Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América
Introducción— Esta investigación está motivada, por la actual situación mundial, provocada por la pandemia declarada por la OMS ante la propagación y gravedad de la enfermedad por coronavirus (COVID-19), notificada por primera vez en Wuhan (China) el 31 de diciembre de 2019. A través del análisis ma...
- Autores:
-
Navarro Romero, Elisa del Carmen
Gelves Alarcón, Óscar Mauricio
García Corrales, Natalia
- Tipo de recurso:
- Article of journal
- Fecha de publicación:
- 2020
- Institución:
- Corporación Universidad de la Costa
- Repositorio:
- REDICUC - Repositorio CUC
- Idioma:
- eng
- OAI Identifier:
- oai:repositorio.cuc.edu.co:11323/12311
- Palabra clave:
- data
ICR
mathematical model
pandemic
linear regression
multiple regression
grouping
agrupación
datos
ICR
modelo matemático
pandemia
regresión lineal
regresión múltiple
- Rights
- openAccess
- License
- INGE CUC - 2021
id |
RCUC2_56448378decae5e7db1612016d71d089 |
---|---|
oai_identifier_str |
oai:repositorio.cuc.edu.co:11323/12311 |
network_acronym_str |
RCUC2 |
network_name_str |
REDICUC - Repositorio CUC |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América |
dc.title.translated.eng.fl_str_mv |
Correlational analysis between the economics, socio-demographic indices and statistics of contagion due to Covid-19, applying the Clustering methodology in countries of America |
title |
Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América |
spellingShingle |
Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América data ICR mathematical model pandemic linear regression multiple regression grouping agrupación datos ICR modelo matemático pandemia regresión lineal regresión múltiple |
title_short |
Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América |
title_full |
Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América |
title_fullStr |
Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América |
title_full_unstemmed |
Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América |
title_sort |
Análisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de América |
dc.creator.fl_str_mv |
Navarro Romero, Elisa del Carmen Gelves Alarcón, Óscar Mauricio García Corrales, Natalia |
dc.contributor.author.spa.fl_str_mv |
Navarro Romero, Elisa del Carmen Gelves Alarcón, Óscar Mauricio García Corrales, Natalia |
dc.subject.eng.fl_str_mv |
data ICR mathematical model pandemic linear regression multiple regression grouping |
topic |
data ICR mathematical model pandemic linear regression multiple regression grouping agrupación datos ICR modelo matemático pandemia regresión lineal regresión múltiple |
dc.subject.spa.fl_str_mv |
agrupación datos ICR modelo matemático pandemia regresión lineal regresión múltiple |
description |
Introducción— Esta investigación está motivada, por la actual situación mundial, provocada por la pandemia declarada por la OMS ante la propagación y gravedad de la enfermedad por coronavirus (COVID-19), notificada por primera vez en Wuhan (China) el 31 de diciembre de 2019. A través del análisis matemático y estadístico, se busca mostrar y explicar de manera expedita, las causas por las cuales existe una mayor tasa de contagio y letalidad por el virus, en diferentes países, tomando en consideración patrones asociados al comportamiento político social y económico, como una primera aproximación para conocer estadísticas que permitan generar pronósticos para periodos futuros, dadas las condiciones. Objetivo— El objetivo principal de este trabajo es definir la correlación de las variables económicas, sociales y demográficas de los países de América, con respecto al contagio del virus, proponiendo un modelo de pronóstico sobre el nivel de contagio en cada cluster propuesto por las diferentes regiones del continente americano. Metodología— El estudio realiza una clusterización (agrupación) de los países de América con respecto a su posición geográfica América del Norte, América Central e islas del Caribe y América del Sur, seguido de una búsqueda de datos estadísticos sobre indicadores sociales, económicos y demográficos de los países de América en los últimos años y estadísticas de niveles de contagio del COVID 19 en fuentes como los organismos internacionales que regulan los temas de salud. Luego, se realizó una caracterización y correlación de los datos recolectados, para finalmente, en base a los resultados de la correlación, realizar un pronóstico del nivel de contagio que alcanzaría cada una de las regiones. Resultados— El propósito de este documento es proporcionar información sobre los países de América del Norte, América Latina y el Caribe con respecto al análisis de la mortalidad por COVID-19, a través de métodos de análisis de la mortalidad por todas las causas como uno de los enfoques propuestos para contribuir a la evaluación de la verdadera magnitud de la carga de la epidemia de COVID-19 en estos países. Conclusiones— Los resultados muestran información interesante, ya que la curva latinoamericana resultó ser mucho menos pronunciada que la de Estados Unidos, en términos de contagio y muertes, a pesar de las condiciones sociodemográficas, económicas, tecnológicas y políticas. Este análisis invita a averiguar cuáles son las correlaciones que impactan directamente en el comportamiento de los contagios, teniendo en cuenta variables como la edad, el género, el estrato, el nivel de educación y otras características sociodemográficas que pueden influir en la propagación o contención del virus. |
publishDate |
2020 |
dc.date.accessioned.none.fl_str_mv |
2020-10-28 00:00:00 2024-04-09T20:21:27Z |
dc.date.available.none.fl_str_mv |
2020-10-28 00:00:00 2024-04-09T20:21:27Z |
dc.date.issued.none.fl_str_mv |
2020-10-28 |
dc.type.spa.fl_str_mv |
Artículo de revista |
dc.type.coar.eng.fl_str_mv |
http://purl.org/coar/resource_type/c_6501 http://purl.org/coar/resource_type/c_2df8fbb1 |
dc.type.content.eng.fl_str_mv |
Text |
dc.type.driver.eng.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.local.eng.fl_str_mv |
Journal article |
dc.type.redcol.eng.fl_str_mv |
http://purl.org/redcol/resource_type/ART |
dc.type.version.eng.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.coarversion.eng.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
format |
http://purl.org/coar/resource_type/c_6501 |
status_str |
publishedVersion |
dc.identifier.issn.none.fl_str_mv |
0122-6517 |
dc.identifier.uri.none.fl_str_mv |
https://hdl.handle.net/11323/12311 |
dc.identifier.url.none.fl_str_mv |
https://doi.org/10.17981/ingecuc.17.1.2021.21 |
dc.identifier.doi.none.fl_str_mv |
10.17981/ingecuc.17.1.2021.21 |
dc.identifier.eissn.none.fl_str_mv |
2382-4700 |
identifier_str_mv |
0122-6517 10.17981/ingecuc.17.1.2021.21 2382-4700 |
url |
https://hdl.handle.net/11323/12311 https://doi.org/10.17981/ingecuc.17.1.2021.21 |
dc.language.iso.eng.fl_str_mv |
eng |
language |
eng |
dc.relation.ispartofjournal.spa.fl_str_mv |
Inge Cuc |
dc.relation.references.eng.fl_str_mv |
Real Académica Española, Diccionario de la lengua española. MD, ES: RAE, Oct. 2019. Disponible en https://dle.rae.es/ T. N. Jilani, R. T. Jamil & A. H. Siddiqui, “H1N1 Influenza,” in, StatPearls [Internet . Treasure Island, FL: StatPearls Publishing, 2020. S. Hamidi, S. Sabouri & R. Ewing, “Does Density Aggravate the COVID-19 Pandemic?,” J Am Plan Assoc, vol. 86, no. 4, pp. 495–509, 2020. https://doi.org/10.1080/01944363.2020.1777891 B. Ather, T. M. Mirza & P. F. Edemekong, “Airborne Precautions,” in, StatPearls [Internet . Treasure Island, FL: StatPearls Publishing, 2020. P. S. Peixoto, D. Marcondes, C. Peixoto & S. M. Oliva, “Modeling future spread of infections via mobile geolocation data and population dynamics. An application to COVID-19 in Brazil,” PLoS One, vol. 15, no. 7, Jul. 2020. https://doi.org/10.1371/journal.pone.0235732 D. Rosselli, “Epidemiología de las pandemias,” Rev Medicina, vol. 42, no. 2, pp. 168–174, Jul. 2020. Disponible en https://revistamedicina.net/ojsanm/index.php/Medicina/article/view/1511 OPS, “Por qué es importante el desglose de datos durante una pandemia,” paho.org, 2020. Recuperado de https://www.paho.org/ish/images/docs/Data-Disaggregation-Factsheet-Spanish.pdf OPS, “Pandemia de COVID-19: estadísticas sobre el acceso a la BVS y el alcance de la cooperación técnica de BIREME, Boletín Bireme, no. 42, 2020. Disponible en https://boletin.bireme.org/2020/04/01/pandemia-de-covid-19-estadisticas-sobre-el-acceso-a-la-bvs-y-el-alcance-de-la-cooperacion-tecnica-de-bireme/ P. G. Ruiz Mamani, W. C. Morales-García, M. White & M. S. Marquez-Ruiz, “Properties of a scale of concern for COVID-19: Exploratory analysis in a Peruvian sample,” Med Clin, vol. 255, no. 12, pp. 535–537, Dec. 2020. https://doi.org/10.1016/j.medcli.2020.06.022 S. Hamidi, R. Ewing & S. Sabouri, “Longitudinal analyses of the relationship between development density and the COVID-19 morbidity and mortality rates: Early evidence from 1,165 metropolitan counties in the United States,” Heal Place, vol. 64, no. 2, pp. 102378–102378, Jul. 2020. https://doi.org/10.1016/j.healthplace.2020.102378 A. Medeiros de Figueiredo, A. Daponte, D. C. Moreira Marculino de Figueiredo, E. Gil-García & A. Kalache, “Case fatality rate of COVID-19: absence of epidemiological pattern,” Gac. Sanit, vol. 35, no. 4, pp. 10–12, 2020. https://doi.org/10.1016/j.gaceta.2020.04.001 República de Colombia. MinSalud, “Análisis de la epidemia de covid-19 en el país,” Boletín de Prensa No 223 de 2020, 2020. Disponible en https://www.minsalud.gov.co/Paginas/Analisis-de-la-epidemia-de-covid-19-en-el-pais.aspx F. Velásquez & G. D. Sosa, “Aplicación de Técnicas de Clustering en Sonidos Adventicios para Mejorar la Interpretabilidad y Detección de Estertores,” INE CUC, vol. 11, no. 1, pp. 53–62, 2015. Disponible en http://revistascientificas.cuc.edu.co/index.php/ingecuc/article/download/366/2015105 I. F. Meza, A. E. Herrera & L. G. Obregón, “Determinación experimental de nuevas correlaciones estadísticas para el cálculo del coeficiente de transferencia de calor por convección para placa plana, cilindros y bancos de tubos,” INGECUC, vol. 13, no. 2, pp. 9–17, 2017. https://doi.org/10.17981/ingecuc.13.2.2017.01 GBM, Banco Mundial de la Salud, datos.bancomundial.org, 2019. Disponible en https://datos.bancomundial.org/indicator/NY.GDP.PCAP.CD ACCH, Asociación Colombiana de Clínicas y hospitales, achc.org, 2019. Disponible en http://achc.org.co |
dc.relation.citationendpage.none.fl_str_mv |
302 |
dc.relation.citationstartpage.none.fl_str_mv |
285 |
dc.relation.citationissue.spa.fl_str_mv |
1 |
dc.relation.citationvolume.spa.fl_str_mv |
17 |
dc.relation.bitstream.none.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/download/3314/3290 https://revistascientificas.cuc.edu.co/ingecuc/article/download/3314/3602 https://revistascientificas.cuc.edu.co/ingecuc/article/download/3314/3648 |
dc.relation.citationedition.spa.fl_str_mv |
Núm. 1 , Año 2021 : (Enero - Junio) |
dc.rights.eng.fl_str_mv |
INGE CUC - 2021 |
dc.rights.uri.eng.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/4.0 |
dc.rights.accessrights.eng.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.coar.eng.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
rights_invalid_str_mv |
INGE CUC - 2021 http://creativecommons.org/licenses/by-nc-nd/4.0 http://purl.org/coar/access_right/c_abf2 |
eu_rights_str_mv |
openAccess |
dc.format.mimetype.eng.fl_str_mv |
application/pdf text/html application/xml |
dc.publisher.spa.fl_str_mv |
Universidad de la Costa |
dc.source.eng.fl_str_mv |
https://revistascientificas.cuc.edu.co/ingecuc/article/view/3314 |
institution |
Corporación Universidad de la Costa |
bitstream.url.fl_str_mv |
https://repositorio.cuc.edu.co/bitstreams/326bb827-c114-44f2-a78f-fba7627c763b/download |
bitstream.checksum.fl_str_mv |
0ac1950ac104d91ba5c05c7943dd080b |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 |
repository.name.fl_str_mv |
Repositorio de la Universidad de la Costa CUC |
repository.mail.fl_str_mv |
repdigital@cuc.edu.co |
_version_ |
1828166838957113344 |
spelling |
Navarro Romero, Elisa del CarmenGelves Alarcón, Óscar MauricioGarcía Corrales, Natalia2020-10-28 00:00:002024-04-09T20:21:27Z2020-10-28 00:00:002024-04-09T20:21:27Z2020-10-280122-6517https://hdl.handle.net/11323/12311https://doi.org/10.17981/ingecuc.17.1.2021.2110.17981/ingecuc.17.1.2021.212382-4700Introducción— Esta investigación está motivada, por la actual situación mundial, provocada por la pandemia declarada por la OMS ante la propagación y gravedad de la enfermedad por coronavirus (COVID-19), notificada por primera vez en Wuhan (China) el 31 de diciembre de 2019. A través del análisis matemático y estadístico, se busca mostrar y explicar de manera expedita, las causas por las cuales existe una mayor tasa de contagio y letalidad por el virus, en diferentes países, tomando en consideración patrones asociados al comportamiento político social y económico, como una primera aproximación para conocer estadísticas que permitan generar pronósticos para periodos futuros, dadas las condiciones. Objetivo— El objetivo principal de este trabajo es definir la correlación de las variables económicas, sociales y demográficas de los países de América, con respecto al contagio del virus, proponiendo un modelo de pronóstico sobre el nivel de contagio en cada cluster propuesto por las diferentes regiones del continente americano. Metodología— El estudio realiza una clusterización (agrupación) de los países de América con respecto a su posición geográfica América del Norte, América Central e islas del Caribe y América del Sur, seguido de una búsqueda de datos estadísticos sobre indicadores sociales, económicos y demográficos de los países de América en los últimos años y estadísticas de niveles de contagio del COVID 19 en fuentes como los organismos internacionales que regulan los temas de salud. Luego, se realizó una caracterización y correlación de los datos recolectados, para finalmente, en base a los resultados de la correlación, realizar un pronóstico del nivel de contagio que alcanzaría cada una de las regiones. Resultados— El propósito de este documento es proporcionar información sobre los países de América del Norte, América Latina y el Caribe con respecto al análisis de la mortalidad por COVID-19, a través de métodos de análisis de la mortalidad por todas las causas como uno de los enfoques propuestos para contribuir a la evaluación de la verdadera magnitud de la carga de la epidemia de COVID-19 en estos países. Conclusiones— Los resultados muestran información interesante, ya que la curva latinoamericana resultó ser mucho menos pronunciada que la de Estados Unidos, en términos de contagio y muertes, a pesar de las condiciones sociodemográficas, económicas, tecnológicas y políticas. Este análisis invita a averiguar cuáles son las correlaciones que impactan directamente en el comportamiento de los contagios, teniendo en cuenta variables como la edad, el género, el estrato, el nivel de educación y otras características sociodemográficas que pueden influir en la propagación o contención del virus.Introduction— This research is motivated, by the current world situation, caused by the pandemic declared by the WHO before the spread and severity of the coronavirus disease (COVID-19), notified for the first time in Wuhan (China) on December 31 of 2019. Through mathematical and statistical analysis, it seeks to show and explain in an expeditious manner, the causes for which there is a higher rate of contagion and lethality due to the virus, in different countries, taking into consideration patterns associated with social political behavior and economic, as a first approach to knowing statistics that allow generating forecasts for future periods, given the conditions. Objective— The main objective of this work is to define the correlation of the economic, social and demographic variables of the countries of America, with respect to the contagion of the virus, proposing a forecast model on the level of contagion in each cluster proposed by the different regions of the American continent. Methodology— The study performs clustering (grouping) of the countries of America with respect to their geographical position North America, Central America and the Caribbean islands and South America, followed by a search for statistical data on social, economic and demographic indicators of the countries of America in recent years and statistics of levels of contagion of COVID 19 in sources such as international organizations regulating health issues. Next, a characterization and correlation of the collected data was carried out, to finally, based on the results of the correlation, make a forecast of the level of contagion that would be reached by each of the regions. Results— The purpose of this document is to provide information on the countries of North America, Latin America and the Caribbean with respect to the analysis of mortality from COVID-19, through methods of analysis of mortality from all causes as one of the approaches proposed to contribute to the assessment of the true magnitude of the burden of the COVID-19 epidemic in these countries. Conclusions— The results show interesting information, since the Latin American curve turned out to be much less pronounced than that of the United States, in terms of contagion and deaths, despite the socio-demographic conditions, economic, technological and political opportunities. This analysis invites us to find out which are those correlations that directly impact the behavior of infections, taking into account variables such as age, gender, stratum, level of education, and other sociodemographic characteristics that may influence the spread or containment of the virus.application/pdftext/htmlapplication/xmlengUniversidad de la CostaINGE CUC - 2021http://creativecommons.org/licenses/by-nc-nd/4.0info:eu-repo/semantics/openAccessEsta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.http://purl.org/coar/access_right/c_abf2https://revistascientificas.cuc.edu.co/ingecuc/article/view/3314dataICRmathematical modelpandemiclinear regressionmultiple regressiongroupingagrupacióndatosICRmodelo matemáticopandemiaregresión linealregresión múltipleAnálisis correlacional entre la economía, los índices sociodemográficos y las estadísticas de contagio por Covid-19, aplicando la metodología de Clustering en países de AméricaCorrelational analysis between the economics, socio-demographic indices and statistics of contagion due to Covid-19, applying the Clustering methodology in countries of AmericaArtículo de revistahttp://purl.org/coar/resource_type/c_6501http://purl.org/coar/resource_type/c_2df8fbb1Textinfo:eu-repo/semantics/articleJournal articlehttp://purl.org/redcol/resource_type/ARTinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85Inge Cuc Real Académica Española, Diccionario de la lengua española. MD, ES: RAE, Oct. 2019. Disponible en https://dle.rae.es/ T. N. Jilani, R. T. Jamil & A. H. Siddiqui, “H1N1 Influenza,” in, StatPearls [Internet . Treasure Island, FL: StatPearls Publishing, 2020. S. Hamidi, S. Sabouri & R. Ewing, “Does Density Aggravate the COVID-19 Pandemic?,” J Am Plan Assoc, vol. 86, no. 4, pp. 495–509, 2020. https://doi.org/10.1080/01944363.2020.1777891 B. Ather, T. M. Mirza & P. F. Edemekong, “Airborne Precautions,” in, StatPearls [Internet . Treasure Island, FL: StatPearls Publishing, 2020. P. S. Peixoto, D. Marcondes, C. Peixoto & S. M. Oliva, “Modeling future spread of infections via mobile geolocation data and population dynamics. An application to COVID-19 in Brazil,” PLoS One, vol. 15, no. 7, Jul. 2020. https://doi.org/10.1371/journal.pone.0235732 D. Rosselli, “Epidemiología de las pandemias,” Rev Medicina, vol. 42, no. 2, pp. 168–174, Jul. 2020. Disponible en https://revistamedicina.net/ojsanm/index.php/Medicina/article/view/1511 OPS, “Por qué es importante el desglose de datos durante una pandemia,” paho.org, 2020. Recuperado de https://www.paho.org/ish/images/docs/Data-Disaggregation-Factsheet-Spanish.pdf OPS, “Pandemia de COVID-19: estadísticas sobre el acceso a la BVS y el alcance de la cooperación técnica de BIREME, Boletín Bireme, no. 42, 2020. Disponible en https://boletin.bireme.org/2020/04/01/pandemia-de-covid-19-estadisticas-sobre-el-acceso-a-la-bvs-y-el-alcance-de-la-cooperacion-tecnica-de-bireme/ P. G. Ruiz Mamani, W. C. Morales-García, M. White & M. S. Marquez-Ruiz, “Properties of a scale of concern for COVID-19: Exploratory analysis in a Peruvian sample,” Med Clin, vol. 255, no. 12, pp. 535–537, Dec. 2020. https://doi.org/10.1016/j.medcli.2020.06.022 S. Hamidi, R. Ewing & S. Sabouri, “Longitudinal analyses of the relationship between development density and the COVID-19 morbidity and mortality rates: Early evidence from 1,165 metropolitan counties in the United States,” Heal Place, vol. 64, no. 2, pp. 102378–102378, Jul. 2020. https://doi.org/10.1016/j.healthplace.2020.102378 A. Medeiros de Figueiredo, A. Daponte, D. C. Moreira Marculino de Figueiredo, E. Gil-García & A. Kalache, “Case fatality rate of COVID-19: absence of epidemiological pattern,” Gac. Sanit, vol. 35, no. 4, pp. 10–12, 2020. https://doi.org/10.1016/j.gaceta.2020.04.001 República de Colombia. MinSalud, “Análisis de la epidemia de covid-19 en el país,” Boletín de Prensa No 223 de 2020, 2020. Disponible en https://www.minsalud.gov.co/Paginas/Analisis-de-la-epidemia-de-covid-19-en-el-pais.aspx F. Velásquez & G. D. Sosa, “Aplicación de Técnicas de Clustering en Sonidos Adventicios para Mejorar la Interpretabilidad y Detección de Estertores,” INE CUC, vol. 11, no. 1, pp. 53–62, 2015. Disponible en http://revistascientificas.cuc.edu.co/index.php/ingecuc/article/download/366/2015105 I. F. Meza, A. E. Herrera & L. G. Obregón, “Determinación experimental de nuevas correlaciones estadísticas para el cálculo del coeficiente de transferencia de calor por convección para placa plana, cilindros y bancos de tubos,” INGECUC, vol. 13, no. 2, pp. 9–17, 2017. https://doi.org/10.17981/ingecuc.13.2.2017.01 GBM, Banco Mundial de la Salud, datos.bancomundial.org, 2019. Disponible en https://datos.bancomundial.org/indicator/NY.GDP.PCAP.CD ACCH, Asociación Colombiana de Clínicas y hospitales, achc.org, 2019. Disponible en http://achc.org.co302285117https://revistascientificas.cuc.edu.co/ingecuc/article/download/3314/3290https://revistascientificas.cuc.edu.co/ingecuc/article/download/3314/3602https://revistascientificas.cuc.edu.co/ingecuc/article/download/3314/3648Núm. 1 , Año 2021 : (Enero - Junio)PublicationOREORE.xmltext/xml2869https://repositorio.cuc.edu.co/bitstreams/326bb827-c114-44f2-a78f-fba7627c763b/download0ac1950ac104d91ba5c05c7943dd080bMD5111323/12311oai:repositorio.cuc.edu.co:11323/123112024-09-17 14:16:32.866http://creativecommons.org/licenses/by-nc-nd/4.0INGE CUC - 2021metadata.onlyhttps://repositorio.cuc.edu.coRepositorio de la Universidad de la Costa CUCrepdigital@cuc.edu.co |