@mastersthesis{20.500.12880/13575,
year = {2025},
url = {https://hdl.handle.net/20.500.12880/13575},
abstract = {El TRC es un parámetro clínico de referencia para la valoración de la perfusión periférica en
pacientes críticos. Aunque en los últimos años se han desarrollado dispositivos capaces de
automatizar su medición, aún no existen soluciones que permitan su integración en los sistemas
de monitorización hospitalarios ni en las infraestructuras de datos clínicas.
Ante esta necesidad, este trabajo presenta el diseño y validación de una arquitectura embebida
e inteligente orientada a la digitalización y gestión interoperable del TRC dentro del ecosistema
del IoMT. El sistema desarrollado permite la adquisición, procesamiento y transmisión
estructurada de las mediciones, incorporando un modelo de ML embebido que evalúa en
tiempo real la calidad de los registros y genera alertas automáticas ante mediciones no válidas.
Los datos se integran en una infraestructura Big Data que posibilita su almacenamiento, análisis
y visualización clínica mediante paneles interactivos.
Los resultados obtenidos confirman la viabilidad técnica de la arquitectura propuesta y su
potencial para convertir el TRC en un parámetro digital continuo e interoperable, representando
un avance relevante hacia una monitorización más objetiva y conectada en el manejo de
pacientes críticos.},
title = {Arquitectura loMT embebida para la medición del TRC con detección de alarmas mediante ML en UCI.},
keywords = {Tiempo de relleno capilar},
keywords = {IoMT},
keywords = {Sistemas embebidos},
author = {Aibar Álvarez, Clara},
}