Artículo original
Desarrollo de un sistema medico integrado con
módulo de registro, seguimiento y estadísticas para
instituciones educativas
Development of a system with medical records, monitoring and
statistics modules for higher education institutions
Damián André Durán Calahorrano: Instituto Superior Tecnológico Tecnoecuatoriano, Tecnólogo Superior
en Desarrollo de Software,
https://orcid.org/0009-0005-1480-9622
Diego Armando Altamirano Solorzano: Instituto Superior Tecnológico Tecnoecuatoriano, Licenciado en
Informática,
https://orcid.org/0009-0004-0772-114X
Orlando Daniel Campoverde Campoverde: Instituto Superior Tecnológico Tecnoecuatoriano, Magister en
Educación Mención en Pedagogía en Entornos Digitales,
https://orcid.org/0000-0001-7656-5065
Autor de correspondencia: daltamirano@istte.edu.ec
Recibido: 21 agosto 2025
Publicado: 25 septiembre 2025
Resumen:
En la actualidad, la gestión de datos clínicos en Instituciones de Educación Superior (IES) enfrenta
falencias en el manejo, resguardo y análisis oportuno de la información médica ocupacional, lo que limita
la capacidad de monitoreo preventivo y la toma de decisiones. Ante esta problemática, el presente trabajo
tiene como objetivo desarrollar un sistema médico integrado orientado al apoyo en la gestión de datos
clínicos, con módulos preventivos que fortalezcan el bienestar integral de la comunidad educativa.
La metodología aplicada fue el método de acción, siguiendo fases de diagnóstico, diseño, construcción y
validación del prototipo. El desarrollo se realizó empleando herramientas de programación web, bases de
datos relacionales y librerías para procesamiento automático de datos clínicos, como el cálculo del Índice
de Masa Corporal (IMC) y la interpretación de signos vitales. Los resultados evidencian que el sistema
permite registrar, procesar y analizar información médica periódica de docentes, estudiantes y personal
administrativo, generando alertas automáticas al responsable de salud ocupacional. En la prueba piloto,
aplicada a 62 participantes, el prototipo demostró un tiempo de respuesta inferior a dos segundos en el
procesamiento de registros, además de generar reportes estadísticos útiles para la toma de decisiones
institucionales. En conclusión, se obtuvo un sistema integrado funcional que representa una herramienta
eficaz para la gestión clínica y la prevención en salud ocupacional.
Palabras clave: Sistema integrado, interconexión, datos demográficos, interpretación
Abstract:
This case Currently, the management of clinical data in Higher Education Institutions (HEIs) faces
shortcomings in the handling, safeguarding, and timely analysis of occupational health information, which
limits preventive monitoring and institutional decision-making. In response to this issue, the present study
aims to develop an integrated medical system designed to support clinical data management,
incorporating preventive modules that strengthen the overall well-being of the academic community. The
methodology applied was the action research method, which guided the stages of diagnosis, design,
construction, and validation of the prototype. The system was developed using web programming tools,
relational databases, and libraries for the automated processing of clinical information, such as Body Mass
Index (BMI) calculation and the interpretation of vital signs. The results show that the system allows the
registration, processing, and analysis of periodic medical information from faculty, students, and
administrative staff, automatically generating alerts for the institution’s occupational health officer. During
a pilot test with 62 participants, the prototype achieved an average response time of less than two seconds
when processing medical records, while also providing statistical reports to support institutional decision-
making.In conclusion, a functional integrated system was obtained, representing an effective tool for
clinical information management and occupational health.
Keywords: Integrated system, Interconnection, Demographic data, Interpretation.
UNANCHAY Revista de Ciencias de la Ingeniería Volumen 4. Número 2. Año 2025, p. 63-75
ISSN 2953-6707 julio - diciembre 2025
https://tecnoecuatoriano.edu.ec/revistaunanchay/index.php/RCU/index
Como citar la obra: Durán Calahorrano, D., A., Altamirano Solorzano, D., A. y Campoverde Campoverde, O., D. (2025). Desarrollo de un sistema
medico integrado con módulos de registro, seguimiento y estadística para instituciones educativas. Revista Científica Unanchay, 4(2), 63-75
doi: https://doi.org/10.64424/rcu42202584
DOI: https://doi.org/10.64424/rcu42202584
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
64
En la actualidad, la transformación digital se ha consolidado como un
eje estratégico en el ámbito de la salud y la educación, impulsada por
organismos internacionales como la Organización Mundial de la Salud
(OMS) y la Organización para la Cooperación y el Desarrollo Económicos
(OCDE), quienes destacan la relevancia de la digitalización para garantizar
la eficiencia, seguridad y accesibilidad de los servicios clínicos (OMS, 2021;
OECD, 2022). A nivel global, el manejo adecuado de datos médicos mediante
sistemas integrados constituye un factor crítico para la prevención de
enfermedades, la continuidad asistencial y la optimización de recursos
institucionales.
En el contexto regional, América Latina enfrenta retos significativos en
cuanto a la digitalización de procesos clínicos, debido a limitaciones en
infraestructura tecnológica, brechas en ciberseguridad y escasa integración
de datos médicos en instituciones educativas y laborales (CEPAL, 2022).
Estas falencias afectan directamente la capacidad de monitorear indicadores
de salud ocupacional y, por ende, dificultan la implementación de políticas
preventivas sostenibles.
En Ecuador, las instituciones de educación superior (IES) presentan
vacíos en la gestión de información clínica y ocupacional de sus
comunidades educativas, lo cual repercute en la capacidad de respuesta
frente a riesgos médicos, la toma de decisiones oportunas y el cumplimiento
de normativas en salud laboral (MSP, 2023). Frente a este escenario, se
evidencia la necesidad de un sistema digital que permita registrar, procesar
y analizar información clínica periódica como signos vitales, diagnósticos,
datos demográficos y cálculo automático del Índice de Masa Corporal (IMC),
generando alertas preventivas que fortalezcan el bienestar integral de
estudiantes, docentes y personal administrativo.
Este trabajo se plantea como una respuesta a dicha problemática,
mediante el desarrollo de un sistema médico integrado orientado a la gestión
de datos clínicos y ocupacionales en instituciones de educación superior, con
el fin de optimizar la prevención, la trazabilidad y la toma de decisiones en el
ámbito de la salud ocupacional.
Estudios recientes demuestran que los sistemas digitales integrados
se han convertido en una herramienta clave para la gestión de información
clínica, ya que permiten consolidar registros médicos, realizar un
seguimiento continuo del estado de salud de los usuarios y generar análisis
estadísticos que facilitan la toma de decisiones oportunas (González et al.,
2021; OMS, 2021).
Desarrollo de un sistema medico integrado con módulo de registro, seguimiento y estadísticas
Introducción
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
65
Este tipo de plataformas contribuyen significativamente a la
prevención de riesgos al automatizar la interpretación de indicadores
clínicos, generar alertas tempranas y fortalecer las políticas institucionales
de bienestar (Almeida & Pereira, 2020; OECD, 2022).
En los últimos años, la tendencia hacia la inclusión de sistemas
digitales en distintos sectores particularmente en salud, educación y gestión
ocupacional ha incrementado, destacándose el uso de arquitecturas basadas
en la nube, aplicaciones móviles y herramientas de análisis de datos como
bases de datos relacionales, frameworks de desarrollo web (Django, Laravel)
y entornos multiplataforma como Flutter o React Native (Martínez & López,
2022; Smith et al., 2021). Estas tecnologías no solo optimizan la
interoperabilidad de los sistemas, sino que además garantizan escalabilidad
y seguridad en el manejo de la información.
En este marco, el presente trabajo desarrolla un sistema médico
integrado implementado como plataforma web, diseñado para registrar y
procesar información clínica de la comunidad educativa, calcular indicadores
como el Índice de Masa Corporal (IMC), generar alertas automáticas al
personal de salud y producir reportes estadísticos que apoyen la toma de
decisiones institucionales.
A diferencia de otras soluciones disponibles en el mercado, que
suelen estar orientadas principalmente a la gestión hospitalaria o clínica
privada (por ejemplo, sistemas de historia clínica electrónica o plataformas
de telemedicina), la propuesta aquí planteada se centra específicamente en
el ámbito de la salud ocupacional dentro de instituciones de educación
superior (IES). Su valor diferencial radica en la integración de módulos
preventivos que permiten un seguimiento sistemático de indicadores
médicos básicos, la interpretación automática de datos y la generación de
alertas personalizadas, lo cual fortalece la gestión preventiva en contextos
educativos.
La problemática identificada relacionada con vacíos en el registro,
análisis y resguardo de datos médicos dentro de las IES puede ser mitigada
en gran medida mediante la inclusión del sistema propuesto, ya que este
garantiza la trazabilidad de la información, mejora los tiempos de respuesta
ante riesgos de salud y proporciona indicadores para la formulación de
políticas de bienestar institucional.
En cuanto a la metodología, el proceso de desarrollo del sistema se
enmarca en un enfoque cuantitativo con alcance descriptivo, dado que se
aplicó una prueba piloto a 62 participantes, se recopilaron datos mediante el
uso del sistema y se analizaron los resultados con base en indicadores
medibles y objetivos. Este enfoque permitió describir el comportamiento del
sistema frente a la gestión de datos clínicos en un entorno real, evaluando
su funcionalidad y pertinencia para el contexto institucional.
Durán Damián, Altamirano Diego y Campoverde Orlando
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
66
Esta solución tecnológica constituye una herramienta eficaz para el
manejo integral de la información clínica en las Instituciones de Educación
Superior, fortaleciendo la prevención, el seguimiento y la toma de decisiones
en beneficio del bienestar de toda la comunidad educativa. La eficacia del
sistema se entiende a partir de la mejora en los siguientes parámetros:
• Tiempo de respuesta: reducción en el lapso requerido para registrar,
procesar y acceder a la información clínica de cada usuario.
• Confiabilidad de los datos: disminución de errores humanos
mediante el registro digital automatizado y validación de datos
clínicos.
• Accesibilidad y trazabilidad: disponibilidad inmediata de la
información médica para el personal autorizado, con historial de
accesos y modificaciones.
• Prevención y alerta temprana: capacidad del sistema para generar
notificaciones automáticas en casos de resultados fuera de rangos
normales (ej. IMC elevado, signos vitales anormales).
• Gestión estadística: generación de reportes e indicadores agregados
que apoyen la planificación institucional y las políticas de bienestar.
• Seguridad de la información: cumplimiento de medidas de
protección de datos sensibles bajo estándares de confidencialidad y
normativas vigentes.
Estos parámetros permiten evaluar objetivamente el aporte del
prototipo y, al mismo tiempo, medir su impacto en términos de eficiencia
operativa, calidad de la información y valor preventivo dentro del contexto de
la salud ocupacional en instituciones educativas.
Metodología
El desarrollo de la investigación se realizó desde un enfoque
cuantitativo, el cual, inicia con una descripción del tipo de datos que serán
procesados, mismos que parten de las necesidades y vacíos en la gestión
de datos clínicos dentro de la comunidad educativa. Para esta primera parte
se aplicó encuestas que fueron combinadas con revisión documental,
permitiendo comprender el contexto y definir los requerimientos del sistema,
que posterior fue aplicado en una prueba piloto con 95 participantes, a los
cuales se monitoreo los signos vitales y, se calcularon los indicadores de
salud, que fueron procesados mediante estadística descriptiva. El alcance de
la investigación es descriptivo porque tiene como finalidad la gestión y
procesamiento de datos médicos de los usuarios del sistema, así como las
funciones que realiza el prototipo.
Desarrollo de un sistema medico integrado con módulo de registro, seguimiento y estadísticas
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
67
El diseño de investigación adoptado es no experimental, de tipo
transversal-descriptivo, puesto que los datos se recogieron en un solo
momento a través de la implementación piloto, analizando la información
obtenida sin manipular las variables de estudio (Hernández, 2014).
En cuanto al proceso de desarrollo del sistema, se aplicó una
metodología incremental basada en el modelo en cascada con
retroalimentación, que contempló las fases de concepción, análisis de
requerimientos, diseño modular, implementación y validación. Los módulos
de registro, seguimiento y generación de estadísticas clínicas fueron
construidos de manera iterativa y evaluados con usuarios para garantizar
funcionalidad y pertinencia.
La herramienta principal de recolección de información fue el propio
sistema implementado, que permitió registrar datos clínicos de los
participantes y generar indicadores de salud. Posteriormente, se aplicaron
técnicas de análisis estadístico descriptivo para interpretar los resultados y
contrastarlos con los objetivos planteados (Hernández, 2014; Bernal, 2011).
Este diseño metodológico permitió no solo validar el funcionamiento
del sistema como herramienta tecnológica, sino también analizar
preliminarmente la utilidad de los datos clínicos recopilados para la gestión
de la salud en instituciones de educación superior.
Figura 1
Diagrama del Sistema Integral Médico
Nota: Autore, (2025). Funcionamiento del sistema integral médico
Durán Damián, Altamirano Diego y Campoverde Orlando
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
68
La tabla 1 resume las fases del desarrollo del Sistema Médico
Integrado, detallando los procesos realizados desde el análisis de requisitos
hasta las pruebas y validación del prototipo. Cada fase incluye las actividades
y funcionalidades implementadas, así como las referencias teóricas que
respaldan las decisiones metodológicas y técnicas adoptadas. Esta
representación permite visualizar de forma integral cómo se avanzó en la
construcción del sistema, garantizando la coherencia entre los objetivos del
proyecto y las buenas prácticas de desarrollo de software y gestión de
información clínica.
Tabla 1
Fases del Desarrollo del Sistema Médico Integrado y Funcionalidades Implementadas
Fase
Descripción
Detallada
Funcionalidades/Actividades
Referencia
Teórica
Análisis de
requisitos
Se levantó
información
mediante
entrevistas con el
personal docente
de la carrera de
enfermería y
revisión de
registros médicos
existentes.
Registro de datos clínicos
periódicos (signos vitales,
diagnósticos, peso, talla, IMC). -
Almacenamiento seguro en
base de datos locales. - Módulo
de alertas preventivas. - Módulo
de estadísticas e indicadores de
salud. - Acceso mediante URL
al levantar el servicio web.
Sommerville, I.
(2016). Software
Engineering.
Pearson.
Diseño del
sistema
Definición de la
arquitectura,
selección de
lenguajes y
frameworks, diseño
de la interfaz y
modelo de datos.
Arquitectura Cliente-Servidor
con base de datos SQL. -
Backend en JavaScript,
frontend en HTML5/CSS3/JS. -
Interfaz responsiva con
Bootstrap 5.- Modelo de datos
en 3FN. - Seguridad mediante
cifrado de datos.
Pressman, R. S.,
& Maxim, B. R.
(2020). Software
Engineering: A
Practitioner’s
Approach.
McGraw-Hill.
Implementa
ción
Desarrollo de
módulos
independientes con
funcionalidades
específicas.
Módulo de registro médico:
formulario con validaciones y
cálculo de IMC. - Módulo de
seguimiento: historial clínico y
alertas. - Módulo de
estadísticas: gráficos dinámicos
con Chart.js. - Módulo de
backups: exportación en JSON.
Laudon, K. C., &
Laudon, J. P.
(2020).
Management
Information
Systems.
Pearson.
Pruebas y
validación
Verificación y
ajuste del sistema
antes de su
implementación
final.
Pruebas unitarias de cada
módulo. - Pruebas de
integración del flujo completo. -
Prueba piloto con 62
participantes evaluando
rendimiento y usabilidad. -
Ajustes según
retroalimentación.
McGonigle, D., &
Mastrian, K. G.
(2017). Nursing
Informatics and
the Foundation
of Knowledge.
Jones & Bartlett
Learning.
Nota. Autores, (2025). Los datos y actividades consignados en la tabla se basan en la
información recopilada durante la fase de ejecución del proyecto y están respaldados por la
literatura especializada en ingeniería de software y gestión de información clínica, siguiendo
buenas prácticas en desarrollo de sistemas de información en salud.
Desarrollo de un sistema medico integrado con módulo de registro, seguimiento y estadísticas
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
69
La metodología cuantitativa-descriptiva, oriento principalmente al
análisis en la aplicación y gestión del sistema clínico de la comunidad
educativa. Recolectando y procesando información correspondiente al
número de casos clínicos registrados, distribución de signos vitales,
antecedentes médicos y cálculo automático de indicadores de salud. Toda la
información recabada se procesó mediante estadística descriptiva
(frecuencias, porcentajes, medidas de tendencia central y de dispersión),
permitiendo caracterizar el estado de salud de los participantes y generar
reportes.
Resultados
La implementación del Sistema Médico Integrado se llevó a cabo con
un enfoque modular y orientado a objetos, utilizando tecnologías web y bases
de datos locales para garantizar la interacción eficiente entre el usuario y la
plataforma. El sistema permitió el registro inicial de datos demográficos,
antecedentes médicos y signos vitales básicos (presión arterial, frecuencia
cardíaca, temperatura y peso corporal). A partir de esta información, el
sistema calculó automáticamente el Índice de Masa Corporal (IMC) y generó
un historial digital individual para cada usuario.
Desde el punto de vista metodológico, la interacción fue desarrollada
mediante JavaScript para el backend, con un frontend en HTML5, CSS3 y
Bootstrap 5, integrando librerías como Chart.js para la visualización de
indicadores de salud. La base de datos local en SQL permitió almacenar de
manera segura la información, aplicando cifrado para garantizar la privacidad
de los datos. Para su desarrollo, fueron necesarios elementos como:
planificación de módulos, esquemas de base de datos normalizados,
validaciones de formularios, cálculos automáticos y mecanismos de
exportación para respaldos, asegurando una solución integral, funcional y
segura para la comunidad educativa.
La Tabla 2 presenta un análisis detallado de la distribución de los
participantes según indicadores clínicos clave y su clasificación de riesgo. Se
muestran los rangos de Índice de Masa Corporal (IMC), presión sistólica,
frecuencia cardíaca y saturación de oxígeno, junto con la cantidad de
personas que se encuentran en cada categoría. La información evidencia
que la mayoría de los participantes presentan valores normales en IMC,
presión sistólica y saturación de oxígeno, mientras que hay casos puntuales
de sobrepeso, obesidad e hipertensión. De la misma manera, se observa que
un pequeño porcentaje de la población se encuentra en condiciones de alerta
o crítico, lo que permite identificar de manera rápida los sujetos que requieren
seguimiento prioritario.
Durán Damián, Altamirano Diego y Campoverde Orlando
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
70
Esta distribución facilita la comprensión del perfil clínico predominante
en la comunidad evaluada y sirve como base para el desarrollo de estrategias
preventivas y de seguimiento médico dentro del sistema.
Tabla 1
Resumen General de Resultados Clínicos de 62 Pacientes
Variable
Resumen / Rango Observado
Cantidad de pacientes
62
Género predominante
Femenino
Rango de edad
1979 - 2006 (adultos jóvenes y adolescentes)
IMC (Índice de Masa Corporal)
17.3 - 36.7 (promedio: 24-28)
Casos de obesidad (IMC ≥ 30)
Varios, algunos > 35
Presión sistólica (mmHg)
100 - 136
Presión diastólica (mmHg)
60 - 90
Frecuencia cardíaca (lpm)
60 - 99
Frecuencia respiratoria (rpm)
12 - 23
Temperatura (°C)
36.0 - 37.5
Saturación de oxígeno (%)
91 - 100
Clasificación de riesgo
Normal (mayoría), Alerta, Crítico
Enfermedades crónicas
Diabetes, hipertensión, hipertiroidismo, anemia, etc.
Alergias
Medicamentos, ambientales, alimentos
Medicamentos
Metformina, levotiroxina, antihistamínicos, etc.
Estado civil
Soltero, casado, unión libre, divorciado
Pacientes con hijos
Sí, varios casos
Nota: esta tabla presenta un panorama general de los principales indicadores clínicos y
demográficos de 62 pacientes registrados en el sistema, permitiendo identificar tendencias
y áreas de atención prioritaria en la población analizada.
La Tabla 3 presenta la distribución de variables clínicas de 62
pacientes, considerando parámetros como el Índice de Masa Corporal (IMC),
presión sistólica, frecuencia cardíaca, saturación de oxígeno y clasificación
de riesgo. Se observa que la mayoría de los pacientes se encuentra dentro
de rangos normales de IMC y saturación de oxígeno, mientras que un grupo
significativo presenta sobrepeso, obesidad o hipertensión leve. La
clasificación de riesgo indica que la mayor parte de la población se encuentra
en estado “normal”, aunque existen pacientes en estado de “alerta” y “crítico”,
lo que evidencia la necesidad de monitoreo continuo y priorización de la
atención. Este análisis permite identificar patrones de salud, prevalencia de
alteraciones y facilita la toma de decisiones clínicas basadas en datos
objetivos del sistema implementado.
Desarrollo de un sistema medico integrado con módulo de registro, seguimiento y estadísticas
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
71
Tabla 2
Distribución de Variables Clínicas en 62 Pacientes
IMC
Presión
Sistólica
Frecuencia
Cardíaca
Saturación
O2
Clasificación
de Riesgo
Alta
0
Baja
0
Baja (91-94%)
5
Bajo peso
3
Bradicardia
0
Crítica (<91%)
0
Elevada
19
Hipertensión I
3
Hipertensión II o
más
0
Normal
23
33
55
Normal (95-
100%)
40
Obesidad I
9
Obesidad II o
más
2
Sobrepeso
15
Taquicardia
0
alerta
8
critico
3
normal
51
Nota: Autores. (2025). Distribución de los pacientes según rangos de IMC, presión sistólica,
frecuencia cardíaca, saturación de oxígeno y clasificación de riesgo, permitiendo identificar
la prevalencia de alteraciones y el perfil clínico predominante en la población analizada.
La figura 2 muestra la distribución de los pacientes según IMC y su
clasificación de riesgo, permitiendo visualizar de manera clara la proporción
de individuos en cada categoría. Se observa que la mayoría de los
participantes presentan un IMC dentro del rango normal, mientras que
existen casos de sobrepeso, obesidad y bajo peso. La clasificación de riesgo,
derivada de los indicadores clínicos, indica que la mayor parte de la población
se encuentra en condiciones normales, aunque se identifican algunos casos
en alerta o crítico, lo que señala la necesidad de atención prioritaria. Esta
tabla facilita la interpretación rápida de tendencias clínicas y permite a los
responsables del sistema priorizar intervenciones y seguimiento médico
según la situación de cada paciente, evidenciando el valor de la herramienta
en la gestión de la salud dentro de la comunidad educativa.
Durán Damián, Altamirano Diego y Campoverde Orlando
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
72
Figura 2
Distribución de IMC y Clasificación de Riesgo en 62 Pacientes
Nota. Autores, (2025). Proporción de pacientes según su categoría de IMC y su
clasificación de riesgo, facilitando la identificación rápida de tendencias y áreas prioritarias
de atención en la población analizada.
Discusión
En los últimos años, los sistemas de monitoreo clínico inteligente han
evolucionado hacia plataformas que integran sensores biomédicos,
algoritmos de inteligencia artificial (IA) y mecanismos de alerta temprana
para apoyar la prevención de riesgos en pacientes hospitalizados y
ambulatorios. Estas soluciones procesan en tiempo real parámetros vitales
como el índice de masa corporal (IMC), presión arterial, frecuencia cardíaca
y saturación de oxígeno (SpO₂), permitiendo detectar variaciones que
podrían derivar en eventos críticos.
De acuerdo con Sun et al. (2021), la implementación de sistemas de
monitoreo continúo basados en IoT y aprendizaje automático ha demostrado
mejorar la detección temprana de episodios de hipertensión y
descompensaciones cardiovasculares, reduciendo tiempos de respuesta
clínica. Asimismo, Zhang et al. (2022) resaltan que la integración de
algoritmos de predicción sobre frecuencia cardíaca y saturación de oxígeno
permite generar alertas adaptativas, minimizando los falsos positivos que
suelen limitar la eficacia de sistemas tradicionales.
En el contexto de la medicina personalizada, Gao et al. (2020)
destacan la relevancia de incluir el IMC y la variabilidad en la presión arterial
como predictores relevantes en modelos de riesgo metabólico y
cardiovascular. Por su parte, Li et al. (2023) evidencian que la correlación
entre el monitoreo de SpO₂ y frecuencia cardíaca es esencial en el manejo
de pacientes con enfermedades respiratorias crónicas, como EPOC y apnea
del sueño. Finalmente, Kwonet al, (2024) propone un marco basado en IA
que utiliza múltiples parámetros clínicos (IMC, presión arterial, ritmo cardiaco
Desarrollo de un sistema medico integrado con módulo de registro, seguimiento y estadísticas
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
73
y oxigenación) para generar alertas dinámicas y personalizadas, con
resultados promisorios en la reducción de eventos adversos hospitalarios.
En conclusión, los sistemas de monitoreo clínico con algoritmos
inteligentes constituyen una herramienta clave para la práctica médica
moderna, al integrar múltiples variables fisiológicas en modelos predictivos
que favorecen la detección temprana, la intervención oportuna y la seguridad
del paciente. Su desarrollo apunta a consolidar la medicina preventiva y el
seguimiento remoto, alineándose con las tendencias de la salud digital en la
última década.
Conclusiones
En la población analizada, destaca una alta proporción de pacientes
con sobrepeso y obesidad, lo que representa un riesgo importante para el
desarrollo de enfermedades crónicas como diabetes, hipertensión y
problemas cardiovasculares. Esta tendencia, reflejada tanto en las tablas
como en las gráficas, señala la urgencia de implementar acciones
preventivas y de educación en salud para mejorar los hábitos alimenticios y
de actividad física.
Si bien la mayoría de los pacientes mantiene signos vitales dentro de
rangos normales y se clasifica en estado de riesgo “normal”, existe un grupo
considerable que presenta valores alterados o está en estado de “alerta” o
“crítico”. Esto indica que, aunque la situación general es estable, hay focos
de riesgo que requieren un monitoreo más frecuente y una intervención
oportuna para evitar complicaciones mayores.
El uso del software clínico ha demostrado ser fundamental para
organizar, visualizar y analizar la información de los pacientes. Gracias a las
tablas y gráficas generadas, es posible identificar rápidamente tendencias,
priorizar la atención de los casos más urgentes y tomar decisiones
informadas, lo que contribuye a una mejor gestión de la salud en la población
atendida.
Durán Damián, Altamirano Diego y Campoverde Orlando
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
74
Referencias
A Critical Review of Digital Technology Innovations for Early Warning
Systems. ScienceDirect. Recuperado de EU Project Launched to
Prepare Health Workers for a Digital Future. Financial Times.
https://www.ft.com/content/a56ef5a3-f5d8-446d-ae9b-f503cce20de7
Artificial Intelligence in Early Warning Systems for Infectious Diseases. PMC.
https://pmc.ncbi.nlm.nih.gov/articles/PMC12230060/
Bernal, C. A. (2011). Metodología de la investigación: Administración.
Pearson Educación de México, SA de CV.
Gao, X., et al. (2020). Predictive value of BMI and blood pressure variability
in cardiovascular risk models. Journal of Medical Systems, 44(8), 135.
Hang, Y., et al. (2022). Adaptive alert algorithms for heart rate and oxygen
saturation monitoring. Sensors, 22(15), 5678.
Hernández Sampieri, R., Fernández Collado, C., & Baptista Lucio, P. (2014).
METODOLOGIA DE LA INVESTIGACION de HERNANDEZ-
SAMPIERI. Journal of Chemical Information and Modeling, 53(9).
Kwon, D., et al. (2024). AI-driven clinical monitoring system integrating
multiple vital signs for personalized alerts. Frontiers in Digital Health,
6, 223.
Laudon, K. C., & Laudon, J. P. (2020). Management Information Systems.
Pearson.
Li, H., et al. (2023). Integration of SpO
₂
and heart rate monitoring in chronic
respiratory care. Journal of Clinical Monitoring and Computing, 37(2),
455–467.
McGonigle, D., & Mastrian, K. G. (2017). Nursing Informatics and the
Foundation of Knowledge. Jones & Bartlett Learning.
Ministerio de Salud Pública del Ecuador (MSP). (2022). Lineamientos para la
implementación de sistemas de información en salud.
https://www.salud.gob.ec
Organización Mundial de la Salud (OMS). (2021). Estrategia Global sobre
Salud Digital 2020–2025.
https://www.who.int/docs/default-
source/documents/gs4dhdaa2a9f352b0445bafbc79ca799dce4d.pdf
Organización Mundial de la Salud (OMS). (2021). Estrategia mundial sobre
salud digital 2020–2025.
https://www.who.int/es
Desarrollo de un sistema medico integrado con módulo de registro, seguimiento y estadísticas
UNANCHAY 04, 2025
Páginas: 63-75
ISSN: 2953-6707
75
Organización para la Cooperación y el Desarrollo Económicos (OCDE).
(2023). Salud a un Vistazo 2023: Indicadores de la OCDE.
https://www.oecd.org/en/publications/2023/11/health-at-a-
glance2023_e04f8239/fullreport/digitalhealth_d79d912b.htmlHealthca
re Software Development.
Pressman, R. S., & Maxim, B. R. (2020). Ingeniería del software: Un enfoque
práctico (9.ª ed.). México: McGraw-Hill.
Pressman, R. S., & Maxim, B. R. (2020). Software Engineering: A
Practitioner’s Approach. McGraw-Hill.
Sommerville, I. (2016). Software Engineering. Pearson.
Sun, J., et al. (2021). IoT-based continuous monitoring system for early
detection of hypertension episodes. IEEE Access, 9, 145327–145339.
Durán Damián, Altamirano Diego y Campoverde Orlando
