Optimización del dispositivo del sistema de monitoreo de detección y alerta de caídas de adultos mayores basado en IoT

Las caídas en adultos mayores representan un grave problema de salud pública, siendo la segunda causa principal de muerte por traumatismos involuntarios y responsables de más de 684,000 fallecimientos anuales, con el 80% de los casos en países de ingresos bajos y medianos. El 30% de las personas mayores de 65 años y el 50% de las mayores de 81 años experimentan caídas cada año. Este riesgo se agrava especialmente para quienes viven solos en sus hogares, ya que la ausencia de compañía limita el acceso a asistencia inmediata tras una caída, aumentando la probabilidad de consecuencias severas. La detección temprana y la respuesta rápida en estos casos pueden reducir el riesgo de hospitalización en un 26% y disminuir la tasa de mortalidad en un 80%. Con la intención de mejorar el proyecto anterior (Villar, 2024) y responder a esta problemática, se desarrolló una segunda versión del sistema de monitoreo para la detección de caídas en adultos mayores, diseñada específicamente para su uso dentro del hogar. En esta nueva versión, se optó por un enfoque diferente que no utiliza inteligencia artificial, sino una detección basada en un umbral de aceleración, que resultó ser más eficaz y confiable para el propósito planteado. El prototipo funcional integra un microcontrolador ESP32 con sensores de aceleración y giroscopio (MPU6050) y ritmo cardíaco (AD8232), transmitiendo datos mediante Bluetooth Low Energy a una aplicación móvil. La detección de caídas se realiza identificando aceleraciones que superan un umbral establecido, complementada con la medición del ritmo cardíaco mediante el algoritmo Pan-Tompkins, dada la correlación fisiológica entre caídas y aumentos del BPM. Gracias a las mejoras en la detección de caídas, se logró un F1-score teórico de 0.87 y un valor práctico de 0.94 en pruebas reales, superando el rendimiento de la versión anterior. En cuanto a la medición del ritmo cardíaco, el dispositivo mostró una desviación promedio aceptable frente a un oxímetro comercial, con diferencias inferiores a 5 BPM, incluso en condiciones de movimiento. Al evaluar el sistema con diferentes sujetos, se evidenció que la respuesta del ritmo cardíaco varía entre individuos y actividades, lo que implica la necesidad de un análisis personalizado para determinar su relevancia como factor determinante en la detección. El dispositivo fue rediseñado para ser más compacto y portátil, incluyendo una caja protectora para facilitar su uso diario. El sistema genera alertas diferenciadas según el tipo de evento detectado, enviándolas directamente a un contacto de emergencia. El diseño mantiene un equilibrio entre funcionalidad y accesibilidad, con un costo total del prototipo que no supera los 150.000 pesos colombianos, lo que garantiza una solución económica y fácil de implementar para la población objetivo.

• Autores: Villar González, Daniel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2025
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/76357
• Acceso en línea: https://hdl.handle.net/1992/76357
• Palabra clave: Adultos mayores; Detección de caídas; IoT (Internet of Things); BPM (Beats per minute); Machine learning; Caída; Aplicación móvil; Optimización; Monitoreo en tiempo real; Sistemas de alerta médica; Ingeniería
• License: Attribution-NonCommercial-NoDerivatives 4.0 International