Prototipo para la identificación de movimiento en cama hospitalaria de pacientes adultos en el servicio de hospitalización en una IPS de alta complejidad para el reconocimiento de caídas

dc.contributor.advisorAfricano Diaz, Lina María
dc.contributor.advisorAmado Forero, Lusvin Javier
dc.contributor.apolounabAmado Forero, Lusvin Javier [lusvin-javier-amado-forero]spa
dc.contributor.authorParedes Almeida, Johan Andres
dc.contributor.authorGómez Cristancho, María José
dc.contributor.cvlacAmado Forero, Lusvin Javier [0001376723]spa
dc.contributor.googlescholarAmado Forero, Lusvin Javier [dqrfjJMAAAAJ]spa
dc.contributor.orcidAmado Forero, Lusvin Javier [0000-0001-5104-9080]spa
dc.contributor.researchgateAmado Forero, Lusvin Javier [Lusvin_Amado]spa
dc.coverage.campusUNAB Campus Bucaramangaspa
dc.coverage.spatialBucaramanga (Santander, Colombia)spa
dc.coverage.temporal2024-2025spa
dc.date.accessioned2025-08-12T14:07:28Z
dc.date.available2025-08-12T14:07:28Z
dc.date.issued2025-05-29
dc.degree.nameIngeniero Biomédicospa
dc.description.abstractLas caídas de pacientes en los servicios de hospitalización representan un evento adverso recurrente en las Instituciones Prestadoras de Servicios de Salud (IPS), con un impacto directo en la seguridad del paciente, la imagen institucional y los costos operativos. En Colombia, estudios indican que hasta el 34% de los pacientes experimentan algún tipo de evento adverso en el entorno hospitalario, y las caídas constituyen entre el 2% y el 10% de estos incidentes. Este problema afecta especialmente a los pacientes geriátricos, quienes, debido a sus comorbilidades y alteraciones cognitivas, tienen un riesgo elevado de sufrir caídas. El proyecto tiene como objetivo principal el desarrollo de un prototipo tecnológico basado en cámaras 3D e inteligencia artificial (IA), con el fin de detectar movimientos riesgosos asociados a caídas en pacientes del servicio de hospitalización adultos. El prototipo integra un software de semaforización que permite clasificar los movimientos de los pacientes, alertando al personal asistencial en tiempo real sobre los riesgos potenciales, lo que facilita una intervención oportuna y reduce la incidencia de caídas. El enfoque innovador del proyecto combina el monitoreo en tiempo real mediante cámaras especializadas con IA, que procesan las imágenes e identifican patrones de movimiento que podrían representar un riesgo de caída. A través de esta tecnología, se busca superar las limitaciones de los sistemas actuales, como las alarmas falsas y la demora en la intervención. El prototipo fue diseñado para ser implementado en una institución de salud de alta complejidad, y se validará a través de pruebas piloto en un entorno simulado. Los resultados esperados incluyen una mejora significativa en la seguridad del paciente, una mayor eficiencia en la atención y una reducción de los eventos adversos relacionados con caídas. Este proyecto busca proporcionar una solución integral y eficaz para mejorar la atención y seguridad en los servicios de hospitalización, utilizando la tecnología como herramienta clave en la prevención de eventos adversos y la mejora de la calidad de vida de los pacientes hospitalizados.spa
dc.description.abstractenglishFalls in patients within hospitalization services represent a recurring adverse event in Healthcare Service Providers (IPS), with a direct impact on patient safety, institutional image, and operational costs. In Colombia, studies indicate that up to 34% of patients experience some type of adverse event in hospital settings, with falls accounting for 2% to 10% of these incidents. This issue particularly affects geriatric patients, who, due to comorbidities and cognitive impairments, have an elevated risk of falling. The main goal of this project is to develop a technological prototype based on 3D cameras and artificial intelligence (AI) to detect risky movements associated with falls in adult hospitalization patients. The prototype integrates a traffic light software system that classifies patient movements, alerting healthcare staff in real-time to potential risks, thus facilitating timely intervention and reducing the incidence of falls. The innovative approach of this project combines real-time monitoring through specialized cameras with AI algorithms that process images and identify movement patterns that may represent a fall risk. This technology aims to overcome the limitations of current systems, such as false alarms and delayed interventions. The prototype is designed to be implemented in a high-complexity healthcare institution and will be validated through pilot testing in a simulated environment. Expected outcomes include a significant improvement in patient safety, greater efficiency in care, and a reduction in adverse events related to falls. This project aims to provide a comprehensive and effective solution to improve care and safety in hospitalization services, using technology as a key tool in preventing adverse events and enhancing the quality of life of hospitalized patients.spa
dc.description.degreelevelPregradospa
dc.description.learningmodalityModalidad Presencialspa
dc.description.tableofcontentsContenido Capítulo I............................................................................................................................................... 13 Aspectos generales ............................................................................................................................. 13 Problema u Oportunidad................................................................................................................. 13 Justificación.................................................................................................................................... 15 Pregunta problema.......................................................................................................................... 16 Objetivo General............................................................................................................................. 16 Objetivos específicos...................................................................................................................... 16 Limitaciones y Delimitaciones........................................................................................................... 17 Limitaciones................................................................................................................................... 17 Delimitaciones................................................................................................................................ 17 Capitulo II............................................................................................................................................. 18 Marco teórico y Estado del Arte......................................................................................................... 18 Marco Teórico ................................................................................................................................ 18 Las Caídas en el Ámbito Hospitalario............................................................................................ 18 Impacto de las Caídas .................................................................................................................... 20 Normativas y Políticas para la Prevención de Caídas................................................................... 20 Medidas Físicas de Prevención...................................................................................................... 21 Escala de Morse: Evaluación de Riesgo de Caídas....................................................................... 21 Soluciones Tecnológicas para la Prevención de Caídas................................................................ 22 Integración de Tecnología: Hardware y Software .......................................................................... 24 Lenguajes de Programación para IA ............................................................................................. 24 Programación Abierta y Gratuita .................................................................................................. 28 Arquitectura de Software................................................................................................................ 29 Estado del Arte ............................................................................................................................... 30 Marco Legal.................................................................................................................................... 32 Protección de Derechos de Autor de Software............................................................................... 32 Protección de Datos Personales: Ley de Habeas Data.................................................................. 33 Regulación de la Infraestructura en Instituciones de Salud........................................................... 33 Implicaciones Éticas....................................................................................................................... 34 Capítulo III............................................................................................................................................ 35 Metodología........................................................................................................................................ 35 Fase 1: Análisis y especificación del sistema ..................................................................................... 37 Analizar las propiedades y funcionalidades de la tecnología a utilizar .......................................... 37 Análisis y especificaciones del sistema asociado a la identificación de requisitos para dentro de Foscal.................................................................................................................................. 38 Fase 2: Desarrollo del sistema de detección y semaforización........................................................... 39 Pruebas de funcionalidad de la cámara inteligente......................................................................... 39 Clasificación de movimientos de riesgo ......................................................................................... 39 Adaptación del software a los niveles de riesgo............................................................................. 40 Diagrama de flujo y código ............................................................................................................ 41 Fase 3: Implementación y pruebas en entorno simulado.................................................................... 42 Configuración del entorno de simulación....................................................................................... 42 Instalación y verificación del prototipo de software....................................................................... 42 Establecer el protocolo de pruebas en el entorno simulado............................................................ 43 Protocolo de Pruebas del Sistema de Monitoreo Basado en Visión Artificial ............................... 44 Objetivos del protocolo .................................................................................................................. 44 Diseño del protocolo ...................................................................................................................... 44 Capítulo IV............................................................................................................................................ 47 Resultados y Análisis.......................................................................................................................... 47 Resultados técnicos preliminares.................................................................................................... 47 Especificaciones técnicas del sistema de captura inteligente (cámara OAK-D) ........................... 47 Entorno hospitalario de referencia y especificaciones de los equipos de cómputo ....................... 48 Resultados de pruebas técnicas........................................................................................................... 50 Resultados de las pruebas de funcionalidad de la cámara inteligente ............................................ 50 Resultados de la clasificación de movimientos de riesgo............................................................... 51 Diagrama de flujo y código ............................................................................................................ 54 Interfaz gráfica del sistema de monitoreo de caídas........................................................................... 62 Evaluación comparativa de modelos.............................................................................................. 67 Pruebas de procesamiento de video con el modelo 0007............................................................... 68 Pruebas de validación .................................................................................................................... 69 Pruebas en entorno simulado.............................................................................................................. 71 Capítulo V ............................................................................................................................................. 79 Conclusiones y recomendaciones....................................................................................................... 79 Conclusiones................................................................................................................................... 79 Trabajos Futuros................................................................................................................................. 81 Recomendaciones............................................................................................................................... 83 Capítulo VI............................................................................................................................................ 84 Bibliografía......................................................................................................................................... 84 Marco Legal........................................................................................................................................ 86 Anexos................................................................................................................................................ 87spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Universidad Autónoma de Bucaramanga - UNABspa
dc.identifier.reponamereponame:Repositorio Institucional UNABspa
dc.identifier.repourlrepourl:https://repository.unab.edu.cospa
dc.identifier.urihttp://hdl.handle.net/20.500.12749/30743
dc.language.isospaspa
dc.publisher.facultyFacultad Ingenieríaspa
dc.publisher.grantorUniversidad Autónoma de Bucaramanga UNABspa
dc.publisher.programPregrado Ingeniería Biomédicaspa
dc.publisher.programidIBM-1788
dc.relation.referencesEcheverri, L. M., & Zapata, Y. M. (2017). Prevalencia de eventos adversos y sus manifestaciones en profesionales de la salud como segundas víctimas. Revista Colombiana de Anestesiología, 45(4), 298-307. Recuperado de PubMed Central.spa
dc.relation.referencesBedoya, G. E., & Ochoa, S. F. (2019). Eventos adversos en un hospital pediátrico de tercer nivel de Bogotá. Revista Facultad Nacional de Salud Pública, 37(1), 53-62. Recuperado de aquí. Repositorio Institucional EdocUR :: Repositorio Institucional EdocUR - Universidad del Rosario - Colombia.spa
dc.relation.referencesMinisterio de Salud y Protección Social. (s.f.). Protocolo de prevención de caídas. Blanco Romero, R., & Hoyos Vélez, A. (2010). Sistema de detección de caída en personas de la tercera edad para uso en centros geriátricos.spa
dc.relation.referencesAutor anónimo. (s.f.). Informática Básica: El monitor o pantalla.spa
dc.relation.referencesAutor anónimo. (s.f.). Principales lenguajes de programación para proyectos de código abierto.spa
dc.relation.referencesAutor anónimo. (s.f.). Software Architecture.spa
dc.relation.referencesUNESCO. (s.f.). La inteligencia artificial en la educación.spa
dc.relation.referencesAutor anónimo. (s.f.). Python en IA: Aplicaciones prácticas y bibliotecas clave.spa
dc.relation.referencesReyes-Ortiz, O. J., Mejia, M., & Useche-Castelblanco, J. S. (2019). Técnicas de inteligencia artificial utilizadas en el procesamiento de imágenes y su aplicación en el análisis de pavimentos. Revista EIA, 16(31).spa
dc.relation.referencesArévalo, V. M., González, J., & Ambrosio, G. (s.f.). La librería de visión artificial OpenCV: Aplicación a la docencia e investigación.spa
dc.relation.referencesArévalo, V. M. (s.f.). Detección de movimiento con OpenCV y Python.spa
dc.relation.referencesAutor anónimo. (s.f.). Procesamiento de imágenes con OpenCV en Python.spa
dc.relation.referencesSam, R. Y., Lau, Y. F. P., Lau, Y., & Lau, S. T. (2022). Types and Mechanisms of Robot-Assisted Intervention for Falls Prevention: A Systematic Scoping Review. SSRN.spa
dc.relation.referencesMoore, J., Stuart, S., McMeekin, P., Walker, R., Nouredanesh, M., Tung, J., Reilly, R., & Godfrey, A. (2023). Toward enhanced free-living fall risk assessment: Data mining and deep learning for environment and terrain classification. Intelligence-Based Medicine, 8, 100103.spa
dc.relation.referencesJung, H., & Park, H. A. (2019). Development and Evaluation of a Prototype CDSS for Fall Prevention. Stud Health Technol Inform, 264, 1700-1701.spa
dc.relation.referencesSong, W., Latham, N. K., Liu, L., Rice, H. E., Sainlaire, M., Min, L., ... & Bates, D. W. (2024). Improved accuracy and efficiency of primary care fall risk screening of older adults using a machine learning approach. Journal of the American Geriatrics Society, 72(4), 1145-1154.spa
dc.relation.referencesSharma, L., Chao, C., Wu, S. L., & Li, M. C. (2021). High Accuracy WiFi-Based Human Activity Classification System with Time-Frequency Diagram CNN Method for Different Places. Sensors (Basel), 21(11), 3797.spa
dc.relation.uriapolohttps://apolo.unab.edu.co/en/persons/lusvin-javier-amado-forerospa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.creativecommonsAtribución-NoComercial-SinDerivadas 2.5 Colombia*
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/*
dc.subject.keywordsBiomedical engineeringspa
dc.subject.keywordsEngineeringspa
dc.subject.keywordsMedical electronicsspa
dc.subject.keywordsBiological physicsspa
dc.subject.keywordsBioengineeringspa
dc.subject.keywordsMedical instruments and apparatusspa
dc.subject.keywordsMedicinespa
dc.subject.keywordsBiomedicalspa
dc.subject.keywordsClinical engineeringspa
dc.subject.keywordsHuman pose estimationspa
dc.subject.keywordsFall preventionspa
dc.subject.keywordsVideo processingspa
dc.subject.keywordsNeural networksspa
dc.subject.keywordsMovement detectionspa
dc.subject.keywordsPrototype developmentspa
dc.subject.keywordsArtificial intelligencespa
dc.subject.keywords3D videospa
dc.subject.keywordsImage processing (digital techniques)spa
dc.subject.lembIngeniería biomédicaspa
dc.subject.lembIngenieríaspa
dc.subject.lembBiofísicaspa
dc.subject.lembBioingenieríaspa
dc.subject.lembMedicinaspa
dc.subject.lembBiomédicaspa
dc.subject.lembDesarrollo de prototiposspa
dc.subject.lembInteligencia artificialspa
dc.subject.lembVideo 3Dspa
dc.subject.lembProcesamiento de imágenes (Técnicas digitales)spa
dc.subject.proposalIngeniería clínicaspa
dc.subject.proposalElectrónica médicaspa
dc.subject.proposalInstrumentos y aparatos médicosspa
dc.subject.proposalEstimación de pose humanaspa
dc.subject.proposalVisión por computadoraspa
dc.subject.proposalPrevención de caídasspa
dc.subject.proposalRedes neuronalesspa
dc.subject.proposalDetección de movimientosspa
dc.subject.proposalInteligencia artificial aplicada a saludspa
dc.titlePrototipo para la identificación de movimiento en cama hospitalaria de pacientes adultos en el servicio de hospitalización en una IPS de alta complejidad para el reconocimiento de caídasspa
dc.title.translatedPrototype for identifying movement in hospital beds of adult patients in the inpatient ward of a high-complexity IPS for fall detectionspa
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aaspa
dc.type.driverinfo:eu-repo/semantics/bachelorThesis
dc.type.hasversioninfo:eu-repo/semantics/acceptedVersion
dc.type.localTrabajo de Gradospa
dc.type.redcolhttp://purl.org/redcol/resource_type/TP

Archivos

Bloque original

Mostrando 1 - 2 de 2
Cargando...
Miniatura
Nombre:
Libro proyecto de grado (MJ-JP) final (1).pdf
Tamaño:
1.11 MB
Formato:
Adobe Portable Document Format
Descripción:
Tesis
Cargando...
Miniatura
Nombre:
Licencia.pdf
Tamaño:
489.55 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
829 B
Formato:
Item-specific license agreed upon to submission
Descripción: