Plataforma IoT de bajo-coste para aplicaciones de telemedicina

Abstract

Abstract: The current pandemic had put health services to the test, hampering medical care and access to various health services in Ecuador. The project developed is a home-centered telemedicine system with cloud management and IoT devices. [...]the data are uploaded to the cloud and analyzed by health professionals, who can send prescriptions to the user. A survey of health professionals has been conducted to assess the value of the system.

Headnote

Resumen: La actual pandemia ha puesto a prueba a los servicios de salud, dificultando la atención médica y el acceso a los distintos servicios de salud en el Ecuador. El proyecto desarrollado es un sistema de telemedicina centrado en el hogar, con manejo de la nube y dispositivos IoT. Los niveles de BPMs y SpO2 del usuario son medidos mediante una pulsera de bajo coste y son enviados por bluetooth a una aplicación para Android TV. Después, son subidos a la nube y analizados por profesionales de la salud, los cuales pueden enviar prescripciones al usuario. Se ha realizado una encuesta a profesionales de la salud para valorizar el sistema. De esta muestra, el 88,5% estaría dispuesto a implementar el sistema en su trabajo, 92,4% piensa que los datos mostrados son importantes para realizar una valoración médica y 76,9% cree que las herramientas del sistema son útiles para el sector médico.

Palabras-clave: Telemedicina; IoT; Tecnología Weareable; computación en la nube.

Abstract: The current pandemic had put health services to the test, hampering medical care and access to various health services in Ecuador. The project developed is a home-centered telemedicine system with cloud management and IoT devices. The user's BPMs and SpO2 levels are measured using a low-cost weareable circuit and sent via Bluetooth to an Android TV app. Then, the data are uploaded to the cloud and analyzed by health professionals, who can send prescriptions to the user. A survey of health professionals has been conducted to assess the value of the system. Of this sample, 88.5% would be willing to implement the system in their work, 92.4% think that the data shown are important to make a medical assessment and 76.9% believe that the tools of the system are useful for the medical sector.

Keywords: Telemedicine; IoT; Wearable technology; Cloud Computing.

1.Introducción

El avance e implementáción de dispositivos IoT (Internet of things) han permitido convertir nuestros objetos cotidianos en objetos inteligentes. Además de la automatización de dispositivos y objetos que se pueden controlar a distancia, cuando se aplicado a la salud permite que muchas personas, sin importar la distancia o acceso a los sistemas de salud convencionales, puedan aprovecharla para acceder a servicios de salud sin la necesidad de moverse de su hogar. La IoT y a las tecnologías que permiten el despliegue de la telemedicina, los sistemas convencionales de salud que actualmente se conocen como "hospital-céntrico" se transformaran a sistemas de salud centrados en el hogar, el cual favorece a la carga laboral de los trabajadores de salud, reducción de costos operacionales, así como la reducción de contagios en casos de riesgos biológicos (como el actual covid-19) (Universidad Simón Bolívar et al., 2016; Castaño et al., 2016).

El fácil acceso a los dispositivos inteligentes y el desarrollo de las tecnologías de la información y comunicación ha estimulado la implementación del internet de las cosas (IoT) en la telemedicina (Zgheib et al., 2019). Así mismo, los dispositivos de sensado y su compatibilidad con los protocolos de comunicación IoT han permitido obtener datos vitales del paciente como electrocardiogramas, pulso oximetría, temperatura corporal, entre otros. Estos sensores pueden ser Weareables y medir datos biomédicos en espacios reducidos, abarcando tres categorías de signos vitales: sensores de ritmo cardiaco, sensores de temperatura corporal y sensores de presión sanguínea (Wan et al., 2018, pp. 4-5; Teo, 2020, p. 1; Danielsson, 2016, p. 10).

Este artículo presenta la arquitectura de un sistema de telemedicina en el hogar basado en una arquitectura IoT. Esta arquitectura se basa en cuatro elementos: (i) Interfaz de usuario y análisis de datos, (ii) servicios de administración, (iii) conectividad y (iv) sensores médicos. En la capa de interfaz de usuario se desarrolla una aplicación nativa con el framework React-Native para el sistema Android TV, la cual recibirá los datos sensados de la capa de sensores médicos a través de bluetooth. Estos datos serán administrados a través de un software de administración de la nube Odoo, alojado en los servicios en la web de Amazon (AWS). Este permitirá el despliegue de tablas y gráficas de los datos del usuario, alertas (notificaciones) que se activan al recibir datos anormales, además de enviar prescripciones a la aplicación de Android TV.

Este proyecto trabaja con hardware de bajo costo, que ha sido adaptado con el fin de manejar datos médicos del usuario monitoreados por IoT, ayudando a los médicos en la toma de decisiones cuando el paciente no puede movilizarse o se encuentra lejos del servicio de salud más cercano, y tiene acceso a un Smart TV.

Este artículo se encuentra dividido en 7 secciones incluyendo la introducción. La sección 2 presenta un compendio de trabajos relacionados sobre el uso de la tele-medicina en el contexto del COVID-19, la Sección 3 presenta conceptos claves para el entendimiento y contextualización de esta investigación, el caso de estudio es presentado en la Sección 4, mientras la implementación de la propuesta de solución se presenta en la Sección 5. En la sección 6 se discuten los resultados de la implementación del sistemay, finalmente, en la sección 7 se discuten las conclusiones y trabajos futuros.

2.Obras relacionadas

En esta sección se presentan trabajos que implementan la telemedicina y el IoT con sus distintos protocolos y tecnologías. Gracias a este análisis, se obtiene una idea general de investigaciones e implementaciones, tecnologías y arquitecturas utilizadas en la telemedicina.

En sistemas como el desarrollado por Carlos Rivas Costa et al (Costa et al., 2017) explica todos los conceptos referentes a un ambiente Smart TV, demostrando su fácil uso en la telemedicina ya que el televisor resulta un ambiente muy bien conocido, en especial para las personas ancianas. Su aplicación se apoya en sistemas "Back-end" para el manejo de los datos, los cuales realizan peticiones HTTP mediante APIs dentro del servicio en la nube, desarrollado mediante software libre.

Otro proyecto desarrollado por Pires et al (Pires et al., 2018) enfoca la telemedicina para personas ancianas, implementando sensores ambientales y de signos vitales para detectar eventos peligrosos o comportamientos anormales de los pacientes, todo mediante el manejo de un televisor. Una de las conclusiones sobre el manejo del ambiente Smart TV indica que los usuarios tienen un alto grado de satisfacción. La aplicación permite recibir advertencias y recomendaciones una vez que los datos de los sensores han sido analizados. Estos datos son enviados por internet a través del protocolo HTTP y la utilización de APIs implementadas mediante software libre.

Un aplicativo desarrollado por Abdelsamee & Algarni (Abdelsamee & Algarni, 2018) intercambia datos biomédicos entre enfermos cardiacos y sus consultores para ayudar en su diagnóstico. La idea de implementar un sistema que este siempre a la escucha de la recepción de una prescripción surge de este proyecto.

En el sistema de telemedicina desarrollado por Bhojwani et al (Bhojwani et al., 2018) se manipulan distintos datos biomédicos que son medidos, acondicionados y transportados por un microcontrolador utilizando protocolos TCP/IP. Además, se implementó una interfaz web amigable con personal médico para observar los datos sensados para su posterior análisis y prescripción de tratamientos para los pacientes en sectores rurales de la India.

Otro trabajo de telemedicina desarrollado por Liau & Ho (Liau & Ho, 2019) implementa un circuito con el hardware Arduino para el procesamiento de los datos médicos obtenido por los sensores. Estos datos son enviados por bluetooth a una aplicación alojada en un teléfono móvil o tableta portátil. Este proyecto está enfocado en el manejo de pacientes ancianos, niños, enfermos mentales, en el manejo de enfermedades infecciosas y pacientes en casos de emergencias.

En base a los trabajos relacionados con el IoT y su aplicación en el campo de la telemedicina, el proyecto a desarrollar resulta viable ya que se cuenta con una amplia base teórica y paradigmas tecnológicos, combinando hardware compatible con el IoT y sus distintos protocolos, como el software que gestiona todos los datos, para presentarlos en forma ordenada y manejable.

3.Estado del arte

En esta sección se desarrollan todos los conceptos utilizados para la implementáción del proyecto de investigación.

3.1.Rol del IoT en la telemedicina

La telemedicina se define simplemente como la atención médica a distancia. Esta ocurre gracias a la utilización de las tecnologías de la comunicación y de la información para el intercambio de datos vitales para el diagnóstico o prevención de enfermedades, entre otras como la Tele-prevención, el Tele-diagnóstico, Tele-emergencias y la Telemonitorización (Cardier et al., 2016, p. 841).

La implementación del internet de las cosas en la telemedicina ha recibido una considerable atención en los últimos años debido al increíble avance de las tecnologías de la información y comunicación, y el acceso a dispositivos inteligentes como los smartphones, tabletas, entre otros (Zgheib et al., 2019). La aplicación del internet de las cosas en la telemedicina puede ayudar a los médicos en la atención a pacientes que necesitan un monitoreo constante de su estado, y que no se encuentran en la misma ubicación geográfica (Stradolini et al., 2018, p. 1). La tabla 1 muestra diferentes aplicaciones del IoT en la telemedicina, detallando la arquitectura que puede ser usada (Stradolini et al., 2018, p. 2).

3.2.Sensores médicos Weareables

Los dispositivos Weareables son capaces de medir parámetros biomédicos del paciente en espacios reducidos, y pueden medir tres categorías de signos vitales, como son los sensores de ritmo cardiaco, sensores de temperatura corporal y sensores de presión sanguínea.

* Sensores de ritmo cardiaco: estos sensores son capaces de captar con que regularidad se ejecuta un latido del corazón, que de echo refleja la actividad del miocardio. Estos sensores son utilizados para el monitoreo de pacientes con problemas cardiovasculares (Wan et al., 2018, p. 4).

* Sensores de temperatura: estos permiten capturar la temperatura en el ambiente o corporal y mostrarlos en grados Celsius. Uno de los más populares es el sensor analógico LM35, que utiliza una alimentación de 5 voltios (Wan et al., 2018, pp. 4-5).

* Sensores de presión sanguínea: estos sensores son capaces de medir la presión sanguínea mediante una técnica llamada oscilométrica, la cual mide la presión sistólica, diastólica y la presión media. Esta característica corporal varía dependiendo de muchos factores, como la posición corporal, estado emocional, ejercicio físico o en las diferentes etapas del sueño (Wan et al., 2018, p. 5).

En la tabla 2 se presenta una comparación de todos los sensores Weareables disponibles actualmente en el mercado ecuatoriano según su funcionamiento, voltajes, consumo de corriente entre otros parámetros. Según los fabricantes, entre las aplicaciones que se les puede dar a estos sensores son: Weareables, dispositivos de asistencia física, dispositivos de monitorización médica, temperatura ambiental o corporal, etc.

3.3.Software de gestión de la nube

Varias de los servicios en la nube ofrecen software de gestión de datos, pero en su mayoría son pagos y de gestión compleja. Los softwares de gestión en la nube permiten gestionar los datos que se almacenan en la nube, incluyendo un sinfín de servicios como el de manejo de correo electrónico, gestión de usuarios, sitio web, gestión de proyectos, entre otros. Con la ventaja de que son de código abierto y gratuitos en su mayoría de funcionalidades. En la tabla 3 se muestran varios softwares de gestión de la nube, de acuerdo con las funcionalidades que estos permiten desarrollar, el código con el que trabajan, bases de datos que maneja, campos de aplicación, entre otros aspectos.

4.Caso de estudio

El caso de estudio propuesto es un sistema de telemedicina con almacenamiento y gestión de datos médicos en la nube a través de una interfaz web, y una aplicación para Android TV del lado del usuario. Una estructura general del sistema, representado por capas, se muestra en la Figura 1.

Para la capa de sensado se diseñó un brazalete Weareable que contiene el sensor y el dispositivo de procesamiento y de comunicación para enviar los datos a la aplicación por medio de bluetooth. El sensor será el MAX30100, que trabaja con tecnología óptica a un voltaje de 3.3 voltios de alimentación, y que posee un puerto de comunicación I2C. El dispositivo de procesamiento y comunicación será el Arduino Pro Mini 5V a 16Mhz, que trabaja con el módulo bluetooth HC-05, el cual maneja el protocolo IEEE 802.15.1. Este circuito podrá interactuar con la aplicación al enviar los datos sensados y mostrar en pantalla el usuario seleccionado. Además, mostrará los datos sensados mediante una pantalla OLED de 128x64 pixeles, que posee un puerto de comunicación I2C con 3.3 voltios de alimentación.

En la capa de aplicación se implementa el ambiente Smart TV para poder visualizar y monitorear los signos vitales del paciente, los cuales son las pulsaciones por minuto (BPM) y el nivel de oxígeno en la sangre (SpO2). Esta aplicación provee la interfaz gráfica para la interacción con el paciente, mostrando los nombres de los pacientes que han sido creados, además de un botón que permite crear nuevos usuarios. Cada usuario tendrá la opción de agregar su nombre y edad. Los datos de BPMs y SpO2 serán recibidos por medio de bluetooth para ser almacenados en la nube utilizando peticiones HTTP hechas por la aplicación al servicio en la nube. Cada usuario tendrá un gráfico donde se mostrarán los datos en forma de historial, para que el usuario pueda comprender mejor el avance de su salud. Esta permitirá también acceder a todas las prescripciones enviadas desde Odoo, permitiendo al usuario acceder a ellas utilizando filtros de fechas, al igual que el gráfico.

La capa de servicio en la nube esta encargada de almacenar y administrar los datos que son enviados desde la capa de sensado y la capa de aplicación, a través del software de administración Odoo, alojado en el servicio de Amazon. Este accede a los datos mediante una interfaz web, permitiendo al médico encargado enviar prescripciones cuando es notificado por el sistema, estas notificaciones se mostrarán cuando los signos vitales del usuario sean anormales. Además, brinda servicios web para la consulta de datos y actualización de estos, mediante la creación de APIs consumibles para la capa de aplicación y APIs para la subida de datos desde la capa de sensado, mediante el protocolo HTTP.

5.Implementáción de la propuesta

5.1. Dispositivo Weareable

Para el desarrollo de este dispositivo se ha utilizado el diagrama de bloques que se muestra en la Figura 2.

El bloque de alimentación y carga está compuesto por el circuito de carga de la batería y la batería. La batería de alimentación tiene un voltaje de 3.7 voltios y proporciona una corriente de 450 mA, dando una independencia del circuito de dos horas aproximadamente en constante funcionamiento. La comunicación Bluetooth se realiza mediante el módulo bluetooth HC-05. Este utiliza el estándar de comunicación IEEE 802.15.1 compatible con el IoT. Este funcionará a una tasa de transferencia de 9600 baudios y se utilizara el pin STATE para que el Arduino sepa cuando se ha realizado la vinculación con el sistema Android TV y mostrar datos útiles delusuario en la pantalla Oled.

Los niveles de BPMs y Sp02 se obtienen desde al sensor MAX30100 por medio de comunicación I2C, lo cuales son acondicionados a través de software. El bloque de visualización está encargado de mostrar los datos de BPMs y SpO2, ademásdel nombre de usuario que ha sido seleccionado desde la aplicación en una pantalla Oled 128x64. El bloque de procesamiento es un Arduino Mini Pro 5V a 16MHz, programado mediante el IDE deArduino.

Una vea implementa°o el dispositivo Weareable la medición de los signos vitales se realSza una mez mué el nenzor eslv colocada tabre la monees Oebajo del dedo pt?er, como se msesOen ee í a Fiesve 3.

5.2. Aplicación Android TV

La aplicación para Android TV es desarrollada mediante el framework de programación React-Native. Se selecciono este framework debido a sus ventajas de multiplataforma, disponibilidad de librerías, y un gran aporte por parte de la comunidad de desarrolladores. Para el desarrollo de la aplicación se han utilizado las dependencias base de la página oficial de React-Native, además de otras desarrolladas por la comunidad. Entre las más importantes se pueden encontrar la librería React Navigation para la navegación entre las vistas que se muestran en la Figura 4, react-native-bluetooth-serial-next para la comunicación Bluetooth entre la pulsera y la aplicación, React Native Paper para los estilos, entre otros.

La vista "splash" permite crear en la base de datos el id del dispositivo en caso de que este no exista. En la vista "bluetooth" se realiza la vinculación de la pulsera con la aplicación, y siempre está a la escucha de su desconexión, notificando al usuario la desconexión tanto si la aplicación está abierta como minimizada. En la vista "pacientes" se renderiza una lista con el nombre de todos los usuarios creados desde el dispositivo, además se puede navegar a una vista para crear un nuevo usuario. En la vista "datos" es donde se realiza la medición de los niveles de BPMs y SpO2 del usuario seleccionado, puede haber tantas como usuarios creados. Estos se miden en un minuto y luego son subidos a la nube. La medición se realiza tanto si la aplicación está abierta como minimizada. Desde esta se puede navegar a una vista para modificar los datos del usuario, y otra para revisar todos los datos mostrados y las prescripciones recibidas, además de poder filtrarlas por fechas como se muestra en la Figura 5. Al llegar una prescripción desde Odoo, el usuario es notificado a través de un mensaje "Toast" tanto si la aplicación está abierta como cerrada.

5.3.Servicio en la nube

Las funcionalidades de Odoo se ejecutan a partir de la creación de módulos que están escritos en lenguaje Python y XML. Estos módulos dependen de distintos archivos para su funcionamiento, pero entre los más importantes está el archivo "models.py" dentro del directorio "models". Este archivo define la estructura de la base de datos al crear los distintos modelos y sus atributos los cuales pueden ser booleanos, enteros, cadena, carácter, etc. En la Figura 6 se muestra un diagrama UML con los distintos modelos que se han creado para este proyecto.

En Odoo "res.partner" es una clase de objetos en la base de datos que permiten administrarlos por medio de códigos (en este caso Python) para poder crear, escribir, borrar y actualizar. En este caso se utiliza para definir los distintos usuarios que tendrá el sistema: el administrados, el monitor y el paciente. El administrador tiene acceso a todas las funcionalidades antes detalladas. El monitor solo puede leer, y crear en el caso de las prescripciones, ya que es el encargado de monitorear los datos médicos y las notificaciones que se muestran cada vez que un usuario presenta signos anormales.

Estos notificaciones oe actisan cunndo d novel de BPMs es bajo do 6o y mayon o 100, y los nivoles de Op02 suonde son menores a P5%. Ol paosente posee en d^^p^c^c^ėtins^, que es pi dd único dsS ditpanetieo Andtoid TV, el cual se urea unn eez abieots lo apdeacióo de Anpnoid TV por primer a ves, y este a su voo pusde Cene r uno o varios pocinaiea.

El paciente posee también una tabla de notificaciones, que almacena todas aquellas que este haya activado. Además, posee una tabla de prescripciones, la cual se puede consultar en la aplicación de Android TV en forma de historial. El paciente tiene una tabla de historial de signos que han sido subidos desde la aplicación para Android TV por medio de la pulsera Weareable, y que además se pueden mostrar en esta a través de una gráfica con un filtro por fechas. Todos estos datos después son renderizados en la vista web gracias a archivos XML.

Los atributos del usuario se pueden crear o modificar a través de APIs escritas en Python alejadas en la isccsón "controllers" del móduno de Odee. Estas APas manejan peticiones HTTP gracias al protocolo TCP/IP utilizando textos JSON, a diferencia de las prescripciones, que son enviadas por medio de WebSocket, ya que el sistema Android W no posee una beere ? ?rramieptee como los sistemas nrim?s. Les ristas da lu apliuautón sc mncstran un la F?uua e·

6s Reaultadoa Obtmnidus

ól ee aUiaur las mtdiclones por módio de Uauetooth s^ aautusaron los daeoi de latencie etUizanUn la aerramiento de Svidrvia TV "HCV Bluetaoth snoap Iov" eo la seacino da ypaionee Oa desaesofio. Lou nulas obtatiides ee mueolsan eo la Figura 8.n .

Los datos obtenidos son analizados mediante un Boxplot como se muestra en la Figura 8.b, donde se aprecia que más del 75% de los retardos de respuesta están entre 1,50 y 13,95 milisegundos, con una media de 5,37 milisegundos.

También se realizaron pruebas a la aplicación y a las APIs utilizando la herramienta JMeter. El procesador de la capa gratuita tiene un procesador de un núcleo a 64 bits, una memoria de 1024 Mbytes y un S.O. Ubuntu server 18.04. Las pruebas muestran que el número idóneo de usuarios en el grupo "Monitores" puede estar en el rango de 1 a 100, con una eficiencia mínima del 95,06 %. Para la utilización de las APIs se puede dimensionar hasta 100 usuarios, con una efectividad mínima del 95,73 %. Además, el consumo de red durante estas pruebas fue de un máximo de 47,5 Mbytes por día, significando una cantidad total de 142,5 Mbytes por mes, lo cual no represento un costo monetario en el servicio AWS, ya que no se pasa del límite mínimo de 1Tbytes por mes.

En la Figura 9 se puede observar un Boxplot con los resultados obtenidos de la medición de las latencias de respuesta de la aplicación. El retardo con menor porcentaje de ocurrencia es el de 3190 milisegundos, y los que tiene un 75% o más de ocurrencia son aquellos datos que se encuentran en el rango de 702,5 y 1196 milisegundos, con una media de 943,58 milisegundos.

En d caso de ba encuestas in muaaera fueron 40 prerfeaionalea de 1 m a aOud a Oos que se te s presento et proyecto duscrrullado y nesponSiesen a mac iodaO Oa 4 pnaguntae. Loe datos obtenidos se muestaen en aO Coxndod 0e la Uiguea en .

El objetivo de la primera pregunta es el de saber que tan importantes son los datos mostrados por el sistema, en el cual 92,3% dieron una calificación entre 4 y 5, donde el 73,2% son calificaciones de 5. El objetivo de la segunda pregunta es el de saber que tan útiles son las herramientas presentadas por el sistema, en el cual 76,9% de las personas dieron una calificación entre 4 y 5, donde el 53,9% son calificaciones de 5. El objetivo de la tercera pregunta es el de saber si el manejo de la plataforma es sencillo y de fácil manejo para el usuario, en el cual 80,8% de las personas dieron una calificación entre 4 y 5, donde el 34,6% son calificaciones de 5. Del total de la muestra, una gran mayoría implementaría este sistema en sus lugares de trabajo, siendo un total del 88%.

7. Conclusiones y trabajos futuros

La propuesta de trabajo de investigación sobre el sistema de telemedicina en la monitorización de signos vitales se enfocó en la medición de BPMs y SpO2, ya que son datos comúnmente utilizados en consultas médicas y pueden aumentar significativamente la efectividad de estas. De esta forma se reducen gastos operativos médicos, ya que el paciente puede recibir prescripciones a través de la interfaz de la aplicación.

Una de las ventajas de la implementáción de la aplicación en el framework de programación React-Native es la multiplataforma. Con pequeños cambios de código, o en algunos casos ninguno, esta aplicación puede ser utilizada en sistemas móviles iOS y Android, además de consolas de videojuegos XBOX, sistemas operativos Windows, y sistemas embebidos Apple TV. Este tipo de framework brinda el soporte necesario para la ejecución en sistemas Smart TV, a la vez, brindando el acceso a todas las funcionalidades de hardware de los dispositivos, como cualquier otra aplicación nativa.

Los trabajos futuros se centran en la implementación en varias plataformas antes mencionadas, considerando el acceso a distintas limitaciones de hardware que estos presentan, y los periféricos disponibles para la interacción con el usuario.

Agradecimientos: Los autores agradecen a la Universidad Técnica de Ambato (UTA) y a la Dirección de Investigación y Desarrollo (DIDE) por su apoyo en la realización del proyecto "Sistema de telemedicina para la Monitorización de señales vitales en un Ambiente de Smart tv (SFFISEI03)".

References

Referencias

Abdelsamee, N. M., & Algarni, A. (2018). IOT based solution for Teleconsulting Cardiac Patients In Saudi Arabia. 2018 21st Saudi Computer Society National Computer Conference (NCC), 1-4. https://doi.org/10.1109/NCG.2018.8593156

Bhojwani, H., Sain, G. K., & Sharma, G. P. (2018). A Hybrid Connectivity Oriented Telemedician System For Indian Landscape Using Raspberry Pi SBC & IOT. 2018 3rd Technology Innovation Management and Engineering Science International Conference (TIMES-ICON), 1-5. https://doi.org/10.1109/TIMESiCON.2018.8621799

Cardier, M., Manrique, R., Huarte, A., Valencia, M. L., Borro, D., Calavia, D., & Manrique, M. (2016). Telemedicina. Estado actual y perspectivas futuras en audiología y otología. Revista Médica Clínica Las Condes, 27(6), 840-847. https://doi.org/10.1016/j.rmclc.2016.11.016

Castaño, E. Y. P., Carvajal, L. C., García, J. J. B., & Rengifo, Y. S. P. (2016). Estado actual de la telemedicina: Una revisión de literatura· Current state of telemedicine: A literature review. 20, 16.

Costa, C. R., Anido-Rifon, L. E., & Fernandez-Iglesias, M. J. (2017). An Open Architecture to Support Social and Health Services in a Smart TV Environment. IEEE Journal of Biomedical and Health Informatics, 21(2), 549-560. https://doi.org/10.1109/ JBHI.2016.2525725

Danielsson, W. (2016). React Native application development. 70.

Liau, J.-C., & Ho, C.-Y. (2019). Intelligence IoT(Internal of Things) Telemedicine Health Care Space System for the Elderly Living Alone. 2019 IEEE Eurasia Conference on Biomedical Engineering, Healthcare and Sustainability (ECBIOS), 13-14. https://doi.org/10.1109/ECBIOS.2019.8807821

Pires, G., Correia, P., Jorge, D., Mendes, D., Gomes, N., Dias, P., Ferreira, P., Lopes, A., Manso, A., Almeida, L., Oliveira, L., Panda, R., Monteiro, P., Gracio, C., & Pereira, T. (2018). VITASENIOR-MT: A telehealth solution for the elderly focused on the interaction with TV. 2018 IEEE 20th International Conference on E-Health Networking, Applications and Services (Healthcom), 1-6. https://doi.org/10.1109/ HealthCom.2018.8531126

Stradolini, F., Tamburrano, N., Modoux, T., Tuoheti, A., Demarchi, D., & Carrara, S. (2018). IoT for Telemedicine Practices enabled by an AndroidTM Application with Cloud System Integration. 2018 IEEE International Symposium on Circuits and Systems (ISCAS), 1-5. https://doi.org/10.1109/ISCAS.2018.8351871

Teo, J. (2020). Early Detection of Silent Hypoxia in Covid-19 Pneumonia Using Smartphone Pulse Oximetry. Journal of Medical Systems, 44(8), 134. https://doi.org/10.1007/s10916-020-01587-6

Universidad Simón Bolívar, Sanmartín Mendoza, P., Ávila Hernández, K., Universidad del Norte, Vilora Núñez, C., Universidad del Norte, Jabba Molinares, D., & Universidad del Norte. (2016). Internet of Things and Home-Centered Health. Salud Uninorte, 32(2), 337-351. https://doi.org/10.14482/sun.32.2.8954

Wan, J., A. A. H. Al-awlaqi, M., Li, M., O'Grady, M., Gu, X., Wang, J., & Cao, N. (2018). Wearable IoT enabled real-time health monitoring system. EURASIP Journal on Wireless Communications and Networking, 2018(1), 298. https://doi.org/10.1186/ s13638-018-1308-x

Zgheib, R., Conchon, E., & Bastide, R. (2019). Semantic Middleware Architectures for IoT Healthcare Applications. En I. Ganchev, N. M. Garcia, C. Dobre, C. X. Mavromoustakis, & R. Goleva (Eds.), Enhanced Living Environments: Algorithms, Architectures, Platforms, and Systems (pp. 263-294). Springer International Publishing. https://doi.org/10.1007/978-3-030-10752-9_11