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
Las 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 h...
- Autores:
-
Paredes Almeida, Johan Andres
Gómez Cristancho, María José
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2025
- Institución:
- Universidad Autónoma de Bucaramanga - UNAB
- Repositorio:
- Repositorio UNAB
- Idioma:
- spa
- OAI Identifier:
- oai:repository.unab.edu.co:20.500.12749/30743
- Acceso en línea:
- http://hdl.handle.net/20.500.12749/30743
- Palabra clave:
- Biomedical engineering
Engineering
Medical electronics
Biological physics
Bioengineering
Medical instruments and apparatus
Medicine
Biomedical
Clinical engineering
Human pose estimation
Fall prevention
Video processing
Neural networks
Movement detection
Prototype development
Artificial intelligence
3D video
Image processing (digital techniques)
Ingeniería biomédica
Ingeniería
Biofísica
Bioingeniería
Medicina
Biomédica
Desarrollo de prototipos
Inteligencia artificial
Video 3D
Procesamiento de imágenes (Técnicas digitales)
Ingeniería clínica
Electrónica médica
Instrumentos y aparatos médicos
Estimación de pose humana
Visión por computadora
Prevención de caídas
Redes neuronales
Detección de movimientos
Inteligencia artificial aplicada a salud
- Rights
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
| id |
UNAB2_53785eabb7b47f6150fd983cd4aee0c4 |
|---|---|
| oai_identifier_str |
oai:repository.unab.edu.co:20.500.12749/30743 |
| network_acronym_str |
UNAB2 |
| network_name_str |
Repositorio UNAB |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
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.title.translated.spa.fl_str_mv |
Prototype for identifying movement in hospital beds of adult patients in the inpatient ward of a high-complexity IPS for fall detection |
| title |
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 |
| spellingShingle |
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 Biomedical engineering Engineering Medical electronics Biological physics Bioengineering Medical instruments and apparatus Medicine Biomedical Clinical engineering Human pose estimation Fall prevention Video processing Neural networks Movement detection Prototype development Artificial intelligence 3D video Image processing (digital techniques) Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Desarrollo de prototipos Inteligencia artificial Video 3D Procesamiento de imágenes (Técnicas digitales) Ingeniería clínica Electrónica médica Instrumentos y aparatos médicos Estimación de pose humana Visión por computadora Prevención de caídas Redes neuronales Detección de movimientos Inteligencia artificial aplicada a salud |
| title_short |
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 |
| title_full |
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 |
| title_fullStr |
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 |
| title_full_unstemmed |
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 |
| title_sort |
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.creator.fl_str_mv |
Paredes Almeida, Johan Andres Gómez Cristancho, María José |
| dc.contributor.advisor.none.fl_str_mv |
Africano Diaz, Lina María Amado Forero, Lusvin Javier |
| dc.contributor.author.none.fl_str_mv |
Paredes Almeida, Johan Andres Gómez Cristancho, María José |
| dc.contributor.cvlac.spa.fl_str_mv |
Amado Forero, Lusvin Javier [0001376723] |
| dc.contributor.googlescholar.spa.fl_str_mv |
Amado Forero, Lusvin Javier [dqrfjJMAAAAJ] |
| dc.contributor.orcid.spa.fl_str_mv |
Amado Forero, Lusvin Javier [0000-0001-5104-9080] |
| dc.contributor.researchgate.spa.fl_str_mv |
Amado Forero, Lusvin Javier [Lusvin_Amado] |
| dc.contributor.apolounab.spa.fl_str_mv |
Amado Forero, Lusvin Javier [lusvin-javier-amado-forero] |
| dc.subject.keywords.spa.fl_str_mv |
Biomedical engineering Engineering Medical electronics Biological physics Bioengineering Medical instruments and apparatus Medicine Biomedical Clinical engineering Human pose estimation Fall prevention Video processing Neural networks Movement detection Prototype development Artificial intelligence 3D video Image processing (digital techniques) |
| topic |
Biomedical engineering Engineering Medical electronics Biological physics Bioengineering Medical instruments and apparatus Medicine Biomedical Clinical engineering Human pose estimation Fall prevention Video processing Neural networks Movement detection Prototype development Artificial intelligence 3D video Image processing (digital techniques) Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Desarrollo de prototipos Inteligencia artificial Video 3D Procesamiento de imágenes (Técnicas digitales) Ingeniería clínica Electrónica médica Instrumentos y aparatos médicos Estimación de pose humana Visión por computadora Prevención de caídas Redes neuronales Detección de movimientos Inteligencia artificial aplicada a salud |
| dc.subject.lemb.spa.fl_str_mv |
Ingeniería biomédica Ingeniería Biofísica Bioingeniería Medicina Biomédica Desarrollo de prototipos Inteligencia artificial Video 3D Procesamiento de imágenes (Técnicas digitales) |
| dc.subject.proposal.spa.fl_str_mv |
Ingeniería clínica Electrónica médica Instrumentos y aparatos médicos Estimación de pose humana Visión por computadora Prevención de caídas Redes neuronales Detección de movimientos Inteligencia artificial aplicada a salud |
| description |
Las 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. |
| publishDate |
2025 |
| dc.date.accessioned.none.fl_str_mv |
2025-08-12T14:07:28Z |
| dc.date.available.none.fl_str_mv |
2025-08-12T14:07:28Z |
| dc.date.issued.none.fl_str_mv |
2025-05-29 |
| dc.type.driver.none.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.local.spa.fl_str_mv |
Trabajo de Grado |
| dc.type.coar.none.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.hasversion.none.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.redcol.none.fl_str_mv |
http://purl.org/redcol/resource_type/TP |
| format |
http://purl.org/coar/resource_type/c_7a1f |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/20.500.12749/30743 |
| dc.identifier.instname.spa.fl_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB |
| dc.identifier.reponame.spa.fl_str_mv |
reponame:Repositorio Institucional UNAB |
| dc.identifier.repourl.spa.fl_str_mv |
repourl:https://repository.unab.edu.co |
| url |
http://hdl.handle.net/20.500.12749/30743 |
| identifier_str_mv |
instname:Universidad Autónoma de Bucaramanga - UNAB reponame:Repositorio Institucional UNAB repourl:https://repository.unab.edu.co |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
Echeverri, 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. Bedoya, 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. Ministerio 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. Autor anónimo. (s.f.). Informática Básica: El monitor o pantalla. Autor anónimo. (s.f.). Principales lenguajes de programación para proyectos de código abierto. Autor anónimo. (s.f.). Software Architecture. UNESCO. (s.f.). La inteligencia artificial en la educación. Autor anónimo. (s.f.). Python en IA: Aplicaciones prácticas y bibliotecas clave. Reyes-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). Arévalo, V. M., González, J., & Ambrosio, G. (s.f.). La librería de visión artificial OpenCV: Aplicación a la docencia e investigación. Arévalo, V. M. (s.f.). Detección de movimiento con OpenCV y Python. Autor anónimo. (s.f.). Procesamiento de imágenes con OpenCV en Python. Sam, 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. Moore, 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. Jung, H., & Park, H. A. (2019). Development and Evaluation of a Prototype CDSS for Fall Prevention. Stud Health Technol Inform, 264, 1700-1701. Song, 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. Sharma, 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. |
| dc.relation.uriapolo.spa.fl_str_mv |
https://apolo.unab.edu.co/en/persons/lusvin-javier-amado-forero |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
| dc.rights.local.spa.fl_str_mv |
Abierto (Texto Completo) |
| dc.rights.creativecommons.*.fl_str_mv |
Atribución-NoComercial-SinDerivadas 2.5 Colombia |
| rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ Abierto (Texto Completo) Atribución-NoComercial-SinDerivadas 2.5 Colombia http://purl.org/coar/access_right/c_abf2 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.coverage.spatial.spa.fl_str_mv |
Bucaramanga (Santander, Colombia) |
| dc.coverage.temporal.spa.fl_str_mv |
2024-2025 |
| dc.coverage.campus.spa.fl_str_mv |
UNAB Campus Bucaramanga |
| dc.publisher.grantor.spa.fl_str_mv |
Universidad Autónoma de Bucaramanga UNAB |
| dc.publisher.faculty.spa.fl_str_mv |
Facultad Ingeniería |
| dc.publisher.program.spa.fl_str_mv |
Pregrado Ingeniería Biomédica |
| dc.publisher.programid.none.fl_str_mv |
IBM-1788 |
| institution |
Universidad Autónoma de Bucaramanga - UNAB |
| bitstream.url.fl_str_mv |
https://repository.unab.edu.co/bitstream/20.500.12749/30743/7/Libro%20proyecto%20de%20grado%20%28MJ-JP%29%20final%20%281%29.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/30743/8/Licencia.pdf.jpg https://repository.unab.edu.co/bitstream/20.500.12749/30743/1/Libro%20proyecto%20de%20grado%20%28MJ-JP%29%20final%20%281%29.pdf https://repository.unab.edu.co/bitstream/20.500.12749/30743/6/Licencia.pdf https://repository.unab.edu.co/bitstream/20.500.12749/30743/5/license.txt |
| bitstream.checksum.fl_str_mv |
92ea6b106db80bb68e217120613eecdc 138d756998102eb42a5d9a2fc510962d d5d38448190f930022bce544e2845d0b abd8c9945cd1c137c361bf37f21d7af1 3755c0cfdb77e29f2b9125d7a45dd316 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional | Universidad Autónoma de Bucaramanga - UNAB |
| repository.mail.fl_str_mv |
repositorio@unab.edu.co |
| _version_ |
1851051700169736192 |
| spelling |
Africano Diaz, Lina María5d31c734-e5df-47a7-a14b-197556a9a26dAmado Forero, Lusvin Javier5b8ff26f-ab75-458c-8567-50557c0077e4Paredes Almeida, Johan Andres0dc67eb1-d15d-43f2-94d2-194bb43ce317Gómez Cristancho, María José3c35853a-7ba7-476c-a657-b626c8f73199Amado Forero, Lusvin Javier [0001376723]Amado Forero, Lusvin Javier [dqrfjJMAAAAJ]Amado Forero, Lusvin Javier [0000-0001-5104-9080]Amado Forero, Lusvin Javier [Lusvin_Amado]Amado Forero, Lusvin Javier [lusvin-javier-amado-forero]Bucaramanga (Santander, Colombia)2024-2025UNAB Campus Bucaramanga2025-08-12T14:07:28Z2025-08-12T14:07:28Z2025-05-29http://hdl.handle.net/20.500.12749/30743instname:Universidad Autónoma de Bucaramanga - UNABreponame:Repositorio Institucional UNABrepourl:https://repository.unab.edu.coLas 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.Contenido 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................................................................................................................................................ 87PregradoFalls 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.Modalidad Presencialapplication/pdfspahttp://creativecommons.org/licenses/by-nc-nd/2.5/co/Abierto (Texto Completo)Atribución-NoComercial-SinDerivadas 2.5 Colombiahttp://purl.org/coar/access_right/c_abf2Prototipo 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 caídasPrototype for identifying movement in hospital beds of adult patients in the inpatient ward of a high-complexity IPS for fall detectionIngeniero BiomédicoUniversidad Autónoma de Bucaramanga UNABFacultad IngenieríaPregrado Ingeniería BiomédicaIBM-1788info:eu-repo/semantics/bachelorThesisTrabajo de Gradohttp://purl.org/coar/resource_type/c_7a1finfo:eu-repo/semantics/acceptedVersionhttp://purl.org/redcol/resource_type/TPBiomedical engineeringEngineeringMedical electronicsBiological physicsBioengineeringMedical instruments and apparatusMedicineBiomedicalClinical engineeringHuman pose estimationFall preventionVideo processingNeural networksMovement detectionPrototype developmentArtificial intelligence3D videoImage processing (digital techniques)Ingeniería biomédicaIngenieríaBiofísicaBioingenieríaMedicinaBiomédicaDesarrollo de prototiposInteligencia artificialVideo 3DProcesamiento de imágenes (Técnicas digitales)Ingeniería clínicaElectrónica médicaInstrumentos y aparatos médicosEstimación de pose humanaVisión por computadoraPrevención de caídasRedes neuronalesDetección de movimientosInteligencia artificial aplicada a saludEcheverri, 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.Bedoya, 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.Ministerio 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.Autor anónimo. (s.f.). Informática Básica: El monitor o pantalla.Autor anónimo. (s.f.). Principales lenguajes de programación para proyectos de código abierto.Autor anónimo. (s.f.). Software Architecture.UNESCO. (s.f.). La inteligencia artificial en la educación.Autor anónimo. (s.f.). Python en IA: Aplicaciones prácticas y bibliotecas clave.Reyes-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).Arévalo, V. M., González, J., & Ambrosio, G. (s.f.). La librería de visión artificial OpenCV: Aplicación a la docencia e investigación.Arévalo, V. M. (s.f.). Detección de movimiento con OpenCV y Python.Autor anónimo. (s.f.). Procesamiento de imágenes con OpenCV en Python.Sam, 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.Moore, 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.Jung, H., & Park, H. A. (2019). Development and Evaluation of a Prototype CDSS for Fall Prevention. Stud Health Technol Inform, 264, 1700-1701.Song, 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.Sharma, 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.https://apolo.unab.edu.co/en/persons/lusvin-javier-amado-foreroTHUMBNAILLibro proyecto de grado (MJ-JP) final (1).pdf.jpgLibro proyecto de grado (MJ-JP) final (1).pdf.jpgIM Thumbnailimage/jpeg4948https://repository.unab.edu.co/bitstream/20.500.12749/30743/7/Libro%20proyecto%20de%20grado%20%28MJ-JP%29%20final%20%281%29.pdf.jpg92ea6b106db80bb68e217120613eecdcMD57open accessLicencia.pdf.jpgLicencia.pdf.jpgIM Thumbnailimage/jpeg13312https://repository.unab.edu.co/bitstream/20.500.12749/30743/8/Licencia.pdf.jpg138d756998102eb42a5d9a2fc510962dMD58metadata only accessORIGINALLibro proyecto de grado (MJ-JP) final (1).pdfLibro proyecto de grado (MJ-JP) final (1).pdfTesisapplication/pdf1164295https://repository.unab.edu.co/bitstream/20.500.12749/30743/1/Libro%20proyecto%20de%20grado%20%28MJ-JP%29%20final%20%281%29.pdfd5d38448190f930022bce544e2845d0bMD51open accessLicencia.pdfLicencia.pdfLicenciaapplication/pdf501300https://repository.unab.edu.co/bitstream/20.500.12749/30743/6/Licencia.pdfabd8c9945cd1c137c361bf37f21d7af1MD56metadata only accessLICENSElicense.txtlicense.txttext/plain; charset=utf-8829https://repository.unab.edu.co/bitstream/20.500.12749/30743/5/license.txt3755c0cfdb77e29f2b9125d7a45dd316MD55open access20.500.12749/30743oai:repository.unab.edu.co:20.500.12749/307432025-08-12 22:00:20.452open accessRepositorio Institucional | Universidad Autónoma de Bucaramanga - UNABrepositorio@unab.edu.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 |
