Información

Analítica Tecnológica
de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía
Vol. 34(3), 21-30 (2023)
http://dx.doi.org/10.4067/S0718-07642023000300021

Analítica de bioseñales para atención en casa en tiempo de

emergencia sanitaria
Marcela Mejía, Yenni P. Angulo y Leonardo J. Ramírez
Facultad de Ingeniería, Programa Ing. en Telecomunicaciones, Univ. Militar Nueva Granada, Bogotá D.C., Colombia
(Correo-e: angela.mejia@unimilitar.edu.co; est.yenni.angulo@unimilitar.edu.co; leonardo.ramirez@unimilitar.edu.co)

Recibido Nov. 7, 2022; Aceptado Dic. 29, 2022; Versión final Ene. 26, 2023, Publicado Jun. 2023

Resumen

Esta investigación se centra en analizar signos vitales de distintas patologías, recreadas por medio de
simuladores tipo maniquíes, para generar un diagnóstico rápido y efectivo mediante el monitoreo en casa
durante una emergencia sanitaria como COVID-19. Se utiliza un modelo de analítica de datos descriptivo
(CRISP-DM), para examinar el comportamiento de los signos vitales, mediante la creación de una herramienta
de visualización interactiva. Esta herramienta tiene por cada signo vital una gráfica que permite examinar su
comportamiento y tener así una visión general del estado de salud del paciente. Además, presenta la gráfica
de variación de los signos vitales de forma agrupada para identificar y analizar el instante en que los valores
sobrepasan los parámetros de normalidad. En conclusión, la herramienta desarrollada aquí es un soporte
visual e interactivo para los profesionales de la salud que permite tomar decisiones informadas, ayudando a
potenciar el esquema tradicional de servicios hospitalarios para prevenir complicaciones en la salud de los
pacientes.

Palabras clave: monitoreo fisiológico; análisis de datos; cuidados en el hogar; patología; signos vitales;
herramienta de visualización interactiva

Biosignal analytics for home care in times of a health

emergency
Abstract

This research study focuses on analyzing vital signs of different pathologies, recreated by means of
mannequin-type simulators, to generate a quick and effective diagnosis for home care monitoring during a
health emergency such as COVID-19. A descriptive data analysis model (CRISP-DM) is implemented to
examine changes in vital signs through the creation of an interactive visualization tool. This tool is designed
with a graph for each vital sign, allowing assessing their changes independently to provide a general
assessment of the patient’s health. In addition, the tool also assembles all vital signs into a single graph to
allow identification and analysis of every instant in which vital sign variations surpass normal parameters. In
conclusion, the tool developed here provides visual and interactive support for health professionals, which
allows them to make informed decisions, enhancing the traditional scheme of hospital services when
preventing complications in the health of patients.

Keywords: physiological monitoring; data analytics; home care; pathology; vital signs; interactive
visualization tool

Información Tecnológica – Vol. 34 Nº 3 – 2023 21

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

INTRODUCCIÓN

La OMS -Organización Mundial de la Salud, en el año 2020 declaró la emergencia sanitaria para frenar la
propagación del COVID-19. Debido a la rápida velocidad de contagio de esta enfermedad, se generó un
impacto "inusual" e "inesperado" a la salud de toda la población. En este tiempo de pandemia, los centros de
salud se saturaron al 100% con pacientes COVID-19 y otras enfermedades, provocando que la disponibilidad
de camas UCI -Unidad de Cuidados Intensivos, y la atención médica fuese por orden de llegada y no por el
nivel de complejidad en la salud de los pacientes. Por ello, el telemonitoreo se plantea como una herramienta
para la hospitalización domiciliaria que permite el seguimiento continuo de los signos vitales de un paciente.
Gracias a esto, médicos y familiares tienen la posibilidad de observar en línea la evolución médica del paciente
evitándose desplazamientos, mientras los pacientes disfrutan de la comodidad del hogar y de la compañía de
sus familias (Viloria et al., 2014)

En este sentido, varios autores han propuesto diferentes herramientas para el telemonitoreo, con el propósito
de ayudar al hospital y al personal médico a actuar rápidamente frente a una situación crítica. Es así como
los autores (Harb et al., 2021) proponen un monitoreo periódico del paciente con sensores de bioseñales para
predecir e informar al personal médico sobre cualquier situación anormal de los signos vitales de frecuencia
cardíaca, presión arterial sistólica, frecuencia respiratoria, saturación de oxígeno, y temperatura Corporal.
Basan su sistema en una guía de puntuación de alerta temprana con la que determinan el nivel de criticidad
de los pacientes en uno de 3 niveles: riesgo bajo -situación normal, riesgo medio -situación inestable, y riesgo
alto -situación de peligro. La predicción de la situación del paciente la establecen mediante el método de
memoria a corto plazo -LSTM.

Así mismo, los autores (Posthuma et al., 2020) plantean nueve casos de estudio sobre monitoreo inalámbrico
de signos vitales en salas quirúrgicas con sensores de bioseñales tales como collares, pulseras y parches en
el pecho, para mostrar que estos sistemas pueden contribuir a mejorar la observación y atención médica de
los pacientes, ayudando al personal de la sala a reconocer de forma temprana su deterioro. El sistema mide
la frecuencia cardíaca, la frecuencia respiratoria y la temperatura cada 2 minutos para detectar las
complicaciones de salud en los pacientes postoperatorios. Demostraron en todos los casos de estudio, que
el sistema permite reducir el tiempo para detectar el deterioro en los pacientes.

En (Chang et al., 2019) los autores proponen pronosticar mediante aprendizaje de máquina el nivel de los
signos vitales de pacientes de la UCI para la próxima hora y prever si llegaran a un nivel crítico para que las
enfermeras y médicos puedan estar atentos a situaciones de emergencia. Para el estudio utilizaron las
mediciones de signos vitales, resultados de pruebas de laboratorio, procedimientos, medicamentos de más
de 40.000 pacientes y desarrollando varios algoritmos donde se destaca la memoria a corto plazo por los
mejores resultados de precisión en el pronóstico.

Del mismo modo, en (Gu et al., 2021) se propone un desarrollo basado en aprendizaje de máquina para
predecir eventos adversos graves a partir de signos vitales para pacientes postoperatorios de procedimientos
ambulatorios. Los pacientes contemplados son aquellos que entran en un periodo de recuperación que
transcurre desde la finalización del procedimiento quirúrgico hasta la completa recuperación de su estado
preoperatorio. Para este desarrollo, se recopilaron los datos de la frecuencia cardíaca, la frecuencia
respiratoria, la saturación de oxígeno en la sangre y la presión arterial de 453 pacientes. El desempeño del
sistema se evaluó utilizando las métricas de precisión, sensibilidad, especificidad, valor predictivo positivo,
valor predictivo negativo y el área bajo la curva característica operativa del receptor -AUROC. El estudio
demostró que los eventos adversos graves se pueden predecir con un AUROC alto del 93% por medio de
cuatro signos vitales: frecuencia respiratoria, frecuencia cardiaca, saturación de oxígeno y presión arterial.

Por otro lado, se han presentado diferentes aportes tecnológicos a la salud para la atención en casa mediante
el telemonitoreo. Los autores (Ramírez et al., 2019a) crearon una aplicación para el monitoreo de la atención
médica donde mejoran el rendimiento de adquisición de información de sensores de trastornos respiratorios
utilizando internet de las cosas. Así mismo (Ramírez et al., 2019b) establecen una aplicación de Internet de
las cosas en la atención médica basada en hardware abierto con bajo consumo de energía. En (Ramírez et
al., 2018) presentan una evaluación entre las mediciones biofísicas basadas en un instrumento estándar frente
a una aplicación móvil utilizando experimentos controlados con personas mayores y generando un intervalo
de confianza del 95% en el uso de las aplicaciones. En (Puerta et al., 2020) plantean un análisis de la
telemedicina en Colombia y las oportunidades de su desarrollo en el posconflicto.

El telemonitoreo es un sistema que genera grandes volúmenes de datos y por ello, la analítica de datos se
plantea como un proceso de exploración y análisis de datos, haciendo una transformación de datos a
información utilizable e interpretable para la toma de decisiones. Así pues, la analítica de datos es una
herramienta transversal a todas las disciplinas y con un amplio campo de aplicación (Berón et al., 2021;
Castrillón et al., 2022). Por esta razón es necesario realizar una investigación basada en el análisis de los

22 Información Tecnológica – Vol. 34 Nº 3 – 2023

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

datos generados por el telemonitoreo de algunos signos vitales que permita el diagnóstico rápido y efectivo
de algunas patologías y así validar el aporte de estos sistemas en la prevención de complicaciones letales en
la hospitalización domiciliaria o como complemento del esquema tradicional de prestación de servicios
hospitalarios.

MÉTODO

Para este estudio, se construyó un modelo de analítica de datos, con el propósito de analizar y visualizar el
comportamiento de los signos vitales para diferentes patologías. Con lo cual, se podrá guiar rápidamente al
personal médico sobre el estado de salud de los pacientes para que puedan tomar decisiones rápidas y
acertadas en situaciones de emergencia y prevenir complicaciones eventualmente letales. Para ello, se utilizó
la metodología CRISP-DM -por sus siglas en inglés: Cross Industry Standard Process for Data Mining, la cual
consta de seis fases iterativas para el desarrollo de proyectos de ciencia y minería de datos, en donde se
exploran grandes conjuntos de datos para interpretar y generar una explicación del comportamiento de estos
(Schröer et al., 2021). Estas seis fases son: 1) entendimiento del negocio; 2) entendimiento de los datos; 3)
preparación de los datos; 4) modelamiento; 5) evaluación y 6) despliegue.

Fase I entendimiento de las señales fisiológicas

A partir del comportamiento de los signos vitales de un paciente, los médicos pueden determinar su estado
de salud. Es por esta razón y gracias a la asesoría del Doctor Norman Jaimes, que se establecen para el
estudio siete signos vitales para el monitoreo de los pacientes, quienes se pueden encontrar en hospitalización
domiciliaria. Estos signos vitales y sus rangos, como se muestran en la Tabla 1, son: 1) frecuencia cardíaca,
medida en pulsaciones por minuto -ppm; 2) frecuencia respiratoria, medida en respiraciones por minuto -rpm;
3) saturación de oxígeno, medida en porcentaje -%, 4) pulso, medida en ppm; 5) dióxido de carbono -CO2,
medida en milímetros de mercurio -mm Hg; 6) temperatura, medida en grados Celsius -ºC; y 7) tensión arterial
-Sistólica/Diastólica, medida en mmHg.
Tabla 1: Signos vitales con rangos de normalidad y eventos
Rangos
Signos vitales
Normal Eventos
Frecuencia cardíaca [>=60 (ppm), <=100 (ppm)] [<60 (ppm) - >100 (ppm)]
Frecuencia respiratoria [>=12 (rpm), <=18 (rpm)] [<12 (rpm) - >18 (rpm)]
Saturación de oxígeno [>=90%] [<90%]
Pulso [>=60 (ppm), <=100 (ppm)] [<60 (ppm) - >100 (ppm)]
CO2 [>=23 (mmHg), <=29 (mmHg)] [<23 (mmHg) - >29 (mmHg)]
Temperatura [>=36,5ºC, <=37,5ºC] [<36,5ºC - >37,5ºC]
Tensión arterial [120/100 (mmHg)] [>130/85 (mmHg)]

Una vez establecidos los signos vitales a analizar en este estudio, se plantean los objetivos como preguntas
de negocio, a las cuales se dará respuesta mediante una herramienta de visualización interactiva. Es así,
como el Dr. Norman propone desde su experiencia las siguientes preguntas. 1) ¿De qué manera se puede
identificar correctamente a cada paciente?; 2) ¿Cómo se puede monitorear de forma visual el estado del
paciente, seleccionando uno, varios o todos los días que lleva hospitalizado en casa?; 3) ¿Cómo se pueden
detectar y reportar los casos en que cada signo vital se aleje de los parámetros de normalidad?; y 4) ¿Cuál
es la relación entre dos o más signos vitales que influye en la valoración que se da a los pacientes?

Fase II generar, almacenar y entender los datos

Los datos correspondientes a los signos vitales son generados mediante la programación de maniquíes
SimMan 3G como los de la Figura 1, utilizando el software del fabricante Laerdal©. Este maniquí es un
simulador que imita a los pacientes con sus signos neurológicos y fisiológicos (Laerdal, 2022), con el propósito
de no emplear pacientes reales, ya que se están realizando pruebas, y no se quiere comprometer la salud o
posiblemente la vida de una persona, en este estudio se analizan los signos vitales para dos patologías,
recreadas a través de los simuladores. Para lo cual, se conforma un equipo interdisciplinar de médicos e
ingenieros que recrean el comportamiento de los signos vitales coherentes con las dos patologías a analizar:
angina de pecho e insuficiencia cardiaca congestiva -ICC.

El comportamiento de los signos vitales para estas patologías es consolidado en hojas de cálculo como se
observa en la Tabla 2 y Tabla 3, tomando cada signo vital como variable y fijando su valor correspondiente
para cada periodo de tiempo. Con estos valores se programa la simulación en el software del maniquí SimMan
3G, en donde se modelan 190 tramas por patología para configurar los signos vitales y su variación en el
tiempo para simular momentos estables e inestables. Esta simulación produce un archivo en formato .XML.

Información Tecnológica – Vol. 34 Nº 3 – 2023 23

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

Fig. 1: SimMan 3G (Tomado, con autorización de Laerdal, 2022)

Para determinar los valores correspondientes a cada signo vital en la patología de angina de pecho, se definen
diferentes actividades que el paciente realiza naturalmente durante el día como: subir escaleras,
desamarrarse/amarrarse los zapatos, caminar y soñar, debido a que, esto movimientos generan variaciones
en algunos signos vitales, a causa del esfuerzo adicional que deben realizar los pacientes, como se observa
en la Tabla 2. Mientras que para la patología ICC, no se establecen las mediciones según las actividades
diarias realizadas por los pacientes debido a que estas afecciones comienzan inesperadamente, haciendo
que los pacientes fallezcan en cuestión de minutos. Por ello, para este caso en especial, se construyen los
valores de medición en un rango de 28 minutos aproximadamente (T-28) representando el momento en el
que se empiezan a evidenciar alteraciones en la salud del paciente, como se observa en la Tabla 3.

Tabla 2: Patología No. 1 Angina de pecho

Signos vitales
Estado Tiempo Presión
Frecuencia Frecuencia Pulso SpO2 Temperatura
arterial
Respiratoria (rpm) cardíaca (ppm) (ppm) (%) (ºC)
(mmHg)
Estable T1 18 87 87 130/90 94 36,5
T2 28 115 115 145/100 94 36,5
T3 20 100 100 150/100 94 36,4
Subir
T4 18 90 90 145/100 94 36,7
escaleras
T5 18 87 87 140/95 95 36,6
T6 18 87 87 130/90 94 36,5
Estable
T7 22 90 90 130/90 95 36,3
T8 22 95 95 135/90 94 36,5
Desamar T9 22 100 100 135/90 95 36,4
re de
zapatos T10 20 95 95 135/90 95 36,6
T11 18 90 90 135/90 94 36,3
T12 18 87 87 135/90 95 36,6
Estable
T13 22 95 95 140/95 94 36,4
T14 24 100 100 140/95 95 36,5
Caminar T15 26 105 105 145/95 94 36,4
al baño T16 22 100 100 145/95 94 36,6
T17 20 95 95 142/92 95 36,5
T17 18 90 90 142/92 94 36,5
Estable
T18 22 100 100 145/95 94 36,4
T19 22 100 100 145/95 95 36,5
Angina T20 20 98 98 145/95 94 36,6
durante
el sueño T21 19 98 98 145/95 95 36,7
T22 19 98 98 145/95 94 36,6
T23 18 95 95 145/95 95 36,5

Para ambas patologías, se programan tiempos en donde los pacientes tienen los signos vitales dentro de los
valores normales y otros donde no. Los datos fueron recopilados en intervalos de 10 minutos cuando se
mantiene constante la normalidad en los valores medidos y en intervalos de 1 minuto cuando se evidencia un
evento o alteración de los valores medidos y por consiguiente un posible deterioro del estado de salud del
paciente.

24 Información Tecnológica – Vol. 34 Nº 3 – 2023

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

Tabla 3: Patología No. 2 Insuficiencia cardiaca crónica – ICC

Signos vitales
Tiempo
Frecuencia Respiratoria (rpm) Frecuencia cardíaca (ppm) Pulso (ppm) Presión arterial SpO2 (%) Temperatura (ºC)
T1 16 88 88 125/85 94 37,5
T2 22 110 110 105/60 89 37,5
T3 24 120 120 90/55 86 37,5
T4 28 140 140 95/82 82 37,5
T5 28 140 140 95/82 82 37,5
T6 30 150 150 80/40 79 37,5
T7 30 150 150 80/40 79 37,5
T8 30 150 150 80/40 79 37,5
T9 35 160 160 80/35 75 37,5
T10 35 160 160 80/35 75 37,5
T11 35 160 160 80/35 75 37,5
T12 35 160 160 80/35 75 37,5
T13 35 160 160 80/35 75 37,5
T14 38 180 180 75/30 68 37,5
T15 38 180 180 75/30 68 37,5
T16 38 180 180 75/30 68 37,5
T17 38 180 180 75/30 68 37,5
T18 35 200 200 70/30 68 37,5
T19 35 200 200 70/30 68 37,5
T20 35 200 200 70/30 68 37,5
T21 32 188 188 72/31 67 37,5
T22 32 188 188 72/31 67 37,5
T23 8 180 180 60/25 50 37,5
T24 8 180 180 60/25 50 37,5
T25 8 180 180 60/25 50 37,5
T26 0 3 3 3 0/0 37,0
T27 0 3 3 3 0/0 36,5
T28 0 3 3 3 0/0 36,0

Fase III preparar los datos y fase IV modelado

En la fase de preparación de los datos se creó un código en lenguaje Python que realiza la extracción de los
datos importantes del archivo XML generado por el software de simulación debido a que su formato no es
leído correctamente en la herramienta Power BI. Con este código se genera el conjunto de datos en formato
CSV para importar fácilmente en Power BI donde se lleva a cabo la reingeniería requerida a los datos. Para
el modelamiento se utiliza la analítica descriptiva y se implementa un prototipo de herramienta de apoyo
diagnóstico, la cual permite monitorear el estado de salud de los pacientes basados en los signos vitales
definidos y registrar sus variaciones. El modelo descriptivo utiliza las funciones DAX o lenguaje de fórmulas
de Power BI para hacer los cálculos y filtros necesarios en el análisis de los datos.

Fase V evaluación y fase VI despliegue

En la fase de evaluación, la herramienta desarrollada es validada por parte del Dr. Norman para determinar
si responde a las preguntas de negocio planteadas y si la visualización es clara y efectiva para su uso en el
telemonitoreo. En esta fase se mejoró el desarrollo a través de sus 37 versiones, logrando una herramienta
comprensible para los profesionales de la salud y que sirve de guía en la toma de decisiones sobre el estado
de salud de los pacientes para prevenir futuras complicaciones y disminuir la subjetividad en el diagnóstico.
La herramienta contiene cinco secciones, que como se explican más adelante, permiten analizar los signos
vitales de los pacientes mientras estos se encuentran hospitalizados en casa, como se puede observar en la
Figura 2. Cada apartado tiene una finalidad diferente para que los profesionales de la salud puedan indagar,
examinar y observar los signos vitales, y conocer rápidamente el estado de salud de los pacientes.

Información Tecnológica – Vol. 34 Nº 3 – 2023 25

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

análisis de los signos vitales para

la atención en casa

pacientes

variación
individual
variación grupal

eventos

versus
https://www.umng.edu http://tigum.umng.edu.co/tigum2
index.html
Fig. 2: Interfaz web de acceso a la aplicación análisis de los signos vitales para la atención en casa

RESULTADOS Y DISCUSIÓN
Utilizando la metodología CRISP-DM se desarrolla e implementa la herramienta de apoyo diagnóstico “análisis
de los signos vitales para la atención en casa”, la cual permite tener la información del paciente y la variabilidad
de los signos vitales de forma gráfica para que los profesionales de la salud pueden acceder a esta
información rápidamente para guiar el diagnóstico de los pacientes, similar a lo que llamarían en la medicina,
“hoja de enfermería”, pero ahora de manera digital con mayores alcances y funciones.

Generar un diagnóstico rápido y verídico ha sido un problema para los profesionales de la salud, debido a
que, actualmente los registros clínicos sobre signos vitales se realizan de forma manual sobre la “hoja de
enfermería”, y se pasa por todo el personal médico de turno. La Figura 3, muestra un ejemplo de una hoja de
enfermería convencional, en donde se consolida toda la información sobre registros clínicos, con el fin de
generar una evidencia escrita de los cuidados otorgados a los pacientes y servir de medio de comunicación
y coordinación entre los profesionales de la salud (Torres et al., 2011). Su realización de manera correcta
permite la continuidad de los cuidados y la seguridad del paciente. Sin embargo, el error humano es uno de
los factores presentes que afecta la confiabilidad de estos datos por hacerse de forma manual. Por este
motivo, se implementó la herramienta de apoyo diagnóstico, la cual no solamente reduce este error humano,
si no que ofrece opciones adicionales al profesional de la salud para basar su diagnóstico.
nombre: PPJ numero de seguridad social: 120-55-1670-1f1959or
sexo: f edad 38 dx médico: embarazo de 36 semanas + preeclampsia + infección de vías urinarias
unidad médica: hgo #3 cmn la raza servicio o área: 2° oriente perinatología cama/camilla/cuna/incubadora 210
fecha 01/03/15 fecha en tinta azul, día de hospitalización en
días de hosp 3 rojo
f.c. t.i. t.c. eva 8 12 16 20 24 4 signos vitales por turno
170 36 41 nfcs frecuencia cardiaca (fc) punto azul
160 35 10 temperatura incubadora (ti) punto verde (en
150 34 40 9 áreas donde se utiliza únicamente)
140 33 8 temperatura corporal (tc) punto rojo
130 32 39 7 valoración del dolor (el quinto signo vital):
120 31 6 valorar sistemáticamente junto a los demás
110 30 38 5 signos vitales siempre.
100 29 4 eva adultos o nfcs pediátricos (puede
anotarse nfcs en el cuadro vacío debajo de
90 28 37 3
eva tinta negra). punto negro importante
80 27 2
valorar y registrar
70 26 36 1
grafica aun si el valor es cero
60 25 0 unir con líneas los puntos de cada signo vital
50 24 35 (incluido el dolor)
importante: interpretar signos vitales en la
tensión arterial 140/90 120/85 130/90 120/80 130/80 140/100 nota de signos y síntomas (taquicardia,
bradicardia, hipertensión, hipotensión,
fiebre, etc)
p.v.c. 12 11 10 12 11 11 pvc presión venosa central, color del turno
frec. respiratoria 18 16 20 18 16 20 frecuencia respiratoria color del turno
utilizar iniciales mayúsculas o (oral), a
código de temperatura a a a a a a (axilar), r (rectal), ya no utilizar ax o
minúsculas
peso 67.5 talla en metros tinta azul, peso en kg
talla: torácico (pt), abdominal (pa), cefálico (pc),
pc pa pa pa pa
1,65 perímetro pa 30cm en cm tinta de acuerdo con el turno (datos
33cm 28cm 29cm 31cm 28cm
solo como ejemplo)
total 600 ml 250 ml 0 ml consumo total de líquidos orales, utilizar (ml)

Fig. 3: Hoja de enfermería. (Adaptada de udocz, 2022)

26 Información Tecnológica – Vol. 34 Nº 3 – 2023

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

La herramienta desarrollada consta de una sección llamada “pacientes” como se observa en la Figura 4. Esta
sección tiene una fotografía para identificar visualmente al paciente, el número de identificación, los nombres,
los apellidos, género, edad, estatura, peso y el diagnóstico previo si lo hay, con el fin de establecer los
cuidados hospitalarios que se deben tener en el domicilio.

información personal
del paciente

documento de identidad

<
nombres apellidos
juan carlos forero gómez
género edad (años)
masculino 32
estatura (cm) peso (kg)
1,70 75
diagnóstico
75
angina de pecho

Fig. 4: Información personal del paciente

En la sección variación individual, como se observa en la Figura 5, se tiene por cada signo vital una gráfica
de líneas que permite examinar su comportamiento y tener así una visión general del estado de salud del
paciente durante su hospitalización. Con esto, se puede inferir rápidamente si el paciente ha estado estable,
inestable o si ha presentado episodios de anormalidad que comprometan su salud.

documento de identidad

nombres apellidos
variación individual de los signos vitales
frecuencia cardíaca temperatura frecuencia respiratoria co2
120 30
frec. card. (ppm)

frec. resp. (ppm)

temperatura (ºc)

37,5 37,5
100
co2 (mmhg)

100 25 29
30
(mmhg)

37,0 18
20
80
36,5 15 12 25 23
60 36,5
60 12:10 am 11:59 p.m. 10 12:10 am 12:10 am 11:59 p.m.
12:10 am 11:59 p.m. 11:59 p.m.
hora hora hora hora
pulso saturación de oxígeno tensión arterial (s/d) tensión arterial media
120 sistólica diastólica 120
sistólica y diastólica

tensión media
pulso (ppm)

94 150
spo2 (%)

100 100
100

80 92 120 80
100 100 65
60 90
60 90 60
12:10 am 11:59 p.m. 12:10 am 11:59 p.m. 12:10 am 11:59 p.m. 12:10 am 11:59 p.m.
hora hora hora hora

Fig. 5: Variación individual de los signos vitales

En la sección variación grupal, como se observa en la Figura 6, se tiene la variabilidad de los siete signos
vitales: a) Dióxido de carbono1; b) frecuencia cardiaca; c) frecuencia respiratoria; d) pulso; e) saturación de
oxígeno; f) temperatura; g) tensión arterial diastólica; h) tensión arterial sistólica; i) tensión arterial media; en
esta interfaz es posible seleccionar los signos vitales que se desean comparar en una sola gráfica, con el fin
de tener una visión comparativa entre ellos, con la posibilidad de segmentar la información por signo vital, día
y hora. Una propiedad que posee esta interfaz es la de comparar los valores de los signos vitales contra la
escala en el tiempo; adicional a esto, mediante el cursor colocado en cualquier tramo de la gráfica, muestra
los valores de los signos vitales a ser comparados en ese momento del tiempo, para este caso son todas las
mediciones a las 18:21hrs de todos los signos vitales seleccionados.

Información Tecnológica – Vol. 34 Nº 3 – 2023 27

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

documento de identidad

nombres apellidos
variación grupal
signos vitales
☐ co2 150
☐ frecuencia cardíaca
tensión arterial media
☐ frecuencia respiratoria tensión arterial (sistólica)
☐ pulso tensión arterial (diastólica)
☐ saturación de oxígeno 100 temperatura
☐ temperatura saturación de oxígeno

valor
☐ tensión arterial (diastólica) pulso
☐ tensión arterial (sistólica) frecuencia respiratoria
☐ tensión arteria media 50 frecuencia cardíaca
co2
día
todas
<

0
hora 03:00 a.m. 06:00 a.m. 09:00 a.m. 12:00 p.m. 03:00 p.m.
<

todas hora

Fig. 6: Variación grupal de los signos vitales

Por otro lado, durante la hospitalización en casa es posible que se presenten momentos durante el día, en
donde los valores de los signos vitales varían según las patologías. No obstante, para el personal médico,
estos acontecimientos no son notables al instante, debido a la manera en que llevan el seguimiento del
paciente a través de las hojas de enfermería registradas manualmente. Por esta razón, como se observa en
la Figura 7, en la herramienta se crea una sección llamada “eventos”, que presenta la gráfica de variación de
los signos vitales de forma agrupada junto con una gráfica de puntos para analizar e identificar el instante de
tiempo en el que los valores sobrepasan los parámetros de normalidad, así como tarjetas informativas que
registran la cantidad total de estos eventos, los cuales pueden determinar la condición de la enfermedad y
proporcionando una visión rápida de lo que la enfermedad está causando en el paciente.

documento de identidad Power

nombres apellidos
BI
eventos y/o alarmas
día
Todas hora
200 tensión arterial media
<

todas
<

todas tensión arterial (sistólica)

150 tensión arterial (diastólica)
signos vitales
100 temperatura
val or
<

todas saturación de oxígeno

50 pulso
número de eventos 0 frecuencia respiratoria
03:00 a.m. 09:00 a.m. 03:00 p.m. frecuencia cardíaca
hora co2
26
temperatura
184
co2 2 13
2
pulso 150
100
38 0 13
val or

frecuencia saturación frecuencia 50

respiratoria oxígeno cardiaca
12:10am
12:20am

01:10am

01:30am

02:56am
12:30am
12:40am
12:50am
01:00am

01:20am

01:40am
01:41am
01:42am
01:43am
01:44am
01:45am
01:46am
01:56am
02:06am
02:16am
02:26am
02:36am
02:46am

184 4 0
tensión tensión
sistólica diastólica tensión media
hora

Fig. 7: Cantidad de evento por signo vital

La Figura 8, presenta la última sección llamada “versus”, donde se muestra la correlación en el tiempo entre
dos signos vitales, permitiéndole al profesional de la salud deducir el origen de la enfermedad dada esta
relación de variación. A continuación es posible evidenciar un ejemplo de análisis dado por profesional de la
salud: a) Comparativo entre temperatura y frecuencia cardiaca, se evidencia una variación del ritmo cardiaco
sin alteración de temperatura, por lo cual es posible deducir que el paciente no presenta un cuadro infeccioso;
b) Comparativo entre frecuencia cardiaca y respiratoria, se evidencia alteraciones en las 2 variables, le permite
al profesional analizar el estado del paciente, el cual probablemente se encuentra alterado por algún tipo de

28 Información Tecnológica – Vol. 34 Nº 3 – 2023

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

actividad física o patología heredada; c) Comparativo entre temperatura y frecuencia respiratoria, gracias a
esta figura el profesional de la salud puede tener una noción que la alteración no tiene una relación directa
con algún tipo de patología de carácter infeccioso; por lo anterior la importancia determinante de este tipo de
técnicas comparativas.

Power BI
documento de identidad Desktop

nombres apellidos
versus entre signos vitales
día hora
todas

<
todas

<
temperatura vs frecuencia cardíaca frec. respiratoria vs frec. cardíaca temperatura vs frecuencia respiratoria
temperatura frecuencia cardíaca frec. respiratoria frec. cardíaca temperatura frec. respiratoria

temperatura y frec. respiratoria

120 120
temperatura y frec. cardíaca

frec. respiratoria y cardíaca 100

35
100
80 30
80
60 25
60
40 20
40 20
15
06:00 12:00 18:00 06:00 12:00 18:00 06:00 12:00 18:00
a.m. p.m. p.m. a.m. p.m. p.m. a.m. p.m. p.m.
hora hora hora

Fig. 8: Versus entre signos vitales

La herramienta permite que, en cada una de sus secciones, la información del paciente sea segmentada por
día, hora y signo vital. Así mismo, los profesionales de la salud pueden observar gráficamente el
comportamiento que han tenido los signos vitales de un paciente, en un instante o intervalos de tiempo
utilizando el filtro en barra para la hora. En la Figura 9, se puede ver la información segmentada para los
signos vitales pulso y saturación de oxígeno, para el día 1 de monitoreo en casa, con un intervalo de tiempo
de 12:20 am hasta las 12:50 am, lo cual permite hacer un seguimiento muy detallado al paciente.

documento de identidad
nombres apellidos
variación grupal

signos vitales
Saturación de Oxígeno
☐ co2
94
☐ frecuencia cardíaca
☐ frecuencia respiratoria
☐ pulso 92
☐ saturación de oxígeno
☐
val or

temperatura saturación de
90
☐ tensión arterial (diastólica) oxígeno
☐ tensión arterial (sistólica)
☐ tensión arteria media 88 pulso

día
86
todas
<

hora 12:20 a.m. 12:30 a.m. 12:40 a.m. 12:50 a.m.

selección múltiple
<

hora

Fig. 9: Selección y segmentación en la información por signo vital, día y hora

La herramienta “análisis de los signos vitales para la atención en casa”, es un soporte visual e interactivo para
profesionales de la salud, a través de la cual es posible tomar decisiones informadas, generando un
diagnóstico rápido y verídico, permitiendo determinar el origen mediante métodos gráficos y comparativos de
alteraciones en signos vitales. Esta propuesta es semejante a (Harb et al., 2021) donde presentan un análisis
de los datos del monitoreo periódico del paciente hospitalizado para determinar su criticidad, sin mostrar las
variaciones de los signos vitales donde el personal médico analiza la situación.

Información Tecnológica – Vol. 34 Nº 3 – 2023 29

Analítica de bioseñales para atención en casa en tiempo de emergencia sanitaria Mejía

Este estudio presenta el análisis de los signos vitales aplicable al telemonitoreo tanto en casa como en los
hospitales. El enfoque principal es el monitoreo en casa donde los pacientes podrán recuperarse con mayor
rapidez, gracias al acompañamientos de sus familiares y a la comodidad de sus hogares. Hasta ahora las
propuestas que sean presentado al respecto del monitoreo de pacientes se centran en los hospitales, ya sea
en salas quirúrgicas para pacientes postoperatorios como lo presentan los autores de (Posthuma et al., 2020;
Gu et al., 2021), o para las unidades de cuidados intensivos como (Chang et al., 2019).

CONCLUSIONES

De acuerdo con los resultados de este estudio, la comparación de resultados con otros autores y el detallado
análisis presentado, se presentan las siguientes cuatro conclusiones principales: 1) la herramienta presenta
el estado de salud de los pacientes de manera visual, eficaz y rápida; 2) permite a los profesionales de la
salud determinar y/o descartar las posibles patologías a través del comportamiento y los rangos de normalidad
de los signos vitales del paciente; 3) es posible registrar los eventos que suceden con cada uno de los signos
vitales y así, el personal médico puede hacer un análisis en el tiempo de lo sucedido durante la hospitalización
en casa; y 4) se puede definir el intervalo de tiempo a analizar en días u horas y eventualmente determinar el
origen de las alteraciones en los signos vitales para definir el diagnóstico o evaluación que se debe hacer al
paciente.

AGRADECIMIENTOS

Los autores agradecen a la vicerrectoría de investigaciones de la Universidad Militar por la financiación del
proyecto INV-ING-3491 y al Médico cirujano y coinvestigador Norman Eduardo Jaimes Salazar de este
proyecto de investigación, por su apoyo y colaboración en la validación de la herramienta desarrollada.

REFERENCIAS

Berón, E. A., Mejía, D., y Castrillón, O. D., Principales causas de ausentismo laboral: una aplicación desde la minería de
datos, https://dx.doi.org/10.4067/S0718-07642021000200011, Inf. Tecnol., 32(2), 11-18 (2021)
Castrillón, O. D., Arango, J. A., y Castillo, L. F., Análisis de la fertilidad por medio de técnicas de minería datos,
https://dx.doi.org/10.4067/S0718-07642022000300203, Inf. Tecnol., 33(3), 203–212 (2022)
Chang, D., Chang, D., y Pourhomayoun, M., Risk prediction of critical vital signs for ICU patients using recurrent neural
network, https://dx.doi.org/10.1109/CSCI49370.2019.00191, International Conference on Computational Science and
Computational Intelligence (CSCI), 1003–1006 (2019)
Gu, Y., Rasmussen, S. M., y otros cinco autores, Prediction of severe adverse event from vital signs for post-operative
patients, doi: 10.1109/EMBC46164.2021.9630918, 43rd Annual International Conference of the IEEE Engineering in
Medicine & Biology Society (EMBC), 971-974 (2021)
Harb, H., Mansour, A., y otros tres autores, A Sensor-Based Data Analytics for Patient Monitoring in Connected
Healthcare Applications, doi: 10.1109/JSEN.2020.2977352, IEEE Sensors Journal, 21(2), 974–984 (2021)
Schröer, C., Kruse, F., y Gómez, J. M., A systematic literature review on applying CRISP-DM process model, Procedia
Computer Science, 181, 526-534 (2021)
Laerdal, simMan, https://www.laerdal.com (2022)
Posthuma, L. M., Downey, C., y otros ocho autores, Remote wireless vital signs monitoring on the ward for early
detection of deteriorating patients: A case series, https://dx.doi.org/10.1016/j.ijnurstu.2019.103515, International Journal
of Nursing Studies, 104, 103515 (2020)
Puerta, G. A., Ramírez, L. J., y Rodríguez, A. B., Analysis of Colombia's Telemedicine Development, the Postconflict
Potential Opportunity, https://dx.doi.org/10.1089/tmj.2018.0317, Telemedicine and e-Health, 26(1), 24-33 (2020)
Ramírez, L.J., Guillen, E. P., y Ramos, C.O., Effective Validation Model and Use of Mobile-Health Applications for the
Elderly, Healthcare Informatics Research, 24(4), 276-282 (2018)
Ramírez, L. J., Rodriguez, A., y Puerta, G., Internet of things in healthcare monitoring to enhance acquisition
performance of respiratory disorder sensors, https://dx.doi.org/10.1177/1550147719847127, International Journal of
Distributed Sensor Networks, 15(5), 1-10 (2019)
Ramírez, L. J., Puerta, G., y Rodriguez, A., Internet of Things Applied in Healthcare Based on Open Hardware with Low-
Energy Consumption, https://dx.doi.org/10.4258/hir.2019.25.3.230, Healthcare Informatics Research, 25(3), 230-235
(2019)
Torres, M., Zárate, R. A., y Matus, R., Calidad de los registros clínicos de enfermería: Elaboración de un instrumento
para su evaluación, Enfermería Universitaria, ISSN 2395-8421, 8(1), 17-25 (2011)
Viloria, C., Cardona, J., y Saavedra, I., Telemonitoreo de datos cardiacos y respiratorios a través de un sistema Web con
JSP, Ingeniería y Desarrollo, ISSN 0122-3461, 32(1), 102-114 (2014)
Udocz, https://www.udocz.com/apuntes/75380/registros-clinicos-imss-actualizado-1 (2022)

30 Información Tecnológica – Vol. 34 Nº 3 – 2023