#Informativo14
Con "Emprende #UAM Fest" la @lauammx busca atender problemáticas sociales y promover el emprendimiento basado en el conocimiento científico y tecnológico, por lo cual, la comunidad académica de la #UAM desarrolla proyectos de investigación para después ser cristalizados como proyectos de emprendimiento.
Harvard researchers have identified lithium depletion in the brain as a key driver of Alzheimer’s disease, opening the door to low-dose lithium treatments that may prevent or even reverse memory loss.
For decades, scientists have sought the exact mechanisms that convert brain abnormalities into the progressive cognitive decline seen in Alzheimer’s. A major new study from Harvard Medical School suggests that lithium — a naturally occurring element essential for maintaining neuronal health and protecting against aging — plays a central role.
The researchers found that as toxic amyloid plaques accumulate, they bind to and deplete the brain’s natural lithium reserves. This depletion helps explain why some individuals with significant plaque buildup never develop full dementia: their lithium levels may remain sufficient to provide ongoing neuroprotection.
To overcome this issue, the team screened lithium compounds and identified lithium orotate, a form that largely evades capture by amyloid plaques. In mouse models of Alzheimer’s, low-dose lithium orotate, administered at levels roughly 1,000 times lower than those used for psychiatric conditions, reversed key disease pathologies, reduced plaque and tau accumulation, restored synapses, and fully recovered memory function, even in older animals with advanced disease. Importantly, this treatment showed no signs of the kidney or thyroid toxicity associated with higher-dose lithium therapies.
While human clinical trials are still needed, the findings raise the possibility that routine lithium screening and early supplementation could transform how Alzheimer’s is prevented and treated.
[Aron, L. et al. Lithium deficiency and the onset of Alzheimer’s disease. Nature (2025). DOI: 10.1038/s41586-025-09335-x]
If you’re new to randomized evaluations, you may find our #ResearchResources on conducting field research helpful. 📖 The guide is especially geared toward graduate students and postdocs: https://t.co/xNKA0QQdha
#Lecturarecomendada |
👩🏽💻📈 ¿Quieres transformar datos duros en comunicación y acción social? 📢🔥
✨ ¡Échale un 👁️ a este recurso de @Info_Activismo! ✨
¡Descubre cómo pasar de la evidencia a historias, narrativas y conversaciones que detonan acción! ➡️ https://t.co/Mq6ft5VEzK
Robert Sapolsky es un neurocientífico de Stanford que demostró que el estrés crónico es el asesino silencioso que los médicos ignoran.
Reveló 10 hábitos que haces todos los días y que te quitan años de vida.
1) Repasar conversaciones en tu cabeza
📊 ¿Necesitas datos para tus proyectos de Ciencia de Datos?
Existe una web del Gobierno con recursos, datos públicos, informes, guías y ejercicios.
🔗 https://t.co/0JcBbhH5rL
→ Agentes de IA y MCP
→ RAG, LangGraph
→ Modelos predictivos con ML
→ … y muchos campos más
La inhibición latente reducida (una menor capacidad del cerebro para filtrar estímulos previamente considerados irrelevantes), a menudo vinculada a la psicosis, se asocia consistentemente con un mayor logro creativo, especialmente en individuos con alto IQ... muy curioso
Big deal paper here: field experiment on 515 startups, half shown case studies of how startups are successfully using AI.
Those firms used AI 44% more, had 1.9x higher revenue, needed 39% less capital:
1) AI accelerates businesses
2) The challenge is understanding how to use it
Alex Karp, CEO de Palantir, predice que solo dos tipos de personas prosperarán laboralmente: quienes tengan oficios técnicos (como plomería) y los neurodivergentes. La clave está en pensar diferente a la IA. #IA#FuturoLaboral#Innovacion
El problema en el fútbol no es la falta de datos.
Es no saber qué hacer con ellos.
Hoy el fútbol profesional funciona con información, herramientas y análisis integrados.
Pero la diferencia real está en la interpretación.
La patente de semaglutida (Ozempic) expiró en India y otros países. India la fabricará ahora seguramente para otros países.
Habrá beneficios, pero ocurrirá seguramente un uso desmedido pues muchos piensan que todo es inyectarse y adelgazar. No es tan sencillo como eso.
✅ Entrenar 1 hora al día
❌ Estar sentado 8 horas seguidas después
No, no se compensan. Pero hay algo que sí funciona: levantarte cada 45 minutos.
Lo explico en @ChicharroJL y @Lecturas con la evidencia detrás 👇 https://t.co/phRET8TPyT
y en 🎧 Episodio 9 con el Dr. Mikel Izquierdo ya disponible en el podcast EP&T. 📷 Más en @ChicharroJL
#Sedentarismo #Salud #EjercicioEsMedicina @ConsejoCOLEF@deportegob@EspanaActiva
🚨 ¿Quieres dedicarte a la Ciencia de Datos y te han dicho que la estadística es muy importante?
Pues si, no basta con saber Python.
La estadística es la clave para entender los datos.
Aquí tienes los 6️⃣ conceptos estadísticos fundamentales que necesitas dominar para analizar datos con criterio:
📊 Visualiza (El Histograma)
El primer error es intentar resumir un millón de datos con un solo número. Eso es imposible. Antes de lanzar modelos complejos, necesitas entender la forma de tus datos.
Un histograma te permite ver cómo se distribuyen los valores (por ejemplo, cuántos amigos tienen los usuarios de tu red social) y detectar si hay algo extraño a simple vista.
🎯 ¿Dónde está el centro? (Media vs. Mediana)
Todos conocemos el promedio (la media), pero tiene un punto débil: es hipersensible a los outliers (valores atípicos).
- El problema: Si en una sala entra una persona con 200 amigos cuando el resto tiene 5, el promedio se dispara y engaña. O como dice la leyenda: si Michael Jordan entra en una clase de geografía, la media de salarios futuros se dispara, pero eso no representa la realidad de la clase.
- La solución: La Mediana. Es el valor central y no le importan los extremos. Si tus datos tienen mucho ruido, fíate más de la mediana.
Hacer ciencia de datos es saber cuándo usar cada una.
💦 La Dispersión (Varianza y Desviación Estándar)
Saber el centro no es suficiente; necesitas saber qué tan dispersos están los datos.
- El Rango (Máximo - Mínimo) es demasiado básico y frágil.
- La Varianza mide cómo se alejan los datos de la media, pero sus unidades son "al cuadrado", lo que la hace difícil de interpretar mentalmente.
- La Desviación Estándar es la reina. Al ser la raíz cuadrada de la varianza, vuelve a tener las mismas unidades que tus datos originales, haciéndola mucho más intuitiva para explicar qué es "normal" y qué es "raro".
🔗 Correlación no es lo que crees
La correlación nos dice cómo se relacionan dos variables (si "X" sube, ¿"Z" sube o baja?).
Pero hay una trampa: una correlación de cero no significa que no haya relación, solo significa que no hay relación lineal. Tus variables podrían tener una relación compleja que la correlación simple no detecta.
🤯 La Paradoja de Simpson
Un concepto un poco más complejo.
Las correlaciones pueden ser totalmente engañosas si ignoras las variables de confusión.
Intento que lo entiendas:
Imaginate dos campañas de marketing (A y B), la Campaña B convierte mejor que la A (30% vs 20%), pero si filtras por dispositivo, la Campaña A gana tanto en Móvil como en PC.
¿La razón? La variable oculta (tipo de dispositivo) distorsionaba el promedio global. Los datos agregados mienten; analiza siempre los subgrupos.
⚠️ La Regla de Oro: Correlación ≠ Causalidad
Que dos cosas se muevan juntas no significa que una cause la otra.
Tienes una red social. ¿Los usuarios pasan más tiempo en tu web porque tienen más amigos? ¿O tienen más amigos porque pasan más tiempo en la web? ¿O es que los usuarios más activos simplemente son más propensos a ambas cosas?.
Nunca asumas la causa de algo sin pruebas.
👉 La estadística nos ayuda a sintetizar y comunicar las características relevantes de nuestros datos.
🚀 ¿Te interesa la Ciencia de Datos o la IA y quieres impulsar tu carrera leyendo posts de este tipo?
🫶🏻 ¡Sígueme y dale like para perderte nada!
Tener información no es hacer scouting.
El problema es cómo transformas esa información en decisiones.
En este fragmento con IG dthectoraraque en IG videoanalisis_deportivo explico el sistema que utilizo: A1, A2, B1, B2, C y D.
Para estudiarse en clase de periodismo digital:
En 2019, el @IPN_MX sacó este comunicado, sobre la doctora mexicana que erradicó el VPH.
Lo curioso es cómo la misma nota circula cada año, como si fuera novedad.
An ageing society does not just swell pension bills. It can also dull the appetite for experiment.
@yjrdjjkk & Xiaochen Zhang's new Annals of Regional Science article finds that #ageing cities in #China lose some of the social chemistry behind #innovation.
https://t.co/gFpfAPuvAt