Sistema de recomendación integrado para el autocontrol emocional en adultos mayores con cuadro postcovid-19 en Panamá

Abstract

Abstract: The effects of the pandemic can translate into a variety of physical and emotional reactions that are affecting the population, particularly the elderly Panamanian population, who have not been able to overcome the mainly emerging challenges of an infectious disease with health implications. physical and has also profoundly affected their well-being and mental health. To allow the Panamanian elderly population to improve emotional self-control and mental relaxation, we propose a software architecture for the development of a recommendation system integrating: artificial intelligence (AI), internet of things (IoT) and mobile applications. Keywords: Covid-19, AI, IoT, Mobile apps, Machine learning. 1.Introducción La Covid-19 es, sin lugar a duda, la mayor catástrofe del siglo XXI, probablemente la crisis global más significativa después de la segunda guerra mundial. En este artículo, proponemos el diseño de una arquitectura altamente integral y flexible basada en diferentes elementos de TIC que permitirá extraer datos de un sensor, analizarlos y realizar recomendaciones a pacientes panameños adultos mayores con afecciones psicológicas o reacciones emocionales posteriores al contagio de la Covid-19 (post-covid-19), basado en la utilización de componentes como IA, IoT y aplicaciones móviles para lograr el autocontrol emocional y relajación mental.

Headnote

Resumen: Los efectos de la pandemia pueden traducirse en una variedad de reacciones físicas y emocionales que están afectando a la población, particularmente a la población panameña de adultos mayores, los que no han podido superar los desafíos principalmente emergentes de una enfermedad infecciosa con implicaciones para la salud física y que además ha afectado profundamente su bienestar y la salud mental. Para permitir que la población de adultos mayores panameños pueda mejorar el autocontrol emocional y relajación mental, proponemos una arquitectura de software para el desarrollo de un sistema de recomendación integrando: inteligencia artificial (IA), internet de las cosas (IoT) y aplicaciones móviles. Esta investigación contribuirá a que la población de adultos mayores en Panamá disponga de una aplicación móvil la cual sea de beneficio como una alternativa no farmacéutica para poder sobrellevar afecciones de tipo psicológicas producidas por la enfermedad de la Covid-19. En cuanto a las limitaciones más relevantes que tenemos están la adquisición del conjunto de datos para entrenamiento. Como trabajos futuros esperamos contar con una arquitectura más robustas para implementarla en otras actividades relacionadas con el autocontrol de la salud de los pacientes panameños.

Palabras-clave: Covid-19, IA, IoT, aplicaciones móviles, machine learning.

Abstract: The effects of the pandemic can translate into a variety of physical and emotional reactions that are affecting the population, particularly the elderly Panamanian population, who have not been able to overcome the mainly emerging challenges of an infectious disease with health implications. physical and has also profoundly affected their well-being and mental health. To allow the Panamanian elderly population to improve emotional self-control and mental relaxation, we propose a software architecture for the development of a recommendation system integrating: artificial intelligence (AI), internet of things (IoT) and mobile applications. This research will contribute to the elderly population in Panama having a mobile application which is beneficial as a non-pharmaceutical alternative to cope with psychological conditions caused by the Covid-19 disease. Regarding the most relevant limitations we have are the acquisition of the data set for training. As future works, we hope to have a more robust architecture to implement it in other activities related to the heath self-control of Panamanian patients.

Keywords: Covid-19, AI, IoT, Mobile apps, Machine learning.

1.Introducción

La Covid-19 es, sin lugar a duda, la mayor catástrofe del siglo XXI, probablemente la crisis global más significativa después de la segunda guerra mundial. La Organización Mundial de la Salud (OMS) señala que la Covid-19 es la enfermedad infecciosa descubierta más recientemente, es decir, tanto el nuevo virus como la enfermedad eran desconocidos antes de que estallara el brote en Wuhan (China) en diciembre de 2019. En Panamá, el Ministerio de Salud (MINSA) comunicó el 9 de marzo 2020 que, efectivamente, una vez realizadas todas las pruebas en el Instituto Conmemorativo Gorgas, se presentaba el primer caso de la Covid-19 en nuestro país (Watkins, 2020) .

El escenario originado por la Covid-19 a nivel global es una realidad preocupante y desalentadora la cual llena de impotencia a todos los grupos de la población, en especial a los adultos mayores. Ante este panorama, es imperante la búsqueda de técnicas y métodos de diagnóstico para la detección y cura de esta enfermedad infecciosa, convirtiéndose hoy en uno de los grandes desafíos de la ciencia. Se necesita con urgencia conocer de muchas variables como el peso epidemiológico de la enfermedad, el número de personas infectadas, la morbilidad, la mortalidad y la tasa de letalidad. El conocimiento real de la epidemiología de la Covid-19 permitirá a los gobiernos definir planes y políticas en salud pública acordes a la dimensión del problema. No lejos de esto las consecuencias provocadas por la pandemia de la Covid-19 han causado un sentimiento de angustia, miedo y ansiedad en todo el mundo, lo que ha afectado áreas tan esenciales como la salud y la economía (Clemente-Suárez et al., 2021).

Para enfrentar estos efectos, dentro del aspecto económico, las organizaciones privadas y gubernamentales panameñas hacen uso intensivo de herramientas tecnológicas para poder llevar a cabo actividades cotidianas como: teletrabajo, compra y venta online, clases virtuales, así como gestionar procesos de producción de forma remota, lo cual representa un gran reto no solo para las empresas e instituciones, sino también para los colaboradores involucrados. A pesar de esto, la población panameña, particularmente los adultos mayores, no han podido superar los desafíos emergentes que la Covid-19 han originado ni lo que esto implica para la salud física, además de la profunda afectación a la salud mental y el bienestar. Estos efectos pueden traducirse en una variedad de reacciones emocionales como asco, ira, miedo, tristeza, angustia, preocupación, afecciones de salud mental que representan un problema complejo y de múltiples niveles que pueden repercutir negativamente en la población panameña, esto requiere la atención de profesionales o especialistas en salud e investigadores (Heitzman, 2020).

Por lo anterior consideramos que la implementación de herramientas y métodos adecuados en el área de Tecnologías de Información y Comunicación (TIC) para apoyar la toma de decisiones de las autoridades de salud en situaciones de emergencia como la de la pandemia por la Covid-19 y preparar estrategias en beneficio de la población y proyecciones futuras (Haque et al., 2021), es imperante.

En este artículo, proponemos el diseño de una arquitectura altamente integral y flexible basada en diferentes elementos de TIC que permitirá extraer datos de un sensor, analizarlos y realizar recomendaciones a pacientes panameños adultos mayores con afecciones psicológicas o reacciones emocionales posteriores al contagio de la Covid-19 (post-covid-19), basado en la utilización de componentes como IA, IoT y aplicaciones móviles para lograr el autocontrol emocional y relajación mental.

El resto del documento se compone de un marco teórico, materiales y métodos, resultados y conclusiones.

2.Marco Teórico

El ser humano es biopsicosocial. El prefijo bio se refiere a la vida; psico se vincula a la psicología, es decir, actividad de la mente o las cuestiones del alma y social, es aquello vinculado a la sociedad como la integración con la comunidad que comparten una cultura y que interactúan entre sí. Por lo tanto, la noción de biopsicosocial integra cuestiones biológicas, psicológicas y sociales (Leiva- Peña et al., 2021). La OMS señala que "la salud es un estado de completo bienestar físico, mental y social y no solamente la ausencia de afecciones o enfermedades". Lo que demuestra que para que una persona esté saludable o sana no basta la ausencia de una enfermedad, sino que la generación de las condiciones que permiten el desarrollo pleno de las capacidades y potencialidades humanas son el resultado de un complejo proceso en donde interactúan factores biológicos, económicos, psicológicos, sociales, políticos y ambientales.

Debido a la reciente pandemia por la Covid-19, la salud mental de los panameños en general y particularmente la de ciertos grupos de la población vulnerables como los adultos mayores, se ha afectado de forma considerable. El distanciamiento social y autoaislamiento pueden causar problemas de salud mental como ansiedad, miedo o ira (Rauschenberg et al., 2021).

Ante esta realidad, aplicamos una encuesta a una muestra de 100 personas de más de 50 años, 44 hombres y 56 mujeres. El instrumento contó con preguntas directas sobre si han tenido algún padecimiento durante la pandemia de la Covid-19 relacionada a reacciones emocionales psicológicas como estrés, ansiedad, miedo, disgusto, ira, depresión, tristeza y felicidad. El sujeto podía seleccionar las reacciones emocionales que quisieran. En la figura 1, observamos los resultados de la encuesta. Podemos observar que, según resultados obtenidos en la encuesta, el mayor porcentaje de reacciones emocionales psicológicas está en tristeza, seguido de miedo y estrés. Es importante destacar que muchos de los encuestados también tienen altos porcentajes en ira y disgusto.

La encuesta reflejó que la población de adultos mayores panameños tiene un creciente problema relacionado con estados de salud mental y reacciones emocionales causados por la experiencia de la Covid-19, lo que pone en alerta a los tomadores de decisiones en materia de salud en Panamá, especialmente en lo referente a salud mental.

Con todos estos problemas, surge la oportunidad de utilizar las TIC como medio y apoyo para generar soluciones informáticas con el fin de mejorar la toma de decisiones de las unidades sanitarias del país. La utilización de tecnologías como IoT y ML podrían dotar a la población de herramientas básicas de control, cuidado y prevención de enfermedades, lo que permitiría al paciente beneficiarse del empoderamiento de su salud. A su vez, el empleo de aplicaciones móviles de fácil acceso y usabilidad dedicadas a la salud ((mHealth) posibilitaría desarrollar un aspecto preventivo de la salud en la sociedad, esto reduciría costos sanitarios.

2.1.Dispositivos IoT

Los dispositivos IoT, como las pulseras Fitness y los relojes inteligentes con sensores, pueden desempeñar un papel clave en la determinación de la salud mental de las personas. El uso de dispositivos médicos con aplicaciones de IoT posibilitan el monitoreo remoto, y en tiempo real, de pacientes con la Covid-19 (Shinde et al., 2022). El seguimiento inteligente de los casos de pacientes infectados permite una rápida intervención en emergencias y limita la propagación del virus. El análisis de los datos recopilados sobre los dispositivos IoT, mediante el empleo de un método basado en estadísticas, puede utilizarse para predecir la situación futura de esta enfermedad y ayudar a diseñar un mejor entorno contra estas enfermedades.

Existe (Gutiérrez Sánchez et al., 2021) un diseño de robot cartesiano de un eje para la medición de la temperatura corporal y la detección de mascarilla facial como protocolo de control de acceso de personas en los centros comerciales de Lima, Perú. La etapa final del proyecto incluye su implementación y validación mediante un sistema de alarma mediante voz. También (Nicolaidou et al., 2022) trabajaron en el diseño de un prototipo de una aplicación móvil gamificada basada en la teoría que utiliza IoT para proporcionar datos personalizados y mejorar la resiliencia de los estudiantes de pregrado. Un total de 74 participantes evaluaron el prototipo y completaron un cuestionario en línea durante el confinamiento por la pandemia por la Covid-19. En cuanto a la evaluación del prototipo sobre la mejora de la resiliencia psicológica, se recibieron respuestas positivas, la escala de usabilidad del sistema arrojó una puntuación de evaluación de 72,9, lo que indica un grado satisfactorio de usabilidad. La aplicación de resiliencia es prometedora, más vinculada a las capacidades de IoT con interacción activa del usuario mientras se incorporan técnicas de cambio de comportamiento en un entorno gamificado siendo este aceptado por estudiantes. En otro estudio (Shinde et al., 2022), emplearon un enfoque único de fusión de sensores para detectar un individuo sospechoso de la Covid-19 utilizando el modelo MobileNetV2 mejorado para una plataforma de IoT para la detección de máscaras faciales. El algoritmo evita predicciones incorrectas del sospechoso. Los datos de salud son continuamente supervisados y grabados en un servidor en la nube de ThingSpeak. Cuando se detecta un individuo sospechoso con la Covid-19, se envía un correo electrónico de emergencia al personal sanitario con la posición GPS de este. El dispositivo IoT y modelo de aprendizaje profundo tienen una precisión del 98,50 %, este dispositivo es útil para el monitoreo remoto de pacientes con la Covid-19. Por otro lado (Awais et al., 2021), proponen un marco integrado de IoT que permite la conexión inalámbrica utilizando comunicación de señales fisiológicas al centro de procesamiento de datos donde se realiza el reconocimiento de emociones basado en la memoria a largo plazo (LSTM). El marco propuesto ofrece, en tiempo real, comunicación y reconocimiento de emociones que posibilita al paciente el seguimiento y apoyo a la educación a distancia en medio de la pandemia.

2.2.Tecnologías basadas en IA

El desarrollo de herramientas tecnológicas basadas en IA también ha contribuido significativamente en la lucha contra la Covid-19. La IA nos permite crear sistemas expertos y ha evolucionado el concepto de aprendizaje automático (ML) y aprendizaje profundo o Deep Learning (DL). Con la IA se están realizando proyectos de análisis de datos trabajando con ML, sin embargo, este tipo de soluciones son muy escasas, sobre todo en el área médica panameña (Al-sultan, 2021).

Un estudio realizado por (Rezapour & Elmshaeuser, n.d.) implementan diversos métodos de ML y estadísticos, buscando comprender cómo la pandemia de la Covid-19 y el aprendizaje en línea impactan el bienestar emocional de estudiantes universitarios. Se utilizó para ello los datos recopilados por la Facultad de Administración Pública de la Universidad de Ljubljana, Eslovenia, en conjunto con un consorcio internacional de universidades, otras instituciones educativas y asociaciones de estudiantes. Los resultados del estudio indican que la modalidad de aprendizaje (presencial, online sincrónico, online asincrónico) es el principal predictor del estado emocional de los estudiantes, seguido por la seguridad financiera. Factores como el nivel de satisfacción hacia su universidad y el manejo de la pandemia por el gobierno también son predictores importantes. Por su parte (Jha et al., 2021); realizaron un estudio que, a través del análisis estadístico inicial y la inferencia de una red Bayesiana, identificaron factores claves que afectaron la salud mental durante la pandemia por la Covid-19, integrando las redes Bayesianas con enfoques clásicos de ML que conducen a un modelado eficaz del nivel de salud mental durante la pandemia. Finalmente, en este estudio utilizando modelos de ML supervisados, se obtuvo un 80 % de precisión. Mediante el diseño de un framework (Shi et al., 2020), utilizando la integración de tecnologías como IA y nube computacional, donde recopilan los datos locales de salud mental y física de marinos a bordo que están aislados o en cuarentena por la Covid-19, el marino puede estar registrado en la aplicación y anotar los parámetros como temperatura corporal, frecuencia del pulso, índice de masa corporal, presión arterial, frecuencia cardíaca.

De esta forma, se realiza un monitoreo de las condiciones regulares de salud. Cuando un marino a bordo siente que tuvo un cambio de temperatura corporal o problemas respiratorios, la aplicación del teléfono inteligente alerta al marino, programa una cita inmediata y se contacta con el centro de emergencias.

2.3.Aplicaciones móviles

Actualmente, el 58% de los países miembros de la OMS han adoptado estrategias relacionadas con la mHealth y, según un reporte del Institute for Healthcare Informatics, se encuentran disponibles alrededor de 165,000 aplicaciones mHealth para descarga en dispositivos Android e IPhone (Syaifudin et al., 2021).

El desarrollo de aplicaciones móviles ha aumentado durante la pandemia, en parte, esta popularidad se debe a que concentraron la mayoría de sus esfuerzos en aplicaciones de mHealth para el seguimiento de contagiados, que, como hemos visto, recibieron un gran apoyo para ser descargadas, junto a contenidos orientados a la atención médica (CedenoMoreno & Vargas-Lombardo, 2020). Los posibles usos de una aplicación mHealth en salud mental incluyen psicoeducación o recomendaciones acerca de determinados trastornos o problemas, técnicas o ejercicios en forma de autoayuda o la posibilidad de interactuar con profesionales de la salud mental en tiempo real (Usher et al., 2020). También (Krisnanik et al., 2020) realizaron un estudio en una clínica de consejería de salud mental en el sur área de Tangerang, Banten y construyeron una aplicación basada en Android utilizando servicio web con el sistema de información del servicio de consulta de salud mental, esto con el objetivo de hacerle más fácil a las personas consultar a psicólogos o expertos en psiquiatría sin crear nuevos clústeres. El método desarrolló un sistema que usa la creación de un prototipo a través de la revisión de la literatura y la observación para obtener datos e información actualizada. En otro caso (Srivastav et al., 2021), realizaron estudios sobre los servicios de salud basados en aplicaciones hechas para dispositivos móviles y sistemas de realidad virtual destinados a la promoción de la actividad física en casa a través de un interactivo y motivador entorno digital para que las personas lo utilizarían en la cuarentena por la covid-19. El resultado del informe hace recomendaciones para aplicaciones de salud basadas en dispositivos móviles creados para promover la salud física, las que se pueden utilizar en casa durante periodos de confinamiento. En otro estudio (Beierle et al., 2021), implementaron una aplicación móvil basada en la evaluación momentánea ecológica (EMA), permitiendo grabaciones in situ. La aplicación desarrollada tiene por nombre Corona Health, sirve como plataforma para implementar estudios basados en cuestionarios en combinación con grabaciones de sensores móviles. A través de los esfuerzos de colaboración de expertos de salud pública, medicina, psicología e informática, se lanzó Corona Health publicada en Google Play y Apple App Store en julio de 2020 en ocho idiomas y atrajo a 7,290 instalaciones hasta el momento. Los datos recopilados mejorarán sustancialmente el conocimiento sobre salud mental y física, estados de salud, rasgos y trayectorias, así como sus factores de riesgo y protección a lo largo de la pandemia de la Covid-19 y sus diversas medidas de prevención.

2.4.Situación actual en Panamá

Con el impacto que tiene la Covid-19 en la población, surge la necesidad de recoger la mayor cantidad de información posible referente a la prevención, síntomas y técnicas avanzadas. Ante esto, las entidades gubernamentales, como la Secretaría Nacional de Ciencia, Tecnología e Innovación (SENACYT), han dispuesto de un lugar centralizado en donde los científicos panameños pueden depositar sus datos de investigación para hacerle frente a la pandemia mundial por la SARS-CoV2/covid-19. Así, a través de la plataforma ABC se ha creado la Comunidad Covid-19 Panamá Research dentro de la plataforma Zenodo. Esta plataforma es uno de los repositorios de datos de investigación de acceso abierto más grande del mundo gestionado por la Unión Europea a través de OpenAIRE.

El MINSA y la Autoridad Nacional para la Innovación Gubernamental (AIG) se han aliado con empresas como Google y Apple para proveer una plataforma de notificación de exposición de contactos y, en el marco de la reapertura comercial, brindar un apoyo a los panameños y extranjeros que estén en la República de Panamá, con el fin de que puedan conocer en tiempo oportuno si han estado expuestos a un positivo de Covid-19 y, en consecuencia, realizar las gestiones necesarias para evitar complicaciones, según los protocolos ya establecidos por el MINSA. La asistente virtual ROSA (Respuesta Operativa de Salud Automática) es una plataforma tecnológica diseñada por profesionales de la AIG, habilitada para atender las consultas de los ciudadanos referentes a la situación de pandemia causada por la Covid-19 (Daniel & Graell, 2022).

También existen algunos estudios desarrollados (Laguardia Agapito, 2020) que proponen la implementación de un modelo epidemiológico: susceptibles-infectadosrecuperados (SIR), el cual permite realizar una predicción a medio plazo del comportamiento de la Covid-19 tomando en consideración las medidas tomadas por el gobierno de Panamá. En este sentido (Casaboza & Cardenas, 2021), se propone un modelo matemático con el fin de analizar el comportamiento y proporcionar predicciones posibles de la infección de la Covid-19, basado en el caso de Panamá. En esa misma línea (Navarro & Sanchez-Galan, 2021), se propone un estudio que busca correlacionar de manera cuantitativa la incidencia de la Covid-19 con las variables climáticas en la República de Panamá. Finalmente, se realiza una investigación que se centra en el diseño de un dispositivo de monitoreo remoto que ayuda al profesional de la salud a darle un mejor seguimiento a los pacientes positivos de la Covid-19 que se encuentran en aislamiento domiciliario, evitando que un mayor número de pacientes ingresen a la unidad de cuidados intensivos (UCI). El diseño propuesto utiliza biosensores colocados en diferentes zonas del cuerpo y, dependiendo del parámetro a sensar, se obtienen las señales que serán procesadas por un microcontrolador, posteriormente los datos se envían al enrutador a través de su conexión a internet.

Las contribuciones de nuestro trabajo son varias: (1) diseñar una arquitectura basada en TIC que permita realizar recomendaciones a pacientes postcovid-19 adultos mayores sobre el manejo de afecciones psicológicas mediante la utilización de componentes como ML, IoT y tecnología móvil; (2) apoyar a los encargados de la salud mental en Panamá con herramientas para que los pacientes postcovid-19 adultos mayores sean orientados para realizar algunas acciones que mejoren su estado psicológico; y (3) proponer un marco teórico y práctico a los investigadores panameños para que puedan contribuir a mejorar la arquitectura propuesta.

3.Materiales y métodos

3.1.Metodología

Por la naturaleza de esta propuesta de investigación y el desarrollo de esta arquitectura, se ha de utilizar la programación extre ma (XP) que es una metodología de desarrollo de software, que, a su rez, es parte de ku metodoktgks ágiles. XP se basa en velores, prinripeu y práetirea; tiene romo objntivo permitir

que varios equipos de pocas personas hagan productos de software de calidad adaptables y eerktivos a eae requiaióor que demrnde el uauario. Lo que (tifebenck a XP de las demaz mreodrtogíer ag?e ea que hece hmeapié et gos seerens técmeot del Xeeerrollo de eofíwaee. En le figura 2 se muesXrrn Iss ehepaa de уп metedologk (A?ahemeesn et aL, pou4İ.

3.2.Arquitectura propuesta

La arquitectura propuesta se muestra en la figura 3 y se divide en tres componentes principales: IA, IoT y App móvil.

3.2.1. Componente IA

La idea fundamental de crear el modelo de IA es poder analizar los datos recabados y clasificar si el usuario necesita o no utilizar la aplicación móvil para lograr su relajación. Inicialmente a partir de recolecciones previas, vamos a ir armando un conjunto de datos (dataset) con características psicológicas asociadas a usuarios adultos mayores que presenten afecciones como estrés, insuficiencia cardiaca, frustrado, furioso, nervioso, cansancio, falta de concentración, ansiedad, depresión, presión alta, uso de alcohol o drogas para relajarse. Después, aplicaremos técnicas de preprocesamiento, este es un paso importante en el análisis de los datos, con distintos tipos de procesos aplicados a los datos en crudo, así lograremos transformar la información en distintos formatos más fáciles de utilizar en el modelo de IA. Estos procesos incluirán limpiar, completar valores claves, manipular inconsistencias o valores atípicos. Este paso se hará para garantizar la calidad del modelo que se quiere desarrollar. Al obtener un conjunto de datos lo suficientemente estable y normalizado, aplicaremos técnicas de ML, específicamente utilizaremos algoritmos de aprendizaje supervisado para clasificación: máquina de soporte vectorial (SVM), redes bayesianas (RB), regresión logística (RL) y los bosques aleatorios (RF) (Dang et al., 2021). La herramienta de programación seleccionada para trabajar es Python (Ren, 2021), la cual ofrece muchos beneficios para los que desean integrarse en el contexto de IA, pues posee una enorme cantidad de librerías que facilitan las tareas, entre las que usamos están Scikit Learn o Sklearn, NumPy y Pandas (Varoquaux et al., 2015). Se procedió a entrenar el modelo, para ello dividimos el conjunto de datos para entrenamiento (training) y prueba (test), esta tarea la realizamos utilizando el módulo de Sklearn train_test_split. Con el modelo entrenado y validado, usando el mejor algoritmo, es decir, el de mayor precisión, este modelo nos va a servir como agente de software para el siguiente componente (Rojas-Barahona, 2016).

3.2.2. Componente IoT

En este componente se está desarrollando un sensor de bajo costo, que permite monitorear ciertas características como la frecuencia cardiaca del usuario adulto mayor. El sensor está compuesto por un pulsómetro, una placa Arduino uno, módulo adaptador LCD a I2C, diodo Led, protoboard 830 y un módulo WiFi ESP8266. Los datos emitidos por el sensor son enviados por el componente WiFi a través del módulo ESP8266. Estos datos se alojarán en un repositorio en la nube, ya que esta modalidad nos permite acceder en cualquier momento y en cualquier lugar a estos datos. Combinando las soluciones de IoT y la nube, apoyamos a que la lectura y captura de datos se realice en tiempo real. Estos nuevos datos utilizaran el modelo de IA que generado en el componente anterior para lograr que sean datos de prueba y realizar así una nueva clasificación y establecer si se le recomienda o no la aplicación móvil (Hasibuan et al., 2021).

3.2.3. Componente App

El objetivo principal de este componente es desarrollar una aplicación móvil (StayRelaxed) mediante la cual el usuario puede visualizar recomendaciones o alternativas no farmacológicas cuando esté experimentando un estado psicológico que lo altere y trata de lograr el autocontrol emocional y la relajación mental. En la figura 4 se muestra la pantalla principal.

A través de StayRelaxed sugerimos recomendaciones de actividades como ejercicios de respiración, E-books, yoga, entre otras alternativas, para dar apoyo a esos usuarios adultos mayores.

A continuación, se describen las actividades involucradas en el desarrollo de StayRelaxed.

* Análisis y diseño: Se analizaron y recopilaron las características y funcionalidades de diversas aplicaciones relacionadas con el manejo y control de situaciones psicológicas, lo que nos ayudó a tomar decisiones importantes con respecto al desarrollo de la aplicación. Diseñamos una solución evaluando las mejores alternativas de desarrollo y las funcionalidades antes indicadas; también se tomó en cuenta los aspectos técnicos y sociales y la facilidad de uso general.

* Desarrollo: Puesto que, en Panamá, el 86% de las personas con Smartphones utilizan Android, el 13% utilizan el sistema iOS y el 1% restante utiliza otras alternativas, StayRelaxed se está desarrollando para el sistema operativo Android.

* Pruebas: StayRelaxed aún está siendo desarrollada, hemos generado solo un prototipo para algunas pruebas. Es de vital importancia garantizar que nuestra aplicación sea un producto de calidad. Aplicamos una prueba de usabilidad al prototipo, basada en los parámetros de las heurísticas de usabilidad de Jakob Nielsen (Labrie & Cheng, 2020).

* Protección de los datos del usuario: En Panamá se promulgó, en marzo de 2019, la Ley 81 por la que se protegen los datos personales, la cual establece principios, obligaciones y procedimientos para el tratamiento de datos en el país con el fin de garantizar la protección del derecho a la privacidad e identificar las condiciones que deben cumplir las empresas o particulares que gestionan bases de datos de usuarios. Nuestra propuesta debe cumplir con la Ley 81 para garantizar los derechos y libertades de los pacientes en cuanto al tratamiento de sus datos personales (Pike & Ll, 2019).

4. Resultados

Aunque las contribuciones de innovaciones tecnológicas son muy valiosas, ya que pueden ayudar a mejorar los resultados y permitir a los adultos mayores lograr autocontrol emocional y relajación mental, hay que considerar que la ética y la gobernanza también son importantes para proteger los datos de los pacientes (Andanda, 2020). En nuestro estudio, pudimos proponer el desarrollo de una arquitectura basada en tres distintos componentes, los cuales se acoplan para dar como resultado un sistema de recomendación de actividades que ayudan de una forma alternativa o no farmacológica a lidiar con afecciones psicológicas relacionadas con la salud mental.

En cuanto a los resultados obtenidos del componente IA, pudimos medir la precisión del modelo, utilizando un conjunto de datos para entrenamiento. Observamos en la tabla 1 los resultados de la precisión de los clasificadores utilizados.

Después de realizar los experimentos sobre el conjunto de datos, a los que aplicamos distintos algoritmos de ML para la tarea de clasificación de características, el rendimiento global obtenido es positivo, ya que cada algoritmo mostró métricas superiores al 93% en exactitud. Siendo la mejor la de SVM con más de un 97% de precisión. La precisión es un tema importante en los clasificadores y consideramos que aún puede mejorarse, haciendo una selección más cuidadosa del conjunto de datos (Yang et al., 2020). Los resultados obtenidos del componente IoT aun no pueden ser validados debido a que este componente está en construcción. En cuanto a los resultados de la aplicación StayRelaxed cumple su principal objetivo: ayudar a que un usuario pueda lograr un estado de relajamiento. Tiene un módulo donde el usuario puede registrar sus datos si lo desea. Cuenta con un módulo educativo que ofrece una serie de enlaces a temas relacionados con el relajamiento y la paz mental. El módulo de actividades es un espacio que ofrece ejercicios de respiración, E-books, yoga, opciones para que el usuario se relaje. Por último, un módulo de contacto que proporciona información sobre distintos centros de salud mental existentes en el área.

5. Conclusiones

La salud física y mental de los habitantes de un país es vital, después de la pandemia originada por la Covid-19, muchos sectores de la población han quedado afectados, en su gran mayoría los adultos mayores, quienes han sucumbido a esta enfermedad de distintas maneras. La salud mental de nuestros adultos mayores incluye su bienestar emocional, psicológico y social. Estar sanos ayuda a determinar cómo ellos manejan sus relaciones con los demás y cómo toman decisiones.

Hemos propuesto y estamos desarrollando, a través de tecnologías innovadoras como la IA, IoT y aplicaciones móviles, una alternativa no farmacológica para enfrentar afecciones psicológicas relacionadas con la salud mental, fiable y que, a la vez, resulta beneficiosa a la población de adultos mayores afectados por las consecuencias psicológicas postcovid-19.

La arquitectura que proponemos para el autocontrol de la salud mental de los adultos mayores panameños no ha sido desarrollada anteriormente por lo que vemos un impacto y contribución positiva, además de que puede ayudar en futuros estudios a los investigadores.

Agradecimientos

Agradecimientos al Sistema Nacional de Investigación SNI-SENACYT. Asimismo, al Centro Regional de Panamá Oeste de la Universidad Tecnológica de Panamá (UTP-CRPO).

References

Referencias

Abrahamsson, P., Hanhineva, A., Hulkko, H., Ihme, T., Jäälinoja, J., Korkala, M., Koskela, J., Kyllönen, P., & Salo, O. (2004). Mobile-D: An agile approach for mobile application development. Proceedings of the Conference on Object-Oriented Programming Systems, Languages, and Applications, OOPSLA, 174-175. https://doi.org/10.1145/1028664.1028736

Al-sultan, N. (2021). Master of Information System Digital Business Systems How can Ethical Artificial Intelligence be understood from the perspective of the key principles of transparency , accountability , responsibility , fairness , privacy , and data governance ? 83.

Andanda, P. (2020). Ethical and legal governance of health-related research that use digital data from user-generated online health content. Information Communication and Society, 23(8), 1154-1169. https://doi.org/10.1080/1369118X.2019.1699591

Awais, M., Raza, M., Singh, N., Bashir, K., Manzoor, U., Islam, S. U., & Rodrigues, J. J. P. C. (2021). LSTM-Based Emotion Detection Using Physiological Signals: IoT Framework for Healthcare and Distance Learning in COVID-19. IEEE Internet of Things Journal, 8(23), 16863-16871. https://doi.org/10.1109/JIOT.2020.3044031

Beierle, F., Schobel, J., Vogel, C., Allgaier, J., Mulansky, L., Haug, F., Haug, J., Schlee, W., Holfelder, M., Stach, M., Schickler, M., Baumeister, H., Cohrdes, C., Deckert, J., Deserno, L., Edler, J. S., Eichner, F. A., Greger, H., Hein, G., ... Pryss, R. (2021). Corona health-a study-and sensor-based mobile app platform exploring aspects of the covid-19 pandemic. International Journal of Environmental Research and Public Health, 18(14). https://doi.org/10.3390/ijerph18147395

Casaboza, J., & Cardenas, D. E. (2021). CORRELACIÓN DE LA INCIDENCIA DE CASOS DE COVID-19 CON VARIABLES CLIMÁTICAS EN LA REPÚBLICA DE PANAMÁ. IEEE Latin America Transactions, 19(6), 893-900. https://doi.org/10.1109/ tla.2021.9451233

Cedeno-Moreno, D., & Vargas-Lombardo, M. (2020). Mobile Applications for Diabetes Self-Care and Approach to Machine Learning. International Journal of Online and Biomedical Engineering, 16(8), 25-38. https://doi.org/10.3991/ijoe.v16i08.13591

Clemente-Suárez, V. J., Martínez-González, M. B., Benitez-Agudelo, J. C., NavarroJiménez, E., Beltran-Velasco, A. I., Ruisoto, P., Arroyo, E. D., Laborde-Cárdenas, C. C., & Tornero-Aguilera, J. F. (2021). The impact of the covid-19 pandemic on mental disorders. A critical review. International Journal of Environmental Research and Public Health, 18(19). https://doi.org/10.3390/ijerph181910041

Dang, C. N., Moreno-García, M. N., & De La Prieta, F. (2021). Hybrid Deep Learning Models for Sentiment Analysis. Complexity, 2021. https://doi.org/10.1155/2021/9986920

Daniel, R., & Graell, G. (2022). Plataformas Virtuales En Panamá Y Mejoras De Conectividad a Través De Edge Computing Virtual Platforms in Panama and Connectivity Improvements Through Edge Computing. 3(2), 35-46.

Goldman, M. L., Druss, B. G., Horvitz-Lennon, M., Norquist, G. S., Ptakowski, K. K., Brinkley, A., Greiner, M., Hayes, H., Hepburn, B., Jorgensen, S., Swartz, M. S., & Dixon, L. B. (2020). Mental Health Policy in the Era of COVID-19. Psychiatric Services, 71(11), 1158-1162. https://doi.org/10.1176/APPI.PS.202000219

Gutiérrez Sánchez, S., Hernández Valladares, M., Magallanes Chauca, D., & Palomares Orihuela, R. (2021). Diseño de un robot cartesiano para la medición de temperatura corporal y detección de mascarilla facial mediante sensores infrarrojos y visión artificial para prevenir el contagio del COVID-19. Perfiles de Ingeniería, 17(17), 99-110. https://doi.org/10.31381/perfiles_ingenieria.v17i17.4580

Haque, M. A., Sonal, D., Haque, S., Kumar, K., & Rahman, M. (2021). The Role of Internet of Things (IoT) to Fight against Covid-19. ACM International Conference Proceeding Series, 140-146. https://doi.org/10.1145/3484824.3484900

Hasibuan, A., Rosdiana, R., & Tambunan, D. S. (2021). Design and Development of An Automatic Door Gate Based on Internet of Things Using Arduino Uno. Bulletin of Computer Science and Electrical Engineering, 2(1), 1-11. https://doi. org/10.25008/bcsee.v2i1.1141

Heitzman, J. (2020). Impact of COVID-19 pandemic on mental health. Psychiatria Polska, 54(2), 187-198. https://doi.org/10.12740/PP/120373

Jha, I. P., Awasthi, R., Kumar, A., Kumar, V., & Sethi, T. (2021). Learning the mental health impact of COVID-19 in the United States with explainable artificial intelligence: Observational study. JMIR Mental Health, 8(4). https://doi.org/10.2196/25097

Krisnanik, E., Isnainiyah, I. N., & Resdiansyah, A. Z. A. (2020). The Development of Mobile-based Application for Mental Health Counseling during the COVID-19 Pandemic. Proceedings - 2nd International Conference on Informatics, Multimedia, Cyber, and Information System, ICIMCiS 2020, 324-328. https:// doi.org/10.1109/ICIMCIS51567.2020.9354299

Labrie, A., & Cheng, J. (2020). Adapting Usability Heuristics to the Context of Mobile Augmented Reality. UIST 2020 - Adjunct Publication of the 33rd Annual ACM Symposium on User Interface Software and Technology, 4-6. https://doi. org/10.1145/3379350.3416167

Laguardia Agapito, J. L. (2020). Analysis and Modeling of Dynamic Behavior of the COVID-19 Outbreak: Study Case of Panama. Na, NA(NA), NA-NA.

Lee, S.-E., Shin, H., & Hur, J.-W. (2020). mHealth for Mental Health in the COVID-19 Era. Korean Journal of Clinical Psychology, 39(4), 325-354. https://doi.org/10.15842/ kjcp.2020.39.4.007

Leiva- Peña, V., Rubí-González, P., & Vicente-Parada, B. (2021). Determinantes sociales de la salud mental: políticas públicas desde el modelo biopsicosocial en países latinoamericanos. Revista Panamericana de Salud Pública, 45, 1. https://doi. org/10.26633/rpsp.2021.158

Navarro, V. cente, & Sanchez-Galan, J. (2021). CORRELACIÓN DE LA INCIDENCIA DE CASOS DE COVID-19 CON VARIABLES CLIMÁTICAS EN LA REPÚBLICA DE PANAMÁ. Revista Plus Economía, 10(1), 43-54.

Nicolaidou, I., Aristeidis, L., & Lambrinos, L. (2022). A gamified app for supporting undergraduate students' mental health: A feasibility and usability study. Digital Health, 8, 205520762211090. https://doi.org/10.1177/20552076221109059

Pike, E. R., & Ll, M. (2019). Defending Data : Toward Ethical Protections and Comprehensive Data Governance. Emory Law Journal, Forthcoming, 69(4), 51. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=3369746

Rauschenberg, C., Schick, A., Goetzl, C., Roehr, S., Riedel-Heller, S. G., Koppe, G., Durstewitz, D., Krumm, S., & Reininghaus, U. (2021). Social isolation, mental health, and use of digital interventions in youth during the COVID-19 pandemic: A nationally representative survey. European Psychiatry, 64(1). https://doi. org/10.1192/j.eurpsy.2021.17

Ren, Y. (2021). Python Machine Learning:Machine Learning and Deep Learning With Python. International Journal of Knowledge-Based Organizations, 11(1), 67-70.

Rezapour, M., & Elmshaeuser, S. K. (n.d.). Artificial Intelligence-Based Analytics for Impacts of COVID-19 and Online Learning on College Students ' Mental Health. January 2020.

Rojas-Barahona, L. M. (2016). Deep learning for sentiment analysis. Language and Linguistics Compass, 10(12), 701-719. https://doi.org/10.1m/lnc3.12228

Shi, Y., Wang, J., Yang, Y., Wang, Z., Wang, G., Hashimoto, K., Zhang, K., & Liu, H. (2020). Knowledge and attitudes of medical staff in Chinese psychiatric hospitals regarding COVID-19. Brain, Behavior, & Immunity - Health, 4, 100064. https:// d0i.0rg/10.1016/j.bbih.2020.100064

Shinde, R. K., Alam, M. S., Park, S. G., Park, S. M., & Kim, N. (2022). Intelligent IoT (IIoT) Device to Identifying Suspected COVID-19 Infections Using Sensor Fusion Algorithm and Real-Time Mask Detection Based on the Enhanced MobileNetV2 Model. Healthcare (Switzerland), 10(3). https://doi.org/10.3390/ healthcare10030454

Srivastav, A., Khadayat, S., & Samuel, A. (2021). Mobile-based health apps to promote physical activity during COVID-19 lockdowns. Journal of Rehabilitation Medicine - Clinical Communications, 4(1), jrmcc00051. https://doi.org/10.2340/200307111000051

Syaifudin, Y. W., Funabiki, N., Kuribayashi, M., Mentari, M., Saputra, P. Y., Yunhasnawa, Y., & Ulfa, F. (2021). Web application implementation of Android programming learning assistance system and its evaluations. IOP Conference Series: Materials Science and Engineering, 1073(1), 012060. https://doi.org/10.1088/1757899X/1073/1/012060

Talevi, D., Socci, V., Carai, M., Carnaghi, G., Faleri, S., Trebbi, E., Bernardo, A. D. I., Capelli, F., & Pacitti, F. (2020). Mental health outcomes of the CoViD-19 pandemic Gli esiti di salute mentale della pandemia di CoViD-19. Riv Psichiatr, 55(3), 137-144.

Usher, K., Durkin, J., & Bhullar, N. (2020). The COVID-19 pandemic and mental health impacts. International Journal of Mental Health Nursing, 29(3), 315-318. https://doi.org/10.1111/inm.12726

Varoquaux, G., Buitinck, L., Louppe, G., Grisel, O., Pedregosa, F., & Mueller, A. (2015). Scikit-Learn: Machine Learning Without Learning the Machinery. GetMobile: Mobile Computing and Communications, 19(1), 29-33.

Watkins, J. (2020). Preventing a covid-19 pandemic. The BMJ, 368(February), 1-2. https://doi.org/10.1136/bmj.m810

Yang, Q., Zhang, Y., Dai, W., & Pan, S. J. (2020). Transfer Learning in Natural Language Processing. Transfer Learning, 2010, 234-256. https://doi. org/10.1017/9781139061773.020