació clínica de variants, alhora que mostren que és més difícil predir el desacord entre laboratoris que la significança clínica. [eng] This thesis presents a comparative analysis of machine learning methods for the clinical classification of genetic variants in ClinVar. Several classification models were implemented and evaluated on two complementary tasks: the binary prediction of conflicting classifications between laboratories and the multiclass prediction of clinical significance (benign, VUS, and pathogenic). Each model was trained on two dataset configurations, with and without VEP functional annotations, in order to assess their impact. The results show that the Random Forest model achieves the best performance in both tasks, with a ROC AUC of 0.827 in the binary classification and a macro F1-score of 0.900 in the multiclass setting. Interpretability analysis using SHAP values identifies allele frequencies and molecular impact (IMPACT) as the most relevant predictors. The comparison between configurations reveals that VEP annotations provide a modest improvement in the binary task, but a significant one in the multiclass setting, particularly for the MLP model, while tree-based models remain robust to feature reduction. Overall, the results confirm the value of combining predictive models with interpretability techniques to support the clinical classification of variants, while also showing that predicting disagreements between laboratories is more challenging than predicting clinical significance. [spa] Este trabajo de fin de grado presenta un análisis comparativo de métodos de aprendizaje automático para la clasificación clínica de variantes genéticas en ClinVar. Se implementaron y evaluaron diversos modelos de clasificación en dos problemas complementarios: la predicción binaria de clasificaciones conflictivas entre laboratorios y la predicción multiclase de la significancia clínica (benigna, VUS y patogénica). Cada modelo se entrenó sobre dos configuraciones del conjunto de datos, con y sin anotaciones funcionales VEP, con el objetivo de evaluar su impacto. Los resultados muestran que el modelo Random Forest obtiene el mejor rendimiento en ambas tareas, con un ROC AUC de 0,827 en la clasificación binaria y un F1-score macro de 0,900 en la multiclase. El análisis de interpretabilidad mediante valores SHAP identifica las frecuencias alélicas y el impacto molecular (IMPACT) como los predictores más relevantes. La comparación entre configuraciones revela que las anotaciones VEP aportan una mejora modesta en la tarea binaria, pero significativa en la multiclase, especialmente en el modelo MLP, mientras que los modelos basados en árboles se mantienen robustos ante la reducción de variables. En conjunto, los resultados confirman el valor de combinar modelos predictivos con técnicas de interpretabilidad para apoyar la clasificación clínica de variantes, al tiempo que muestran que predecir el desacuerdo entre laboratorios es más difícil que predecir la significancia clínica.