Sistema e-health para capturar, transmitir y almacenar el estado de la presión arterial y otros datos relevantes, con el fin de calcular la probabilidad de padecer hipertensión arterial.

dc.contributorJiménez-Agudelo, Yury Andrea
dc.creatorBaracaldo-Pérez, Raúl Alejandro
dc.date.accessioned2020-07-17T21:04:10Z
dc.date.available2020-07-17T21:04:10Z
dc.date.created2020-07-17T21:04:10Z
dc.date.issued2020
dc.identifierBracaldo-Pérez, R.A. (2020). Sistema e-health para capturar, transmitir y almacenar el estado de la presión arterial y otros datos relevantes, con el fin de calcular la probabilidad de padecer hipertensión arterial.. Programa de Ingeniería Ingeniería Electrónica y Telecomunicaciones. Bogotá, Colombia
dc.identifierhttps://hdl.handle.net/10983/24504
dc.description.abstractEl contenido del trabajo describe la implementación de un sistema que permite el analisis de datos, utilizando una red de Bayes diseñada en Python, da como respuesta la probabilidad de un usuario de sufrir hipertensión. Los datos son ingresados a travez de una encuesta de registro web y almacenados en un servidor. La herramienta cuenta con un modulo que le permite al profesional de la salud visualizar los datos registrados y la probabilidad de sufrir hipertensión.
dc.description.abstractTrabajo de Investigación
dc.languagespa
dc.publisherFacultad de Ingeniería
dc.publisherIngeniería Electrónica y Telecomunicaciones
dc.relationAMERICAN HEART ASSOCIATION ¿Qué es la presión arterial alta? (PDF) [En línea]. Disponible en: https://bit.ly/31Jn3qj . Citado el 31 marzo 2019
dc.relationANADULU Kardiyoloji Dergisi : AKD: The Anatolian Journal of Cardiology; Istanbul Tomo 8, N.º 4, p. 249-254. [en línea] [Turquía]. 2018. Disponible en: http://www.anatoljcardiol.com/. Citado 29 de agosto 2019.
dc.relationARCINIEGAS, Jair., GÓMEZ, David., SUÁREZ, Lina., CRUZ, Mario. Estructura del gasto en Salud Pública en Colombia [en línea]. 17 ed. [Bogotá, Colombia]: nov.2008. Disponible en: https://www.minsalud.gov.co/sites/rid/Lists/BibliotecaDigital/RIDE/DE/PES/estructura-gasto-salud-publica-colombia.pdf. Citado el 7 de may 2019.
dc.relationARMBRUST, Michael., FOX, Armando., GRIFFITH, Rean.,.A view of cloud computing. [en línea]. [Nueva York, Estados Unidos]: abril 2010. Disponible en: https://dl.acm.org/citation.cfm?id=1721672. Citado 31 marzo 2019.
dc.relationBALAMBA. Brayan, SACRISTÁN, Juan. Prototipo funcional de un servicio e-health para monitorear, transmitir y almacenar el estado de la presión arterial de pacientes crónicos-hipertensos. [en línea]. [Bogotá, Colombia]. 2019. Disponible en: https://bit.ly/3ghJSW0. Citado 28 de abril de 2020.
dc.relationBATTISTONI, Allegra., CANICHELLA, Flaminia., PIGNATELLI, Giulia., FERRUCCI, Andrea. Hypertension in Young People: Epidemiology, Diagnostic Assessment and Therapeutic Approach. High blood pressure & cardiovascular prevention: the official journal of the Italian Society of Hypertension. 2015, vol 4., no 11., p. 2-6. Disponible en: https://bit.ly/2ZEbU7M
dc.relationCentro de Ayuda Tecnosinergia. ¿Qué es GPRS?. [en línea]. Abril 2019. Disponible en: https://tecnosinergia.zendesk.com/hc/es/articles/236174548--Qu%C3%A9-es-GPRS-. Citado 24 de abril del 2019.
dc.relationCHEN, Min., HAO, Yixue., HWANG, Kai., WANG, Lu., WANG, Lin. Disease prediction by machine learning over big data from healthcare communities. [en línea]. [China]. 2015. Disponible en: https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7912315. Citado 4 de septiembre de 2019
dc.relationCLÍNICA MAYO. Monitores de muñeca para la presión arterial: ¿son exactos? [en línea]. [Bogotá, Colombia]. Ene 2019. Disponible en: https://www.mayoclinic.org/es-es/diseases-conditions/high-blood-pressure/expert-answers/wrist-blood-pressure-monitors/faq-20057802. Citado mayo 16 de 2020.
dc.relationCLÍNICA MAYO. Cómo aprovechar al máximo el control de la presión arterial en el hogar. [en línea]. [Bogotá, Colombia]. Marzo 2019. Disponible en: https://mayocl.in/3eXgWCH. Citado el 14 de mayo de 2020
dc.relationCUADRADO, Santiago., GONZÁLEZ, Emilio., CURBELO, Haydee., LUNA, Yaquelin., CASAS, Gladys., GUTIÉRREZ, Iliana. Sistema experto basado en casos para el diagnóstico de la hipertensión arterial. [en línea]. [Antioquia, Colombia]. Sep. 2011. Disponible en: http://www.scielo.org.co/pdf/rfiua/n60/n60a20.pdf. Citado el 25 de agosto del 2019
dc.relationEL NAGA, I., & MURPHY, M. J. ¿What Is Machine Learning? Machine Learning in Radiation Oncology.p. 3–11. [en línea]. 2015. Disponible en: https://link.springer.com/content/pdf/10.1007/978-3-319-18305-3.pdf. Citado 31 de marzo de 2020
dc.relationHEALTH, Steve. Embedded Systems Design. 2nd Edition. Newnes. [en línea]. [Reino Unido]: 1997. Disponible en: https://bit.ly/3gm7Orl. Citado 23 abril del 2019.
dc.relationHUANG, Shuqiong., XU, Yihua., YUE, Li., WIE, Sheng. Evaluating the risk of hypertension using an artificial neural network method in rural residents over the age of 35 years in a Chinese area. [en línea]. [Wuhan, China]. May 2010. Disponible en: https://www.nature.com/articles/hr201073.pdf?origin=ppub. Citado 01 de agosto 2019
dc.relationInstituto Nacional de Cáncer. Definición de enfermedad crónica [en línea]. [Estados Unidos]: Disponible en: https://www.cancer.gov/espanol/publicaciones/diccionario/def/enfermedad-cronica.Citado 28 abril del 2020
dc.relationInstrumentos de medición. Tensiómetro. [en línea]. 2018. Disponible en: http://instrumentosdemedicion.org/presion/tensiometro/. Citado el 31 mar de 2019
dc.relationJournal of Medical Internet Research. ¿What is e-health? Encyclopedia of Social Network Analysis and Mining. [en línea]. [Estados unidos]: 2001. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1761894/. Citado 27 abril de 2020
dc.relationKROUGH, A. ¿What are artificial neural networks? Nature Biotechnology p.195–197 [en línea]. Feb 2008. Disponible en: https://www.nature.com/articles/nbt1386.Citado marzo 31 del 2019
dc.relationLÓPEZ, Raúl., Introducción a la inferencia bayesiana con Python. [en línea]. 2017. Disponible en: https://bit.ly/3gnSIlq. Citado abril 28 de 2020
dc.relationMAS ADELANTE. ¿Qué significa Bluetooth? [en línea]. 2019. Disponible en: https://www.masadelante.com/faqs/que-es-bluetooth.Citado el 24 abril de 2019.
dc.relationMinisterio de Salud y Protección Social, Telemedicina. [en línea]. [Bogotá, Colombia]: nov 2014. Disponible en: https://bit.ly/3dQMDvT. Citado abril 23 del 2020
dc.relationMinisterio de salud. Día de la hipertensión. [en línea]. [Bogotá, Colombia]. May 2017. Disponible en: https://bit.ly/3dX6nho. Se consultó el 30 marzo 2019
dc.relationMOHAMMED, J., LUNG, C.-H., OCNEANU, A., THAKRAL, A., JONES, C., & ADLER, A. Internet of Things: Remote Patient Monitoring Using Web Services and Cloud Computing. [en línea]. 2014 Disponible en: https://ieeexplore.ieee.org/document/7059670. Citado el 29 marzo 2019.
dc.relationMSV. Janakiram. 10 key takeaways from rightscale state of the report. [en línea].Feb 2018 Disponible en: https://bit.ly/3gpuVBg. Citado 10 mayo del 2020.
dc.relationMUÑOZ, Oscar., RODRÍGUEZ, Nora., RUIZ, Álvaro., RONDÓN, Martin. Validación de los modelos de predicción de Framingham y PROCAM como estimadores del riesgo cardiovascular en una población colombiana [en línea]. [Bogotá, Colombia]: agosto 2014. Disponible en: https://www.sciencedirect.com/science/article/pii/S0120563314000126. Citado 31 marzo 2019
dc.relationNational Heart Lung and Blood Institute. Presión alta [en línea]. [New York, Estados Unidos]: 2007. Disponible en: https://bit.ly/2BylVev. Citado 31 mar 2019.
dc.relationInforme TIC fácil. ¿Qué es WiFi?. [en línea]. Disponible en: http://www.informeticplus.com/que-es-wifi. Citado 24 de abril del 2019.
dc.relationOMS - World Health Organization.[En línea]. [Ginebra, Suiza]: 2013. Disponible en: https://bit.ly/2Aq1mAm. Citado marzo 31 de 2019
dc.relationOMS. Hipertensión. [en línea]. Disponible en: https://www.who.int/topics/hypertension/es/. Citado marzo 31 de 2019.
dc.relationOMS. Preguntas y respuestas sobre la hipertensión [en línea]. sep. 2015. Disponible en internet: https://www.who.int/features/qa/82/es/. Se consultó el 30 marzo 2019
dc.relationPÉREZ, Anderson. APLICACIÓN DE LA RED DE PROBABILIDAD NEURONAL Y ESCALA DE FRAMINGHAM PARA PREDICCIÓN DE LA HIPERTENSIÓN ARTERIAL. prevención, p 3, 4. [Cuba]. 2012.
dc.relationAPI REST: ¿Qué es y cuáles son sus ventajas en el desarrollo de proyectos? [en línea]. Marzo 2016. Disponible en: https://bit.ly/3itfda8. Citado el abril 28 de 2020.
dc.relationPublicaciones alto costo. Hipertensión. [en línea]. [Bogotá, Colombia]. May 2018. Disponible en: https://bit.ly/3eWnD7L. Se consultó el 30 marzo 2019.
dc.relationRAESIDE, Rebecca, PARTRIDGE, Stephanie., SINGLETON, Anna, & REDFERN, Julie. Cardiovascular Disease Prevention in Adolescents: eHealth, Co-Creation, and Advocacy. [en línea] 2019. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6410225/pdf/medsci-07-00034.pdf. Citado el 28 abril 2020
dc.relationRAJENDRA, U., SUBBANNA, P., IYENGAR, S., RAO, A., & DUA, S. Classification of heart rate data using artificial neural network and fuzzy equivalence relation. Pattern Recognition, 36(1), p. 61–68. [en línea]. 2003.
dc.relationSAMANT, Rahul., RAO, Srikanta. Evaluation of artificial neural networks in prediction of essential hypertension. Volumen 81. [en línea]. [India]. Nov 2013. Disponible en: https://bit.ly/2Aon082. Citado agosto 26 de 2019
dc.relationSAMUDIO, M., & VILLARREAL, V. mIHEALTH: Plataforma web para el seguimiento y control de pacientes con problemas de hipertensión arterial en Panamá. [en línea]. [Panamá]. 2017. Disponible en: https://www.semanticscholar.org/. Citado 27 agosto del 2019.
dc.relationSATIA, U., RAMKUMAR, B., & MANIKANDAM, M.S. Real-Time Signal Quality-Aware ECG Telemetry System for IoT-Based Health Care Monitoring. IEEE Internet of Things Journal, 4, 815-823. [la línea]. 2017. Disponible: https://ieeexplore.ieee.org/document/7857776. Citado agosto 2019.
dc.relationSUCAR, L. E. Redes bayesianas: Aprendizaje Automático: conceptos básicos y avanzados. p.77-100. [en línea]. [Puebla, México]. 2006.. Disponible en: https://ccc.inaoep.mx/~esucar/Clases-mgp/caprb.pdf. Citado 31 de marzo del 2019
dc.relationSUMATHI, B., SANTHAKUMARAN, S., Pre-Diagnosis of Hypertension Using Artificial Neural Network. Global Journal of computer science and technology. Versión 1.0. [en línea]. [Estados Unidos]. Feb 2011. Disponible en: https://computerresearch.org/index.php/computer/article/view/688/688. Citado 01 de agosto del 2019
dc.relationTESSARI, Mauro. Diseño de productos en la historia. [en línea]. [Buenos Aires, Argentina]: junio 2013. Disponible en: https://hdiunlp.files.wordpress.com/2010/04/docto_tensiometro_216.pdf. Citado 18 de mayo del 2019.
dc.relationTOLOSA, Gabriel. Protocolo y modelo OSI. [en línea]. Julio 2002. Disponible en: http://www.tyr.unlu.edu.ar/pub/02-ProtocolosOSI.pdf. Citado abril 23 de 2019
dc.relationVINACCIA, S., QUICENO, J., GÓMEZ, Á., & MONTOYA, L. Calidad de vida relacionada con la salud en pacientes con diagnóstico de hipertensión arterial leve. Diversitas. 2007. p 3(2). Disponible en http://pepsic.bvsalud.org/pdf/diver/v3n2/v3n2a03.pdf. Citado abril 24 de 2019.
dc.relationVMEDICAL. Toma tensión. [en línea]. Disponible en: https://bit.ly/2BpinLJ. Citado 24 de abril del 2020.
dc.relationWorld Health Organization. Obesity and overweight [en línea]. [Estados Unidos]: 2018. Disponible en: https://www.who.int/news-room/fact-sheets/detail/obesity-and-overweight. Citado octubre 22 de 2019.
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAtribución-NoComercial 4.0 Internacional (CC BY-NC 4.0)
dc.rightshttps://creativecommons.org/licenses/by-nc/4.0/
dc.rightsDerechos Reservados - Universidad Católica de Colombia, 2020
dc.titleSistema e-health para capturar, transmitir y almacenar el estado de la presión arterial y otros datos relevantes, con el fin de calcular la probabilidad de padecer hipertensión arterial.
dc.typeTrabajo de grado - Pregrado


Este ítem pertenece a la siguiente institución