eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning
Este trabajo se da en respuesta a las altas tasas de muerte en Colombia y en el mundo por hipertensión arterial, problemática que se puede abordar mediante la promoción de los hábitos saludables, el autocuidado y monitoreo sistemático. Hoy en día, se utilizan diversos dispositivos de medición para l...
- Autores:
-
Bolívar Pulgarín, Néstor Germán
- Tipo de recurso:
- Work document
- Fecha de publicación:
- 2019
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/77411
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/77411
- Palabra clave:
- 600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados
Aprendizaje automático
Internet of Things (IoT
Presión arterial
Tele-medicina
Blood pressure
Internet of Things (IoT)
Machine learning
Tele-medicine
- Rights
- openAccess
- License
- Reconocimiento 4.0 Internacional
| id |
UNACIONAL2_5098fb212370d4a675daccf0d9882434 |
|---|---|
| oai_identifier_str |
oai:repositorio.unal.edu.co:unal/77411 |
| network_acronym_str |
UNACIONAL2 |
| network_name_str |
Universidad Nacional de Colombia |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning |
| dc.title.alternative.spa.fl_str_mv |
eHeart-BP, Prototype of the Internet of Things to Monitor Blood Pressure |
| title |
eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning |
| spellingShingle |
eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning 600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados Aprendizaje automático Internet of Things (IoT Presión arterial Tele-medicina Blood pressure Internet of Things (IoT) Machine learning Tele-medicine |
| title_short |
eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning |
| title_full |
eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning |
| title_fullStr |
eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning |
| title_full_unstemmed |
eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning |
| title_sort |
eHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine Learning |
| dc.creator.fl_str_mv |
Bolívar Pulgarín, Néstor Germán |
| dc.contributor.advisor.spa.fl_str_mv |
Salcedo Parra, Octavio José Cangrejo Aljure, Libia Denise |
| dc.contributor.author.spa.fl_str_mv |
Bolívar Pulgarín, Néstor Germán |
| dc.subject.ddc.spa.fl_str_mv |
600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados |
| topic |
600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionados Aprendizaje automático Internet of Things (IoT Presión arterial Tele-medicina Blood pressure Internet of Things (IoT) Machine learning Tele-medicine |
| dc.subject.proposal.spa.fl_str_mv |
Aprendizaje automático Internet of Things (IoT Presión arterial Tele-medicina |
| dc.subject.proposal.eng.fl_str_mv |
Blood pressure Internet of Things (IoT) Machine learning Tele-medicine |
| description |
Este trabajo se da en respuesta a las altas tasas de muerte en Colombia y en el mundo por hipertensión arterial, problemática que se puede abordar mediante la promoción de los hábitos saludables, el autocuidado y monitoreo sistemático. Hoy en día, se utilizan diversos dispositivos de medición para la supervisión de esta variable biométrica, sin embargo, es notoria la ausencia de un dispositivo practico que satisfaga los requerimientos de un sistema de monitoreo inteligente y cómodo de la presión arterial. El objetivo de esta investigación es el diseño y desarrollo de un prototipo de comunicación inalámbrica, sustentado en la utilización de un tensiómetro arterial de brazo. Este dispositivo fue modificado para posibilitar el envío de los datos de presión arterial y ritmo cardiaco a un servidor en la web. Si bien, en la búsqueda de literatura realizada se resaltan el desarrollo de múltiples sistemas de monitoreo de la presión arterial que involucran Tecnologías de la Información y Comunicación. Esta investigación enfatiza la utilización de herramientas del ecosistema digital actual que favorezcan una lectura cómoda y completa sobre los aspectos relevantes entorno a la presión arterial del usuario. También se destaca el diseño de algoritmos de aprendizaje automático que posibiliten el tratamiento de los datos proporcionados por el tensiómetro, de modo que se pueda obtener una probabilidad de riesgo de padecer un episodio de hipertensión mediante un análisis derivado de las medidas de presión arterial del usuario. En este documento se presenta el prototipo de monitoreo, la descripción y diseño de las capas estructurales que lo componen, tecnologías asociadas y los atributos técnicos que posibilitan su funcionamiento. Finalmente, se incluye un análisis comparativo de un sistema similar, donde se destaca en los resultados obtenidos, la predicción del modelo de aprendizaje de maquina en cerca del 67%. Adicional, es de resaltar la disponibilidad de las mediciones de PA en tiempo cercano al real, posibilitando notificaciones o alertas a eventualidades criticas. |
| publishDate |
2019 |
| dc.date.issued.spa.fl_str_mv |
2019-12-01 |
| dc.date.accessioned.spa.fl_str_mv |
2020-04-13T17:37:09Z |
| dc.date.available.spa.fl_str_mv |
2020-04-13T17:37:09Z |
| dc.type.spa.fl_str_mv |
Documento de trabajo |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/workingPaper |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/acceptedVersion |
| dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_8042 |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/WP |
| format |
http://purl.org/coar/resource_type/c_8042 |
| status_str |
acceptedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repositorio.unal.edu.co/handle/unal/77411 |
| url |
https://repositorio.unal.edu.co/handle/unal/77411 |
| dc.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.relation.references.spa.fl_str_mv |
[1] W. H. O. WHO Press, “Prevention of Cardiovascular Disease Guidelines for assessment and management of cardiovascular risk WHO Library Cataloguing-in-Publication Data,” WHO Library Cataloguing-in-Publication Data Prevention, Geneva, Switzerland, pp. 2–18, 2007. [2] F. M. I. Javier, “Promocion de la salud cardiovascular, prevención y control de la diabetes, la obesidad y el sobrepeso en Colombia,” Ministerio de Salud y Protección Social de Colombia, Colombia, 2017. [3] B. Y. Escobar Restrepo, “Sistema para la medición de la presión arterial continua no invasiva sin brazalete,” vol. 1, pp. 25–50, Apr. 2014. [4] WHO, “Technical package for cardiovascular disease management in primary health care,” Geneva, Switzerland, 2016. [5] N. G. Bolivar Pulgarin, L. D. Cangrejo Aljure, and O. J. Salcedo Parra, “eHeart-BP, Prototype of the Internet of Things to Monitor Blood Pressure,” in 2019 IEEE/ACM International Conference on Connected Health: Applications, Systems and Engineering Technologies (CHASE), 2019, pp. 58–63. [6] J. E. Sociedad Colombiana de Cardiología., Revista colombiana de cardiología : órgano oficial de la Sociedad Colombiana de Cardiología., vol. 19, no. 6. Sociedad Colombiana de Cardiología, 2012. [7] F. Paganelli and D. Giuli, “An Ontology-Based Context Model for Home Health Monitoring and Alerting in Chronic Patient Care Networks,” in 21st International Conference on Advanced Information Networking and Applications Workshops (AINAW’07), 2007, pp. 838–845. [8] P. Unnikrishnan, D. K. Kumar, S. Poosapadi Arjunan, H. Kumar, P. Mitchell, and R. Kawasaki, “Development of Health Parameter Model for Risk Prediction of CVD Using SVM.,” Comput. Math. Methods Med., vol. 2016, p. 3016245, 2016. [9] J.-C. Hsieh, A.-H. Li, and C.-C. Yang, “Mobile, Cloud, and Big Data Computing: Contributions, Challenges, and New Directions in Telecardiology,” Int. J. Environ. Res. Public Health, vol. 10, no. 11, pp. 6131–6153, Nov. 2013. [10] S. J. Hsu, S. S. Lin, T. W. Pai, and H. Fujita, “Proactive healthcare and an early warning mechanism for coronary artery disease patients using Internet-of-Thing devices,” in 2016 IEEE International Conference on Systems, Man, and Cybernetics, SMC 2016 - Conference Proceedings, 2017, pp. 1400–1405. [11] S. Hijazi, A. Page, B. Kantarci, and T. Soyata, “Machine Learning in Cardiac Health Monitoring and Decision Support,” Computer (Long. Beach. Calif)., vol. 49, no. 11, pp. 38–48, 2016. [12] A. Acharya, “Comparative Study of Machine Learning Algorithms for Heart Disease Prediction,” Thesis Inf. Technol., no. April, p. 28, 2017. [13] A. Wang, N. An, Y. Xia, L. Li, and G. Chen, “A Logistic Regression and Artificial Neural Network-Based Approach for Chronic Disease Prediction: A Case Study of Hypertension,” in 2014 IEEE International Conference on Internet of Things(iThings), and IEEE Green Computing and Communications (GreenCom) and IEEE Cyber, Physical and Social Computing (CPSCom), 2014, pp. 45–52. [14] P. Unnikrishnan, D. K. Kumar, S. Poosapadi Arjunan, H. Kumar, P. Mitchell, and R. Kawasaki, “Development of Health Parameter Model for Risk Prediction of CVD Using SVM.,” Comput. Math. Methods Med., vol. 2016, p. 3016245, 2016. [15] A. R. Kumar, “Difference between Machine Learning, Deep Learning and Artificial Intelligence,” Udacity, 2018. [Online]. Available: https://medium.com/@UdacityINDIA/difference-between-machine-learning-deep-learning-and-artificial-intelligence-e9073d43a4c3. [Accessed: 05-Nov-2019]. [16] S. K. Sen, “Predicting and Diagnosing of Heart Disease Using Machine Learning Algorithms,” Int. J. Eng. Comput. Sci., 2017. [17] N. Gupta, N. Ahuja, S. Malhotra, A. Bala, and G. Kaur, “Intelligent heart disease prediction in cloud environment through ensembling,” Expert Syst., vol. 34, no. 3, 2017. [18] D. Singh, G. Tripathi, and A. J. Jara, “A survey of Internet-of-Things: Future vision, architecture, challenges and services,” in 2014 IEEE World Forum on Internet of Things, WF-IoT 2014, 2014, pp. 287–292. [19] A. Čolaković and M. Hadžialić, “Internet of Things (IoT): A review of enabling technologies, challenges, and open research issues,” Computer Networks, vol. 144. Elsevier B.V., pp. 17–39, 24-Oct-2018. [20] L. Rose, Karen; Eldridge, Scott; Chapin, “La internet de las cosas — Una breve reseña,” Internet Society, vol. 1, Geneva, Switzerland, pp. 63–112, 2015. [21] A. M. Khairuddin, K. N. F. Ku Azir, and P. E. Kan, “Limitations and future of electrocardiography devices: A review and the perspective from the Internet of Things,” in International Conference on Research and Innovation in Information Systems, ICRIIS, 2017, pp. 2–4. [22] A. Ghosh, “Personal Healthcare Agents for Monitoring and Predicting Stress and Hypertension from Biosignals.” Università degli Studi di Trento, Trento TN, Italia, pp. 22–40, 2017. [23] J. C. Hsieh, A. H. Li, and C. C. Yang, “Mobile, cloud, and big data computing: Contributions, challenges, and new directions in telecardiology,” International Journal of Environmental Research and Public Health, vol. 10, no. 11. Multidisciplinary Digital Publishing Institute, pp. 6131–6153, 13-Nov-2013. [24] C. A. Alexander and L. Wang, “Big Data Analytics in Heart Attack Prediction,” J. Nurs. Care, vol. 06, no. 02, 2017. [25] P. Fernando and V. V. Asorey, “Claves para abordar el diseño metodológico » Maestría Diseño Comunicacional | diCom,” 2013. [Online]. Available: https://maestriadicom.org/articulos/claves-para-abordar-el-diseno-metodologico/. [Accessed: 28-Oct-2019]. [26] “PANASONIC EW3106 OPERATING INSTRUCTIONS MANUAL Pdf Download.” [Online]. Available: https://www.manualslib.com/manual/744498/Panasonic-Ew3106.html. [Accessed: 27-Nov-2019]. [27] S. W. Liou, D. Kurniadi, B. R. Zheng, W. Q. Xie, C. J. Tien, and G. J. Jong, “Classification of biomedical signal on IoT platform using support vector machine,” in Proceedings of 4th IEEE International Conference on Applied System Innovation 2018, ICASI 2018, 2018, pp. 50–53. [28] S. Eduardo, “Hacking a Blood Pressure Monitor – Edu Steinhorst,” 2015. [Online]. Available: https://www.edusteinhorst.com/hacking-a-blood-pressure-monitor/. [Accessed: 30-Oct-2019]. [29] C. É. Rodríguez, “Telesalud en Colombia,” Acreditación en Salud ICONTEC, p. 5, 2011. [30] P. Borges, P. Monteiro, and R. J. Machado, “Tailoring RUP to small software development teams,” in Proceedings - 37th EUROMICRO Conference on Software Engineering and Advanced Applications, SEAA 2011, 2011, pp. 306–309. [31] S. Gayathri, A. S. Priyadharshini, and P. T. V. Bhuvaneswari, “Multivariate linear regression based activity recognition and classification,” in International Conference on Information Communication and Embedded Systems (ICICES2014), 2014, pp. 1–6. [32] V. Boyarshinov, “Machine Learning,” Computer, vol. 2005, no. April. Universidad de Stanford, p. 414, 1997. [33] G. Ranjan, “Global Cost Minimum,” Stack Exchange, 2019. [Online]. Available: https://datascience.stackexchange.com. [34] M. M. Aborokbah, S. Al-Mutairi, A. K. Sangaiah, and O. W. Samuel, “Adaptive context aware decision computing paradigm for intensive health care delivery in smart cities—A case analysis,” Sustain. Cities Soc., vol. 41, pp. 919–924, 2018. |
| dc.rights.spa.fl_str_mv |
Derechos reservados - Universidad Nacional de Colombia |
| dc.rights.coar.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| dc.rights.license.spa.fl_str_mv |
Reconocimiento 4.0 Internacional |
| dc.rights.spa.spa.fl_str_mv |
Acceso abierto |
| dc.rights.uri.spa.fl_str_mv |
http://creativecommons.org/licenses/by/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| rights_invalid_str_mv |
Reconocimiento 4.0 Internacional Derechos reservados - Universidad Nacional de Colombia Acceso abierto http://creativecommons.org/licenses/by/4.0/ http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.extent.spa.fl_str_mv |
83 |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.branch.spa.fl_str_mv |
Universidad Nacional de Colombia - Sede Bogotá |
| institution |
Universidad Nacional de Colombia |
| bitstream.url.fl_str_mv |
https://repositorio.unal.edu.co/bitstream/unal/77411/1/1013632287.2020.pdf https://repositorio.unal.edu.co/bitstream/unal/77411/2/license.txt https://repositorio.unal.edu.co/bitstream/unal/77411/3/license_rdf https://repositorio.unal.edu.co/bitstream/unal/77411/4/1013632287.2020.pdf.jpg |
| bitstream.checksum.fl_str_mv |
a29cd2055e9ece268d087dc2fd07f530 6f3f13b02594d02ad110b3ad534cd5df 1608e658af296c3febc577e957e919bf 4173f631d9c8ca7d7c899e11771bc277 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad Nacional de Colombia |
| repository.mail.fl_str_mv |
repositorio_nal@unal.edu.co |
| _version_ |
1814089359981281280 |
| spelling |
Reconocimiento 4.0 InternacionalDerechos reservados - Universidad Nacional de ColombiaAcceso abiertohttp://creativecommons.org/licenses/by/4.0/info:eu-repo/semantics/openAccesshttp://purl.org/coar/access_right/c_abf2Salcedo Parra, Octavio José290e3e40-941b-470e-87bf-a020309162f8-1Cangrejo Aljure, Libia Denise3a674864-8282-427f-83bc-55ac82bc74e0-1Bolívar Pulgarín, Néstor Germána1ea6ed3-01e3-47b9-8579-620618d55da62020-04-13T17:37:09Z2020-04-13T17:37:09Z2019-12-01https://repositorio.unal.edu.co/handle/unal/77411Este trabajo se da en respuesta a las altas tasas de muerte en Colombia y en el mundo por hipertensión arterial, problemática que se puede abordar mediante la promoción de los hábitos saludables, el autocuidado y monitoreo sistemático. Hoy en día, se utilizan diversos dispositivos de medición para la supervisión de esta variable biométrica, sin embargo, es notoria la ausencia de un dispositivo practico que satisfaga los requerimientos de un sistema de monitoreo inteligente y cómodo de la presión arterial. El objetivo de esta investigación es el diseño y desarrollo de un prototipo de comunicación inalámbrica, sustentado en la utilización de un tensiómetro arterial de brazo. Este dispositivo fue modificado para posibilitar el envío de los datos de presión arterial y ritmo cardiaco a un servidor en la web. Si bien, en la búsqueda de literatura realizada se resaltan el desarrollo de múltiples sistemas de monitoreo de la presión arterial que involucran Tecnologías de la Información y Comunicación. Esta investigación enfatiza la utilización de herramientas del ecosistema digital actual que favorezcan una lectura cómoda y completa sobre los aspectos relevantes entorno a la presión arterial del usuario. También se destaca el diseño de algoritmos de aprendizaje automático que posibiliten el tratamiento de los datos proporcionados por el tensiómetro, de modo que se pueda obtener una probabilidad de riesgo de padecer un episodio de hipertensión mediante un análisis derivado de las medidas de presión arterial del usuario. En este documento se presenta el prototipo de monitoreo, la descripción y diseño de las capas estructurales que lo componen, tecnologías asociadas y los atributos técnicos que posibilitan su funcionamiento. Finalmente, se incluye un análisis comparativo de un sistema similar, donde se destaca en los resultados obtenidos, la predicción del modelo de aprendizaje de maquina en cerca del 67%. Adicional, es de resaltar la disponibilidad de las mediciones de PA en tiempo cercano al real, posibilitando notificaciones o alertas a eventualidades criticas.This work is given in response to the high death rates in Colombia and in the world due to arterial hypertension, problem that can be addressed by promoting healthy habits, self-care and systematic monitoring. Today, various measuring devices are used for the monitoring of this biometric variable, however, the absence of a practical device that meets the requirements of a smart and comfortable blood pressure monitoring system is noticeable. The objective of this research is the design and development of a wireless communication prototype, based on the use of an arm blood pressure monitor. This device was modified to enable the sending of blood pressure and heart rate data to a server on the web. Although, in the search for literature carried out, the development of multiple blood pressure monitoring systems that involve Information and Communication Technologies are highlighted, this research emphasizes the use of current digital ecosystem tools that favor a comfortable and complete reading about the relevant aspects around the user's blood pressure. It is also highlighted the design of machine learning algorithms that enable the treatment of the data provided by the tensiometer, so that a probability of risk of hypertension can be obtained through an analysis derived from the user's blood pressure measurements. This document presents the monitoring prototype, the description and design of the structural layers that compose it, associated technologies and the technical and design attributes that enable its operation. Finally, a comparative analysis of a similar system is included, where the prediction of the machine learning model stands out in about 67%. In addition, it is worth highlighting the availability of BP measurements in close to real time, allowing notifications or alerts to critical eventualities.Magíster en Ingeniería - Telecomunicaciones. Línea de Investigación: Señales e informaciónMaestría83application/pdfspa600 - Tecnología (Ciencias aplicadas)::607 - Educación, investigación, temas relacionadosAprendizaje automáticoInternet of Things (IoTPresión arterialTele-medicinaBlood pressureInternet of Things (IoT)Machine learningTele-medicineeHeart-BP: prototipo de Internet de las Cosas para monitorear la presión arterial utilizando algoritmos de Machine LearningeHeart-BP, Prototype of the Internet of Things to Monitor Blood PressureDocumento de trabajoinfo:eu-repo/semantics/workingPaperinfo:eu-repo/semantics/acceptedVersionhttp://purl.org/coar/resource_type/c_8042Texthttp://purl.org/redcol/resource_type/WPUniversidad Nacional de Colombia - Sede Bogotá[1] W. H. O. WHO Press, “Prevention of Cardiovascular Disease Guidelines for assessment and management of cardiovascular risk WHO Library Cataloguing-in-Publication Data,” WHO Library Cataloguing-in-Publication Data Prevention, Geneva, Switzerland, pp. 2–18, 2007.[2] F. M. I. Javier, “Promocion de la salud cardiovascular, prevención y control de la diabetes, la obesidad y el sobrepeso en Colombia,” Ministerio de Salud y Protección Social de Colombia, Colombia, 2017.[3] B. Y. Escobar Restrepo, “Sistema para la medición de la presión arterial continua no invasiva sin brazalete,” vol. 1, pp. 25–50, Apr. 2014.[4] WHO, “Technical package for cardiovascular disease management in primary health care,” Geneva, Switzerland, 2016.[5] N. G. Bolivar Pulgarin, L. D. Cangrejo Aljure, and O. J. Salcedo Parra, “eHeart-BP, Prototype of the Internet of Things to Monitor Blood Pressure,” in 2019 IEEE/ACM International Conference on Connected Health: Applications, Systems and Engineering Technologies (CHASE), 2019, pp. 58–63.[6] J. E. Sociedad Colombiana de Cardiología., Revista colombiana de cardiología : órgano oficial de la Sociedad Colombiana de Cardiología., vol. 19, no. 6. Sociedad Colombiana de Cardiología, 2012.[7] F. Paganelli and D. Giuli, “An Ontology-Based Context Model for Home Health Monitoring and Alerting in Chronic Patient Care Networks,” in 21st International Conference on Advanced Information Networking and Applications Workshops (AINAW’07), 2007, pp. 838–845.[8] P. Unnikrishnan, D. K. Kumar, S. Poosapadi Arjunan, H. Kumar, P. Mitchell, and R. Kawasaki, “Development of Health Parameter Model for Risk Prediction of CVD Using SVM.,” Comput. Math. Methods Med., vol. 2016, p. 3016245, 2016.[9] J.-C. Hsieh, A.-H. Li, and C.-C. Yang, “Mobile, Cloud, and Big Data Computing: Contributions, Challenges, and New Directions in Telecardiology,” Int. J. Environ. Res. Public Health, vol. 10, no. 11, pp. 6131–6153, Nov. 2013.[10] S. J. Hsu, S. S. Lin, T. W. Pai, and H. Fujita, “Proactive healthcare and an early warning mechanism for coronary artery disease patients using Internet-of-Thing devices,” in 2016 IEEE International Conference on Systems, Man, and Cybernetics, SMC 2016 - Conference Proceedings, 2017, pp. 1400–1405.[11] S. Hijazi, A. Page, B. Kantarci, and T. Soyata, “Machine Learning in Cardiac Health Monitoring and Decision Support,” Computer (Long. Beach. Calif)., vol. 49, no. 11, pp. 38–48, 2016.[12] A. Acharya, “Comparative Study of Machine Learning Algorithms for Heart Disease Prediction,” Thesis Inf. Technol., no. April, p. 28, 2017.[13] A. Wang, N. An, Y. Xia, L. Li, and G. Chen, “A Logistic Regression and Artificial Neural Network-Based Approach for Chronic Disease Prediction: A Case Study of Hypertension,” in 2014 IEEE International Conference on Internet of Things(iThings), and IEEE Green Computing and Communications (GreenCom) and IEEE Cyber, Physical and Social Computing (CPSCom), 2014, pp. 45–52.[14] P. Unnikrishnan, D. K. Kumar, S. Poosapadi Arjunan, H. Kumar, P. Mitchell, and R. Kawasaki, “Development of Health Parameter Model for Risk Prediction of CVD Using SVM.,” Comput. Math. Methods Med., vol. 2016, p. 3016245, 2016.[15] A. R. Kumar, “Difference between Machine Learning, Deep Learning and Artificial Intelligence,” Udacity, 2018. [Online]. Available: https://medium.com/@UdacityINDIA/difference-between-machine-learning-deep-learning-and-artificial-intelligence-e9073d43a4c3. [Accessed: 05-Nov-2019].[16] S. K. Sen, “Predicting and Diagnosing of Heart Disease Using Machine Learning Algorithms,” Int. J. Eng. Comput. Sci., 2017.[17] N. Gupta, N. Ahuja, S. Malhotra, A. Bala, and G. Kaur, “Intelligent heart disease prediction in cloud environment through ensembling,” Expert Syst., vol. 34, no. 3, 2017.[18] D. Singh, G. Tripathi, and A. J. Jara, “A survey of Internet-of-Things: Future vision, architecture, challenges and services,” in 2014 IEEE World Forum on Internet of Things, WF-IoT 2014, 2014, pp. 287–292.[19] A. Čolaković and M. Hadžialić, “Internet of Things (IoT): A review of enabling technologies, challenges, and open research issues,” Computer Networks, vol. 144. Elsevier B.V., pp. 17–39, 24-Oct-2018.[20] L. Rose, Karen; Eldridge, Scott; Chapin, “La internet de las cosas — Una breve reseña,” Internet Society, vol. 1, Geneva, Switzerland, pp. 63–112, 2015.[21] A. M. Khairuddin, K. N. F. Ku Azir, and P. E. Kan, “Limitations and future of electrocardiography devices: A review and the perspective from the Internet of Things,” in International Conference on Research and Innovation in Information Systems, ICRIIS, 2017, pp. 2–4.[22] A. Ghosh, “Personal Healthcare Agents for Monitoring and Predicting Stress and Hypertension from Biosignals.” Università degli Studi di Trento, Trento TN, Italia, pp. 22–40, 2017.[23] J. C. Hsieh, A. H. Li, and C. C. Yang, “Mobile, cloud, and big data computing: Contributions, challenges, and new directions in telecardiology,” International Journal of Environmental Research and Public Health, vol. 10, no. 11. Multidisciplinary Digital Publishing Institute, pp. 6131–6153, 13-Nov-2013.[24] C. A. Alexander and L. Wang, “Big Data Analytics in Heart Attack Prediction,” J. Nurs. Care, vol. 06, no. 02, 2017.[25] P. Fernando and V. V. Asorey, “Claves para abordar el diseño metodológico » Maestría Diseño Comunicacional | diCom,” 2013. [Online]. Available: https://maestriadicom.org/articulos/claves-para-abordar-el-diseno-metodologico/. [Accessed: 28-Oct-2019].[26] “PANASONIC EW3106 OPERATING INSTRUCTIONS MANUAL Pdf Download.” [Online]. Available: https://www.manualslib.com/manual/744498/Panasonic-Ew3106.html. [Accessed: 27-Nov-2019].[27] S. W. Liou, D. Kurniadi, B. R. Zheng, W. Q. Xie, C. J. Tien, and G. J. Jong, “Classification of biomedical signal on IoT platform using support vector machine,” in Proceedings of 4th IEEE International Conference on Applied System Innovation 2018, ICASI 2018, 2018, pp. 50–53.[28] S. Eduardo, “Hacking a Blood Pressure Monitor – Edu Steinhorst,” 2015. [Online]. Available: https://www.edusteinhorst.com/hacking-a-blood-pressure-monitor/. [Accessed: 30-Oct-2019].[29] C. É. Rodríguez, “Telesalud en Colombia,” Acreditación en Salud ICONTEC, p. 5, 2011.[30] P. Borges, P. Monteiro, and R. J. Machado, “Tailoring RUP to small software development teams,” in Proceedings - 37th EUROMICRO Conference on Software Engineering and Advanced Applications, SEAA 2011, 2011, pp. 306–309.[31] S. Gayathri, A. S. Priyadharshini, and P. T. V. Bhuvaneswari, “Multivariate linear regression based activity recognition and classification,” in International Conference on Information Communication and Embedded Systems (ICICES2014), 2014, pp. 1–6.[32] V. Boyarshinov, “Machine Learning,” Computer, vol. 2005, no. April. Universidad de Stanford, p. 414, 1997.[33] G. Ranjan, “Global Cost Minimum,” Stack Exchange, 2019. [Online]. Available: https://datascience.stackexchange.com.[34] M. M. Aborokbah, S. Al-Mutairi, A. K. Sangaiah, and O. W. Samuel, “Adaptive context aware decision computing paradigm for intensive health care delivery in smart cities—A case analysis,” Sustain. Cities Soc., vol. 41, pp. 919–924, 2018.ORIGINAL1013632287.2020.pdf1013632287.2020.pdfapplication/pdf1599415https://repositorio.unal.edu.co/bitstream/unal/77411/1/1013632287.2020.pdfa29cd2055e9ece268d087dc2fd07f530MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-83991https://repositorio.unal.edu.co/bitstream/unal/77411/2/license.txt6f3f13b02594d02ad110b3ad534cd5dfMD52CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8914https://repositorio.unal.edu.co/bitstream/unal/77411/3/license_rdf1608e658af296c3febc577e957e919bfMD53THUMBNAIL1013632287.2020.pdf.jpg1013632287.2020.pdf.jpgGenerated Thumbnailimage/jpeg5220https://repositorio.unal.edu.co/bitstream/unal/77411/4/1013632287.2020.pdf.jpg4173f631d9c8ca7d7c899e11771bc277MD54unal/77411oai:repositorio.unal.edu.co:unal/774112024-07-08 00:53:52.784Repositorio Institucional Universidad Nacional de Colombiarepositorio_nal@unal.edu.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 |