Revista ELECTRO
Vol. 46 – Año 2024
Artículo
TÍTULO
Sistema Biomédico Basado en Inteligencia Artificial para Estimar Indirectamente Sarcopenia en Personas Adultas Mayores Mexicanas
AUTORES
Arceo-Díaz, S.; Bricio-Barrios, E.E.; González-Farías, J.R.; De la Madrid-Trevizo, L.S.; Trujillo-Trujillo, X.A.; Bricio-Barrios, J.A.; Ríos-Silva, M.; Rosa Y Cárdenas M., Huerta-Viera, M.
RESUMEN
En este trabajo se describe el diseño e implementación de una aplicación móvil, escrita en Python 3, que provee al personal médico de atención primaria a adultos mayores de modelos predictivos para la masa muscular y el porcentaje de grasa corporal basados en parámetros antropométricos. El objetivo principal es facilitar la evaluación del riesgo de sarcopenia de manera accesible y precisa. Los modelos se obtuvieron a partir de una muestra de personas adultas mayores en la Ciudad de Colima, Colima, México, utilizando técnicas de regresión lineal y árboles de decisión. La aplicación resultante es de libre acceso y provee al personal médico una alternativa viable para el registro y análisis de datos antropométricos, sin necesidad de estar familiarizados con la programación. Los beneficios incluyen la facilidad de uso, la accesibilidad y la capacidad de realizar evaluaciones rápidas y precisas en entornos con recursos limitados.
Palabras Clave: Palabras C lave: antropometría, adultos mayores, aplicación movil.
ABSTRACT
This work describes the design and implementation of a mobile application, written in Python 3, that provides primary care medical staff for older adults with predictive models for muscle mass and body fat percentage based on anthropometric parameters. The main objective is to facilitate the assessment of sarcopenia risk in an accessible and accurate manner. The models were obtained from a sample of older adults in the city of Colima, Colima, Mexico, using linear regression techniques and decision trees. The resulting application is freely accessible and provides medical staff with a viable alternative for recording and analyzing anthropometric data without needing to be familiar with programming. The benefits include ease of use, accessibility, and the ability to perform quick and accurate assessments in resource-limited settings.
Keywords: antropometry, elderly people, mobile aplication.
CONTENIDO
REFERENCIAS
[1] L. Leija, Métodos de procesamiento avanzado e inteligencia artificial en sistemas sensores y biosensores, Reverté, 2021.
[2] K. Sansam, V. Neumann, R. J. O’Connor, and B. Bhakta, “Predicting walking ability following lower limb amputation: a systematic review of the literature,” Journal of Rehabilitation Medicine, vol. 41, no. 8, pp. 593-603, 2009.
[3] K. Y. K. Cheng, S. K. H. Chow, V. W. Y. Hung, C. H. W. Wong, R. M. Y. Wong, C. S. L. Tsang, … and W. H. Cheung, “Diagnosis of sarcopenia by evaluating skeletal muscle mass by adjusted bioimpedance analysis validated with dual‐energy X‐ray absorptiometry,” Journal of Cachexia, Sarcopenia and Muscle, vol. 12, no. 6, pp. 2163-2173, 2021.
[4] H. Wang, S. Hai, L. Cao, J. Zhou, P. Liu, and B. R. Dong, “Estimation of prevalence of sarcopenia by using a new bioelectrical impedance analysis in Chinese community-dwelling elderly people,” BMC Geriatrics, vol. 16, pp. 1-9, 2016.
[5] K. Day, A. Kwok, A. Evans, F. Mata, A. Verdejo-Garcia, K. Hart, … and H. Truby, “Comparison of a bioelectrical impedance device against the reference method dual energy X-ray absorptiometry and anthropometry for the evaluation of body composition in adults,” Nutrients, vol. 10, no. 10, p. 1469, 2018.
[6] S. Arceo, E. E. Bricio, X. A. R. Trujillo, J. R. González, J. A. Bricio, M. Rios, and M. Huerta, “Sistema de Cribado Primario para la Sarcopenia en Personas Adultas Mayores Basado en Inteligencia Artificial,” Revista Mexicana de Ingeniería Biomédica, vol. 44, no. 4, pp. 53-69, 2023.
[7] C. C. Guillot, L. E. Neri, and I. S. Aguilar, “Predicción de probabilidad de índice de masa corporal a partir de la circunferencia de cintura,” Revista Cubana de Investigaciones Biomédicas, vol. 43, 2024.
[8] X. Saavedra Bernal, “Validez de las fórmulas antropométricas para determinar el porcentaje graso en deportistas con amputación unilateral de miembros inferiores,” 2024.
[9] J. A. Sidey-Gibbons and C. J. Sidey-Gibbons, “Machine learning in medicine: a practical introduction,” BMC Medical Research Methodology, vol. 19, pp. 1-18, 2019.
[10] M. G. Jurado Camacho, “Composición corporal bicompartimental en pacientes adultos de 25 a 59 años de edad hospitalizados en el Departamento de Medicina Int erna del Instituto de Gastroenterología Boliviano Japonés –IGBJ de la ciudad de La Paz –Bolivia, segundo semestre del 2022,” Doctoral dissertation, 2022.
[11] S. Asif, W. Yue, S. Rehman, Q. Ain, K. Amjad, Y. Yueyang, … and M. Awais, “Advancements and Prospects of Machine Learning in Medical Diagnostics: Unveiling the Future of Diagnostic Precision,” Archives of Computational Methods in Engineering, pp. 1-31, 2024.
[12] Wijnhoven, H. A., van Bokhorst-de van der Schueren, M. A., Heymans, M. W., de Vet, H. C., Kruizenga, H. M., Twisk, J. W., & Visser, M. (2010). Low mid-upper arm circumference, calf circumference, and body mass index and mortality in older persons. Journals of Gerontology Series A: Biomedical Sciences and Medical Sciences, 65(10), 1107-1114).
[13] J. P. Montoya Vega and J. J. García Flórez, “Variables de la condición física, predictores de los niveles de fragilidad en adultos mayores entre 60 y 64 años. Sabaneta Antioquia,” 2022.
[14] É. F. Pereira, C. S. Teixeira, A. F. Borgatto, and L. S. E. Daronco, “Association between different anthropometric indicators and body image perceptions in active elderly,” Archives of Clinical Psychiatry, vol. 36, no. 2, pp. 54-59, 2009.
[15] M. Ebrahimi, M. Mohammadi-Dehcheshmeh, E. Ebrahimie, and K. R. Petrovski, “Comprehensive analysis of machine learning models for prediction of sub-clinical mastitis: Deep Learning and Gradient-Boosted Trees outperform other models,” Computers in Biology and Medicine, vol. 114, p. 103456, 2019.
CITAR COMO:
Arceo-Díaz, S.; Bricio-Barrios, E.E.; González-Farías, J.R.; De la Madrid-Trevizo, L.S.; Trujillo-Trujillo, X.A.; Bricio-Barrios, J.A.; Ríos-Silva, M.; Rosa Y Cárdenas M., Huerta-Viera, M., "Sistema Biomédico Basado en Inteligencia Artificial para Estimar Indirectamente Sarcopenia en Personas Adultas Mayores Mexicanas", Revista ELECTRO, Vol. 46, 2024, pp. 18-24.
VERSIÓN PDF