Ana María Burneo Feijoo
Current Organizations / Institutes
The organizations/institutes from the scholar's latest article
Research Subjects
Ana María Burneo Feijoo has a total of 8 co-authors. Here are the top co-authors by number of shared publications:
- Alexa Geovanna Zurita Pèrez
Investigador Independiente
2 shared publications - Daniel Eduardo Rodriguez Guevara
Investigador Independiente
2 shared publications - Kevin Gabriel Correa Ortiz
Universidad UTE image/svg+xml
2 shared publications - Vanessa Cecilia Iza Sanga
Ministerio de Salud Publica
2 shared publications - Ana Lucía Alarcón Arias
Universidad Técnica de Ambato image/svg+xml
1 shared publication - Mario Daniel Hidalgo Flores
Ministerio de Salud Pública - CS Cutuglagua image/svg+xml
1 shared publication
Latest Publications
- Open Access
- 1 July 2026
- Published by Center and Development of Research Projects in ASCE MAGAZINE
- Vol. 5 (3) , 2148-2169
Hacia un Modelo Predictivo Multimodal en Enfermedades Inmunomediadas: Integración de Biopsia Líquida, Microbioma Intestinal y Ecografía de Alta Resolución para la Medicina Preventiva en Artritis Psoriásica y Enfermedad de Crohn
La naturaleza fluctuante y episódica de la artritis psoriásica (APs) y la enfermedad de Crohn (EC) representa un desafío terapéutico mayor. El paradigma reactivo actual, basado en la respuesta a síntomas manifiestos, deja sin explotar una ventana crítica de intervención durante la fase preclínica. Objetivo: Proponer un modelo conceptual integrado que combine biopsia líquida (ADN libre circulante, ADNlc), análisis del microbioma intestinal y ecografía de alta resolución (EAR) para la predicción preclínica de brotes inflamatorios. Desarrollo del marco conceptual: Se revisa críticamente la evidencia que sustenta cada pilar del modelo: 1) ADNlc como reflector dinámico de activación inmunológica; 2) disbiosis intestinal como precursor de inflamación sistémica y local; 3) EAR como validador anatómico objetivo. Se propone una arquitectura de aprendizaje automático para integrar estos dominios de datos de manera longitudinal. Validación teórica y roadmap: El modelo se sustenta en mecanismos fisiopatológicos compartidos (eje IL-23/Th17, eje intestino-articulación) y en hallazgos convergentes de estudios independientes. Se presenta un roadmap metodológico detallado para la validación empírica futura, incluyendo diseño longitudinal, algoritmos predictivos y criterios de validación. Conclusión: La integración multimodal de biopsia líquida, microbioma y EAR representa un avance conceptual hacia un paradigma de medicina preventiva y personalizada en APs y EC. Este marco teórico proporciona un camino claro para la investigación traslacional destinada a predecir y potencialmente prevenir brotes inflamatorios antes del daño estructural.
- 1 July 2026
- Published by Center and Development of Research Projects in ASCE MAGAZINE
- Vol. 5 (3) , 2148-2169
Open AccessHacia un Modelo Predictivo Multimodal en Enfermedades Inmunomediadas: Integración de Biopsia Líquida, Microbioma Intestinal y Ecografía de Alta Resolución para la Medicina Preventiva en Artritis Psoriásica y Enfermedad de Crohn
La naturaleza fluctuante y episódica de la artritis psoriásica (APs) y la enfermedad de Crohn (EC) representa un desafío terapéutico mayor. El paradigma reactivo actual, basado en la respuesta a síntomas manifiestos, deja sin explotar una ventana crítica de intervención durante la fase preclínica. Objetivo: Proponer un modelo conceptual integrado que combine biopsia líquida (ADN libre circulante, ADNlc), análisis del microbioma intestinal y ecografía de alta resolución (EAR) para la predicción preclínica de brotes inflamatorios. Desarrollo del marco conceptual: Se revisa críticamente la evidencia que sustenta cada pilar del modelo: 1) ADNlc como reflector dinámico de activación inmunológica; 2) disbiosis intestinal como precursor de inflamación sistémica y local; 3) EAR como validador anatómico objetivo. Se propone una arquitectura de aprendizaje automático para integrar estos dominios de datos de manera longitudinal. Validación teórica y roadmap: El modelo se sustenta en mecanismos fisiopatológicos compartidos (eje IL-23/Th17, eje intestino-articulación) y en hallazgos convergentes de estudios independientes. Se presenta un roadmap metodológico detallado para la validación empírica futura, incluyendo diseño longitudinal, algoritmos predictivos y criterios de validación. Conclusión: La integración multimodal de biopsia líquida, microbioma y EAR representa un avance conceptual hacia un paradigma de medicina preventiva y personalizada en APs y EC. Este marco teórico proporciona un camino claro para la investigación traslacional destinada a predecir y potencialmente prevenir brotes inflamatorios antes del daño estructural.
- Open Access
- 1 July 2026
- Published by Center and Development of Research Projects in ASCE MAGAZINE
- Vol. 5 (3) , 2170-2191
Hacia un Modelo Predictivo Multimodal en Enfermedades Inmunomediadas: Integración de Biopsia Líquida, Microbioma Intestinal y Ecografía de Alta Resolución para la Medicina Preventiva en Artritis Psoriásica y Enfermedad de Crohn
Introducción: La naturaleza fluctuante y episódica de la artritis psoriásica (APs) y la enfermedad de Crohn (EC) representa un desafío terapéutico mayor. El paradigma reactivo actual, basado en la respuesta a síntomas manifiestos, deja sin explotar una ventana crítica de intervención durante la fase preclínica. Objetivo: Proponer un modelo conceptual integrado que combine biopsia líquida (ADN libre circulante, ADNlc), análisis del microbioma intestinal y ecografía de alta resolución (EAR) para la predicción preclínica de brotes inflamatorios. Desarrollo del marco conceptual: Se revisa críticamente la evidencia que sustenta cada pilar del modelo: 1) ADNlc como reflector dinámico de activación inmunológica; 2) disbiosis intestinal como precursor de inflamación sistémica y local; 3) EAR como validador anatómico objetivo. Se propone una arquitectura de aprendizaje automático para integrar estos dominios de datos de manera longitudinal. Validación teórica y roadmap: El modelo se sustenta en mecanismos fisiopatológicos compartidos (eje IL-23/Th17, eje intestino-articulación) y en hallazgos convergentes de estudios independientes. Se presenta un roadmap metodológico detallado para la validación empírica futura, incluyendo diseño longitudinal, algoritmos predictivos y criterios de validación. Conclusión: La integración multimodal de biopsia líquida, microbioma y EAR representa un avance conceptual hacia un paradigma de medicina preventiva y personalizada en APs y EC. Este marco teórico proporciona un camino claro para la investigación traslacional destinada a predecir y potencialmente prevenir brotes inflamatorios antes del daño estructural.
- 1 July 2026
- Published by Center and Development of Research Projects in ASCE MAGAZINE
- Vol. 5 (3) , 2170-2191
Open AccessHacia un Modelo Predictivo Multimodal en Enfermedades Inmunomediadas: Integración de Biopsia Líquida, Microbioma Intestinal y Ecografía de Alta Resolución para la Medicina Preventiva en Artritis Psoriásica y Enfermedad de Crohn
Introducción: La naturaleza fluctuante y episódica de la artritis psoriásica (APs) y la enfermedad de Crohn (EC) representa un desafío terapéutico mayor. El paradigma reactivo actual, basado en la respuesta a síntomas manifiestos, deja sin explotar una ventana crítica de intervención durante la fase preclínica. Objetivo: Proponer un modelo conceptual integrado que combine biopsia líquida (ADN libre circulante, ADNlc), análisis del microbioma intestinal y ecografía de alta resolución (EAR) para la predicción preclínica de brotes inflamatorios. Desarrollo del marco conceptual: Se revisa críticamente la evidencia que sustenta cada pilar del modelo: 1) ADNlc como reflector dinámico de activación inmunológica; 2) disbiosis intestinal como precursor de inflamación sistémica y local; 3) EAR como validador anatómico objetivo. Se propone una arquitectura de aprendizaje automático para integrar estos dominios de datos de manera longitudinal. Validación teórica y roadmap: El modelo se sustenta en mecanismos fisiopatológicos compartidos (eje IL-23/Th17, eje intestino-articulación) y en hallazgos convergentes de estudios independientes. Se presenta un roadmap metodológico detallado para la validación empírica futura, incluyendo diseño longitudinal, algoritmos predictivos y criterios de validación. Conclusión: La integración multimodal de biopsia líquida, microbioma y EAR representa un avance conceptual hacia un paradigma de medicina preventiva y personalizada en APs y EC. Este marco teórico proporciona un camino claro para la investigación traslacional destinada a predecir y potencialmente prevenir brotes inflamatorios antes del daño estructural.
- Open Access
- 1 July 2026
- Published by Center and Development of Research Projects in ASCE MAGAZINE
- Vol. 5 (3) , 1437-1456
Comprehensive Telemedicine for Complex Geriatric Patients: An AI-Based Care Model for the Early Detection of Gastrointestinal and Nephrological Decompensations
Artificial intelligence (AI)-enhanced telemedicine is emerging as a promising approach for managing complex geriatric patients, a group at high risk for decompensations. However, the intellectual structure and evolutionary trends of this specific research area remain unclear. To conduct a bibliometric analysis to map the scientific landscape on the application of AI and telemedicine for the early detection of gastrointestinal and nephrological decompensations in complex geriatric patients. A systematic bibliometric analysis was conducted using the Scopus database. The search, performed on [2024], identified 428 documents, of which 87 met the inclusion criteria. The analysis included publication trends, co-word analysis using VOSviewer, citation analysis, and thematic synthesis. Scientific output showed exponential growth from 2015 onwards. Co-occurrence analysis revealed three main thematic clusters: 1) The Geriatric-Technological Interface (patient needs), 2) The AI-Data Core (methods), and 3) The Clinical Application Domain (specific conditions). A significant research gap was identified in gastrointestinal decompensations compared to nephrological and cardiometabolic conditions. This bibliometric study reveals a vibrant yet maturing research field. The field must evolve towards developing AI systems capable of handling polypathology and subjective symptoms, requiring closer collaboration between geriatricians and data scientists to realize its full potential.
- 1 July 2026
- Published by Center and Development of Research Projects in ASCE MAGAZINE
- Vol. 5 (3) , 1437-1456
Open AccessComprehensive Telemedicine for Complex Geriatric Patients: An AI-Based Care Model for the Early Detection of Gastrointestinal and Nephrological Decompensations
Artificial intelligence (AI)-enhanced telemedicine is emerging as a promising approach for managing complex geriatric patients, a group at high risk for decompensations. However, the intellectual structure and evolutionary trends of this specific research area remain unclear. To conduct a bibliometric analysis to map the scientific landscape on the application of AI and telemedicine for the early detection of gastrointestinal and nephrological decompensations in complex geriatric patients. A systematic bibliometric analysis was conducted using the Scopus database. The search, performed on [2024], identified 428 documents, of which 87 met the inclusion criteria. The analysis included publication trends, co-word analysis using VOSviewer, citation analysis, and thematic synthesis. Scientific output showed exponential growth from 2015 onwards. Co-occurrence analysis revealed three main thematic clusters: 1) The Geriatric-Technological Interface (patient needs), 2) The AI-Data Core (methods), and 3) The Clinical Application Domain (specific conditions). A significant research gap was identified in gastrointestinal decompensations compared to nephrological and cardiometabolic conditions. This bibliometric study reveals a vibrant yet maturing research field. The field must evolve towards developing AI systems capable of handling polypathology and subjective symptoms, requiring closer collaboration between geriatricians and data scientists to realize its full potential.