Scielo RSS http://www.scielo.org.co/rss.php?pid=0121-748820250002&lang=en vol. 16 num. 2 lang. en http://www.scielo.org.co/img/en/fbpelogp.gif http://www.scielo.org.co http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-74882025000200073&lng=en&nrm=iso&tlng=en Abstract This work analyzes the optimal grounding of bipolar DC networks with asymmetric loading through a convex optimization model. The power flow equations are represented as convex-conic constraints with binary variables introduced to define the nodes where solid grounding is most suitable to minimize power loss. The problem belongs to the family of mixed-integer quadratic convex (MIQC) models, which is solvable with a combination of the branch-and-cut and the interior point method. The model ensures global optimum due to the convexity of the solution space for each combination of the binary variables. Numerical experiments in bipolar DC networks with 4-, 21-, 33-, and 85-node demonstrate the effectiveness of the optimal grounding procedure regarding power loss minimization. All the computational validations were carried out in the MATLAB programming environment using the convex disciplined tool (CVX) and the Gurobi solver.<hr/>Resumen Este trabajo analiza la conexión a tierra óptima de redes de CC bipolares con carga asimétrica mediante un modelo de optimización convexa. Las ecuaciones de flujo de potencia se representan como restricciones cónicas convexas con variables binarias introducidas para definir los nodos donde la conexión a tierra sólida es más adecuada para minimizar la pérdida de potencia. El problema pertenece a la familia de modelos convexos cuadráticos mixtos enteros (MIQC, por sus siglas en inglés), los cuales son resolubles mediante una combinación del método de ramificación y corte y el método de punto interior. El modelo garantiza el óptimo global debido a la convexidad del espacio de soluciones para cada combinación de las variables binarias. Los experimentos numéricos en redes bipolares de CC con 4, 21 y 33 nodos demuestran la efectividad del procedimiento de conexión a tierra óptima en la minimización de pérdidas de potencia. Todas las validaciones computacionales se realizaron en el entorno de programación MATLAB utilizando la herramienta de disciplina convexa (CVX) y el solucionador Gurobi. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0121-74882025000200135&lng=en&nrm=iso&tlng=en Resumen Los modelos de regresión Poisson de Edad-Periodo-Cohorte, APC por su sigla en inglés, son utilizados en estudios de epidemiología para estimar el efecto de cada uno de estos factores en las tendencias de las razones de incidencia y mortalidad de diferentes enfermedades. Generalmente, se tiene la información sobre los casos observados o la mortalidad de una enfermedad resumidos en una tabla con dos entradas: el grupo de edad y el período calendario en que se registró el evento de interés. Uno de los retos que un investigador debe enfrentar en los diferentes contextos y escenarios que requieren aplicaciones de modelos APC es la agregación de los datos. En la mayoría de los estudios, la información disponible sólo se encuentra agregada ya sea por grupos de edades, por periodos o por ambas características. En este sentido sería pertinente evaluar el efecto que tiene esta agregación de la información tanto en la estimación de los efectos del modelo como en las predicciones obtenidas con éste. Se podría inferir que esta agregación, usualmente por periodos de 5 años o quinquenios, debe afectar de manera significativa la calidad de las predicciones, pues en este proceso se pueden perder tendencias o patrones estacionales. Así, en este trabajo se realiza un análisis sobre el impacto que tiene la agregación de datos de las incidencias (por periodos) en las proyecciones o predicciones futuras. En particular, se hace un estudio comparativo entre las tasas de mortalidad por tuberculosis para el caso de Colombia y se muestran proyecciones para tres agregaciones del periodo: quinquenios, trienios y anualidades.<hr/>Abstract Poisson Regression models of Age-Period-Cohort (APC) are employed in epidemiological studies to estimate the impact of each of these factors on the trends in incidence and mortality rates for various diseases. Typically, information on observed cases or mortality from a disease is summarized in a table with two entries: age group and calendar period in which the event of interest was recorded. One of the challenges researchers face in various contexts and scenarios requiring APC model applications is data aggregation. In most studies, the available information is aggregated either by age groups, periods, or both characteristics. In this regard, it would be relevant to assess the impact of this data aggregation on both the estimation of model effects and the predictions obtained from it. It could be inferred that this aggregation, usually done in 5-year periods or quinquennia, may significantly affect the quality of predictions, as trends or seasonal patterns may be lost in this process. Thus, this work conducts an analysis on the impact of aggregating incidence data (by periods) on future projections or predictions. In particular, a comparative study is carried out on tuberculosis mortality rates for the case of Colombia, and projections are shown for three period aggregations: five-year periods, three-year periods, and annuities.