Mario. Paciente virtual para la enseñanza y evaluación médica
| datacite.rights | http://purl.org/coar/access_right/c_16ec | eng |
| dc.contributor.advisor | Villareal- Gonzalez, Reinaldo | |
| dc.contributor.advisor | Consuegra Machado, José R. | |
| dc.contributor.author | Ureche Gámez, Eliana Cristina | |
| dc.contributor.author | Flórez Mora, Lizeth Fernanda | |
| dc.date.accessioned | 2021-12-02T16:56:31Z | |
| dc.date.available | 2021-12-02T16:56:31Z | |
| dc.date.issued | 2021 | |
| dc.description.abstract | La arquitectura técnica del sistema de Mario es concebida como un algoritmo para creación de conversaciones, basado en técnicas de machine learning. El funcionamiento se basa en un lenguaje de etiquetas o maqueteado llamado AIML que es un lenguaje de marcado basado en XML. Los lenguajes utilizados para su programación son Python, para la programación base de todo el sistema, adicionalmente se utiliza el framework web Django como motor de renderizado web, JavaScript para la interacción entre la interfaz y la programación principal y por último AIML que comprende lo relacionado a la conversación y sus tópicos. La programación base consiste en un servidor (Django) que despliega las interfaces de comunicación, la inicialización de los servicios requeridos como son audio y servicios para los canales de socket, entre otros. Una vez inicializado el sistema, se muestran las interfaces de interacción con MARIO, esto a través de un portal dividido en dos paneles, el primero con la conversación en tiempo real entre el médico y el paciente, con un botón que permite la grabación del sonido y por ende la interacción con el paciente; y el otro panel con una imagen gráfica del paciente en un ambiente de interacción 3D que permite identificar padecimientos al observar. Sobre este panel de interacción se puede rotar y mover el paciente para hacer una observación a detalle. Al fondo de todo se tiene un sistema de reconocimiento de voz que toma la grabación realizada a través de la interfaz cliente, entregando mayor privacidad ya que el procesamiento de la voz se lleva a cabo en el equipo local del médico, luego se procesa y se envía al sistema base para su análisis y posterior resultado que refleja la respuesta del paciente hacia la interacción del médico, esta respuesta puede ser por voz o por algún movimiento o gesto que realiza su parte visual. El análisis que realiza el sistema base comprende lo mencionado anteriormente con el lenguaje de AIML. Las sesiones de trabajo durante la alimentación del software de simulación médica “Mario” se realizaron bajo una programación de 4 horas semanales, repartidas usualmente en dos días a la semana de manera presencial en el laboratorio de prototipaje de MacondoLab, centro de crecimiento empresarial de la Universidad Simón Bolívar. Durante estas sesiones se fue evolucionando poco a poco el contenido y los insumos entregados para el software de simulación. Inicialmente en las primeras sesiones se describió el funcionamiento del software bajo su configuración inicial con el fin de identificar las posibles enfermedades que podrían ser utilizadas como insumo, en este caso relacionadas al sistema digestivo. Teniendo identificadas las enfermedades se estableció un protocolo para la organización de la información de acuerdo con los lineamientos técnicos que presenta el software, este protocolo se conforma de la siguiente forma. | spa |
| dc.format.mimetype | spa | |
| dc.identifier.uri | https://hdl.handle.net/20.500.12442/9184 | |
| dc.language.iso | spa | spa |
| dc.publisher | Ediciones Universidad Simón Bolivar | spa |
| dc.publisher | Facultad de Ciencias de la Salud | spa |
| dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | eng |
| dc.rights.accessrights | info:eu-repo/semantics/restrictedAccess | eng |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Desarrollo tecnológico | spa |
| dc.subject | Enfermedades respiratorias | spa |
| dc.subject | Diagnóstico | spa |
| dc.subject | Tratamiento | spa |
| dc.subject | Prevención | spa |
| dc.title | Mario. Paciente virtual para la enseñanza y evaluación médica | spa |
| dc.type.driver | info:eu-repo/semantics/other | eng |
| dc.type.spa | Otros | spa |
| dcterms.references | Amaya, A. (2012). Simulación clínica y aprendizaje emocional. Bogotá, Colombia. | spa |
| dcterms.references | Ausubel D, Novak J, Hanesian H, et al. (1983). Psicología educativa: Un punto de vista cognoscitivo. (Editorial Trillas, Ed.). Mexico. | spa |
| dcterms.references | Cortes LD, Hernandez DF, Vargas LA, Á. J. (2016). Impacto y costos generados por las principales demandas a profesionales de la salud. Universidad Sergio Arboleda. | spa |
| dcterms.references | Flanagan B, Nestel D, J. M. (2004). Making patient safety the focus. Medical Education, 38(crisis resource management in the undergraduate curriculum), 56–66. | spa |
| dcterms.references | Gaba, D. (2004). The future vision of simulation in health care, 13(Quality SafetyHealth Care), i2–i10. | eng |
| dcterms.references | Gazitúa, R. (2019). Introducción a la semiología. Apuntes de semiología. | spa |
| dcterms.references | Jameson, L. (2008). Introducción a la Medicina Clínica. (M. G.-H. I. Editores, Ed.) (Harrison P). | spa |
| dcterms.references | Kopp BJ, Erstad BL, Allen ME, Theodorou AA, P. G. (2006). Medication errors and adverse drug events in an intensive care unit: direct observation approach for detection. Crit Care Med, 34(2), 415–425. | eng |
| dcterms.references | Kyle R, M. W. (2008). Clinical simulation. (Elsevier, Ed.). Boston, London, New York. | eng |
| dcterms.references | Marulanda, N. (2007). Errores de medicación en los profesionales sanitarios y sus consecuencias médico legales. (Medico Legal, Ed.). | spa |
| dcterms.references | Nadler P, G. R. (2010). Síntomas comunes. In P. M. Mc Phee S (Ed.), Diagnóstico clínico y tratamiento (49th ed., pp. 37–75). California: Appleton & Lange: Mc GrawHill. | spa |
| dcterms.references | Palés Argullós, J. G. C. (2010). El Uso De Las Simulaciones En Educación Médica. Teoría de la Educación: Educación y Cultura en la Sociedad de la Información. Universidad de Salamanca de España. | spa |
| dcterms.references | Perea, B. (2013). Análisis de las sentencias judiciales. Revista Española de Medicina Legal, 130–134. | spa |
| dcterms.references | Pineda CA, García HA, Tehelen JP, Ruiz O, Y. J. (2014). Formación en semiología médica: una caracterización desde la práctica. Educ, 17(1), 71–90. | spa |
| dcterms.references | Pugh, CM., Salud, L. (2007). Fear of missing a lesion: use of simulated breast models to decrease student anxiety when learning clinical breast examinations. Association for Surgical Education, 193(766–7). | eng |
| dcterms.references | Reinoso T, Tamarit T, P. G. (2012). La formación de recursos humanos en salud necesarios para el mundo y los paradigmas vigentes, 26 (4), 635–641. | spa |
| dcterms.references | Riu, J. (1981). Responsabilidad Profesional de los Médicos. (L. E. Asociados, Ed.). Buenos Aires, Argentina. | spa |
| dcterms.references | Ruiz AI, Angel-Müller E, G. O. (2009). La simulación clínica y el aprendizaje virtual. Rev.Fac.Med Universidad Nacional de Colombia, 57(Tecnologías complementarias para la educación médica), 67–79. | spa |
| dcterms.references | Serrano, L. (2000). Nuevos Conceptos de responsabilidad médica. (Ediciones Doctrina y Ley Ltda, Ed.). Bogotá, Colombia. | spa |
| dcterms.references | Támara LM, Jaramillo SH, M. L. (n.d.). Informes periciales por presunta responsabilidad médica en Bogotá. | spa |
| dcterms.references | Ypinazar VA, M. S. (2006). Clinical simulators. Rural and Remote Health, 6(applications and implications for rural medical education), 527. | eng |
| oaire.version | info:eu-repo/semantics/acceptedVersion | eng |
| sb.programa | Especialización en Medicina Interna | spa |
| sb.sede | Sede Barranquilla | spa |