Sistema Web de detección de malestares y caídas geriátricas en un centro adulto mayor usando aprendizaje automático​​

• Autores: Miranda Cardenas, Johann Gerardo, Luque Vilcapoma, Julian Alberto
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/687645
• Enlace del recurso: http://hdl.handle.net/10757/687645
• Nivel de acceso: acceso abierto
• Materia: Crecimiento poblacional del adulto mayor; Detección de caídas y dolor; Visión por computador; Aprendizaje automático; Redes neuronales; Calidad de vida en ancianos; Population growth of the elderly; Fall and pain detection; Computer vision; Machine learning; Neural networks; Quality of life in the elderly; https://purl.org/pe-repo/ocde/ford#2.00.00; https://purl.org/pe-repo/ocde/ford#2.02.04

El envejecimiento poblacional es un desafío permanente para la sociedad en las áreas económica, social y sanitaria. La expansión demográfica del grupo adulto mayor implicará un incremento progresivo en la demanda de servicios. Por otro lado, el deterioro progresivo de la salud asociado al envejecimiento, que se manifiesta en dolores y caídas frecuentes, constituye un problema de salud pública, pues ocasiona inmovilidad y afecta de manera significativa la calidad de vida. En este contexto, el presente trabajo expone el desarrollo de un sistema autónomo de detección basado en visión por computador y redes neuronales, orientado a identificar dolor y caídas en tiempo real por medio de la clasificación de la postura corporal. El monitoreo constante, la detección temprana y el aviso de una posible emergencia permitirá una pronta atención y mejorará la recuperación. La metodología integra técnicas de detección de gestos humanos, identificación de puntos de referencia corporales y la inferencia de posturas mediante redes neuronales. Asimismo, se aplicó y validó un cuestionario basado en WHOQOL-OLD para determinar el grado de mejora percibida en la calidad de vida del anciano por el uso del sistema. El sistema presenta una arquitectura modular y es compatible con dispositivos de bajo costo, lo que facilita su implementación en diversos entornos. Los resultados muestran una sensibilidad del 95 % en la detección de dolor torácico y caídas, así como una percepción de mejora en la calidad de vida de los adultos mayores. El trabajo persigue los objetivos institucionales de transformación digital y es prioridad estratégica en la salud digital en beneficio de los afiliados de la institución.