Sistema de monitoreo de detección y alerta de caídas de adultos mayores basado en AIoT

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. Además, el 30% de las personas mayores de 65 años y el 50% de las mayores de 81 experimentan caídas cada año, lo que puede generar complicaciones graves. No obstante, la detección temprana y la asistencia rápida pueden reducir el riesgo de hospitalización en un 26% y disminuir la tasa de mortalidad en un 80%. En este trabajo se propone un sistema de monitoreo basado en AIoT para detectar y alertar caídas en adultos mayores, con el objetivo de reducir la mortalidad asociada mediante una detección temprana y eficaz. El prototipo desarrollado combina una aplicación móvil implementada en Flutter, un acelerómetro MPU-6050, un sensor de ritmo cardíaco AD-8232, un módulo Bluetooth HC-05 y una placa Arduino Nano para capturar datos de un usuario en tiempo real. Estos datos son procesados mediante un modelo de Machine Learning, capaz de clasificar actividades en “Caídas”, “Casi caídas” y “Actividades de la vida diaria”, alcanzando una precisión general del 95%. El sistema envía alertas automáticas a un contacto de emergencia cuando se detecta una caída y el ritmo cardíaco supera los 100 BPM, utilizando este criterio como apoyo para confirmar el evento y reducir posibles errores en la detección. Esto se basa en la correlación entre caídas y el aumento significativo del ritmo cardíaco, asociado a respuestas fisiológicas al estrés o al impacto. La aplicación proporciona una interfaz intuitiva que permite configurar notificaciones y consultar el estado del sistema de manera sencilla. Este diseño se caracteriza por su bajo costo, inferior a 100.000 pesos colombianos, su portabilidad y su enfoque optimizado para las necesidades de los adultos mayores, representando una solución tecnológica accesible y eficaz para la prevención de riesgos asociados a las caídas.

• Autores: Villar González, Daniel
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/75942
• Acceso en línea: https://hdl.handle.net/1992/75942
• Palabra clave: AIoT (Artificial Intelligence of Things); Machine Learning; Monitoreo en tiempo real; Sistemas de alerta médica; Adultos mayores; Aplicación móvil; Detección de caídas; Ingeniería
• Rights: embargoedAccess
• License: https://repositorio.uniandes.edu.co/static/pdf/aceptacion_uso_es.pdf