Tegguanipa y Mejias 2022

UNIVERSIDAD NACIONAL EXPERIMENTAL
“FRANCISCO DE MIRANDA”
ÁREA: CIENCIAS DE LA SALUD
PROGRAMA DE INGENIERÍA BIOMÉDICA
PROYECTO DE GRADO
PROPUESTA DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA

CARDIACA BASADO EN PLETISMOGRAFÍA REMOTA
CASO: CLÍNICA LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN.
Tutor(a): Autores:
Ing. Gloymar C. Acosta R. Guanipa Semeco, Gustavo José.
C.I.: V-13.901.383 C.I.: V-26.598.265
Mejía Bastidas, Miguel Enrique.
C.I.: V-26.100.639
Santa Ana de Coro, 21 de Marzo del 2022.
i
PROYECTO DE GRADO

Trabajo de Grado para optar al

Título de Ingeniero Biomédico
Tutor(a): Autores:
C.I.: V-13.901.383 C.I.: V-26.598.265
C.I.: V-26.100.639
Santa Ana de Coro ,21 de Marzo del 2022.
ii
ANEXO No 01
AUTORIZACION PARA LA DIFUSION ELECTRONICA DE TESIS Y/O

TRABAJO DE ASCENSO
YO Gustavo José Guanipa Semeco, titular de la cedula de identidad N° V-

26.598.265, Teléfono: 0412-7514755, Correo Electrónico:
gjuanipas@gmail.com Autor del Trabajo Titulado: PROPUESTA DE
SOFTWARE PARA LA ESTIMACION DE FRECUENCIA CARDIACA
BASADO EN PLETISMOGRAFÍA REMOTA CASO: CLÍNICA LA FAMILIA,
PUNTO FIJO-ESTADO FALCÓN.
Autorizo a la Universidad Nacional Experimental “Francisco de Miranda”

(UNEFM), para que difunda la versión digital de dicho trabajo, a través de
la Dirección de Información, Documentación y Biblioteca adscrita a la
Institución.
Como Autor cedo a la Universidad Nacional Experimental “Francisco de

Miranda” (UNEFM), solo con fines de docencia e investigación, los
derechos de mi trabajo, de acuerdo a lo previsto en la Ley sobre Derecho
de Autor, Articulo 42, 43 y 44 Gaceta Oficial No 4638 extraordinaria de
fecha 01 de Octubre de 1993.
Firma del Autor:

C.I. No: V-26.598.265
Email: gjuanipas@gmail.com
En Santa Ana de Coro, 21 de Marzo de 2022.
iii
ANEXO No 01
AUTORIZACION PARA LA DIFUSION ELECTRONICA DE TESIS

Y/O TRABAJO DE ASCENSO
YO, Mejía Bastidas, Miguel Enrique Cedula de Identidad C.I.: V-

26.100.639 No Teléfono: 0414 6987079 email:
etnies.miguel30@gmail.com
Autor del Trabajo Titulado: PROPUESTA DE SOFTWARE PARA LA
ESTIMACION DE FRECUENCIA CARDIACA BASADO EN
PLETISMOGRAFÍA REMOTA CASO: CLÍNICA LA FAMILIA, PUNTO
FIJO-ESTADO FALCÓN.
Autorizo a la Universidad Nacional Experimental “Francisco de Miranda”
(UNEFM), para que difunda la versión digital de dicho trabajo, a través de
la Dirección de Información, Documentación y Biblioteca adscrita a la
Institución.
Como Autor cedo a la Universidad Nacional Experimental “Francisco de

Miranda” (UNEFM), solo con fines de docencia e investigación, los
derechos de mi trabajo, de acuerdo a lo previsto en la Ley sobre Derecho
de Autor, Articulo 42, 43 y 44 Gaceta Oficial No 4638 extraordinaria de
fecha 01 de Octubre de 1993.
Firma del Autor

C.I V-
26.100.639
Email:
En Santa Ana de Coro, 21 de Marzo de 2022.
iv
ANEXO No 02
VALIDACION DE LA VERSION IMPRESA CON EL FORMATO

ELECTRONICO DE LA TESIS O TRABAJO DE
ASCENSO
YO Gustavo José Guanipa Semeco, titular de la cedula de identidad N°

V-26.598.265, Teléfono: 0412-7514755, Correo Electrónico:
gjuanipas@gmail.com
DID/ UNIDAD DE DIGITALIZACION:_ __________________________________

Coord. Dep. de Tesis y Pasantías del Área: Ing. Martha Moreno
Director del Programa: Ing. Yaknery Hansen
Decano del Área: Dra. Gioconda Acosta
Secretario: Licda Migdanys González
Certifico que la Tesis y/o Trabajo de Ascenso, con el Titulo PROPUESTA

DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA CARDIACA
Presentado por el Técnico Superior Universitario en Electromedicina:

Gustavo José Guanipa Semeco para Obtener el Título de Ingeniero
Biomédico.
Cumple a cabalidad con los requerimientos exigidos por esta
dependencia y entregado en formato impreso que corresponde, en su
totalidad, con el formato electrónico.
Firma _ Email Telf.:

SELLO
En Santa Ana de Coro, a los 21 de Marzo de 2022.
v
ANEXO No 02
VALIDACION DE LA VERSION IMPRESA CON EL FORMATO

ELECTRONICO DE LA TESIS O TRABAJO DE ASCENSO
YO, Mejía Bastidas, Miguel Enrique Cedula de Identidad C.I.: V-

26.100.639 No Teléfono: 0414 6987079 email:
DID/ UNIDAD DE DIGITALIZACION:_ ____________________________________

Coord. Dep. de Tesis y Pasantías del Área: Ing. Martha Moreno
Director del Programa: Ing. Yaknery Hansen
Decano del Área: Dra. Gioconda Acosta
Secretario:Licda Migdanys González
Certifico que la Tesis y/o Trabajo de Ascenso, con el Titulo PROPUESTA

DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA CARDIACA
Presentado por el Técnico Superior Universitario en Electromedicina: Mejía

Bastidas, Miguel Enrique para Obtener el Título de Ingeniero Biomédico.
Cumple a cabalidad con los requerimientos exigidos por esta dependencia y
entregado en formato impreso que corresponde, en su totalidad, con el
formato electrónico.
Firma _ Email Telf.:

SELLO
En Santa Ana de Coro, a los 21 de Marzo de 2022.
vi
CONSTANCIA DE ACEPTACIÓN DEL TUTOR

Autores:
Guanipa Semeco, Gustavo José.
C.I.: V-26.598.265
C.I.: V-26.100.639
ACEPTO LA TUTORÍA DEL PRESENTE TRABAJO SEGÚN LAS

CONDICIONES Y NORMAS QUE ESTABLECE LA UNIVERSIDAD NACIONAL
EXPERIMENTAL FRANCISCO DE MIRANDA
___________________________
ING. GLOYMAR ACOSTA
Nombre y Apellido del Tutor(a) Académico
vii
viii
ACTA DE MENCIÓN
HONORÍFICA
REPÚBLICA BOLIVARIANA DE VENEZUELA
PROGRAMA: INGENIERÍA BIOMÉDICA
“PROPUESTA DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA

CARDIACA BASADO EN PLETISMOGRAFÍA REMOTA CASO: CLÍNICA
LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN.”
Por TSU:
Guanipa Semeco, Gustavo José.
C.I.: V-26.598.265
C.I.: V-26.100.639
Trabajo de Grado aprobado en nombre de la Universidad Nacional

Experimental Francisco de Miranda, por el siguiente Jurado, en la ciudad de
Santa Ana de Coro, a los 21 días del mes de Marzo de 2022, con Mención
Honorifica.
FIRMA DEL JURADO

EVALUADOR
TUTOR JURADO Nro. 1 JURADO Nro.2

ACEPTADO POR:
DRA. GIOCONDA ACOSTA
Decano del Área de Cs. de la Salud
ix
AUTORES:
T.S.U: Guanipa Semeco, Gustavo José. C.I.: V-26.598.265
T.S.U: Mejía Bastidas, Miguel Enrique. C.I.: V-26.100.639
Trabajo de Grado presentado como requisito para la obtención del título

de
INGENIERO(A) BIOMÉDICO
ÁREA CIENCIAS DE LA SALUD

MENCIÓN HONORÍFICA
MARZO 2022
APROBADO POR:
ING. ING.
Jurado 1 Jurado 2
ING.
Tutor
ACEPTADO POR:
DRA. GIOCONDA ACOSTA
DECANO ÁREA CIENCIAS DE LA SALUD
x
AGRADECIMIENTO
Agradezco al Creador de todas las cosas, el que me ha dado fortaleza,

inteligencia, paciencia, dedicación para continuar cuando he estado a punto
de caer, además ser mi guía en este sueño en lo que hoy es una realidad.
Agradecido infinitamente con las dos personas más importantes de mi

vida, ellas son el tronco de este gran árbol ramificado que soy hoy, ellas que
son la fortaleza hecha persona, quienes son las que realmente merecen la
evaluación de hoy, mi Madre Nidya Leticia y mi abuela Nidya Nelcy (Iya),
Dios las bendiga por siempre confiar en mí, ¡Gracias por todo¡, LAS AMO.
Agradezco también a mis tíos y tías, por el cariño y comprensión siendo

parte fundamental de mi vida y en los esfuerzos de este trabajo: A mi familia
de sangre (Semeco Romero) y a la putativa (Flia. Chirinos), porque me han
brindado su apoyo incondicional y por compartir buenos y malos momentos.
Agradecido estoy también, con mis tutores Ing. Gloymar Acosta, y mi

tío Ing. Jose David Diaz Román, por todo el apoyo brindado, por sus
calidades humanas, por instruirme cada una a su manera y guiarme en la
realización de este trabajo
A la Universidad “Francisco de Miranda” gracias por acertarme y

formarme como un gran profesional y así llevar el nombre de Ingeniero
Biomédico, a cada uno de mis compañeros de estudios, a los que ahora
son mis amigos, gracias por cada momento convivido.
Gracias Dios, por una autentica amistad pues me demostraste que se

puede tener hermanos sin compartir los mismos padres o la misma sangre
gracias Pedro Dávila, por cada palabra de apoyo expresada en estos días,
dándome la confianza de que todo saldrá bien, te quiero y admiro.
A todos aquellos que quedan en mi corazón, un inmenso ¡Gracias!.
xi
AGRADECIMIENTOS
A la Universidad Nacional Experimental Francisco de Miranda y a

toda la familia universitaria que hacen posibles este tipo de investigaciones.
A nuestro tutor académico: Ing. Gloymar Acosta, que con sus valiosos
conocimientos y asesoría académica logran la realización de esta
investigación.
A la Coordinadora del departamento de Electromedicina y tutor

industrial de pasantías: Evelin Quero, que con su experiencia y
orientaciones ha ayudado en el crecimiento académico y laboral.
Al personal del Hospital Tipo III De Los Seguros Sociales “Dr. Rafael
Calles Sierra” y en especial al personal del departamento de
Electromedicina, que con su compañía durante las pasantías profesionales
han sido una fuente valiosa de conocimientos en el ámbito laboral y en
cuanta asesoría técnica y metodológica. A la Clínica “La Familia” por
permitirnos desarrollar este Trabajo Especial de Grado en sus espacios.
A mi familia, que gran parte del apoyo y fortaleza que he recibido ha

venido de ellos y que sus palabras han servido como campo de cultivo para
la paciencia y la fe para llegar a este punto de nuestra carrera.
A todos mis compañeros del programa de Ing. Biomédica de la

Universidad Nacional Experimental Francisco de Miranda que con su
entusiasmo han apoyado en este proceso de investigación y todo el proceso
educativo por el cual hemos pasado y vivido grandes experiencias que han
servido de mucho crecimiento personal.
A mi compañero de tesis, TSU Gustavo Guanipa, por su hermandad y

entrega en la elaboración de este trabajo.
xii
DEDICATORIA
A mi madre, Nidya Leticia,
A quien admiro por su apoyo, sacrificio, entrega, sabiduría y amor con su fe y

oraciones durante mi carrera supo guiar cada uno de mis pasos, y siempre
apoyándome en cada decisión tomada.
A mi abuela, Nidya Nelcy
Porque cada una de sus canas son sinónimos de sabiduría, que me han
enseñado cosas vitales para la vida y por ser mí ejemplo para salir adelante.
Gustavo J. Guanipa S.
DEDICATORIA
A Dios
Que con su gran amor nos guía y protege en nuestro andar y nos regala el
discernimiento para tener la conciencia de saber los que es bueno para
nuestra vida.
A la Virgen María
Que nos cubre con su precioso manto en nuestros momentos de mayor

necesidad y nos ayuda para crecer cada día en el caminar hacia Dios.
A mi madre Carolina Bastidas y mi padre Miguel Mejía
y a toda mi familia que con su amor, fe y comprensión han ayudado a

recorrer este camino hacia un mejor futuro, ayudándome a ser una mejor
persona cada día
A mi novia y compañera de vida Andreina Sarmiento,
Quien me apoya en todo lo que necesito y que juntos hemos logrado gran
parte de lo que somos hoy.
Mejía Bastidas, Miguel Enrique
xiii
INDICE GENERAL
p.p.
AGRADECIMIENTO xi
DEDICATORIA xiii
ÍNDICE GENERAL Xiv
ÍNDICE DE FIGURAS Xvii
ÍNDICE DE CUADROS Xviii
ÍNDICE DE GRÁFICOS Xix
RESUMEN xx
ABSTRACT Xxi
INTRODUCCIÓN 22
I. CAPÍTULO: EL PROBLEMA 27
1.1. PLANTEAMIENTO DEL PROBLEMA 27
1.2. DIAGNÓSTICO INSTITUCIONAL 32
1.2.1. RESEÑA HISTÓRICA DE LA CLÍNICA LA 33
FAMILIA
1.2.2. ESTRUCTURA ORGANIZACIONAL DE LA 33
CLÍNICA LA FAMILIA
 MISIÓN 33
 VISIÓN 34
 OBJETIVOS 34
1.3. FORMULACIÓN DEL PROBLEMA 35
1.3.1. SISTEMATIZACIÓN DEL PROBLEMA 35
1.4. OBJETIVOS DE LA INVESTIGACIÓN 36
1.4.1. OBJETIVO GENERAL 36
1.4.2. OBJETIVOS ESPECÍFICOS 36
1.5. JUSTIFICACIÓN DE LA INVESTIGACIÓN 36
1.6. LÍNEA DE INVESTIGACIÓN 39
1.7. DELIMITACIÓN DE LA INVESTIGACIÓN 40
1.7.1. DELIMITACION GEOGRAFICA 40
1.7.2. DELIMITACION TEORICA 40
1.7.3. DELIMITACION TEMPORAL 41
II. CAPÍTULO: MARCO TEORICO 42
2.1. ANTECEDENTES DE LA INVESTIGACIÓN 42
2.2. BASES TEÓRICAS Y CONCEPTUALES 45
2.3. BASES LEGALES 72
2.4. DEFINICIÓN DE TÉRMINOS BÁSICOS 74
2.5. SISTEMA DE VARIABLES 75
2.5.1. OPERACIONALIZACIÓN DE LA VARIABLE 75
xiv
III. CAPÍTULO: MARCO METODOLOGICO 76
3.1. TIPO DE INVESTIGACIÓN 76
3.2. DISEÑO DE INVESTIGACIÓN 76
3.3. POBLACIÓN Y MUESTRA 77
3.3.1. POBLACIÓN 77
3.3.2. MUESTRA 78
3.4. TÉCNICAS E INSTRUMENTOS DE RECOLECCIÓN DE 79
DATOS
3.4.1. TÉCNICA 79
3.4.2. INSTRUMENTO 79
3.5. VALIDEZ Y CONFIABILIDAD 80
3.5.1. VALIDEZ 80
3.5.2. CONFIABILIDAD 81
3.6. TÉCNICAS DE ANÁLISIS DE DATOS 84
3.7. PROCESO DE INVESTIGACIÓN 84
IV. CAPÍTULO: DISCUSIÓN DE LOS RESULTADOS 86
4.1. TÉCNICA DE ANÁLISIS 86
4.2. ANÁLISIS E INTERPRETACIÓN DE LOS 87
RESULTADOS
4.3. CONCLUSIONES Y RECOMENDACIONES 104
4.3.1. CONCLUSIONES 104
4.3.2. RECOMENDACIONES 105
V. CAPÍTULO: LA PROPUESTA 106
5.1. INTRODUCCIÓN 106
5.2. ESTUDIO DE LA FACTIBILIDAD 107
5.2.1. FACTIBILIDAD INSTITUCIONAL 107
5.2.2. FACTIBILIDAD TÉCNICA 107
5.2.3. FACTIBILIDAD OPERATIVA 108
5.2.4. FACTIBILIDAD PSICOSOCIAL 108
5.3. OBJETIVOS DE LA PROPUESTA 108
5.3.1. OBJETIVO GENERAL 108
5.3.2. OBJETIVOS ESPECÍFICOS 108
5.4 TEORÍAS O TÉCNICAS QUE SUSTENTAN LA 109
PROPUESTA
5.4.1 ESQUEMA GENERAL DE METODOLOGÍA 109
MATERIALES
5.4.2 BASES DE DATOS 110
5.4.3 TOMA DE LA SEÑAL Y FRECUENCIA CARDIACA 111
PROMEDIO
5.4.4 DETECCION DE ROSTRO 113
xv
5.4.4.1 DETECCIÓN DEL ROSTRO MEDIANTE EL 113
ALGORITMO DE VIOLA JONES
5.4.5 DETECCIÓN DEL ROSTRO 114
5.4.6 DEFINICIÓN DE MÁSCARAS SOBRE 115
REGIONES DE INTERÉS
5.4.7 OBTENCION DE SEÑAL EN ESPACIO DE 117
COLOR RGB
5.4.8 TRANSFORMACIÓN DE LOS ESPACIOS DE 118
COLOR
5.4.9 FILTRADO DE LAS SEÑALES DE LOS 118
ESPACIOS DE COLOR
5.4.10 ANÁLISIS EN DOMINIO DE FRECUENCIA 119
5.4.11 ESTIMACION DE LA FRECUENCIA 120
CARDIACA
5.4.12 RESULTADO 121
5.5 ELEMENTOS DE LA PROPUESTA 123
5.5.1 REQUERIMIENTOS 123
5.5.1.1 REQUERIMIENTOS FUNCIONALES 124
5.5.1.2 REQUERIMIENTOS NO FUNCIONALES 124
5.6 PANTALLAZOS DE LA APLICACIÓN 125
5.7 RESPONSABLES DE SU APLICACIÓN 136
REFERENCIAS 137
ANEXOS 145
A INSTRUMENTO DE RECOLECCIÓN DE DATOS. 145
B FORMATO PARA OBTENCIÓN DE VALIDEZ DE
EXPERTOS 159
C RESULTADOS DE LA FIABILIDAD 162
D CONSENTIMIENTO INFORMADO 164
E RESULTADOS DE FC POR SOFTWARE MATLAB 175
F RESULTADO EFECTIVIDAD DEL SOFTWARE 186
xvi
ÍNDICE DE FIGURAS
p.p
Figura Nº 01 Organigrama Funcional de la Clínica La Familia. 35
Figura Nº 02 Ubicación geográfica de la Clínica La Familia 40
Figura Nº 03 Frecuencia cardiaca 48
Figura Nº 04 Formas de obtención del pulso. 55
Figura Nº 05 Fotopletismografía. 59
Figura Nº 06 Fotopletismografía remota. 60
Figura Nº 07 Software Matlab. 61
Figura Nº 08 Algoritmo de Viola-Jones. Detección del Rostro. 65
Figura Nº 09 Selección de características de imagen. 66
Figura Nº 10 Detector de caras. 67
Figura Nº 11 Sentido del flujo óptico. 67
Figura Nº 12 Esquema descriptivo del método LK. 68
Figura Nº 13 Reducción de dimensionalidad. 69
Figura Nº 14 Espacio de color. 70
Figura Nº 15 Secuencia de video. 71
Figura Nº 16 Resultado de la Confiabilidad 83
Figura Nº 17 Esquema general de la metodología aplicada. 109
Figura Nº 18 Toma de video en sujeto de prueba. 111
Figura Nº 19 Colocación correcta del Sensor de SpO2. 112
Figura Nº 20 Detección del rostro con el algoritmo Viola-Jones 114
Figura Nº 21 Máscara binaria para zona de interés 116
Figura Nº 22 Máscara RGB para zona de interés 117
Figura Nº 23 Análisis frecuencial para canales RGB ROI Frente 119
para el sujeto 01.
para el sujeto 01, con acercamiento
para el sujeto 01
Figura Nº 26 Resultado aportado por MATLAB 122
Figura Nº 27 Ventana de comando aportado por MATLAB 122
Figura Nº 28 Pantallazo del archivo video_process.m parte I-IV 124
Figura Nº 29 Pantallazo del archivo detector2.m 126
Figura Nº 30 Pantallazo del archivo maskmean.m 127
Figura Nº 31 Pantallazo del archivo heart_rate_fun.m parte I-II 127
Figura Nº 32 Pantallazo del archivo jadeR.m parte I-XVII 128
xvii
ÍNDICE DE CUADROS
p.p
Cuadro Nº 01 La edad como factor determinante en la FCmáx 53
Cuadro Nº 02 Sistema de variable 75
Cuadro Nº 03 Expertos evaluadores del Instrumento 81
Cuadro Nº 04 Confiabilidad del Instrumento. 82
Cuadro Nº 05 Ítem 1. Aspectos demográficos 87
Cuadro Nº 06 Ítem 2. Revisión por Sistemas 89
Cuadro Nº 07 Ítem 3. Uso de los electrodos 91
Cuadro Nº 08 Ítem 4. Tiempos de espera 92
Cuadro Nº 09 Ítem 5. Métodos para la obtención de FC 93
Cuadro Nº 10 Ítem 6 Bioseguridad 95
Cuadro Nº 11 Ítem 7 Comodidad 96
Cuadro Nº 12 Ítem 8 Accesibilidad 98
Cuadro Nº 13 Ítem 9 Software de visión virtual 100
Cuadro Nº 14 Ítem 10 Trasmisión de los datos 101
Cuadro Nº 15 Materiales utilizados 110
Cuadro Nº 16 Toma de frecuencia cardiaca cada dos segundos 112
mientras se toma el video
Cuadro Nº 17 Toma de frecuencia cardiaca cada dos segundos 113
mientras se toma el video y promediada
Cuadro Nº 18 Comparación de los resultados 123
xviii
INDICE DE GRÁFICOS
p.p
Gráfico Nº 01 Aspectos demográficos 87
Gráfico Nº 02 Revisión por Sistemas 89
Gráfico Nº 03 Uso de los electrodos 91
Gráfico Nº 04 Tiempos de espera 92
Gráfico Nº 05 Métodos para la obtención de FC 94
Gráfico Nº 06 Bioseguridad 95
Gráfico Nº 07 Comodidad 97
Gráfico Nº 08 Accesibilidad 98
Gráfico Nº 09 Software de visión virtual 100
Gráfico Nº 10 Transmisión de los datos 102
xix

Tutor(a): Autores:
C.I.: V-13.901.383 C.I.: V-26.598.265
C.I.: V-26.100.639
Punto Fijo, Marzo del 2022.
RESUMEN
SOFTWARE MATLAB permite establecer códigos y procesamiento de

lectura de la información obtenida del sistema de adquisición de la base de
datos. Se optó por este software debido a su versatilidad, facilidad de uso y
porque se trata de una herramienta de uso comercial, aunque no es libre
cuenta con librerías de fácil manejo y mayor atractivo. El objetivo de la
investigación fue Proponer Software Para La Estimación De Frecuencia
Cardiaca Basado En Pletismografia Remota Caso: Clínica La Familia, Punto
Fijo-Estado Falcón. Cuya muestra fue de 08 especialistas. El diseño de
campo, tipo descriptivo, donde se aplicó una encuesta de (10) ítems escala
Likert. Los resultados obtenidos demuestran que un 62,5% nunca utiliza el
Software por desconocimiento a la tecnología y un 87,5% nunca utilizan la
transmisión del software. Sin embargo el resultado de la correlación de
Pearson fue de 0,989 representando una FUERTE CORRELACION Y
POSITIVA entre las dos variables, en tal sentido las variables se encuentran
fuertemente relacionadas concluyendo que según el nivel de significancia y
la fuerte correlación hace Factible la utilidad del SOFTWARE PARA LA
PLESTIMOGRAFIA REMOTA CLINICA LA FAMILIA.
Palabras clave: Software. Frecuencia cardiaca. Pletismografia remota
xx
EXPERIMENTAL NATIONAL UNIVERSITY
HEALTH SCIENCIES AREA
BIOMEDICAL ENGINEERING PROGRAM
SOFTWARE PROPOSAL FOR THE ESTIMATION OF HEART RATE

BASED ON REMOTE PLETHYSMOGRAPHY CASE: LA FAMILIA CLINIC,
PUNTO FIXO-FALCÓN STATE.
Tutor: Authors:
C.I.: V-13.901.383 C.I.: V-26.598.265
C.I.: V-26.100.639
Punto Fijo, March, 2022.
ABSTRACT
MATLAB SOFTWARE allows you to establish codes and read processing

of the information obtained from the database acquisition system. This
software was chosen due to its versatility, ease of use and because it is a tool
for commercial use, although it is not free, it has libraries that are easy to use
and more attractive. The objective of the research was to propose software
for heart rate estimation based on remote plethysmography. Case: La Familia
Clinic, Punto Fijo-Falcón State. Whose sample was 08 specialists. The field
design, descriptive type, where a survey of (10) items likert scale was applied.
The results obtained show that 62.5% never use the Software due to
ignorance of the technology and 87.5% never use the transmission of the
software, However, the result of the Pearson correlation was 0.989,
representing a STRONG AND POSITIVE CORRELATION between the two
variables, in this sense the variables are strongly related, concluding that
according to the level of significance and the strong correlation, the utility of
the SOFTWARE FOR THE ESTIMATION OF HEART RATE BASED ON
REMOTE PLESTIMOGRAPHY CLINICA LA FAMILIA.
Keywords: Software. Heart rate. Remote plethysmography
xxi
INTRODUCCIÓN
Las enfermedades cardiovasculares son la principal causa de muerte en

todo el mundo. Según datos de la Organización Mundial de la Salud, calcula
que murieron por esta causa 17.7 millones de personas, lo que representa un
31 % de todas las muertes registradas en el mundo (7.4 millones se debieron
a cardiopatías coronarias y 6.7 millones a enfermedades vasculares
cerebrales).OMS (2019) Estadísticas de causas de muertes de las
Enfermedades cardiovasculares.
Cabe considerar, que la Asociación Americana del Corazón en

estadísticas sobre incidencia de enfermedades del corazón y sus factores de
riesgo reporta una de cada tres muertes como causa subyacente las
enfermedades cardiovasculares. Estas enfermedades cobran más vidas que
todos los tipos de cáncer y enfermedades crónicas de vías respiratorias
juntos siendo la cardiopatía isquémica causa una de cada siete muertes en
Estados Unidos, y mata más de 360 mil personas al año lo que equivale
decir que alrededor de 790 mil norteamericanos sufren ataques al corazón.
Healthline (2021)
Por ende, los avances científicos han desarrollado algoritmos para ayudar
a los médicos en la detección y clasificación de anomalías cardíacas, una
prueba diagnóstica para evaluar la función cardíaca es el electrocardiograma
(ECG), con el cual se registra la actividad eléctrica del corazón a lo largo del
tiempo. Además de los estudios propios de ECG, se han centrado en el
análisis de dos medidas: la frecuencia cardíaca y la variabilidad de la FC
15
Los métodos de detección y monitorización del pulso cardíaco que más se
utilizan en la actualidad son métodos incómodos porque necesitan de un
monitor cardiaco y electrodos con cables colocados en la piel del paciente, lo
que hace a estos métodos muy engorrosos para el paciente, a pesar de ello,
son métodos muy fiables. Sin embargo desde hace unos años, numerosos
estudios han acrecentado el interés por la detección del ritmo cardíaco a
través de una cámara de vídeo común o de una webcam que permitan la
obtención de información médica y una continua monitorización de una
manera no invasiva y no intrusiva para el paciente.
La frecuencia cardíaca es uno de los parámetros básicos en el análisis y

valoración de la actividad cardíaca. La HR se puede definir como el número
de latidos del corazón por unidad de tiempo, por lo general minutos. En
reposo, la HR normal para adultos varía de 50 a 100 latidos/minuto. Siendo
este un parámetro ampliamente utilizado debido a su facilidad de medida (no
invasiva), ya que no necesita una precisión extrema.
Hoy en día existen dispositivos electrónicos (entre ellos algunos de los

conocidos como ―wearables‖: bandas, pulseras, relojes, etc.) que permiten
obtener de forma sencilla información de la frecuencia cardíaca, con
diferentes niveles de exactitud. Esto ha facilitado la medición continua en
diferentes situaciones, por ejemplo durante la realización de ejercicio físico,
lo que permite evaluar el esfuerzo cardiovascular llevado a cabo.
La estimación y el seguimiento de la frecuencia cardíaca han sido

esenciales en la medicina e ingeniería biomédica ya que los investigadores
han desarrollado métodos para estimar la frecuencia cardíaca, desde
sensores de contacto hasta sensores sin contacto. Los métodos de medición
de la frecuencia cardíaca estándar y establecida están en contacto con el
cuerpo, tales como: electrocardiograma y fotopletismografía, que se basan
en electrodos conductores y fototransistores. Los métodos experimentales
23
sin contacto son la medición a distancia por microondas/ultrasonido, las
imágenes térmicas y las imágenes RGB.
Es por lo anterior expuesto que el objetivo común de cualquiera de estos

métodos es la extracción de parámetros fisiológicos para estimar y
monitorizar la frecuencia cardíaca de forma fiable. Existe un interés creciente
por extraerlo sin contacto y de forma remota, especialmente para
poblaciones como los recién nacidos prematuros y las personas de edad
avanzada, también a pacientes con quemaduras para quienes la piel es frágil
y vulnerable a los sensores tradicionales. Además, a medida que la
población envejece, la monitorización continua o al menos frecuente fuera de
los entornos clínicos puede proporcionar a los médicos no sólo muestras
oportunas, sino también tendencias a largo plazo y análisis estadísticos.
A ello la importancia en el área de investigación de la estimación de

frecuencia cardíaca mediante el uso de sensores de cámara digital debido a
su bajo coste y a su naturaleza no invasiva para la medición de la frecuencia
cardíaca. La estimación de la frecuencia cardíaca utilizando un sensor de
cámara digital se realiza principalmente sobre la base de los conceptos de
fotopletismografía y balistocardiografía. Los métodos de extracción de
frecuencia cardíaca basados en cámaras digitales han evolucionado a partir
del uso de dispositivos de acoplamiento de carga de alta definición (CCD) y
sensores de cámara de semiconductores de óxido metálico (CMOS) para
teléfonos móviles y cámaras webcam.
Por lo tanto, la medición de la frecuencia cardíaca a partir de vídeos

faciales con sensores de cámara digital se ha convertido en una de las
direcciones motivadoras para extraer señales fisiológicas de forma no
invasiva. El progreso de la medición de la frecuencia cardíaca mediante
vídeos faciales ha dado un nuevo rumbo hacia la monitorización de la salud
24
en los campos de la asistencia sanitaria, la telemedicina, la rehabilitación, los
deportes y la ergonomía.
Es por ello que el presente trabajo de investigación tiene como objetivo

PROPONER UN SOFTWARE PARA LA ESTIMACION DE FRECUENCIA
LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN, con el fin de minimizar no
solo el contacto del personal de Salud a riesgos biológicos frente a la
pandemia vivida actualmente por consecuencias del COVID-19, sino,
además minimizar el contacto con pacientes con tejido vulnerables
(quemaduras, pacientes oncológicos y pacientes neonatos), disminuyendo
los tiempos de espera ante métodos tradicionales.
Teniendo en cuenta que una PROPUESTA DE SOFTWARE PARA LA

PLETISMOGRAFÍA REMOTA CASO: CLÍNICA LA FAMILIA, PUNTO FIJO-
ESTADO FALCÓN permitirá a la Clínica La Familia tomar las medidas
necesarias a tiempo oportuno disminuyendo el índice de las enfermedades
en pacientes cardiópatas que pierden días en las consultas mientras son
atendidos , lo que puede generar como consecuencia un aumento de los
infartos, específicamente en el lapso de espera a ser atendidos, por ejemplo,
la falta de equipos que monitoreen el ritmo cardiaco, un tensiómetro
analógico entre otras que amenace un riesgo inminente, entre otros, de
modo que esta investigación pretende que sea de modo alternativo, más
oportuno y no invasivo brindando valores fiables.
Este proyecto se desarrolló en 5 capítulos, que muestran la

sustentabilidad del mismo. En el capítulo I, llamado el problema, en la cual
se detalló todo lo concerniente al planteamiento y formulación del problema,
objetivos de la investigación, justificación y delimitaciones de la investigación,
diagnóstico institucional y líneas de investigación. El capítulo II, se planteó el
25
marco teórico, como: los antecedentes de la investigación, bases teóricas,
bases legales, definición de términos básicos, sistema de variables y
operacionalización de las variables. Seguidamente en el capítulo III, se
refirió a la Metodología de la investigación como: Tipo, Diseño de la
investigación, Población y Muestra, Técnicas e Instrumentos de Recolección
de Datos, Validez y Confiabilidad, Técnicas de Análisis de Datos y Proceso
de Investigación. En el capítulo IV: Discusión de Resultados. Conclusiones y
recomendaciones. Finalmente capítulo V: La Propuesta.
26
CAPITULO I
EL PROBLEMA
1.1. PLANTEAMIENTO DEL PROBLEMA
Actualmente la alta incidencia de enfermedades cardíacas como el infarto

de miocardio, la apnea del sueño, la enfermedad pulmonar obstructiva
crónica o la diabetes .ha tenido grandes esfuerzos en las investigaciones de
campo experimental, lo que conlleva al desarrollo de múltiples sistemas de
detección y algoritmos que permitan clasificar las anomalías cardíacas
mediante el cual se busca predecir algún evento inusual. Siendo la principal
prueba diagnóstica para evaluar la función cardíaca el Electrocardiograma
(ECG), que permite registrar la actividad eléctrica del corazón a lo largo del
tiempo. Tal como lo señala Molina (2019), «el corazón es el órgano que
bombea la sangre a todo el cuerpo; es el encargado de transportar el
oxígeno y diversos materiales para alimentar las células del cuerpo» (p. 1).
Es por ello que para la valoración y análisis de la actividad cardíaca uno

de los parámetros fisiológicos básicos es .la Frecuencia cardíaca. Según M.
Malik y A. J. Camm. (1995) la HR se puede definir como el número de latidos
del corazón por unidad de tiempo, por lo general minutos. Así, la frecuencia
cardíaca —básicamente definida como «el número de veces que se contrae
el corazón en un minuto» (Borreguero, 2020, p. 1) — es un parámetro
esencial en la evaluación de la condición cardiovascular de los pacientes, de
modo que su medición es de gran importancia en el diagnóstico clínico.
20
En estudios realizados por la Sociedad Europea de Cardiología, junto con
la Sociedad Norteamericana de Marcapasos y Electrofisiología (1996)
establecen los estándares de medición de la HRV, así como su interpretación
y uso clínico, donde señala que en reposo un adulto normal varía de 50 a
100 latidos por minuto. Este parámetro es ampliamente utilizado debido a su
facilidad de medida (no invasiva), ya que no necesita una precisión extrema.
Pero no tiene en cuenta la variabilidad en el tiempo de las distancias entre
latidos sucesivos del corazón, esta variabilidad de la frecuencia cardiaca se
conoce como (HRV) y solo puede medirse con el equipo (ECG) donde los
diferentes potenciales que se producen dan lugar a ondas que se miden
calculando el tiempo generalmente expresado en milisegundos (ms) entre las
diferentes ondas consecutivas o intervalos.
Sin embargo, a pesar de ser una contribución relevante, no se

consideraban estimadores espectrales diferentes a los obtenidos mediante la
Transformada de Fourier (FT) (R. N. Bracewell) (1986) y tampoco se incluían
otras técnicas de análisis no lineal (R. Sassi, .Cerutti, Lombardi, Yamamoto
entre otros) (2015). Es por ello que la estimación de la HR ha sido esencial
en la biomedicina a lo largo de los años ya que va desde sensores de
contacto a sensores sin contacto. Los métodos experimentales sin contacto
son la medición a distancia por microondas/ultrasonido, las imágenes
térmicas y las imágenes Rojo Verde Azul (RGB), por lo que la estimación de
la frecuencia cardíaca mediante el uso de la cámara digital es un área de
investigación en rápido crecimiento debido a su bajo costo y su naturaleza no
invasiva. (González, A. (2019) y Martín, A.)(2018)
Actualmente existe un interés por extraer la información de la HRV sin

contacto, especialmente en recién nacidos prematuros, personas de edad
avanzada, para quienes la piel es frágil, vulnerable. Así mismo los pacientes
con hafefobia (miedo a ser tocados) según refiere González S., psicóloga
clínica especialista en Ansiedad y Estrés y miembro del Colegio Oficial de
28
Psicólogos de Madrid ―Se trata del temor acusado, persistente e irracional a
ser tocado físicamente por otras personas. Los pacientes sufren una fuerte,
intensa e inmediata reacción de ansiedad como respuesta‖.
Por consiguiente estimar la frecuencia cardíaca puede llegar a ser

incómodo para los usuarios en ciertas ocasiones, por ejemplo, para aquellos
que presentan quemaduras o sensibilidad en la piel, debido a que
normalmente se les coloca sensores sobre la piel del sujeto y estos pueden
causar irritación. Además, a medida que la población envejece, la
monitorización al menos fuera de los entornos clínicos puede proporcionar a
los médicos no sólo muestras oportunas, sino también tendencias a largo
plazo y análisis estadísticos. (González, A y Martín.) Aunado a esto con el
auge del coronavirus, a fin de disminuir las probabilidades de contraer la
enfermedad en el ambiente laboral, los profesionales de la salud deben
reducir el contacto con los pacientes con COVID-19 y tomar otras medidas
preventivas de bioseguridad.
La fotopletismografía (PPG) es un método para medir parámetros

orientados al diagnóstico de las enfermedades pulmonares o
cardiovasculares, basado en la medición de cambios de presión y cambios
de volumen (Savia, 2019).Es decir permite medir el volumen de una zona del
cuerpo. Consiste en iluminar la región de interés haciendo uso de luz
infrarroja; una parte de la luz será absorbida por la sangre, por lo tanto, la luz
que se refleja será menor que la que incide, permitiendo así realizar una
estimación utilizando esta variación. Por ende, es de gran utilidad práctica
debida al bajo costo que representa, además de que puede emplearse de
forma remota brindando seguridad a los usuarios. La PPG remota (PPGr)
mide pequeños cambios en el color de la piel causados por variaciones, en el
volumen y la saturación de oxígeno mientras se bombea el corazón.
29
Los avances tecnológicos han permitido que dispositivos electrónicos
puedan registrar y procesar la información de la HR y de la HRV con mínimo
contacto utilizando protocolos estándar de transmisión, como Bluetooth,
ANT+ en el desarrollo de aplicaciones móviles que a partir de informaciones
obtenidas de HR y HRV ofrecen servicios añadidos pensados para el deporte
o la salud. La estimación de la frecuencia cardíaca mediante el uso de
sensores de cámara digital es un área de investigación en rápido crecimiento
debido a su bajo coste y a su naturaleza no invasiva para la medición de la
frecuencia cardíaca. Es por ello que los estudios previos realizados a partir
de técnicas algorítmicas que permite obtener datos de la HR son registrados
por dispositivos móviles. Lado T, María J., Vila S. X. (2018)
No obstante y muy a pesar de la realidad vivida en el mundo por la crisis

en Venezuela y la pandemia no escapa a esta realidad impactante, donde se
le suma a la Sociedad Venezolana de Cardiología (SVC) contribuir a reducir
el riesgo y el impacto que tienen las enfermedades cardiovasculares sobre la
supervivencia y la calidad de vida de la población venezolana y propugnar la
mejora continua de la calidad de la asistencia cardiovascular mediante
programas de actividades educativas y científicas sostenibles. Así como el
rigor epidemiológico representa una línea de acción fundamental en el Plan
Estratégico de la SVC (2014-2015) ―Situación de la Salud Cardiovascular en
Venezuela‖.
De acuerdo al Anuario de Mortalidad del MPPS (2010-2011) las

enfermedades cardiovasculares principalmente el infarto agudo de miocardio
(IAM) emerge como principales causas de muerte en la población adulta
venezolana tanto en hombre como en mujeres. Para 2010 produjo 18.752
muertes, (13,54 %) de la mortalidad total. Eso supone que la población de
25-84 años, una tasa cruda de mortalidad anual por IAM de 144x 100.000
habitantes y se traduce en una muerte por IAM cada 30 minutos a nivel
nacional. En Venezuela el 45% de la mortalidad por EC se produce
30
prematuramente en edades productivas (25-64años) cuando el impacto
económico y social es mayor, y la discapacidad resultante es una carga
demasiado pesada para los individuos, las familias y el sistema de salud.
De acuerdo al resultado realizado de estudio de la carga de morbilidad

por el Instituto para mediciones y evaluación de la salud (IHME) de la
Universidad de Washington y la OMS para el 2010 la cardiopatía isquémica
produjo una pérdida de 493.007 de años de vida ajustados por discapacidad
AVAD en hombres y mujeres, respectivamente. A pesar de la existencia de
estadísticas gubernamentales sobre el número de defunciones y el número
de consultas por EC atendidas en el Sistema Público Nacional, Venezuela
carece de información epidemiológica prospectiva que permitan evaluar la
evolución en el tiempo de los principales factores de riesgo, aunado a la falta
de vigilancia epidemiológica confiable y exhaustiva sobre la incidencia y
prevalencia poblacional y hospitalaria de estas patologías, siendo la principal
barrera para la implementación de estrategias y control de enfermedades.
En este orden de ideas, existe un creciente interés a nivel internacional

con respecto a métodos de estimación de la frecuencia cardíaca a distancia,
denominados métodos «no invasivos» o «no intrusivos», el cual se
fundamenta en «sutiles oscilaciones de la cabeza —tratamiento de vídeo
mediante movimiento— y sutiles cambios de color de la piel —tratamiento de
vídeo mediante diferencias de color—, imperceptibles para el ojo humano,
que se producen a causa del flujo sanguíneo» (Martín, 2018, p. 1).Cabe
destacar que la Ingeniería Biomédica, en los últimos años ha mostrado un
rápido crecimiento y diversos investigadores en recintos como la Universidad
Autónoma de Madrid y la Universidad de Sevilla han demostrado
exhaustivamente la confiabilidad de las técnicas de procesamiento de vídeo
para la estimación de la frecuencia cardíaca, e incluso las han mejorado.
31
Sin embargo, en el contexto local, este es un referente que no ha sido
estudiado previamente en el contexto médico y en las investigaciones del
área Ciencias de la Salud—Ingeniería Biomédica— Por lo tanto esta
LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN, es necesario realizar un
diagnóstico previo y una profunda investigación documental, experimental
con respecto a materiales y procedimientos técnicos.
Para ello, González (2019) afirma que «la estimación de la frecuencia

cardíaca es un componente esencial para determinar el estado fisiológico y
patológico de una persona o individuo» (p. 1); en tal sentido, según Montalvo
(2020), «permite detectar enfermedades como problemas cardiovasculares,
fallos renales, diabetes, cirrosis de hígado o sepsis, entre otros». En estas
premisas surge la necesidad de técnicas efectivas y confiables para
determinar el valor de este parámetro en todos los pacientes.
1.2. DIAGNÓSTICO INSTITUCIONAL
La ―Clínica La Familia, C.A.‖, es una empresa familiar de carácter privado

que nació en el año 1999 para brindar salud integral a la población
falconiana, especializada en ofrecer servicios de salud, emergencia, unidad
de cuidados intensivos, radiología, laboratorio, hospitalización, consulta
externa especializada, banco de sangre, entre otros. Es una institución que
provee, garantiza y cuenta con alta tecnología en equipos médicos, con una
infraestructura e instalaciones modernas, orientada a la mejora en la calidad
de vida de la sociedad y la satisfacción de sus clientes, de la mano de un
equipo profesional altamente capacitado. La empresa está ubicada en la
urbanización Santa Irene, específicamente en la calle Girardot, Edificio
Clínica La Familia, Santa Irene, Punto Fijo, Estado Falcón.
32
―Clínica La Familia, C. A., se crea con el propósito de llenar un vacío en lo
que respecta a la atención del sector de salud privada, dirigido a la
comunidad en general con un sentido humano y social. El objetivo general de
―Clínica La Familia, C.A.‖, es brindarle una alternativa en materia de salud a
la comunidad, donde pueda encontrar una solución accesible con calidad
médica óptima y calor humano.
1.2.1. RESEÑA HISTÓRICA DE LA CLÍNICA LA FAMILIA
―Clínica La Familia C.A.‖, tiene su origen en el año 2000, cuando el Doctor

José Olivares tiene la idea de crear una empresa familiar relacionada con el
ramo de la salud, proponiéndosela a su padre (Fermín Olivares), y sus
hermanos quienes se entusiasman con el proyecto y le da el visto bueno
instruyendo la construcción y organización del mismo, iniciando sus
funciones ofertando a la comunidad paraguanera consulta interna y externa.
A partir del año 2004 inicia una etapa de crecimiento sostenido,

incremento el número de especialistas, además de realizar varios convenios
con empresas aseguradoras, lo que conlleva a un unge considerable de
pacientes por lo que se realiza la primera ampliación en los años 2005 y
2006, dando mayor cobertura a los servicios ofrecidos. A mediados del 2007
―Clínica La Familia C.A.‖, logra posicionarse en la comunidad paraguanera,
gracias a sus precios accesibles y competitivos.
1.2.2. ESTRUCTURA ORGANIZACIONAL DE LA CLÍNICA LA FAMILIA
 MISIÓN
La ―Clínica La Familia C.A.‖, es una organización que ofrece servicios de

salud integral especializada, para contribuir al bienestar y mejora en la
calidad de vida de sus clientes, apoyándose en la atención con equipos de
avanzada tecnología, infraestructura de calidad y en especial con
33
profesionales de alta formación que orientan su labor en el compromiso, la
vocación de servicio, la calidad y la honestidad, buscando el beneficio de
rentabilidad para la sociedad, los trabajadores y los socios, haciendo sentir a
todos parte de dicha familia empresarial.
 VISIÓN
Consolidarse como el más moderno centro privado de atención integral de

salud en el estado Falcón, reconocida a nivel nacional e internacional, por la
excelente calidad y variedad de servicios médicos, tecnología avanzada, y
disponibilidad de insumos médicos requeridos, contando con profesionales
especialistas de alto nivel, eficientes, con calidad humana y sentido de
pertenencia generando el beneficio compartido con nuestros trabajadores,
clientes y sociedad, fundamentados en principios éticos y valores de familia.
 OBJETIVOS
o OBJETIVO GENERAL
Dispensar una atención médica integral con calidad a la comunidad de

Punto Fijo, utilizando la tecnología diagnostica básica y desarrollando
conjuntamente la docencia e investigación en salud.
o OBJETIVOS ESPECÍFICOS:
- Garantizar atención medica de alto nivel, al aumentar la capacidad de
la organización para brindar un servicio de calidad
- Estar orientados al crecimiento y ser innovadores al desarrollo de
nuevos proyectos y en la adquisición de equipos de tecnología avanzada.
- Mantener en lo posible, el alto nivel profesional dadas las
responsabilidades del personal que labora en la empresa.
34
Fuente: Dirección de la Clínica La Familia
Figura Nº 01. Organigrama Funcional de la Clínica La Familia.
1.3. FORMULACIÓN DEL PROBLEMA
El propósito de este trabajo esta titulada:

Considerando todas las características que de una u otra manera afectan

el buen funcionamiento de la Clínica La Familia, conlleva a formular las
siguientes interrogantes:
1.3.1. SISTEMATIZACIÓN DEL PROBLEMA

- ¿Qué factores influyen en la Estimación de la Frecuencia Cardiaca
(EFC) de los pacientes que acuden a la Clínica La Familia, Punto Fijo-
Estado Falcón?
35
- ¿Cuáles son los tipos de Frecuencia cardiaca a considerar para la
EFC en los pacientes que acuden a la Clínica La Familia?
- ¿Cuáles son las formas de obtención de la EFC de los pacientes que
acuden a la Clínica La Familia, Punto Fijo-Estado Falcón?
- ¿De qué manera el Diseño del Software para la EFC brindara
seguridad a los pacientes que acuden a la Clínica La Familia, Punto Fijo-
Estado Falcón?
1.4. OBJETIVOS DE LA INVESTIGACIÓN

1.4.1. OBJETIVO GENERAL
Proponer Software Para La Estimación De Frecuencia Cardiaca Basado

En Pletismografía Remota Caso: Clínica La Familia, Punto Fijo-Estado
Falcón.
1.4.2. OBJETIVOS ESPECÍFICOS

- Diagnosticar los factores influyen en la Estimación de la Frecuencia
Cardiaca de los pacientes que acuden a la Clínica La Familia, Punto Fijo-
Estado Falcón.
- Identificar cuáles son los tipos de Frecuencia cardiaca a considerar
para la EFC en los pacientes que acuden a la Clínica La Familia.
- Describir las formas de obtención de la EFC de los pacientes que acuden
a la Clínica La Familia, Punto Fijo-Estado Falcón.
- Diseñar un Software Para La Estimación De Frecuencia Cardiaca
Basado En Pletismografía Remota.(PPGr)
1.5. JUSTIFICACIÓN DE LA INVESTIGACIÓN
Los avances de la telemedicina se han venido desarrollando distintas

plataformas electrónicas multifuncionales que ayudan a la toma de estas
señales bioeléctricas de una forma eficiente y eficaz. Se hace por medio del
uso de sistemas compuestos por sensores y equipos de parametrización.
36
Por lo tanto la presente investigación servirá, para obtener un marco de
referencia con respecto a los métodos que se emplean para la estimación de
la frecuencia cardíaca fundamentada en el desarrollo y la aplicación de una
nueva opción tecnológica para lograr una atención sanitaria más rápida y
menor exposición del profesional de la Clínica a la amplia gama de
enfermedades existentes que ha constituido un riesgo desde los mismos
albores de la profesión con el paciente.
De esta forma, tal como se ha comentado, de aplicarse el análisis de

vídeo como método de estimación de la frecuencia cardíaca, se beneficiarían
los neonatos, los ancianos, las personas con alguna afección cutánea en
donde la piel se presente frágil o hipersensible, y los pacientes con hafefobia;
en estos casos, el contacto físico resulta adverso o incómodo. Incluso se
beneficiaría el personal sanitario, que puede evitar el contacto con pacientes
con enfermedades de fácil y rápida transmisión, como el COVID-19.
Además, los métodos no invasivos podrían ser útiles para monitorear la

actividad cardíaca fuera de los entornos clínicos e incluso durante el sueño,
la actividad física y en otras condiciones, lo cual «puede proporcionar a los
médicos no sólo muestras oportunas, sino también tendencias a largo plazo
y análisis estadísticos» (González, 2019, p. 1). Es por ello, que la presente
investigación es de gran importancia a la institución, ya que a través de los
resultados se resaltará la necesidad de actualizar de manera constante las
tradicionales técnicas en el manejo de los pacientes a ser invadidos.
Por otra parte, es importante destacar que los aportes de este estudio
estará dirigido a velar por la Bioseguridad del Personal de la Clínica La
Familia específicamente el personal médico de cardiología, donde no solo se
debe tener en cuenta el usuario (pacientes) sino también la salud de estos
profesionales, ya que al poseer una armonía entre la mente, cuerpo y alma al
mismo tiempo, podrán brindar una atención de calidad y satisfacción a los
37
usuarios. Situación que se ha venido debido a la hafefobia que nace
del miedo irracional que aflora al relacionar de manera prolongada el
contacto físico con el contagio de la COVID-19 y la muerte, y que puede
tener consecuencias especialmente preocupantes en niños y personas
mayores. Belchi, A. (2022)
En vista de lo expuesto, el estudio se considera relevante desde el punto

de vista de cambio, ya que se espera que sirva para desencadenar otras
investigaciones similares, fundamentalmente de manera sucesiva que
quieran realizar los próximos investigadores. Por ende, uno de los factores
que contribuye al retraso de los sistemas de salud es la demora en la toma
de algunas variables físicas y el proceso que implica seguir llevando a cabo
los registros de dichos datos de una manera más eficiente, debido a que,
aunque existen herramientas que facilitan estos procesos, no son
aprovechadas en nuestro país, y son casi son desconocidas. Para los
autores de dicha investigación servirá de gran importancia, ya que motivará a
implementar de manera constante y efectiva la estimación de la frecuencia
cardíaca mediante el uso de sensores de cámara digital (empleando una
laptop con cámara incorporada, teléfono inteligente) favoreciendo al área de
investigación biomédica en rápido crecimiento debido a su bajo coste y a su
naturaleza no invasiva para la medición de la frecuencia cardíaca.
Desde el Punto de vista institucional se pretende que la Clínica la Familia

pueda ser pionera en el uso de las técnicas en la medición no intrusiva de la
Frecuencia Cardiaca. Esta propuesta permitirá dar a los médicos
especialistas la importancia que tiene el uso de las tecnologías en este caso
el ámbito biomédico para poder implementar a futuro software que pueden
ser evaluados su funcionamiento y corregir los errores que puedan
presentarse al software sin la invasión del paciente.
38
Desde el Punto de vista humano, debemos brindar una mayor calidad y
seguridad de servicio no solo a los pacientes sino muy especialmente a los
trabajadores de la salud. En este sentido la PPGr brindara confianza en los
procedimientos mediante secuencia de video ya que el contacto con el
paciente será mínimo.
Desde el Punto de vista tecnológico, este estudio puede ser aplicado

evaluando la funcionabilidad del Software en cualquier institución y cualquier
nivel de servicios asistenciales donde se pueda mejorar la capacidad de
servicio utilizando técnicas que permitan conocer ciertos parámetros
fisiológicos del cuerpo humano ayudando al personal de salud a brindar un
mejor diagnóstico, por lo que constantemente se busca desarrollar nuevas
tecnologías que faciliten estos procedimientos y que, a su vez, generen
resultados confiables.
1.6. LÍNEAS DE INVESTIGACIÓN
Se enmarca dentro de la Líneas y Necesidades de Investigación (2017)

de la Universidad Nacional Experimental ―Francisco de Miranda‖ (U.N.E.F.M).
De este modo, se especifican a continuación cada uno de los estratos que
incluyen la temática de la presente investigación:
Área de investigación: Biotecnología y salud.
Línea de investigación: Sistemas Inteligentes. En este sentido se

propone un Software empleado para la captura de imágenes.
Sublínea de investigación: Procesamiento Digital de Imágenes Médicas.

Gracias a las bondades y avances en las técnicas de procesamiento digital
de señales e imágenes, es posible tomar la frecuencia cardiaca por medio
del procesamiento de video. Las técnicas que se han propuesto hasta ahora
39
para determinar la FC por medio de video mediante la selección de espacio
de color, la región de interés, algoritmo de identificación o seguimiento facial.
1.7. DELIMITACIÓN DE LA INVESTIGACIÓN

1.7.1. DELIMITACIÓN GEOGRÁFICA:
La Clínica La Familia es un centro de salud privado ubicado en la Calle

Girardot, cruce con San Miguel, Edificio Clínica La Familia, en la
Urbanización Santa Irene, Punto Fijo, Estado Falcón.
Fuente: Google Maps.

Figura Nº 02. Ubicación geográfica de la Clínica La Familia.
1.7.2. DELIMITACIÓN TEÓRICA:
Considerando que la PROPUESTA DE SOFTWARE PARA LA

40
PLETISMOGRAFÍA REMOTA CASO: CLÍNICA LA FAMILIA, PUNTO FIJO-
ESTADO FALCÓN.
y otros métodos no invasivos es un área de investigación reciente, las

únicas perspectivas teóricas disponibles son aquellas que se presentan en
trabajos de investigación científica internacional que han dado pie a futuras y
vigentes investigaciones. Por esta razón se ha seguido la fundamentación
teórica y conceptual que presentan cinco Trabajos de Fin de Grado inéditos
realizados en los últimos 5 años, los cuales son, por orden cronológico
descendente:
- Borreguero, S. (2020). Estimación del ritmo cardíaco por vídeo.

- Montalvo, J. (2020): Aplicación para la estimación de ritmo cardíaco
desde una cámara web.
- González, Á. (2019). Estimación del ritmo cardíaco mediante análisis
de secuencias de vídeo.
- Molina, A. (2019). Detección de ritmo cardíaco mediante análisis de
secuencias de vídeo.
- Martín, A. (2018). Detección de ritmo cardíaco mediante análisis de
secuencias de vídeo en color.
1.7.3. DELIMITACIÓN TEMPORAL:
La presente investigación se llevó a cabo desde diciembre 2021 a marzo

de 2022, con una duración estimada de tres meses.
41
CAPITULO II
MARCO TEÓRICO
2.1. ANTECEDENTES DE LA INVESTIGACIÓN
Dicha investigación es motivada debido a que existen ciertos parámetros

fisiológicos que contienen información necesaria para evaluar la salud de los
seres humanos. La frecuencia cardíaca es equivalente a la cantidad de
veces que el corazón se contrae en un minuto. Con este dato es posible
determinar la salud cardíaca de un paciente, si este padece de taquicardia,
bradicardia, arritmias cardíacas, entre otros padecimientos. Este es el motivo
que ha llevado a investigadores a buscar y desarrollar métodos para la
detección de esta.
Con la finalidad de fundamentar el origen teórico de la presente

investigación, se realizaron distintas formas de recopilación del material
bibliográfico a nivel Internacional.
Martín, A. (2018), realizó una investigación titulada «Detección de ritmo

cardíaco mediante análisis de secuencias de vídeo en color» y realizado en
la Universidad Autónoma de Madrid. El estudio realizado tuvo como:
Objetivo: Implementar un sistema que estime, mediante el análisis de

variaciones de color en la piel, la frecuencia cardíaca de un individuo.
Materiales y métodos: En este estudio se aplicó la metodología

diseñando varios algoritmos, considerando el método Eulerian con la
intención de revelar cambios imperceptibles para el ojo humano.
i
El segundo algoritmo desarrollado utilizado, en lugar de las componentes
RGB, las componentes de color YCbCr (Luminancia y crominancias). Por
último, se ha implementado un código de detección del pulso cardíaco
mediante movimiento para imágenes en color.
Resultados: Se obtuvo un rango de porcentajes de error de entre 0,339 y

3,543 el pulso cardíaco detectado en la mayoría de los vídeos del dataset ha
sido similar al indicado por el Ground Thruth. En consecuencia, los
resultados fueron satisfactorios.
Conclusiones: Estos parámetros estuvieron: regiones de interés antes y

después del procesamiento; bandas de frecuencias; valor de amplificación
(alpha), en el que fuese posible detectar la frecuencia cardíaca.
Aportes a la investigación: El presente trabajo aporta a la presente

investigación información sobre el uso del espacio de color (RGB)
González, Á. (2019), realizó una investigación titulada «Estimación del

ritmo cardíaco mediante análisis de secuencias de vídeo» y se realizó en la
Universidad de Sevilla La presente investigación tuvo por finalidad
Objetivo: Diseñar y desarrollar un algoritmo que permita detectar el ritmo

cardíaco de un individuo mediante el análisis de secuencias de vídeo de su
cara.
Materiales y métodos: En tal sentido la investigación se condujo bajo un

diseño de campo de naturaleza descriptiva, experimental. Utilizando la
detección facial mediante el algoritmo de Viola-Jones para localizar el área
de la imagen que contiene la cara. A continuación, se extrae el movimiento
de la cabeza usando el método de Lucas-Kanade y se aísla el movimiento
correspondiente al pulso mediante un filtrado. Se realiza el análisis de
componentes principales (PCA) para seleccionar la componente que mejor
43
se corresponda con los latidos del corazón en función de su espectro de
frecuencia temporal como la frecuencia (en bpm) con mayor potencia.
Resultados: Los experimentos muestran que, si los vídeos están

grabados bajo unas buenas condiciones, es posible detectar el ritmo
cardiaco de una persona obteniendo unas muy bajas tasas de error, de unos
2 o 3 bpm en el caso de los vídeos grabados y de 1 o 2 bpm para los de
tiempo real.
Conclusiones y recomendaciones: Fue posible evidenciar diferencias

prácticas en el análisis de vídeo mediante variaciones de color y mediante
movimiento. Presento con datos concretos cuáles son las circunstancias que
pueden conducir a bajas tasas de error al momento de estimar la frecuencia
cardíaca —posición y orientación de la cara, además de las condiciones de
iluminación—, lo cual se tomará en cuenta a futuro al momento de ejecutar
las mediciones.
Aportes de la investigación: Proponer el uso de los Métodos de Análisis

de Video para medir la frecuencia cardiaca.
Molina, A. (2019), en su investigación realizado también en la

Universidad Autónoma de Madrid y titulado como «Detección de ritmo
cardíaco mediante análisis de secuencias de vídeo».
Objetivo: Es la implementación de un algoritmo que, mediante el análisis

de secuencias de vídeo a color, calcule el pulso cardíaco de una persona.
Materiales y métodos: Mediante el análisis de secuencias de vídeo en

color, basándose en la detección de la señal foto-pletismográfica remota
(rPPG). Para evaluar el algoritmo, se analizan los resultados en función de la
resolución, la iluminación y la distancia en una serie de vídeos que
44
conforman un dataset; estos resultados se comparan con los obtenidos en
los algoritmos del MIT de 2012 y de Unakafov de 2018.
Resultados: Para obtener un resultado óptimo del algoritmo, la distancia

de análisis no debe superar los 1,5 metros, utilizándose resoluciones
mayores a 1220x780 y con un ambiente iluminado, indistintamente del tipo
de iluminación que haya.
Aportes a la investigación: permitió establecer las diferencias entre los

métodos tradicionales de detección del ritmo cardíaco y los métodos no
invasivos, y además presentó un útil resumen de la fisiología cardíaca que
contribuyó a establecer las bases teóricas de la presente investigación. Sin
embargo, otro de los aspectos más destacados es que enumeró tres factores
principales que podrían influir en los resultados: la distancia con respecto a la
cámara, la resolución del vídeo y la iluminación. Estas condiciones serán
tomadas en cuenta al momento de aplicar este método de estimación de
frecuencia cardíaca mediante el Software.
2.2. BASES TEÓRICAS Y CONCEPTUALES
En esta sección de la investigación se indicara el contexto teórico que

sustenta la investigación propuesta. De acuerdo con Hernández y otros
(2003), el marco teórico es importante porque orienta como se realizará el
estudio, conduce al establecimiento de afirmaciones que pudieran someterse
a prueba en el desarrollo de la investigación, amplia la guía del investigador,
ayuda a centrarse en el problema de investigación y provee en el marco de
referencia para interpretar los resultados.
En este capítulo se dan 3 conceptos básicos según la terminología

adecuada en mediciones biomédicas referentes a la Frecuencia cardiaca, la
señal Pletismográfica remota (PPGr) y el Software a proponer (Matlab) que
permitirá el manejo de la visión artificial en el pocesamiento de imágenes, en
45
este caso con señales bioeléctricas midiendo la variable (Estimación de la
Frecuencia cardiaca) por medio de secuencia de videos de acuerdo a
algoritmos que llevan a cabo una amplia variedad de tareas.
 FRECUENCIA CARDÍACA
Según la Organización Mundial de la Salud (2020) es el número de

contracciones del corazón o pulsaciones por unidad de tiempo.
Constituyendo un parámetro fisiológico que representa la cantidad de veces
que el corazón se contrae durante el periodo de un minuto. En la práctica
clínica el rango normal de la frecuencia cardiaca en reposo en adultos se
considera entre 60 y 100 latidos por minuto, medido por la palpación del
pulso; por lo que 72 latidos/minuto es considerado un valor normal para un
adulto sano. Cuando aumenta la frecuencia cardíaca la duración de cada
ciclo cardíaco disminuye y, por lo tanto, también las fases de contracción y
relajación. Observaciones fisiológicas tanto de este fenómeno como de la
presión arterial pueden contribuir con gran impacto en la valoración directa
de la salud de un ser humano. Fundación Española del Corazón. (2019)
La frecuencia cardíaca es un dato que puede aportar las bases de

decisiones clínicas, particularmente en casos de emergencia donde no se
cuentan con análisis clínicos previos que brinden más información. Sin
embargo, la frecuencia cardiaca varía ampliamente dependiendo de factores
como el nivel de actividad y el estado psicológico. Además, incluso en
condiciones constantes, la frecuencia cardiaca normalmente oscila en
concierto con el ritmo respiratorio. Es considerado uno de los signos vitales.
Balaguer, M. (2010).
Los datos demográficos son información sobre grupos de personas según

ciertos atributos como la edad, el sexo, el lugar de residencia, y pueden
incluir factores socioeconómicos como la ocupación, la situación familiar o los
ingresos.
46
Cómo afectan otros factores a la frecuencia cardíaca según la American
Heart Association (2022)
 Temperatura del aire: Cuando las temperaturas (y la humedad) son

elevadas, el corazón bombea un poco más de sangre, por lo que la
frecuencia del pulso puede aumentar, pero normalmente no más de 5
a 10 latidos por minuto.
 Posición del cuerpo: En reposo, sentado o de pie, el pulso suele ser el
mismo. A veces, durante los primeros 15 y 20 segundos después de
incorporarse, el pulso puede subir un poco, pero después de un par de
minutos se debería estabilizar.
 Emociones: Si está estresada, ansiosa o ―extremadamente feliz o
triste‖, sus emociones pueden incrementar su pulso.
 Tamaño del cuerpo: El tamaño del cuerpo normalmente no cambia el
pulso. Si es muy obesa, es posible que su pulso en reposo sea más
alto de lo normal, pero normalmente no más de 100.
 Uso de medicamentos: Los medicamentos que bloquean la adrenalina
(betabloqueantes) tienden a ralentizar el pulso, mientras que
demasiados medicamentos tiroideos o una dosis demasiado alta lo
incrementa.
 Edad: La edad es uno de los factores demográficos más importantes. El

paso de los años afecta siempre al organismo, pero en el caso de la
mujer hay un punto de inflexión muy claro: el periodo de la menopausia.
Los estrógenos que produce durante la etapa fértil tienen un efecto
cardioprotector, pero a medida que se envejece se reduce la producción
de estas hormonas, lo que deja al corazón femenino más desprotegido y
sensible, y aumenta el riesgo de accidente cardiaco. Tal como lo refleja
en el blog MGC (2020) existen seis diferencias entre el corazón de los
hombres y las mujeres.
47
 Género: El corazón de la mujer representa el 0.40% del peso corporal
total, comparándolo con el corazón masculino que es el 0.45%, se asume
que el primero es más pequeño y liviano. Esta diferenciación inicia en la
pubertad, debido al mayor desarrollo del músculo bajo la influencia de
testosterona además de que los estrógenos disminuyen el depósito de
proteínas fibrosas (como colágeno y elastina) en el miocardio. Campos
C, Salas J. (2009)
Fuente: Mundo Entrenamiento (2021)

Figura Nº 03. Frecuencia cardiaca
o TIPOS DE FRECUENCIA CARDIACA:
La frecuencia cardíaca en reposo (FCrep): es el ritmo al cual el corazón

late cuando la persona esta relajada, en los deportistas la FC en reposo
según Platonov & Bulatova (2001:282) es igual a 50-60 p/m depende de
factores genéticos, del estado físico, del estado psicológico, de las
condiciones ambientales, de la postura, de la edad y del sexo. Se toma
generalmente con la persona en reposo: sentada, o acostada. En un adulto
sano, en reposo, el pulso suele hallarse en el rango de los 60-100 latidos por
48
minuto. Durante el ejercicio físico el rango puede aumentar a 150-200 latidos
por minuto y durante el sueño puede bajar de 60 latidos por minuto.
La frecuencia cardíaca máxima (FCmax): es un límite teórico que

corresponde al máximo de pulsaciones que se alcanza en una prueba de
esfuerzo sin comprometer la salud. Esta frecuencia cardiaca máxima varía
con la edad y depende del sexo de la persona.
Para llevar a cabo el registro de valores de la frecuencia cardiaca del

paciente debe señalarse en la historia clínica un registro completo de la
atención prestada al paciente durante su enfermedad. Este registro se hace
generalmente en una hoja y escrito a mano por el médico, aunque en
algunos casos se transcribe en un computador que luego es llevada a
registro epidemiológicos: ―Investigación de ocurrencia, es decir, investigación
entre personas en la frecuencia de ocurrencia de fenómenos cardiacos de
relevancia clínica, social o biológica de salud pública, con medidas de
frecuencia y evaluaciones causales relacionadas con las determinantes de
tales fenómenos.‖. (Porta, 2008).
En el área de salud uno de los informes de importancia son las historias

clínicas que se origina con el primer episodio de enfermedad o control de
salud en el que se atiende al paciente. Al respecto, Patitó (2000) define la
historia clínica como:
―el documento o instrumento escrito en el que consta en

forma metódica, ordenada y detallada la narración de todos
los sucesos acaecidos y comprobaciones realizadas por el
médico o el equipo médico, durante la asistencia de un
paciente en un establecimiento público o privado desde su
ingreso hasta el momento de su egreso por alta o por
muerte‖ (p. 114).
Es por lo anterior expuesto que al ser evaluado un paciente que ingrese a

un área cardiovascular para los distintos estudios a realizarse o valoración
49
médica debe reunir los datos obtenidos de la anamnesis, exploración
personal, pruebas diagnósticas complementarias, juicio diagnóstico y
tratamiento, así como los detalles de la evolución clínica del paciente, los
especialistas a los que ha sido remitido, los documentos de consentimiento
informado y los rechazos al tratamiento de los pacientes.
Para la identificación del paciente, Reyes, Samuel. (2015) Como su

nombre lo indica son los datos que van a permitir identificar al paciente, no
necesariamente lleva un orden estricto. Pero por lo general comienza con
lugar, fecha, hora, nombre y apellido del paciente. Cada dato tiene un
porque, ya sea de interés médico, de interés legal o ambas.
- Lugar, fecha y hora: es de importancia médico legal.

- Apellidos y nombres: permite la relación médico-paciente óptimo.
- Edad: sirve para clasificar a los pacientes de las distintas áreas del
hospital (pacientes 12 años son pacientes pediátricos)
- Fecha y lugar de nacimiento
- Sexo
- Procedencia
- Nacionalidad
- Identificación
- Dirección actual
- Teléfono
- Profesión-ocupación
En la Anamnesis al paciente también debe hacerse una Revisión por

sistemas (cardio-respiratorio, nervioso, muscular, entre otros) y otros
aspectos relevantes que puedan dar con la patología cardiológica del
paciente.
50
En un estudio, que ha sido publicado recientemente en American Journal
of Medical Sciencies establece la relación entre la enfermedad cardiaca y la
renal y, en concreto, la mayor o menor influencia del estado de salud previo
del corazón de cara a padecer un síndrome cardiorenal Los individuos que
tienen una alta frecuencia cardiaca en descanso (taquicardia) o aquellos
cuya frecuencia de latido es más baja de lo normal (bradicardia) tienen un
mayor riesgo de padecer una enfermedad renal según pone de manifiesto
una investigación llevada a cabo por el equipo del doctor Dr. Karl T. Weber
(2020) ―Se sabe que, en los individuos sanos, hay una relación entre el
funcionamiento del riñón y el del corazón‖
En este sentido, para la estimación de la Frecuencia cardíaca se lleva a

cabo a través de ecuaciones que predicen los valores de la frecuencia
cardiaca. Para la recogida de la actividad eléctrica por el electrocardiógrafo,
se necesita que sobre la piel del paciente se coloquen una serie de
electrodos (normalmente 10), que irán unidos hasta el electrocardiógrafo por
unos cables. Con 10 electrodos se consiguen obtener 12 derivaciones, es
decir, se dibujan en el papel 12 trazados de los impulsos eléctricos del
corazón desde diferentes puntos del cuerpo. Se pueden obtener derivaciones
extra si se añaden más electrodos a la superficie corporal, pero el
electrocardiograma básico debe constar como mínimo de 12 derivaciones. El
electrocardiograma de una persona sana presenta un trazado particular;
cuando aparecen cambios en ese trazado el médico puede determinar si
existe un problema.
Esta circunstancia también implica una diferencia, y es que las mujeres

tienden a presentar la enfermedad coronaria aproximadamente diez años
más tarde que los hombres. Sin embargo, el pronóstico de un infarto suele
ser peor en la mujer: el porcentaje de muerte antes de llegar al hospital es
mayor (52% frente al 42% en los hombres) y el pronóstico tras la
hospitalización también es peor. Por un lado, porque al ser mayores que los
51
hombres suelen tener otras patologías asociadas (enfermedad renal,
osteoarticular, anemia…) que complican el cuadro clínico.
o ECUACIÓN PARA PREDECIR LA FRECUENCIA CARDÍACA MÁXIMA
Se han propuesto diversas ecuaciones predictoras de la FCmáx y la más

conocida de ellas es la expresión propuesta en la década de 1970, a saber:
La fórmula para calcularla es: (220 - la edad del sujeto). En hombre es: 220 –
edad (años) y en Mujer: 215 – edad (años). Se estableció a partir de sujetos
menores de 55 años.
o ECUACIONES MÁS MODERNAS
Tanaka H, Monahan KD y Seals DR, (2001) proponen ecuaciones más

seguras para estimar la FCmáx se, como por ejemplo: Hombre 208,7-(0,73 *
edad en años) y en la Mujer 208,1-(0,77 * edad en años).
El pulso normal de los adultos sanos oscila entre 60 y 100 latidos por
minuto. Podría fluctuar y aumentar con el ejercicio, enfermedades, lesiones y
las emociones. Las niñas a partir de los 12 años y las mujeres en general
suelen tener el pulso más rápido que los niños y los hombres. Los
deportistas, como los corredores, que hacen mucho ejercicio cardiovascular,
pueden tener ritmos cardiacos de hasta 40 latidos por minuto sin tener
ningún problema. En los seres humanos, la frecuencia cardíaca alta en
reposo tiene una correlación directa tanto para mortalidad total como
cardiovascular. Díaz (2014). En estudios cerca de 25.000 pacientes con
enfermedad coronaria muestran que la FCrep es un mecanismo predictor
independiente de mortalidad total y cardiovascular, incrementándose de
manera proporcional en la medida en que se eleva la frecuencia cardíaca.
52
Meneses, A. (2005) Señala que el pulso normal varía de acuerdo a
diferentes factores; siendo el más importante la edad.
Niños de Meses: 130 a 140 Pulsaciones por minuto.
Niños: 80 a 100 Pulsaciones por minuto.
Adultos: 72 a 80 Pulsaciones por minuto
Ancianos: 60 o menos pulsaciones por minuto.
Fuente: Meneses, A. (2005)
Cuadro Nº 01. La edad como factor determinante en la FCmáx
Así mismo, ayudan a determinar diagnósticos o detectar riesgos en

sujetos con síndromes coronarios agudos o alguna otra condición referente
al sistema cardiovascular como las siguientes:
o ALTERACIONES DE LA FRECUENCIA CARDIACA.
 Taquicardia: significa frecuencia cardíaca rápida, que habitualmente

se define en una persona adulta como más de 100 latidos/min.
 Taquicardia paroxística: la frecuencia cardíaca se hace rápida en

paroxismos que comienzan súbitamente y duran varios segundos,
minutos, horas o mucho más tiempo.
 Bradicardia: se refiere a una frecuencia cardíaca lenta, que

habitualmente se define como menos de 60 latidos/min.
 Incompetencia cronotrópica: incapacidad para llegar a 85% de la

frecuencia cardiaca máxima anticipada con el ejercicio máximo.
o FORMAS DE OBTENCIÓN DE LA FRECUENCIA CARDÍACA
El pulso se puede tomar en cualquier arteria superficial que pueda

comprimirse contra un hueso. Los sitios donde se puede tomar el pulso son:
53
- En la sien (temporal).
- En el cuello (carotídeo).
- Parte interna del brazo (humeral).
- En la muñeca (radial).
- Parte interna del pliegue del codo (cubital).
- En la ingle (femoral).
- En el dorso del pie (pedio).
- En la tetilla izquierda de bebes (pulso apical).
 TIPOS DE PULSOS
o PULSO CAROTIDEO
Es el de más fácil localización y por ser el que pulsa con más intensidad.
La arteria carotídea se encuentra en el cuello a lado y lado de la tráquea para
localizarlo: se localiza la manzana de adán, deslice los dedos hacia el lado
de la tráquea, se presiona ligeramente para sentir el pulso y se cuenta
 PULSO RADIAL
Este pulso es de mayor acceso, pero a veces en caso de accidente se

hace imperceptible. Palpe la arteria radial, que está localizada en la muñeca,
inmediatamente arriba en la base del dedo pulgar; coloque sus dedos
(Índice, medio y anular) haciendo ligera presión sobre la arteria y cuente
 PULSO APICAL
Se denomina así el pulso que se toma directamente en la punta del

corazón. Se toma en niños pequeños (bebes). Se coloca sus dedos sobre la
tetilla izquierda; se presiona ligeramente para sentir el pulso y se cuenta el
pulso en un minuto.
 FORMAS DE OBTENCION DEL PULSO
54
Fuente: Meneses, A. (2005)
Figura Nº 04. Formas de obtención del pulso.
 FORMA MANUAL
Cuando el corazón impulse la sangre a través de las arterias, se notará

los latidos presionando con firmeza en las arterias, que están localizadas
cerca de la superficie de la piel en ciertos lugares del cuerpo
Utilizando las yemas del dedo índice y corazón, se presiona suavemente

pero con firmeza sobre las arterias hasta que note el pulso. Se empieza a
contar las pulsaciones observando el comienzo del segundero del reloj.
Cuente su pulso durante 60 segundos.
 TÉCNICA PARA TOMAR EL PUSO ARTERIAL (RADIAL).
Según E. Gregory Thompson MD – Médico de Medicina interna & Adam

Husney MD – Médico de Medicina familiar & Martin J. Gabica MD – Médico
de Medicina familiar exponen que se puede tomar el pulso contando los
latidos en un período de tiempo (por lo menos de 15 a 20 segundos) y
multiplicando esa cifra para obtener el número de latidos por minuto. El pulso
cambia minuto a minuto. Será más rápido cuando haga ejercicio, tenga fiebre
o esté bajo estrés. Será más lento cuando esté descansando.
55
- El paciente debe estar cómodo con la extremidad apoyada o sostenida
con la palma hacia arriba.
- Aplique suavemente las yemas de su dedo índice, medio y anular en

el punto en que la arteria pasa por el hueso.
- Cuente los latidos durante 15, 20 ó 30 segundos y multiplique ese

valor por 4, 3 ó 2 respectivamente si el pulso es regular. Si el pulso refleja
alguna irregularidad, se debe llevar el conteo durante un minuto completo
o incluso más.
- Registre e interprete el hallazgo y tome las decisiones pertinentes.
 TÉCNICA PARA TOMAR LA FRECUENCIA CARDIACA POR

AUSCULTACIÓN.
- Colocar al paciente en sedestación o decúbito supino.
- Colocar el diafragma del estetoscopio entre el 3º y 4º espacio

intercostal, línea para esternal izquierda.
- Contar los latidos en 6, 15 o 30 segundos, y multiplicarlo por 10, 4 o 2

según corresponda, para obtener el número de latidos por minuto.
 CÓMO SE REALIZA EL ELECTROCARDIOGRAMA
La enfermera, el médico o el operador del equipo (puede ser un

electromédico) conectan los cables del electrocardiógrafo a la piel del
paciente por medio de adhesivos o ventosas (electrodos). Los puntos donde
se colocan los electrodos son: tobillos, muñecas y pecho. De esta forma se
recoge el mismo impulso eléctrico desde diferentes posiciones. Primero se
debe limpiar el área de la piel donde posteriormente se colocarán los
electrodos, e, incluso, en algunas ocasiones será necesario rasurar el vello
de esa zona.
56
El paciente debe estar cómodo para la realización de la prueba de la
frecuencia cardiaca, debe permanecer tumbado, relajado, sin hablar, con un
ritmo respiratorio normal y con los brazos y las piernas inmóviles. A veces, el
médico puede pedirle al paciente que contenga la respiración durante unos
segundos. Cualquier movimiento puede alterar los resultados.
El electrocardiograma (ECG) es el procedimiento de referencia para

identificar las alteraciones del ritmo cardiaco en recién nacidos; sin embargo,
hay que cerciorarse de que no se trate de una arritmia de naturaleza
transitoria. Con el desarrollo de las Unidades de Terapia Intensiva Neonatal y
el incremento en la vigilancia de los pacientes, tanto en la etapa prenatal
como posnatal, se han identificado diversas alteraciones del ritmo en fetos y
en recién nacidos considerados sanos. La mayoría de estas arritmias son
benignas; sin embargo, su detección requiere una evaluación detenida de las
mismas y de los factores de riesgo para su génesis, como enfermedades o
infecciones maternas, sufrimiento fetal o cardiopatías congénitas. Semizel E,
Öztürk B, Bostan OM, Cil E, Ediz B. (2008;18:26-40).
Así mismo ocurre con los pacientes de pieles muy sensibles o

vulnerables, especialmente los ancianos, quienes generalmente poseen piel
sensible, tal como lo expresa la metodología Delphi, la piel sensible se
definió como: ―síndrome definido por la aparición de sensaciones
desagradables (escozor, ardor, dolor, prurito y sensación de hormigueo) en
respuesta a estímulos que normalmente no deberían provocar tales
sensaciones.‖ E. Berardesca, M. Farage, H. Maibach. (2012)
 RECOMENDACIONES PARA LA VALORACIÓN DEL PULSO.
- Manos limpias, secas y en lo posible tibias.
- Ponga al paciente en reposo al menos unos 10 a 15 minutos antes de

controlar el pulso.
57
- Verificar si el paciente ha recibido medicamentos que afectan la
frecuencia cardiaca.
- Evitar usar el dedo pulgar, porque el latido de este dedo es muy fuerte
y se puede confundir los pulsos del paciente y del examinador.
- Oprima suavemente la arteria para no hacer desaparecer totalmente el

pulso.
- Pulso cardiaco apical y los tonos cardiacos se valoran mediante

auscultación. Con el estetoscopio y con palpación en el infante.
- Palpar cada pulso en forma individual para evaluar sus características

y en forma simultánea para detectar cambios en la sincronización y la
amplitud.
 FOTOPLESTIMOGRAFÍA (PPG)
Es un método no invasivo y sencillo de implementar que hace posible

conocer los cambios de volumen en un cuerpo por medio de la cantidad de
luz que refleja. Para estimar los cambios del volumen sanguíneo se utilizan
diodos emisores de luz (LED) verde que iluminan la piel. El cambio de
volumen que se presenta por la presión del pulso es detectado con la luz
infrarroja que emite el LED, para después medir la cantidad de luz reflejada
con un fototransistor. Su resultado obtiene una señal característica que hace
posible determinar la FC e incluso la oximetría de pulso. Las señales de PPG
pueden obtenerse de manera remotas a través de imágenes, lo que se les
conoce como PPG remota.
58
Fuente: K. Shelley and S. Shelley (2001)
Figura Nº 05. Fotopletismografía.
 FOTOPLETISMOGRAFÍA REMOTA (PPGr):
Es una técnica óptica que permite la medición de signos vitales como lo

son la frecuencia cardíaca, la respiración y la presión arterial. Su principio de
funcionamiento se basa en la aproximación del volumen de un cuerpo
determinando la cantidad de luz que este refleja. Una fuente de luz infrarroja
(LED) emite un haz sobre la piel para iluminar los vasos subcutáneos, estos
reflejan parte de dicho haz dependiendo la cantidad de hematíes que
contienen. La luz reflejada incide en un fotosensor (usualmente de cadmio-
selenio) que la convierte en un voltaje equivalente. Debido a que la piel
absorbe más del 90 % de la luz, el par diodo-fotosensor se acompaña de
amplificadores y filtros que garantizan un voltaje adecuado.
Por consiguiente el ciclo cardíaco puede obtenerse midiendo el intervalo

que existe entre cada pico de voltaje. La medición y monitoreo de estos
signos es importante para detectar problemas cardiacos como la hipotensión
e hipertensión, ambas relacionadas con la presión arterial o las arritmias en
el caso de la frecuencia cardíaca. K. Shelley and S. Shelley (2001)
59
La PPG remota obtiene la señal, generalmente, de la imagen tomada del
rostro de la persona, existen varias aplicaciones asociadas con las
mediciones que se pueden llevar a cabo con esta técnica como la detección
de emociones, la detección de estrés, entre otras.
La presente investigación concierne en general, en un primer aspecto, a

un método para obtener parámetros fisiológicos en tiempo real a partir de
unas señales fotopletismográficas (PPG) medidas por sensores ópticos, y en
particular a un método para obtener el valor del ritmo cardiaco a partir de
esas señales fotopletismográficas, incluso en situaciones extremas como es
durante Ia realización continua de movimientos durante Ia práctica de
ejercicios.
En la realización de este proyecto se requiere medir señales

pletismográficas, las cuales son adquiridas analógicamente y se procesan
digitalmente mediante un Software.
Fuente: Google Sites

Figura Nº 06. Fotopletismografía remota
60
 EL SOFTWARE MATLAB:
La toma de señales bioeléctricas es un método importante de prevenir

enfermedades y monitorear el avance de un paciente. La realización de toma
de estas constantes vitales normalmente implica el uso de equipos
especializados y tecnologías de difícil aplicación. Por lo que se requiere de
una plataforma de desarrollo, en este caso Matlab que permite establecer
códigos y procesamiento de lectura de la información obtenida del sistema
de adquisición de la base de datos. Se optó por este software debido a su
versatilidad, facilidad de uso y porque se trata de una herramienta de
Software comercial, aunque no es libre cuenta con librerías de fácil manejo y
mayor atractivo.
Fuente: MathWorks (1994)

Figura Nº 07. Software Matlab
Para el diseño de este sistema es necesario establecer los requerimientos

del dispositivo a desarrollar a través de un software (Matlab) empleado para
la captura de estas imágenes consiste en una GUI hecha en el software
académico la cual recibe las imágenes capturadas en una cámara La interfaz
permite ingresar las coordenadas para seleccionar la zona de interés En este
61
caso se definió como zona de interés la frente, debido a que es la zona que
mejores resultados ha arrojado en algunas investigaciones. Para el proceso
de adquisición de la señal se empleó: un teléfono IPhone 7
Así mismo, se han desarrollado aplicaciones integradas en teléfonos

móviles que logran estimar este parámetro al colocar un dedo sobre la
cámara de video y LED flash.
 EL PROCESAMIENTO DE LAS IMÁGENES DEL VIDEO PARA LA

DETECCIÓN DEL ROSTRO:
Las aplicaciones de vídeo son complejos y precisan un análisis flexible y

funcionalidades de procesamiento. Por lo tanto el software y los productos
MathWorks (1994) en el desarrollo de MATLAB® y Simulink® permiten
desarrollar soluciones para abordar los retos más habituales del
procesamiento de vídeos, tales como estabilización del vídeo, creación de
mosaicos de vídeos, detección de objetivos y seguimiento
En concordancia con la investigación realizada para la captura de video

de cada paciente y su respectivo valor de frecuencia cardiaca se toman en
cuenta valores medidos con el método convencional o estándar como
método actual y el método tradicional (SPO2) en el caso de la investigación o
propuesta se utilizó la Pletismografía remota la (PPGr), esto con el fin de
obtener sus valores promedios o medias y comprobar mediante pruebas
estadísticas su efectividad. Ver Anexo F. Resultados de la Efectividad del
Software
El algoritmo utilizado para la captura de señales PPGr selecciona

implícitamente un área del rostro, que representan las regiones del tejido de
piel donde el rastreo de pulsos es predominante (principalmente en la frente
del paciente). El principio físico en que está basado es la crominancia
62
(procesamiento por super píxeles), ya que es uno de los más simples y
confiables; sin embargo, es importante tener en cuenta que el método PPGr
de segmentación de ROI propuesto es significativamente más lento que otros
métodos empleados.
 REGIÓN DE INTERÉS (ROI):
Utilizada en el procesamiento de imágenes para designar una zona

particular de una imagen o vídeo, de la cual se quiere obtener información a
través de técnicas o herramientas del software empleado. El Software de
Matlab realiza la detección y recuento de objetos mediante el
procesamiento de vídeos donde se puede emplear para detectar y contar
objetos que se mueven en secuencias de vídeo.
Estos sistemas se basan en la selección de una región de interés (ROI).

Debido a que del rostro se obtendrán diversas regiones de interés, para la
medición de la correspondiente frecuencia cardíaca, éste de detecta con el
algoritmo Viola-Jones normalmente de todo el rostro, aunque ciertos
investigadores delimitan la región a la frente, mejillas y labios en busca de
unas señales más robustas. Estas regiones de la piel comprenden una
mayor proporción de capilares que generarían una mayor potencia de la
señal debido a la mayor absorción de luz en comparación con otras regiones
de la cara.
Sin embargo, muchos investigadores han seleccionado la región de la

frente por tener una menor proporción de capilares debajo de la piel. Esto se
debe a que la frente es menos propensa a los movimientos musculares en
comparación con otras áreas de la cara. Los movimientos musculares dentro
de la cara servirían para debilitar la fuerza de la señal al agregar ruido en
forma de artefactos de movimiento.
63
En general, se observa que la región del ojo se excluye de la ROI, ya que
no consta de un componente pulsátil relacionado con el cambio de volumen
de la sangre y, además, el parpadeo del ojo provocaría artefactos de
movimiento que debilitarían la señal. Se ha demostrado que la extracción de
la señal con múltiples regiones mejora la potencia general de la señal.
 SELECCIÓN Y SEGUIMIENTO DE PUNTO DE INTERÉS
Dentro de esta metodología hay distintas variantes para medir los

cambios de coloración:
- Separar frames en R, G y B, y normalizarlos, para posteriormente

aplicar Análisis de Componentes Independientes (ICA - Independent
Component Analysis) o Análisis de Componentes Principales (PCA -
Principal Component Analysis).
- Uso de descomposición piramidal y análisis de la componente R.
 DETECCIÓN Y SEGUIMIENTO FACIAL:
La detección de los rasgos faciales es una herramienta bastante popular

en el área del procesamiento de imágenes, ya que permite delimitar un área
de interés para un posterior análisis.
 ALGORITMO VIOLA-JONES
Este algoritmo tiene la capacidad de procesar imágenes rápidamente al

mismo tiempo que consigue resultados confiables, haciendo posible la
detección de objetos específicos como el rosto. Así mismo, se caracteriza por
su bajo costo computacional. En la primera parte del algoritmo se localiza el
rostro y se normaliza la imagen. Se utiliza el método desarrollado por Paul
Viola y Michael J. Jones que presenta un 95 % de confiabilidad.
64
El algoritmo se basa en la comparación entre las intensidades luminosas
de regiones rectangulares de las imágenes denominadas Características
Haar-Like que calcula empleando una imagen integral. Estos clasificadores,
que por sí mismos tienen una probabilidad de acertar solo ligeramente
superior a la del azar, se agrupan en una cascada empleando un algoritmo
de aprendizaje basado en AdaBoost para conseguir un alto rendimiento en la
detección, así como una alta capacidad discriminativa en las primeras
etapas.
Fuente: Y. G. Shen, A. 1997.

Figura Nº 08. Algoritmo de Viola-Jones. Detección del Rostro.
A continuación, se obtienen las características de la imagen. Con este fin,

se utilizó filtros con base Haar. (Estos filtros toman secciones rectangulares
simples de la imagen para su análisis), los cuales son calculados sobre la
imagen integral. Los filtros generan características de puntos y líneas en la
imagen por el contraste que existen entre las regiones del fotograma. Se
pueden cambiar diferentes características dentro de los filtros: escala,
orientación, tamaño y frecuencia.
65
El algoritmo se basa en tres principios: las características Haar, la imagen
integral y el clasificador Adaboost. Primeramente, las características Haar
son considerados los elementos básicos con los que se realiza la detección.
Son características que se buscan en las imágenes y consisten en la
diferencia de intensidades luminosas entre regiones adyacentes
rectangulares las cuales facilitan y agilizan el procesamiento, a diferencia del
análisis por pixel.
Fuente: Y. G. Shen, A. (1997)

Figura Nº 09. Selección de características de imagen
La integral de la imagen consiste en la suma de los píxeles de un

rectángulo y al aplicar este algoritmo, se realiza de manera eficiente y rápida.
Por otra parte, el algoritmo de aprendizaje Adaboost requiere un proceso

de entrenamiento supervisado para crear el clasificador en cascada mediante
una gran cantidad de imágenes positivas (caras) e imágenes negativas (sin
caras)
El método utilizado Viola Jones es un método que se usa en la detección

de rostro en imágenes. Además, se aplica la escala de grises, donde el
método RGB es utilizado para convertir una imagen con múltiples colores a
66
una imagen monocromática. Por otro lado, se mejoran el contorno de las
formas en la imagen aplicando el aumento de características

Figura Nº 10. Detector de caras
 ESTIMACIÓN DEL FLUJO ÓPTICO
Se aplica la herramienta de seguimiento, como patrón aparente de

movimiento existente en los objetos de una escena, provocada por el cambio
de intensidad de luz, dependiente de la distancia entre el observador y la
escena.

Figura Nº 11. Sentido del flujo óptico
67
 ALGORITMO DE LUCAS KANADE (KLT)
De una secuencia de imágenes se seleccionan dos consecutivas a las

cuales se les realiza un tratamiento visual y una serie de operaciones propias
del método LK para obtener el resultado final y mostrarlo si fuese necesario.
Una de las opciones para la obtención del flujo óptico es el llamado método
de Lucas Kanade con el cual se puede calcular una aproximación bastante
buena.

Figura Nº 12. Esquema descriptivo del método LK
 REDUCCIÓN DE LA DIMENSIONALIDAD
El creciente volumen de información generado por sistemas de

información y comunicación demanda nuevas técnicas de manipulación de
datos con el objetivo de extraer información no trivial que reside, de manera
implícita, para facilitar la obtención de patrones y su análisis.
El término procesamiento digital de imágenes equivale a realizar

operaciones sobre un conjunto de datos obtenidos de las imágenes, con el
fin de mejorar la imagen para alguna aplicación en particular, o para extraer
algún tipo de información útil de ella.
68
Fuente: Amat Rodrigo Joaquín (2017).
Figura Nº 13. Reducción de dimensionalidad
A continuación, se presentan dos técnicas basadas en estadísticas que

son utilizadas para el análisis de datos, especialmente para la separación de
señales, donde se mencionan ciertas características de cada una que serán
de utilidad en el desarrollo de la metodología.
 ANÁLISIS DE COMPONENTES PRINCIPALES (PCA)
El análisis de componentes principales (PCA) es un método que propone

transformar un conjunto de variables originales, en un nuevo conjunto de
variables las cuales son llamadas componentes principales. Que permite
simplificar la complejidad de espacios muestrales y la redundancia de datos,
sin perder la información esencial. En consecuencia, el método de PCA
permite pasar la información aportada por múltiples variables en solo unas
pocas componentes. Amat Rodrigo Joaquín (2017).
69
 TRANSFORMACIÓN DE IMÁGENES A DIFERENTES ESPACIOS
DE COLOR:
En Matlab una imagen en formato de color RGB se representa por tres

matrices bidimensionales, correspondientes a los planos RGB. Donde 1=R
2=G y 3=B. Los espacios de color RGB y HSI son una herramienta que hace
posible el análisis de información presente en una imagen. Un espacio de
color indica la manera en que un color está definido, y su objetivo es facilitar
la especificación de los colores de una forma normalizada, razón por la cual
es un tema relevante en el procesamiento de imágenes médicas.
Fuente: Amat Rodrigo Joaquín (2017).

Figura Nº 14. Espacios de color
El espacio RGB (R -red-, G -green-, B -blue-) se emplea en los monitores

de una computadora, televisores, proyectores de vídeo y todos aquellos
sistemas que utilizan combinaciones de materiales que fosforecen en el rojo,
verde y azul. Todos los colores posibles que pueden ser creados por la
mezcla de estas tres luces de color son aludidos como el espectro de color
de estas tres luces. Los colores rojo, verde y azul fueron escogidos porque
cada uno corresponde aproximadamente con uno de los tres tipos de conos
sensitivos al color en el ojo humano. Un espacio de color, también conocido
como modelo de color (o sistema de color), es un modelo matemático que
70
describe el rango de colores como tuplas de números, típicamente como 3 o
4 valores o componentes de color.
 SECUENCIA DE VIDEO O CAPTURA DE VIDEO:
Los datos de flujo de video multimedia adquiridos por la cámara

incorporada del teléfono inteligente como sensor para estimar la Frecuencia
cardiaca usando señales PPG. La cámara utilizada durante la grabación del
video se tomó la frecuencia cardíaca a un total de 10 participantes sanos a
los cuales se les pidió su Consentimiento informado. Ver Anexo D. De esta
forma utilizar sus datos de manera anónima, usando un Saturómetro portátil,
siguiendo las recomendaciones para la correcta obtención del pulso. La
duración de cada uno de los videos fue de 30 segundos, a una velocidad de
15 frames o fotogramas por segundo con una resolución 1280x720 pixeles
grabado a 24-bits en formato MP4. Cada una de las frecuencias cardíacas
medidas es la medición testigo y está asociada al correspondiente vídeo de
los participantes.
Fuente: Google Sites

Figura Nº 15. Frame de la secuencia de video
71
2.3. BASES LEGALES
La fundamentación legal de la investigación se basa en una serie de

documentos que sustentan y amparan las condiciones en las cuales se debe
llevar a cabo la actividad laboral, protegiendo así al trabajador; entre ellos se
puede indicar:
 LEY ORGÁNICA DE LA SALUD
Esta Ley regirá todo lo relacionado con la salud en el territorio de la

República. Establecerá las directrices y bases de salud como proceso
integral, determinará la organización, funcionamiento, financiamiento y
control de la prestación de los servicios de salud de acuerdo con los
principios de adaptación científico-tecnológica, de conformidad y de
gratuidad, este último en los términos establecidos en la Constitución de la
República. Artículo 25. La promoción y conservación de la salud tendrá por
objeto crear una cultura sanitaria que sirva de base para el logro de la salud
de las personas, la familia y de la comunidad, como instrumento primordial
para su evolución y desarrollo.
 LA CONSTITUCIÓN DE LA REPÚBLICA BOLIVARIANA DE

VENEZUELA (1999):
Artículo 83: La Salud es un derecho social fundamental, es obligación del

Estado garantizarlo, como parte del derecho a la vida. Toda persona debe
participar en la promoción de su propia Salud, el de cumplir con las medidas
sanitarias y de saneamiento que establezca la ley, de conformidad con los
tratados y convenios internacionales suscritos y ratificados por la República.
Lo anteriormente descrito en el artículo 83, expone claramente que es

obligación del Estado velar por el derecho que tiene cada venezolano a la
protección de la salud aunado a esto toda persona debe participar en la
72
promoción de la Salud, por ende este basamento legal contribuye de soporte
al desarrollo de la investigación para poder contribuir de una u otra forma al
desarrollo del país y su evolución tecnológica y científica.
Artículo 85: El Estado tiene la obligación de financiar el sistema público

nacional de salud. Además de garantizar el presupuesto para la salud que
permita cumplir con los objetivos de la política sanitaria. El Estado
promoverá y desarrollará una política nacional de formación de
profesionales, técnicos(as) en materia de salud. En atención a lo expuesto,
este artículo es de gran relevancia para este trabajo de investigación, ya que
la investigación puede estar sujeta a cambios presupuestarios y o limitantes
que garanticen el desarrollo del mismo.
2.4. DEFINICIÓN DE TÉRMINOS BÁSICOS
Según Arias (2006), la definición de términos básicos es dar el significado

preciso y según el contexto a los conceptos expresados, expresiones
involucradas en el problema y objetivos formulados.
Algoritmos:
La definición de un algoritmo debe describir tres partes: Entrada, Proceso

y Salida. (Joyanes Aguilar, Luis. 2003)
Crominancia:
Es la señal que en los sistemas de vídeo transporta la información de

color de la imagen, separadamente de la señal luma o señal La crominancia
es generalmente representada por dos componentes de diferencia de
color,(azul − luma) y (rojo − luma). Cada una de estas señales puede tener
factores de escala (amplitud) o corrimientos (desfase), como se especifica en
las normas de video aplicables. (Wikipedia, 2020)
73
Luminancia:
Se define como la densidad angular, rectangular y superficial de flujo

luminoso que incide, atraviesa o emerge de una superficie siguiendo una
dirección determinada. (Schiffman, Harvey 2011).
Frames:
El número de fotografías (fotogramas) que se desplegarán por segundo.

(Ramírez Martinel (2014)
74
2.5. SISTEMA DE VARIABLES
OBJETIVO GENERAL: PROPONER UN SOFTWARE PARA LA ESTIMACION DE FRECUENCIA
CARDIACA BASADO EN PLETISMOGRAFÍA REMOTA CASO: CLÍNICA LA FAMILIA, PUNTO FIJO-
ESTADO FALCÓN.
2.5.1. OPERACIONALIZACIÓN DE LA VARIABLE
VARIABLE DEFINICIÓN DEFINICIÓN DIMENSIÓN INDICADOR ÍTEM

CONCEPTUAL OPERACIONAL
La EFC es un Estimar la frecuencia
componente cardíaca, requiere
esencial para de: sensores de Factores que
determinar el contacto y sensores Con contacto influyen en la
Estimación de estado fisiológico y sin contacto. (PPGr), o intrusivos EFC
1,2,3,4,5
Frecuencia patológico de una en donde se
Cardiaca persona o consideran muchos
(EFC) individuo. La FC factores que pueden
por encima de 100 afectar la medida,
bpm, se conoce tomando en cuenta
como taquicardia, siempre los criterios
y la frecuencia de bioseguridad y
cardíaca por protocolos médicos. Sin contacto 6,7,8,9,
Bioseguridad
debajo de 60 bpm, Guanipa y Mejía no intrusivos 10
se conoce como (2021)
bradicardia.
González S.
(2019)
Cuadro Nº 02. Sistema de Variable.
Elaborado por: Guanipa y Mejía (2022)
75
CAPITULO III
MARCO METODOLÓGICO.
3.1. TIPO DE INVESTIGACIÓN
Según Arias, F (2006), «los estudios descriptivos miden de forma

independiente las variables y aun cuando no se formulen hipótesis, tales
variables aparecen enunciadas en los objetivos de investigación» (p. 25),
puesto que los objetivos implican describir La Estimación de la Frecuencia
Cardiaca, es decir, esta variable se analiza de forma autónoma o
independiente con el fin de conocer su comportamiento.
De acuerdo con el problema de estudio este trabajo se enmarcó además

dentro de una investigación de tipo Proyecto Factible, el cual consiste en la
investigación, elaboración y desarrollo de una propuesta de un modelo
operativo viable para solucionar problemas, requerimientos o necesidades de
organizaciones o grupos sociales (Hernández y Col., 2006).
3.2. DISEÑO DE INVESTIGACIÓN.
El diseño es de campo, no experimental. De campo ya que permite

establecer una interacción entre los objetivos y la realidad de la situación,
observar los hechos estudiados, tal como se manifiestan en su ambiente
natural, recolectar datos directamente de la realidad (Hernández y col.,
2006). Arias (2006) menciona que «la investigación de campo es aquella que
consiste en la recolección de datos directamente de los sujetos investigados,
o de la realidad donde ocurren los hechos (datos primarios), sin manipular o
controlar variable alguna, es decir, el investigador obtiene la información pero
60
no altera las condiciones existentes. (p.31)
Además, considerando que la presente investigación estuvo enfocada en

el desarrollo de una tecnología aplicada al ámbito de la salud, su diseño
correspondió al de un Proyecto Factible; esto es expuesto en el Manual de
Trabajos de Grado de Especialización y Maestría y Tesis Doctorales de la
Universidad Pedagógica Experimental Libertador (UPEL) (2016):
―El Proyecto Factible consiste en la investigación,

elaboración y desarrollo de una propuesta de un modelo
operativo viable para solucionar problemas, requerimientos o
necesidades de organizaciones o grupos sociales; puede
referirse a la formulación de políticas, programas,
tecnologías, métodos o procesos. El Proyecto debe tener
apoyo en una investigación de tipo documental, de campo o
un diseño que incluya ambas modalidades.‖ (p. 21).
3.3. POBLACIÓN Y MUESTRA
En cualquier trabajo de investigación conviene tomar en consideración

todos aquellos aspectos comunes que identifican el problema en estudio, es
decir, la población o universo total que será utilizado Según Tamayo y
Tamayo (2003), la población ―está determinada por la totalidad del fenómeno
a estudiar, en donde las unidades de población poseen una característica
común, la cual se estudia dando origen a los datos que se necesitan para la
investigación‖ (p. 176). En contraste, la muestra, según Hernández,
Fernández y Baptista (2014) es el «subgrupo del universo o población del
cual se recolectan los datos y que debe ser representativo de ésta».
3.3.1. POBLACIÓN
Según Hernández, Fernández y Baptista (ob. cit.), ―la población es el

universo sobre el cual se pretende generalizar los resultados; está
constituida por características o estratos que le permitan distinguir a los
77
sujetos unos de otros‖ (p. 204). En tal sentido, la población del presente
estudio estuvo compuesta por los (08) Médicos Especialistas (Cardiólogos),
quienes son los encargados de la utilización de los métodos para el
diagnóstico de la Estimación de la Frecuencia cardiaca mediante la
secuencia de video.
3.3.2. MUESTRA
Según Arias, F. (2006), plantea que la muestra ―es un subconjunto

representativo de un universo o población‖ (p. 49). La muestra en una
investigación debe ser representativa.
En el presente estudio para la muestra se tomaron los médicos

especialistas Cardiólogos por ser objetos clave para llevar a cabo el estudio
o diagnóstico clínico, por lo que deben aplicar el Software propuesto.
Así también, señala, Hernández, Fernández y Baptista (ob. cit.), que ―la
calidad de un estudio no depende de si tiene o no una población extensa,
sino que depende de los objetivos planteados y de una población
determinada a la cual se le aplica un instrumento para obtener una
información‖ (p. 206).
Hernández (2003), plantea una solución: "si la población es menor a

cincuenta (50) individuos, la población es igual a la muestra"
Por lo tanto la muestra estará representada por el total de la Población:

(08) médicos especialistas. Es de hacer notorio que al momento de realizar la
Encuesta solo contamos con la disposición de tiempo del personal médico ya
que actualmente debido a la pandemia el personal de enfermería es escaso
y el tiempo de atención es reducido. Pero comprenden también personas
claves para poder aplicarles el instrumento.
78
3.4. TÉCNICA E INSTRUMENTOS DE RECOLECCIÓN DE DATOS
3.4.1. TÉCNICA
Se considera técnica de investigación, bajo la visión de Arias (2006), «el

procedimiento o forma particular de obtener datos o información» (p. 67),
mientras que el instrumento de recolección de datos es «cualquier recurso,
dispositivo o formato (en papel o digital), que se utiliza para obtener, registrar
o almacenar información» (p. 68).
Hernández, Fernández y Baptista (2014), como «un conjunto de

preguntas respecto de una o más variables a medir» (p. 217), el cual facilita
el procesamiento estadístico de los resultados y, por tanto, su interpretación.
Según el criterio de estos mismos autores, un cuestionario «obedece a
diferentes necesidades y a un problema de investigación, lo cual origina que
en cada estudio el tipo de preguntas sea distinto» (p. 220).
La aplicación de una técnica conduce a la obtención de información, la

cual debe ser guardada en un medio material de manera que los datos
puedan ser recuperados, procesados, analizados e interpretados
posteriormente a lo que a dicho soporte se le denomina instrumento. El
referido estudio se enmarcará en una investigación de campo, la misma se
fundamenta en la recopilación de datos primarios, obtenidos directamente de
la realidad, por lo que es necesario aplicar la encuesta como técnica para tal
fin.
Considerando lo expuesto anteriormente, la recopilación de la información

se realizó mediante la aplicación de un cuestionario de 10 preguntas que
medirán por medio de los indicadores y dimensiones de la única variable
(problema) de la investigación —la estimación de frecuencia cardíaca—,
de modo que permite proveer información relevante de la utilización de una
señal bioeléctrica, en este caso una señal electrocardiográfica, a través de
un software (MatLab) que puede ser adquirida de una base de datos
79
PhysioNet, utilizando su herramienta PhysioBank ATM, o también tomar la
base de datos desde los pacientes que acuden al servicio, los algoritmos
serán desarrollados en el software Matlab®, para su procesamiento y la
salida mediante secuencias de videos demostrando su utilidad a los médicos
especialistas.
3.4.2. INSTRUMENTO
El mismo corresponde a un cuestionario por lo que Arias (2006), lo define

de siguiente manera: ―es la modalidad de encuesta que se realiza de forma
escrita mediante un instrumento u formato en papel contentivo de una serie
de preguntas. Se le denomina cuestionario auto administrado porque debe
ser llenado por el encuestado sin intervención del encuestador‖.
Al respecto de lo mencionado por Arias, F (2006) el instrumento que se

utilizará para extraer la información en cuestión de estudio en este caso son
los médicos especialistas. Ver Anexo A. Instrumento de Recolección de
Datos.
El mismo se encuentra contentivo por 10 ítems de opciones de

respuestas en escala Likert.
3.5. VALIDEZ Y CONFIABILIDAD.

3.5.1. VALIDEZ
La validez según Hernández, Fernández y Baptista (2003) la define como

―el grado en que el instrumento realmente mide las variables‖. Es decir todo
instrumento antes de ser aplicado debe ser revisado por personas expertas
en el tema de referencia para la investigación. Ver Anexo B .Formato para
obtención de validez de expertos. Así mismo los formatos corresponden a
80
medir la variable y su estructura semántica y sintáctica que posteriormente se
corroborará en las Constancias de Validación de los 3 expertos.
Según Balestrini (1997), argumenta lo siguiente: ―una vez que se ha

definido y diseñados los instrumentos y procedimientos de recolección de
datos, atendiendo al tipo de estudio de que se trate, antes de aplicarlo de
manera definitiva en la muestra seleccionada, es conveniente someterlo a
prueba, con el propósito de establecer la validez de estos, en relación al
problema investigado, esta validación se hará mediante juicio de experto‖
(p.140).
En este caso, la validación del instrumento utilizado para recoger los

datos de esta investigación será validada por los siguientes expertos. Ver
Cuadro Nº 03. Expertos evaluadores del Instrumento.
Nombre y Apellido Cedula Especialidad

Luigi Alfonso Martínez V 17.136.326 Ingeniero Electrónico
Ingeniero en Eléctrica y
Dr. José D. Díaz R 12.495.929
Computación
Yovanny González 12.736.534 Estadística Y Probabilidad
Fuente: Guanipa, Mejias (2022).
Cuadro Nº 03. Expertos evaluadores del Instrumento
3.5.2. CONFIABILIDAD DEL INSTRUMENTO
Bien es sabido que la aplicación de un instrumento de tipo Cuestionario

es con el objetivo de recopilar datos para luego ser analizados y dar
respuesta al problema planteado. Los resultados de un instrumento pueden
ser interpretable; es decir, para que tenga significado y valor es necesario
que sea confiable, en ese orden de Idea se cita a Chávez (1994), La
confiabilidad ―Es el grado de congruencia con que se realiza la medición de
una variable‖ (p 195). En este sentido, se tiene que para determinar la
confiabilidad del instrumento se realizará una prueba piloto, la cual fue
81
aplicada en la ―Clínica Popular Tipo II Simón Bolívar‖ de Pueblo nuevo de
Paraguaná. Av. Falcón con Callejón amparo, la misma posee características
similares a la población objeto de estudio. Ver Anexo C. Resultados de la
Fiabilidad.
Según Hernández, Fernández y Baptista (2000:317), como ―la capacidad

que tiene un instrumento al ser aplicado una serie de veces a un grupo de
sujetos y por diferentes investigadores, obteniendo los mismos resultados
con un mínimo de exactitud y predictibilidad‖. Se utilizará la fórmula de
estadística correspondiente al coeficiente de Alfa de Cronbach, ya que es
modelo de consistencia interna, basado en el promedio de las correlaciones
de los ítems. Entre las ventajas de esta medida se encuentra la posibilidad
de evaluar la fiabilidad de la prueba si se excluyera determinado ítem.
Requiere una sola administración del instrumento de medición y produce
valores que oscilan entre 0 y 1. El valor mínimo aceptable para el coeficiente
de alfa de Cronbach es 0,7; por debajo de ese valor la consistencia interna
de la escala utilizada es baja. Siendo su Formula:
En este mismo orden de idea, nos referimos al rango de magnitudes de la

confiabilidad según Ruiz (2000) Ver Cuadro Nº 4. Confiabilidad del
Instrumento.
Rangos Magnitud
0,81 a 1,00 Muy Alta
0,61 a 0,80 Alta
0,41 a 0,60 Moderada
0,21 a 0,40 Baja
0,01 a 0,20 Muy Baja
Fuente: Ruiz (2000).
Cuadro Nº 04. Confiabilidad del Instrumento.
82
Por lo tanto, luego de la aplicación de la prueba piloto y al analizar los
resultados obtenidos en el cálculo de coeficiente de Alfa de Cronbach se
determinará si el instrumento a ser aplicado es confiable desde el punto de
vista cualitativo según lo definido y lo demuestra el Resultado de la
Confiabilidad.
Valor de la Fiabilidad: 0,979
Resultado luego de la aplicación del programa: SPSS
Fuente: Software SPSS V-17 (2022)

Figura Nº 16. Resultado de la Confiabilidad
Tal resultado permitió llevar a cabo la aplicación de la encuesta realizada

en la Clínica La Familia.
83
3.6. TÉCNICA DE ANÁLISIS DE DATOS
Las técnicas de recolección de datos son las estrategias que utiliza el

investigador para recolectar información sobre un hecho o fenómeno. Estas
varían de acuerdo al tipo de investigación, pueden ser: Encuestas,
observación, análisis documental, entre otras. Los instrumentos son los
medios para la aplicación de la estrategia de investigación a seguir, pueden
ser presentadas en formatos, videos, fotografías, entre otras. Las técnicas
utilizadas para esta investigación es la encuesta de forma escrita.
En base a ello, se hará empleo de la estadística descriptiva porcentual, la

misma permitirá presentar los datos obtenidos mediante cuadros de
distribución de frecuencia simples y porcentuales.
3.7. PROCESO DE INVESTIGACIÓN
El procedimiento para la recolección de datos se iniciará con una solicitud

de autorización dirigida al director de la Clínica La Familia Dr. José Gregorio
Olivares para aplicar el instrumento a los médicos especialistas. Es por ello,
que se solicitará una entrevista con el director, donde se explicará el
propósito de la investigación.
Seguidamente, se realizará una reunión con los médicos especialistas

para presentarles los aportes del instrumento, además se les informará sobre
los resultados toda vez que se aplique el instrumento.
Al finalizar la recolección de los datos se llevará a cabo las actividades

que se mencionan a continuación: a) Revisión de cada uno de los
cuestionarios para verificar que hayan sido respondidos en su totalidad; b)
Elaboración de una matriz de datos en donde se registrarán las respuestas
en cada uno de los ítems, los cuales serán enumerados y c) Realizar el
análisis de indicadores y dimensiones, tomando en cuenta los contenidos
84
teóricos del estudio, considerando los aportes de los médicos especialistas y
el razonamiento de los autores, para fortalecer su interpretación.
85
CAPITULO IV
DISCUSIÓN DE RESULTADOS
4.1. TÉCNICA DE ANÁLISIS
En este capítulo se presentan los resultados de la investigación obtenidos

mediante el procesamiento, análisis e interpretación de los datos obtenidos,
arrojados de la población en estudio.
En la técnica del Análisis se descompone el sistema en elementos de más

fácil manejo, para su estudio y posterior recomposición o síntesis (inducción),
sin olvidar que estas partes así estudiadas continúan formando parte del
todo, por lo cual no pueden omitirse sus relaciones.
La recolección de datos cuantitativos implica el uso de números para

evaluar la información. Las técnicas cuantitativas operan con números que
son analizados con análisis estadístico para probar hipótesis y realizar un
seguimiento de la fuerza y dirección de los efectos.
Según Hernández Sampieri (1997), el cuestionario es tal vez el más

utilizado para la recolección de datos; este consiste en un conjunto de
preguntas respecto a una o más variables a medir. Además, se utilizó el
escalamiento tipo Likert, el cual sirve para medir las actitudes de los
profesores.
En este sentido las técnicas utilizadas para el desarrollo de la

investigación que fue llevado a cabo en la Clínica La Familia Punto Fijo,
Estado Falcón fue el Cuestionario auto administrado de escala Likert.
60
4.2. ANÁLISIS E INTERPRETACIÓN DE LOS RESULTADOS
A continuación, se presentan los análisis de los resultados luego de la

aplicación del instrumento a 8 profesionales entre ellos médicos residentes
y especialistas que trabajan en la clínica ―Clínica La Familia C.A.‖ de la
ciudad de Punto Fijo del Estado Falcón.
A continuación, se presentan y analizan la información recolectada

considerando el cuadro de variables, presentado en el Capítulo 1. El
Problema.
INDICADOR:
DIMENSIÓN: FACTORES QUE INLFUYEN EN LA EFC
CON
CONTACTO OPCIONES MÚLTIPLES
O
INVASIVOS Casi A Casi
Siempre % % % % Nunca %
Siempre veces Nunca
1 1 12,5 4 50 3 37,5 0 0 0 0
2 5 62,5 2 25 1 12,5 0 0 0 0
3 1 12,5 2 25 0 0 2 25 3 37,5
4 0 0 2 25 2 25 3 37,5 1 12,5
5 5 62,5 1 12,5 2 25 0 0 0 0
Cuadro Nº 05. Ítem 1. Aspectos demográficos
70
60
50
40
30
20
10
0
1 2 3 4 5
SIMPRE % CASI SIEMPRE% A VECES% CASI NUNCA% NUNCA%
Fuente: Guanipa, Mejia (2022)

Gráfico Nº 01. Aspectos demográficos
87
ANÁLISIS:
Los datos que se representan en el Cuadro Nº 05. Corresponden a los

resultados obtenidos luego de la aplicación del instrumento a los sujetos
objeto de estudio (personal de la clínica), lo cual forman parte de la
investigación planteada, referente a la estimación de la frecuencia cardiaca
en usuarios de la Clínica la Familia de Paraguaná, el Contacto o Intrusivo es
la dimensión a estudiar dentro de los factores de la (EFC) el cual se expresan
de la siguiente manera:
Dentro de los aspectos demográficos se puede observar lo siguiente: el

50 % de los encuestados alegan que casi siempre preguntan:
El género/ sexo, mientras que el 37,5% dicen que lo hacen a veces y solo
un 12,5% dice que siempre, del mismo modo, el 62,5% de ellos dice que
siempre preguntan por la edad los cual el 25% alega que casi siempre lo
hace y un 12,5% a veces lo hace, en tal sentido, el 37,5 dice que nunca
pregunta su ocupación, el 25 % casi nunca, otro 25% de ellos alega que casi
siempre lo hacen y un 12,5% dice que siempre lo hacen. Continuando con
los factores demográficos tenemos si se le pregunta la dirección al respecto
el 37,5% dice de casi nunca pero el 12,5% dice que nunca lo hace, por lo
que el 25% alega que a veces los hace y otro 25% casi siempre. De tal
manera se tiene otro factor de importancia es si se observa la condición física
de paciente al respecto el 62,5% de ellos alega que siempre lo hacen el 25%
a veces lo hacen y solo el 12,5% que casi siempre.
Considerando los datos presentado anteriormente se evidencia lo

siguiente: existe una inclinación positiva a que la mayoría de los encuestados
preguntan por el género y la edad del paciente, mientras que existe una
tendencia negativa a que los encuestados preguntan por su ocupación del
mismo modo ocurre con su dirección, pero existe una tendencia positiva a
que los encuestados observan la condición física del paciente.
88
En tal sentido según Platonov & Bulatova (2001:282) la FC es igual a
50-60 p/m depende de factores genéticos, del estado físico, del estado
psicológico, de las condiciones ambientales, de la postura, de la edad y del
sexo. Es por ello que todo proceso pasa por un cambio en la estructura
genética de las personas, ya que los aspectos demográficos tienen
importante aplicabilidad ya se debe conocer el entorno en la cual el paciente
se desenvuelve. Así mismo autores sustentan las información de la
importancia de los aspectos demográficos a considerar para la estimación de
la frecuencia cardiaca tales como: Porta (2008), Reyes (2015), Patitó(2000),
Díaz (2014) y Semizel (2008)
INDICADOR:
CON
O
Siempre veces Nunca
6 3 37,5 2 25 2 25 1 12,5 0 0
7 5 62,5 2 25 1 12,5 0 0 0 0
8 1 12,5 0 0 3 37,5 4 50 0 0
Cuadro Nº 06. Ítem 2. Revisión por Sistemas
70
60
50
40
30
20
10
0
6 7 8

Gráfico Nº 02. Revisión por Sistemas
89
ANÁLISIS:
En esta parte de la investigación se analiza el Factor Revisión por

Sistemas, donde se les pregunta a los encuestados lo siguiente, ¿revisan al
paciente el sistema respiratorio? El 37,5% alega que siempre lo hacen
mientras que el 25% de ellos dicen que casi siempre, el 25% alega que a
veces el resto dice que casi nunca.
Otro aspecto es el sí revisan el sistema nervioso lo que respondieron lo

siguiente, el 62,5 % de ellos dice que siempre lo hacen, mientras el 25%
casis siempre y el 12,5% a veces lo haces. En este sentido se les pregunto
¿revisan al paciente en el sistema muscular? Donde el 50% dice que casi
nunca, el 37,5% a veces lo hacen y solo un 12,5% de ellos siempre.
Considerando los datos que se reflejan se puede evidenciar una inclinación
positiva referida a que los encuestados si revisan a los pacientes desde el
sistema respiratorio y nervioso, pero existe una inclinación negativa a que
revisan a los pacientes en su sistema muscular.
En tal sentido, los sistemas biológicos corresponden la práctica médica

más importante a la entrada del paciente al centro de salud ya que ella
determina inicialmente el estado clínico y general, de aquí se basa la
atención correcta del receptor de la salud. Los individuos que tienen una alta
frecuencia cardiaca en descanso (taquicardia) o aquellos cuya frecuencia de
latido es más baja de lo normal (bradicardia) tienen un mayor riesgo de
padecer una enfermedad renal según pone de manifiesto una investigación
llevada a cabo por el equipo del doctor Dr. Karl T. Weber (2020) de la
Facultad de Ciencias de la Salud de la Universidad de Tenesse, dicha
investigación, sustenta la necesidad del médico en corroborar el buen
funcionamiento de cada sistema y de allí observar cómo se comporta la FC.
Así mismo Reyes (2015) refleja la importancia de la Historia Clínica en la
revisión por sistemas o anamnesis por sistemas
90
INDICADOR:
CON
O
Siempre veces Nunca
9 5 62,5 1 12,5 0 0 2 25 0 0
10 8 100 0 0 0 0 0 0 0 0
Cuadro Nº 07. Ítem 3. Uso de Electrodos
120
100
80
60
40
20
0
9 10

Gráfico Nº 03. Uso de Electrodos
ANÁLISIS:
En esta parte del análisis, se considera el factor uso de electrodos, al

respecto los encuestados respondieron lo siguiente: ¿utilizas los electrodos
en el paciente para medir la frecuencia cardiaca? El 62,5 % de los
encuestados respondieron que siempre lo hacen el 12,5% casi siempre y el
25% de ellos Casi Nunca, En este orden de idea, se preguntó si utilizan el
estetoscopio en el paciente para medir la frecuencia cardiaca: donde el 100
% de ellos alega que Siempre lo hacen.
91
En este ítem se considera aspectos referidos al uso de los electrodos y
estetoscopio, de tal manera que los encuestados se inclinan positivamente al
uso de herramientas de trabajo.
Para la examinar a los pacientes y dar un diagnostico en relación a

cualquier patología la enfermera o el médico conecta los cables del
electrocardiógrafo a la piel del paciente por medio de adhesivos o ventosas
(electrodos). Los puntos donde se colocan los electrodos son: tobillos,
muñecas y pecho, es por ello que unos de las herramientas a utilizar son los
electrodos y el estetoscopio. Yo que con ellos se logra procesar
medicamente al paciente para luego proceder al diagnóstico. Tal como lo
señala la Fundación del Corazón.
INDICADOR:
CON
O
Siempre veces Nunca
11 5 62,5 1 12,5 2 25 0 0 0 0
Cuadro Nº 08. Ítem 4. Tiempo de espera.
70
60
50
40
30
20
10
0
11

Gráfico Nº 04. Tiempo de espera
92
ANÁLISIS:
A continuación se analiza el factor Tiempo de Espera, de lo cual se les

pregunto a los encuestados lo siguiente: ¿los periodos de revisión de la
Frecuencia Cardiaca al paciente es en minutos? A respecto respondieron, el
62,5% de ellos dicen Siempre se hace solo el 12,5% dice que Casi siempre
mientras que el 25% de ellos dice a veces lo hacen.
En este Ítem los encuestados se refieren al tiempo de espera, lo cual se

inclinan a los aspectos positivos, donde los periodos de revisión de la
frecuencia cardiaca se hacen en minutos.
En esta parte se establece el momento en el que el medico u especialista,

interviene al paciente tratando de tomar apreciación de su estado, optando
por medir su frecuencia cardiaca en un tiempo recomendable.
Es necesario sustentar con lo dicho por E. Gregory Thompson y Martin

J.Gabica (2022) y es que se puede tomar el pulso contando los latidos en un
período de tiempo (por lo menos de 15 a 20 segundos) y multiplicando esa
cifra para obtener el número de latidos por minuto. El pulso cambia minuto a
minuto. Será más rápido cuando haga ejercicio, tenga fiebre o esté bajo
estrés. Será más lento cuando esté descansando.
INDICADOR:
CON
O
Siempre veces Nunca
12 1 12,5 1 12,5 0 0 6 75 0 0
13 4 50 2 25 0 0 2 25 0 0
14 6 75 2 25 0 0 0 0 0 0
Cuadro Nº 09. Ítem 5. Métodos para la obtención de FC
93
80
70
60
50
40
30
20
10
0
12 13 14

Gráfico Nº 05. Métodos para la obtención de FC
ANÁLISIS:
Continuando con los análisis respectivos nos encontramos con el factor

Método para la obtención de la Frecuencia Cardiaca. En tal sentido a los
encuestados se les pregunto lo siguiente: ¿utiliza el método
electrocardiográfico en el paciente para medir su FC? Al respecto el 75% de
ellos alegan que casi nunca lo hacen, mientras que el 12,5 % de ellos dice
que casi siempre lo hacen y un 12,5% dice que siempre. De la misma
manera se les pregunto utiliza en Método Fotoplestimografico (SPO), en el
paciente para medir la FC. Lo cual respondieron: el 50% de ellos dice que
Siempre lo utilizan, mientras que el 25 % de ellos dicen casi siempre lo hacen
y solo el 25% de ellos dicen que Casi Nunca lo utilizan. Considerando que
también se les pregunto lo siguiente: Utilizan el Método de Auscultación en el
paciente para medir su FC?. En tal sentido respondieron lo siguiente: el 75%
de ellos alegan que siempre lo utilizan, mientras el 25% de ellos alegan que
casi siempre lo utilizan.
A continuación, se visualizan los resultados luego de la aplicación del

instrumento, basados en el método para la obtención de la Frecuencia
94
Cardiaca. De tal manera que los encuestados se inclinan de la siguiente
manera: existe un sesgo negativo a la utilización del método
electrocardiográfico, mientras hay un sesgo positivo a la utilización de
método fotopletismográfico y negativamente por la utilización del método de
auscultación. Meneses, A. (2005) en tal sentido Pulso cardiaco apical y los
tonos cardiacos se valoran mediante auscultación. Con el estetoscopio y con
palpación en el infante.
INDICADOR:
DIMENSIÓN: BIOSEGURIDAD
CON
O
Siempre veces Nunca
15 8 100 0 0 0 0 0 0 0 0
Cuadro Nº 10. Ítem 6 Bioseguridad
120
100
80
60
40
20
0
15

Gráfico Nº 06. Bioseguridad
95
ANÁLISIS:
A continuación, se presentan el análisis del indicador Bioseguridad, en el

se contemplaron varios elementos que sirvieron de interpretación en la
variable cuestión de estudio, la bioseguridad como elemento básico, lo cual
se les realizo la siguiente pregunta al personal encuestado, ¿utiliza las
medidas seguras en el paciente? Al respecto los encuestados respondieron
el 100% alega que siempre la utilizan.
En esta parte, los encuestados se inclinan a los aspectos positivos por lo

que las medidas seguras son aplicadas por los encuestados al realizar su
práctica médica. En un artículo publicado por la (OPS 2020) asegura que las
prácticas de prevención y control de infecciones necesitan implementarse
para garantizar la seguridad de los trabajadores de salud y pacientes en
establecimientos de salud, es fundamental prevenir la contaminación cruzada
y contener la propagación del COVID 19.
INDICADOR:
CON
O
Siempre veces Nunca
16 3 37,5 5 62,5 0 0 0 0 0 0
17 0 0 1 12,5 1 12,5 2 25 4 50
18 7 87,5 0 0 1 12,5 0 0 0 0
Cuadro Nº 11. Ítem 7. Comodidad
96
100
90
80
70
60
50
40
30
20
10
0
16 17 18

Gráfico Nº 07. Comodidad
ANÁLISIS:
En el Cuadro Nº 11 se representan los datos suministrados por los

sujetos encuestados, refiriéndose al indicador comodidad, en esta parte se le
pregunto lo siguiente: En la toma de medida de la FC al paciente, este ¿lo
realiza sentado? Al respecto el 62,5% respondieron que casi siempre lo
realizan. Mientras que el 37,5% alega que siempre lo hace. De la misma
forma se le pregunto en la toma de medida de la FC al paciente, ¿este lo
realiza parado? Al respecto el 50% de ellos respondieron que nunca lo
hacen, mientras que el 25% dice que casi nunca lo hace, un 12,5% dice que
a veces y otro 12,5% alega que casi siempre lo realiza. Por último se analiza
la siguiente pregunta en la toma de medida de la FC al paciente, este lo
realiza acostado? El 87,5% de los encuestados alegan que siempre lo hacen
y u 12,5% alega que a veces lo realiza.
Con relación al aspecto comodidad los encuestados se inclinan

positivamente a realizar la toma de medida de FC en posición sentada y
acostada, mientras que no apoyan en realizarla parados. E. Gregory
Thompson y Martin J.Gabica (2022) refiere que el paciente a la hora de la
97
toma de la medida debe estar cómodo.Del mismo modo Platonov &
Bulatova (2001:282) la FC se toma generalmente con la persona en reposo:
sentada, o acostada. En un adulto sano, en reposo, el pulso suele hallarse
en el rango de los 60-100 latidos por minuto. Durante el ejercicio físico el
rango puede aumentar a 150-200 latidos por minuto y durante el sueño
puede bajar de 60 latidos por minuto.
INDICADOR:
CON
O
Siempre veces Nunca
19 4 50 3 37,5 0 0 1 12,5 0 0
20 7 87,5 1 12,5 0 0 0 0 0 0
21 2 25 2 25 1 12,5 1 12,5 2 25
22 0 0 0 0 0 0 4 50 4 50
23 0 0 1 12,5 0 0 2 25 5 62,5
Cuadro Nº 12. Ítem 8. Accesibilidad
100
90
80
70
60
50
40
30
20
10
0
19 20 21 22 23

Gráfico Nº 08. Accesibilidad
98
ANÁLISIS:
En el Cuadro Nº 12 se representan los datos del indicador accesibilidad,

lo cual son resultados de preguntas aplicadas al personal de la clínica,
expresadas de la siguiente manera: es accesible la medida de toma de la FC
en recién nacidos. Al respecto se respondió el 50% que siempre es
accesible, por lo que un 37,5% alega que casi siempre es accesible y solo un
12,5% dice que es casi nunca. En este mismo orden de idea se aplica la
siguiente pregunta ¿es accesible la medida de toma de la FC en pacientes
oncológicos?
El 87,5 % dice que siempre lo es mientras que el 12,5% opinan que casi
siempre lo es. Considerando lo siguiente se les pregunto ¿es accesible la
medida de toma de FC en pacientes con quemaduras? Al respecto el 25%
alega que siempre lo es, mientras el 25% dice que casi siempre lo es, un
12,5% que a veces, otro 12,5% alega que casi nunca y un 25% que nunca.
siguiendo con el indicador accesibilidad se les pregunta a los encuestados lo
siguiente: ¿es accesible la medida de toma de FC en pacientes con piel
sensibles? El 50% dice que nunca lo es y el 50% de ellos alego que casi
nunca es accesible. Luego se les pregunto ¿es accesible la medida de toma
de la FC en pacientes hafefobicos? El cual el 62,5% alega que nunca lo es,
mientras que el 25% alega que casi nunca y un 12,5% dice que casi siempre
lo es.
A continuación, se presenta una serie de información referente a la

accesibilidad, al respecto existe una inclinación positiva para la toma de la
FC a pacientes recién nacidos y pacientes oncológicos, para los pacientes
con quemaduras es poco accesibles y para los pacientes con piel sensibles y
hafefobicos se inclina a lo negativo para la toma de FC.
Según González A (2005), Existe un interés por extraer la información de

la HRV sin contacto, especialmente en recién nacidos prematuros y personas
99
de edad avanzada, para quienes la piel es frágil vulnerable y los pacientes
con hatetobia (miedo a ser tocados), a los sensores tradicionales.
INDICADOR:
CON
O
Siempre veces Nunca
24 0 0 0 0 0 0 3 37,5 5 62,5
Cuadro Nº 13. Ítem 9. Software de Visión Virtual
70
60
50
40
30
20
10
0
24
Fuente: Guanipa, Mejía (2022)

Gráfico Nº 9. Software de visión virtual
ANÁLISIS:
Según lo descrito en el cuadro anterior los datos que se representan,

proporcionan información sobre el indicador Software de visión virtual, de tal
manera que, los encuestados respondieron a lo siguiente: ¿Utiliza los
métodos por Pletismografía remota (PC, SMARTPHONE, CAMARA WEB)?
EL 62,5% de los encuestados respondieron que nunca lo utilizan, mientras el
37,5% de ellos respondieron casi nunca.
100
Con relación a la utilización de métodos Pletismográficos la mayoría de
los encuestados se inclinan a lo negativo es decir no utilizan el método. Por
tal razón, Es un método no invasivo y sencillo de implementar que hace
posible conocer los cambios de volumen en un cuerpo por medio de la
cantidad de luz que refleja. Para estimar los cambios del volumen sanguíneo
se utilizan diodos emisores de luz (LED) verde que iluminan la piel. El cambio
de volumen que se presenta por la presión del pulso es detectado con la luz
infrarroja que emite el LED, para después medir la cantidad de luz reflejada
con un fototransistor. Su resultado obtiene una señal característica que hace
posible determinar la FC e incluso la oximetría de pulso.
Es por ello que la estimación de la HR ha sido esencial en la biomedicina

a lo largo de los años ya que va desde sensores de contacto a sensores sin
contacto. Los métodos experimentales sin contacto son la medición a
distancia por microondas/ultrasonido, las imágenes térmicas y las imágenes
Rojo Verde Azul (RGB), por lo que la estimación de la frecuencia cardíaca
mediante el uso de la cámara digital es un área de investigación en rápido
crecimiento debido a su bajo costo y su naturaleza no invasiva. (González,
A. (2019) y Martín, A.)(2018)
INDICADOR:
CON
O
Siempre Veces Nunca
25 0 0 0 0 0 0 1 12,5 7 87,5
Cuadro Nº 14. Ítem 10. Trasmisión de los datos
101
100
90
80
70
60
50
40
30
20
10
0
25

Gráfico Nº 10. Trasmisión de los datos
ANÁLISIS:
Según lo descrito en el cuadro anterior los datos que se representan,

proporcionan información sobre el indicador Transmisión de los datos
virtuales, de tal manera que, los encuestados respondieron a lo siguiente:
¿Utiliza la PPGr actualmente? EL 87,5% de los encuestados respondieron
que nunca lo utilizan, mientras el 12,5% de ellos respondieron casi nunca.
En esta parte del análisis de la información referente a la transmisión de

los datos virtuales el sesgo es negativo para su utilización. por lo tanto, Las
señales de PPG pueden obtenerse de manera remotas a través de
imágenes, lo que se les conoce como PPG remota. Es una técnica óptica
que permite la medición de signos vitales como lo son la frecuencia cardíaca,
la respiración y la presión arterial. La medición y monitoreo de estos signos
es importante para detectar problemas cardiacos como la hipotensión e
hipertensión, ambas relacionadas con la presión arterial o las arritmias en el
caso de la frecuencia cardíaca. La PPG remota obtiene la señal,
generalmente, de la imagen tomada del rostro de la persona, existen varias
102
aplicaciones asociadas con las mediciones que se pueden llevar a cabo con
esta técnica como la detección de emociones, la detección de estrés, entre
otras.
Las señales biomédicas, tales como la cardiaca, la cerebral, la muscular,

la respiratoria, la de saturación de oxígeno, entre otras, son de muy bajo
potencial eléctrico, del orden de los mV, y están sometidas a muchos tipos
de ruido, los que perjudican su observación y presentación en el análisis
médico del paciente (Sánchez, 2008). En ese sentido, es necesaria una
técnica de procesamiento de señales biomédicas (Bautista, 2005) y una
alternativa sería la aplicación de filtros digitales desarrollados en Matlab
(Bravo y Quevedo, 2003).
Por lo que para llevar a cabo el procesamiento de la transmisión de los

datos obtenidos por el Softaware Matllab es necesario el uso de no solo
transmitir los datos sino además asegurar que no genere en el resultado un
dato erróneo debido a ruidos, artefactos provocados por tremor muscular , ya
que generalmente la región de interés ROI se encuentra frente ,labios ojos y
mejillas y parte de alguna de ellas es susceptible a movimientos involuntarios
por lo que se hace uso de Filtros Digitales que permitan obtener una
frecuencia de muestreo en el rango de la frecuencia deseada eliminando
mediante filtros pasa banda aquellas que no son deseadas para el estudio de
la señal.
103
4.3. CONCLUSIONES Y RECOMENDACIONES
4.3.1. CONCLUSIONES
 Luego de analizar los resultados arrojados de la encuesta aplicada al

personal de cardiología (médicos, especialistas y residentes) se pudo
evidenciar la necesidad de proponer un Software para la Estimación de la
Frecuencia Cardiaca basado en Pletismografia remota Caso: Clínica La
Familia, Punto Fijo-Estado Falcón. Esto debido a que fue posible gracias
a que se cumplieron con los objetivos propuestos:
 Diagnosticar los factores influyen en la Estimación de la Frecuencia

Estado Falcón, donde se pudo evidenciar la necesidad de considerar los
aspectos demográficos tales como: Género/sexo, Edad, condición física y
de incluir otros aspectos demográficos necesarios para la estimación de
la Frecuencia cardiaca tales como la temperatura, ingesta de
medicamentos, estado psicológico del paciente, color de piel.
 Identificar cuáles son los tipos de Frecuencia cardiaca a considerar para

la EFC como la FCreposo y FCmáxima y proponer además un indicador
(alarma) en el software que permita identificar las arritmias.
 Describir las formas de obtención de la EFC de los pacientes. Esta

impresión se hace debido a las investigaciones y encuestas realizadas al
personal calificado de este centro de salud. Lo que permitió lograr la
consecución de los objetivos planteados en el logro de la investigación.
104
4.3.2 RECOMENDACIONES
En base a las conclusiones desarrolladas anteriormente, se presentan a

continuación las recomendaciones que se desprenden de la investigación:
 Es necesario que esta Propuesta sea llevada a cabo en

investigaciones de tipo experimental, con el fin de poder establecer
pruebas que permitan la manipulación de variable experimental no
comprobada, en condiciones rigurosamente controladas, con el fin de
describir de qué modo o por qué causa se produce una situación o
acontecimiento particular. Así como llevar a cabo investigaciones
correlacional para evaluar el grado de asociación o relación de las
variables que intervienen en el fenómeno.
 Promover en la UNEFM el desarrollo de investigaciones similares, que
permitan mejorar el desempeño institucional tanto de instituciones de
salud pública, privada, educativa tales como propuestas de software
que permitan evaluar la actividad del sueño, y otras patologías
asociadas.
 Desarrollar nuevas funcionabilidades como los requerimientos de
memoria y procesamiento del programa, así como aplicaciones que
mejoren el desempeño del software propuesto, que se ajusten a las
necesidades de la institución a fin de mejorar el bienestar del y para el
paciente en aras de minimizar los tiempos de respuesta.
 Adiestrar al equipo multidisciplinario en cuanto a la importancia del
uso de herramientas tecnológicas en las áreas asistenciales llámese
emergencia, consultas, hospitalización y cirugía pues de esta manera
se mejora la eficacia de la Clínica su prestancia en el buen servicio,
logrando con ello mayor compromiso por parte del personal adscrito al
mismo hacia los pacientes con enfermedades cardiovasculares.
105
CAPÍTULO V
LA PROPUESTA
En este capítulo se describen las actividades que fueron realizadas para

el logro del objetivo general de este proyecto, siendo éste Proponer Software
para la estimación de Frecuencia Cardiaca basado en Pletismografía
Remota Caso: Clínica La Familia, Punto Fijo-Estado Falcón.
Para su desarrollo se implementó el uso del Programa o Software Matlab.
5.1. INTRODUCCIÓN
Las señales biomédicas, tales como la cardiaca, la cerebral, la muscular,

la respiratoria, la de saturación de oxígeno, entre otras, son de muy bajo
potencial eléctrico, del orden de los mV, y están sometidas a muchos tipos
de ruido, los que perjudican su observación y presentación en el análisis
médico del paciente (Sánchez, 2008). En ese sentido, es necesaria una
técnica de procesamiento de señales biomédicas (Bautista, 2005) y una
alternativa sería la aplicación de filtros digitales desarrollados en Matlab
(Bravo y Quevedo, 2003).
Luego de adquirir las señales biomédicas, que es materia de otro estudio,

se tuvo una gama de señales para ser procesada, y si se habla de
procesamiento, necesariamente se tiene que tratar de la atenuación de todo
tipo de ruido, y posteriormente el acondicionamiento para la digitalización y la
interacción de la Señal Computadora.
106
5.2 ESTUDIO DE LA FACTIBILIDAD
La factibilidad se refiere a la disponibilidad de los recursos necesarios

para llevar a cabo los objetivos o metas señaladas. Se conoce como
factibilidad al grado en el que lograr algo es posible o las posibilidades que
tiene de lograrse. Uno de los pasos para determinar la viabilidad de esta
propuesta fue tomar en consideración ciertos factores que permitieron
establecer los beneficios y costos en caso que éste sistema de telemedicina
llegara a implantarse; estos factores son:
5.2 1 FACTIBILIDAD INSTITUCIONAL
Ésta se ve a cargo del recurso humano que conforma el equipo de trabajo

del área de cardiovascular de la Clínica La Familia, específicamente los
médicos especialistas y su equipo multidisciplinario de salud que
interaccionaran con el sistema propuesto.
5.2.2 FACTIBILIDAD TÉCNICA
Con respecto a la factibilidad técnica del software
De igual forma tampoco es necesaria la adquisición ni la instalación de

nuevos equipos (hardware), que cumplan con los requerimientos :Procesador
i5 2 generación y 4 GB de RAM de memoria en adelante para un
procesamiento óptimo en la adquisición de los datos y su procesamiento de
video. En este sentido la institución cuenta con un computador en el área de
administración, que será la estación principal de interacción con el sistema,
solo se requiere que además cuenten con teléfono inteligente con la
aplicación del software.
107
5.2.3 FACTIBILIDAD OPERATIVA
El software será utilizado constantemente por el personal de la institución

(médicos especialistas), lo que garantiza su permanencia en el tiempo. Se
debe mencionar también que es necesario el adiestramiento y entrenamiento
de dicho personal para que pueda hacer uso correcto del software, y a su
vez ellos capacitar a los pacientes para que hagan uso del mismo cambiando
la cultura del médico no me toca, en este sentido se promueve la
Bioseguridad del paciente y del personal.
5.2.4 FACTIBILIDAD PSICOSOCIAL
El software causará un impacto positivo en la sociedad, ya que a través

de éste se facilitará la interacción médico-paciente, y se automatizarán
procesos, lo que se traduce como menos carga emocional y física para el
personal que labora en la institución.
5.3 OBJETIVOS DE LA PROPUESTA

5.3.1 OBJETIVO GENERAL
Facilitar la medida de Frecuencia Cardíaca a través de herramientas

computacionales.
5.3.2 OBJETIVOS ESPECÍFICOS
- Introducir los datos en el software al programa.

- Procesar los datos mediante códigos binarios.
- Establecer comparación mediante medias y varianzas entre los datos.
- Generar una gráfica a partir de los datos generados en la base de
datos.
108
5. 4 TEORÍAS O TÉCNICAS QUE SUSTENTAN LA
PROPUESTA
A continuación, se describe detalladamente cada una de las etapas,

resaltando el procedimiento implementado, así como su importancia.
5.4.1 ESQUEMA GENERAL DE METODOLOGÍA
En la Figura Nº 17 se muestra el esquema general de la metodología

aplicada, empezando por la creación de la base de datos, la detección del
rostro, la selección de la región de interés, seguimiento facial, transformación
de imágenes a diferentes espacios de color y terminando con la obtención de
señales de interés y obtención estimación de la frecuencia cardiaca.
Finalmente, se describe lleva a cabo un el análisis estadístico que se realizó
con los resultados obtenidos para cada uno de los espacios de color.

Figura Nº 17: Esquema general de la metodología aplicada.
5.4.2 MATERIALES
Para el desarrollo de este proyecto se necesitó equipo de cómputo,

dispositivos electrónicos, software especial. A continuación, en el Cuadro Nº
15 se describe cada uno de estos.
109
Entre ellos cabe destacar que cada consultorio, o lugar donde se realizará
la prueba debe contar tanto como con recursos tecnológicos como humanos.
Material/ Equipo/
Descripción
Software
Modelo VIT Modelo P2403 Procesador i5 2
Laptop
generación y 4 GB de RAM en adelante
Modelo Iphone 7, con cámara integrada (Cámara
Teléfono Celular
de 12 MP)
Pulsioxímetro, es un dispositivo que mide la
Oxímetro de Pulso saturación de oxígeno de la sangre (SpO2) sin

necesidad de una prueba de laboratorio.
Plataforma y lenguaje de programación diseñada
MATLAB para analizar y diseñar sistemas. Se utilizó la

versión R2020a
Cuadro Nº 15. Materiales utilizados
5.4.2 BASES DE DATOS
Debido al alcance del proyecto, se desarrolló una base de datos desde

cero. Esta cuenta con la información de 10 sujetos de prueba, un video de 20
segundos donde se muestra el rostro del sujeto, la señal de FC del sujeto
adquirida simultáneamente con el video a través de la oximetría de pulso y
finalmente, la frecuencia cardiaca del sujeto.
Durante la prueba, los sujetos se mantuvieron sentados en estado de

relajación y la cámara fue colocada en la parte frontal a 50 cm del
participante, como se muestra en la figura.
110
Figura Nº 18. Toma de video en sujeto de prueba.
Es importante mencionar que, durante la grabación del video, se le pidió

al sujeto retirarse el tapaboca, conservar la calma y mantener una postura
cómoda, evitando movimientos y sonreir,
Durante la toma del video al paciente, se procedió además del uso de un

oxímetro de pulso registrando así la toma de los datos.
Se verificó que la grabación mostrara el rostro completo del sujeto como

se observa en la Figura Nº 19. Así mismo, se verificó la duración de los
videos (20 segundos).
5.4.3 TOMA DE LA SEÑAL Y FRECUENCIA CARDIACA PROMEDIO
Para la toma de la señal se procedió a colocarle a los pacientes el

ojímetro de pulso e indicarles que durante los veinte segundos que dura la
toma del video, se estaría tomando apuntes de los datos arrojados por el
sensor cada dos segundos, para una vez tomado los 10 datos, se
promediara la frecuencia cardiaca del paciente y posteriormente se
comparara con la arrojada por el software.
111
Figura Nº 19. Colocación correcta del Sensor de SpO2.
Durante la toma de los videos en cada paciente se procedió a la

evaluación de la FC través del oxímetro cada 2 s si el video dura 20
segundos son 10 los datos aportados. Ver Cuadro Nº 16.
Paciente Nº / Seg. 2s 4s 6s 8s 10s 12s 14s 16s 18s 20s

Paciente 01 63 63 63 63 63 63 63 63 62 62
Paciente 02 86 88 89 89 89 89 88 86 86 86
Paciente 03 63 63 63 62 62 61 61 61 61 61
Paciente 04 64 64 65 65 65 65 64 64 64 63
Paciente 05 78 78 77 73 71 69 69 69 69 69
Paciente 06 85 84 84 84 82 82 80 78 78 78
Paciente 07 80 80 79 78 77 77 77 76 75 76
Paciente 08 80 81 81 81 80 79 80 79 79 80
Paciente 09 81 82 82 84 84 84 83 82 81 81
Paciente 10 60 60 59 59 59 59 60 60 60 61
Cuadro Nº 16. Toma de frecuencia cardiaca cada dos segundos mientras se
toma el video
Una vez obtenido los datos, se procedió a sacar la frecuencia promedio

en cada uno de los pacientes haciendo la suma de los 10 valores aportados
y luego dividido por el mismo número. Ver Cuadro Nº 17.
112
Paciente Nº / Seg. 2s 4s 6s
8s 10s 12s 14s 16s 18s 20s FCPROM
Paciente 01 63 63 63
63 63 63 63 63 62 62 62,8
89 89 89 88 86 86 86 87,6
62 62 61 61 61 61 61 61,8
65 65 65 64 64 64 63 64,3
73 71 69 69 69 69 69 72,7
84 82 82 80 78 78 78 81,5
78 77 77 77 76 75 76 77,5
81 80 79 80 79 79 80 80
84 84 84 83 82 81 81 82,4
59 59 59 60 60 60 61 59,7
Cuadro Nº 17. Toma de frecuencia cardiaca cada dos segundos mientras se
toma el video y promediada
5.4.4 DETECCION DE ROSTRO
Tan pronto como se completó la base de datos, se cargaron y leyeron los

videos en MATLAB. Puesto que la región de interés se encuentra en la cara,
se procedió a detectar el rostro para cada uno de los videos, implementando
el algoritmo de Viola-Jones.
5.4.4.1 DETECCIÓN DEL ROSTRO MEDIANTE EL ALGORITMO DE

VIOLA JONES
Para la detección del rostro, se aplicó un detector de objetos en cascada

(vision.CascadeObjectDetector), el cual se destaca por aplicar el algoritmo de
Viola-Jones, siendo uno de los algoritmos más notorios por su rapidez y
efectividad. Con esta función es posible realizar la detección del rostro
completo o incluso partes más específicas como los ojos, boca, nariz, entre
otros. En este caso, se aplicó para el rostro completo, colocando un
rectángulo amarillo en la zona detectada como se muestra en la Figura Nº
20. Las coordenadas de los cuatro vértices del rectángulo fueron guardadas
en una variable para ser utilizadas más adelante.
113
Figura Nº 20. Detección del rostro con el algoritmo Viola-Jones
Es importante destacar que el algoritmo de Viola Jones además de

detectar el rostro, posee un parámetro que permite detectar los ojos, la nariz
y la boca, en este caso, sabiendo donde está ubicado el rostro y donde están
los ojos, se procede a abrir una caja debajo de los ojos sin que esta se salga
del rostro que incluye la nariz, las mejillas y la boca.
5.4.5 SEGUIMIENTO DE ROSTRO
Ya que la detección de los puntos de interés se aplicó únicamente en el

primer frame del video, se continuó con la aplicación del algoritmo de Lucas–
Kanade. Se trata de un método diferencial para realizar el seguimiento de
puntos específicos en una secuencia de imágenes. De esta manera, se
114
obtuvo la información en cada región de interés a lo largo del video (frame
por frame). Otro beneficio de aplicar este algoritmo es el seguimiento de los
puntos aun cuando el sujeto de prueba se encuentra en movimiento, sin
embargo para el desarrollo de esta estimación se le pidió a los pacientes que
evitaran cualquier movimiento.
5.4.6 DEFINICIÓN DE MÁSCARAS SOBRE REGIONES DE INTERÉS
Una máscara aplicada a una imagen es una herramienta donde los

pixeles que no pertenecen a la región de intereses toman un valor de cero.
De esta manera, se elimina la información que se encuentre fuera de zona a
analizar. Para este trabajo se aplicó esta técnica ya que facilita la obtención
de los datos que se encuentran en la región cigomatica.
Primeramente, se aplicó la función ‗roipoly‘ para crear una máscara

binaria según los puntos dados. De esta forma se obtuvo una máscara
binaria para la región de interés.
115
Figura Nº 21. Máscara binaria para zona de interés
Ya establecidas las máscaras binarias, se procedió a obtener las

máscaras con la información original (en el espacio de color RGB). Al igual
que en la binaria, todos los datos fuera de la región de interés fueron
igualados a cero, obteniendo las máscaras observada en la figura
116
Figura Nº 22. Máscara RGB para zona de interés
5.4.7 OBTENCIÓN DE SEÑAL EN ESPACIO DE COLOR RGB
Al tener definida el área de interés por medio de las máscaras, el

siguiente paso fue promediar la información de todos los pixeles (dentro de la
máscara) para cada uno de los canales del espacio R, G y B. De esta
manera, se obtuvo un valor promedio R, G y B para el primer frame del video.
Se aplicó esta función para cada uno de los frames del video y se guardó la
información en un vector designado para cada canal.
117
5.4.8 TRANSFORMACION DE LOS ESPACIOS DE COLOR
La información de interés obtenida en las señales RGB fue convertida a

distintos espacios de color. Se aplicaron distintas ecuaciones para cada
espacio de color y se obtuvieron nuevos canales. Sin embargo, el
procedimiento de transformación por medio de ecuaciones se aplicó a cada
uno de los fotogramas y así mismo, frame por frame. Por lo tanto, al finalizar
la transformación de cada uno de los fotogramas, se obtuvo un vector para
cada canal.
5.4.9 FILTRADO DE LAS SEÑALES DE LOS ESPACIOS DE COLOR
Se aplicó un filtro pasa-banda para bloquear las señales presentes fuera

de la banda de frecuencia de interés. Se limitó la banda de frecuencia de
interés a un rango de 0.7 Hz a 4 Hz ya que abarca información de la
frecuencia cardiaca desde los 42 LPM a los 240 LMP. De esta manera se
puede asegurar que la componente de la frecuencia cardiaca se encontrará
presente.
Las características del filtro fueron las siguientes:
- Pasa-Banda (0.7 Hz – 4 Hz)

- Filtro activo Butterworth
- Orden 10
Cabe destacar que se implementó la función ―butter‖ de MATLAB. Así

mismo, es importante mencionar que el filtro es implementado antes de
aplicar la transformada discreta de Fourier (DFT) para cada uno de los casos.
5.4.10 ANÁLISIS EN DOMINIO DE FRECUENCIA
118
Debido a que el objetivo es estimar la frecuencia cardiaca, realizar análisis
en el dominio de la frecuencia será clave para obtener los resultados
esperados.
La primera técnica consiste en aplicar únicamente el algoritmo de la DFT,

la segunda en combinar la DFT con el análisis de componentes principales y
la tercera la DFT con el análisis de componentes independientes.
La transformada rápida de Fourier, es un algoritmo que hace posible

estimar la DFT y su inversa, de manera eficiente, se hace necesaria para la
búsqueda del resultado. Con esta herramienta es posible hacer un análisis
en el dominio de la frecuencia de una manera bastante sencilla y rápida. El
programa MATLAB cuenta con una función ―fft‖ que realiza las operaciones
de manera automática y rápida. Dado esto, se aplicó la DFT a cada una de
las señales de los distintos espacios de color. En la Figura 23 se muestran
los canales RGB del sujeto 01 después de aplicar la DFT.

Figura Nº 23. Análisis frecuencial para canales RGB ROI Frente para el
sujeto 01
119
El pico más alto para cada canal representa la frecuencia que predomina
en esa señal. En la Figura 24 se ha realizado un acercamiento a las señales
anteriores, donde se puede visualizar con mayor facilidad la misma
componente de frecuencia. Sin embargo, para cada uno de los canales la
amplitud varía y con ello también varía que tan presente se encuentra esa
componente de frecuencia.

Figura Nº 24. Análisis frecuencial para canales RGB ROI Frente para el
sujeto 01, con acercamiento
5.4.11 ESTIMACION DE LA FRECUENCIA CARDIACA
Después de tener las componentes de frecuencia de interés, se procedió

a estimar la frecuencia cardiaca implementando la siguiente ecuación:
Donde la variable la frecuencia en Hz es obtenida de los picos máximos

encontrados en el análisis de frecuencia. Por ejemplo, en la figura 25 se
observa uno de los picos máximos para el sujeto 01 en la ROI.
120
Figura Nº 25. Análisis frecuencial para canales RGB ROI Frente para
el sujeto 01
En la figura Nº 25 se muestra un mayor acercamiento, así como las

coordenadas del punto máximo para cada canal, donde el valor en X
representa la frecuencia en Hz. Para la estimación de la frecuencia cardiaca
solo se tomara en cuenta el canal R. Dicho esto, la siguiente ecuación
muestran el procedimiento para estimar la frecuencia cardiaca
Este procedimiento se aplicó para la región de interés, para todos los

sujetos de prueba.
5.4.12 RESULTADO
Se obtiene en la ventana de comando el resultado de la frecuencia

cardiaca en el paciente 1 como se muestra en la Figura Nº 26 y Figura Nº 27
121
Figura Nº 26. Resultado aportado por MATLAB

Figura Nº 27. Ventana de comando aportado por MATLAB
Una vez obtenido los resultados a través del Software de Matlab en cada
uno de los pacientes se procede a comparar (Ver Cuadro Nº 18). Se
muestran pantallazos del resto de los pacientes en Anexo D.
122
FC POR FC POR
Paciente Nº / Seg.
SATUROMETRO MATLAB
Paciente 01 62,8 60,000060
Paciente 02 87,6 88,000088
Paciente 03 61,8 61,000000
Paciente 04 64,3 65,000065
Paciente 05 72,7 69,000069
Paciente 06 81,5 80,000000
Paciente 07 77,5 76,000000
Paciente 08 80 81,000000
Paciente 09 82,4 82,000000
Paciente 10 59,7 60,000000
Cuadro Nº 18. Comparación de los resultados
Es importante destacar como la estimación de la frecuencia cardiaca

realizada por el software y comparada con la frecuencia tomada por el
oxímetro de pulso es muy baja, esto hace que el desarrollo de este programa
sea un éxito y pueda ser usado por los profesionales.
5.5 ELEMENTOS DE LA PROPUESTA

5.5.1 REQUERIMIENTOS
Luego de tener claro el objetivo a desarrollar, se inicia un análisis

considerando los datos suministrados mediante las reuniones con el directivo
médico y los resultados de la encuesta aplicada al personal, para recopilar
los requerimientos de mejora de manejo de información de los pacientes
dentro de la Clínica La Familia
Se debe mencionar, que para lograr determinar con exactitud el contenido

de la aplicación, se consideran los requerimientos funcionales y no
funcionales del sistema.
123
5.5.1.1 REQUERIMIENTOS FUNCIONALES
Constituye las funciones que el sistema debe ejecutar para lograr la

consecución de los objetivos identificados en el análisis del mismo.
5.5.1.2 REQUERIMIENTOS NO FUNCIONALES
Son aspectos del sistema visibles para el usuario, que no están

relacionadas de forma directa con el comportamiento funcional del software.
5.6. PANTALLAZOS DE LA APLICACIÓN
Una vez conformada la aplicación propuesta se establecieron los

módulos que componen el desarrollo metodológico del procesamiento de
datos en el computador o programa Matlab de acuerdo a los datos obtenidos
para el registro de la Frecuencia cardiaca.

Figura Nº 28. Pantallazo del archivo video_process.m parte I-IV
124
125
Figura Nº 29. Pantallazo del archivo detector2.m
126
Figura Nº 30. Pantallazo del archivo maskmean.m

Figura Nº 31. Pantallazo del archivo heart_rate_fun.m parte I-II
127
Figura Nº 32. Pantallazo del archivo jadeR.m parte I-XVII
128
129
130
131
132
133
134
135
5.6 RESPONSABLES DE SU APLICACIÓN
Los médicos especialistas quienes operaran con la herramienta

computacional. Aun cuando el equipo multidisciplinario puede interactuar con
el Software siempre y cuando esté capacitado para la adquisición de datos.
Los autores quienes capacitaran a los usuarios y darán adiestramiento del

uso de la misma, así como a los pacientes a contribuir con la misma.
136
REFERENCIAS BIBLIOGRÁFICAS
Anuario de Mortalidad del Ministerio del Poder Popular para la Salud año
(2010) Caracas. República Bolivariana de Venezuela. Disponible en:
http://www.mpps.gob.ve: Ministerio del Poder Popular para la Salud.
Gobierno Bolivariano de Venezuela, 2010.
Anuario de Mortalidad del Ministerio del Poder Popular para la Salud año
(2011) Caracas. República Bolivariana de Venezuela. Disponible en:
http://www.mpps.gob.ve: Ministerio del Poder Popular para la Salud.
Gobierno Bolivariano de Venezuela, 2011
Arias, Fidias (2006). El proyecto de investigación: Introducción a la

metodología científica. (5.a ed.). Caracas: Episteme.
Borreguero, S. (2020). Estimación del ritmo cardíaco por vídeo. (Trabajo Fin
de Grado Inédito). Universidad de Sevilla, Sevilla. Recuperado de:
https://idus.us.es/handle/11441/107056. Consultado el 7 de junio de
2021.
González, Á. (2019). Estimación del ritmo cardíaco mediante análisis de
secuencias de vídeo. (Trabajo Fin de Grado Inédito). Universidad de
Sevilla, Sevilla. Recuperado de:
https://idus.us.es/handle/11441/94062. Consultado el 7 de junio de
2021.
Harrison Principios de Medicina Interna 19a Edición Vol 1

https://www.untumbes.edu.pe//vcs/biblioteca/document/varioslibros/08
34.%20Harrison.%20Principios%20de%20Medicina%20Interna,%20V
ol.%201.pdf
137
Hernández, R., Fernández, C. & Baptista, M. (2014). Metodología de la
investigación (6.a ed.). México: McGraw Hill.
Martín, A. (2018). Detección de ritmo cardíaco mediante análisis de

secuencias de vídeo en color. (Trabajo Fin de Grado Inédito).
Universidad Autónoma de Madrid, Madrid. Recuperado de:
https://repositorio.uam.es/handle/10486/688463. Consultado el 7 de
junio de 2021.
Molina, A. (2019). Detección de ritmo cardíaco mediante análisis de

secuencias de vídeo. (Trabajo Fin de Grado Inédito). Universidad
Autónoma de Madrid, Madrid. Recuperado de:
junio de 2021.
M. Malik y A. J. Camm. (1995)Heart rate variability. Futura Publishing

Company,
Montalvo, J. (2020). Aplicación para la estimación de ritmo cardíaco desde

una cámara web. (Trabajo Fin de Grado Inédito). Universidad
Autónoma de Madrid, Madrid. Recuperado de:
junio de 2021.
Tamayo, Mario (2003). El Proceso de la Investigación Científica.

México: Limusa.
Universidad Pedagógica Experimental Libertador (2016). Manual de Trabajos

de Grado de Especialización y Maestría y Tesis Doctorales (5.ª ed.).
Caracas: FEDUPEL.
138
E-Benjamin y other. (2017). Heart disease and stroke statistics—2017
update: a report from the american heart association. Circulation,
135(10), doi:10.1161/ CIR.0000000000000485.
R. Oweis y L. Hijazi (2006). A computer-aided ecg diagnostic tool. Computer

Methods and Programs in Biomedicine, 81(3):279–284,
doi:10.1016/j.cmpb.2006. 01.003.
Schiffman, Harvey (2011). La Percepción Sensorial. Limusa Wiley. p. 240.

ISBN 968-18-5307-5.
J. L. Amaral, A. J. Lopes, J. M. Jansen, A. C. Faria, y P. L. Melo. (2013) An

improved method of early diagnosis of smoking-induced respiratory
changes using machine learning algorithms. Computer Methods and
Programs in Biomedicine, 112(3):441–454,
doi:10.1016/j.cmpb.2013.08.004.
Lado, M. J. Vila, X. A. L. (2018) Detecting sleep apnea by heart rate

variability analysis: assessing the validity of databases and algorithms.
Journal of Medical Systems, 35(4):473– 481,.doi:10.1007/s10916-009-
9383-5
C. A. García, A. Otero, X. A. Vila, M. J. Lado, L. Rodríguez-Línares, J. M.

Rodríguez, y A. J. Méndez. (2017) Heart rate variability analysis with
the R package RHRV. Springer International Publishing,
Task Force of the European Society of Cardiology, the North American

Society of Pacing, y Electrophysiology. (1996)Heart rate variability:
standards of measurement, physiological interpretation and clinical
use. Circulation, 93(5):1043– 1065,. doi:10.1161/01.CIR.93.5.1043
139
Organización Mundial de la Salud, (2019) Estadísticas de causas de muertes
de las Enfermedades cardiovasculares.
https://www.paho.org/es/noticias/9-12-2020-oms-revela-principales-
causas-muerte-discapacidad-mundo-2000-2019.
R. N. Bracewell y R. N. Bracewell. (1986).The Fourier transform and its

applications. McGraw-Hill New York,
R. Sassi, S. Cerutti, F. Lombardi, M. Malik, H. V. Huikuri, C. K. Peng, G.

Schmidt, y Y. Yamamoto. (2015). Advances in heart rate variability
signal analysis: joint position statement by the e-cardiology esc
working group and the european heart rhythm association co-endorsed
by the asia pacific heart rhythm society. Europace, 17(9):1341–1353,
doi:10.1093/europace/euv015.
Savia (2019). Pletismografía, Salud sabia, 20/06/2019

https://www.saludsavia.com/contenidos-salud/otros
Global Burden of Disease Study (2010). Venezuela Global Burden of Disease

Study 2010 (GBD 2010). Results 1990-2010.
http://www.healthdata.org/: Seattle, United States: Institute for Health
Metrics and Evaluation (IHME).
Wikipedia (2018) Definición de YCbCr. Consultado en línea.

https://es.wikipedia.org/wiki/YCbCr
Wikipedia (2020) Definición de Crominancia. Consultado en línea.

https://es.wikipedia.org/wiki/Crominancia
140
Joyanes Aguilar, Luis. Fundamentos de programación. Mc Graw Hill. España.
2003. p. 53.
E. L. Hall: Computer Image Processing and Recognition (Academic Press,

New York, 1979) Cap. 2, p. 8.
R. C. Gonzalez and R. E. Woods: Digital Image Processing (Prentice-Hall,

New Jersey, 2002) Cap. 1, p. 6; Cap. 2, p.50; Cap. 6, pp. 284-299.
Amat Rodrigo Joaquín (2017) Análisis de Componentes Principales (Principal

Component Analysis, PCA) y t-SNE. Consultado en línea
https://www.cienciadedatos.net/documentos/35_principal_component_
analysis
Sandoval, Diego (2014). Analisis de componentes indepedientes aplicado al

estudio de la actividad cerebral.Consultado en línea:
https://repositorio.unal.edu.co/bitstream/handle/unal/52081/01830451.
2014.pdf?sequence=1&isAllowed=y
Y. G. Shen, A. Bilić, D. J. O‘Connor, and B. V. King, ―Reinvestigation of the

surface reconstruction of Cu(001)-(2 × 2)p4g-Pd,‖ Surf. Sci., vol. 394,
no. 1–3, 1997.
Healthline (2021).Enfermedad cardíaca: Datos, estadísticas y tu salud –

Healthline https://www.healthline.com/health/es/estadisticas-de-
enfermedades-del-corazon
Dr. Valle, A. (2019) Revista científica ciencia cardiovascular. Salud y corazón.

España. https://fundaciondelcorazon.com/prevencion/riesgo-
cardiovascular/frecuencia-cardiaca.html
141
Callejo, M. Ana (2021). Enfermedades psiquiátricas. Hafefobia.
https://cuidateplus.marca.com/enfermedades/psiquiatricas/hafefobia.ht
ml
Belchi, A. (2022) https://www.vozdeamerica.com/a/coronafobia-trastorno-

psicologico-covid-19-preocupa-medicos/6393416.html
OMS, OPS (2020.).«Frecuencia cardíaca».Biblioteca virtual de salud,

Descriptores en Ciencias de la Salud. Consultado el 9 de noviembre
de 2020.
Tanaka H, Monahan KD y Seals DR, (2001). «―Age-predicted Maximal Heart

Rate revisited‖». J Am Coll Cardiol 37 (1): 153-156.
Meneses, A. (2005) Dalcame. Grupo de Investigación Biomédica. Bogotá-

Colombia https://www.dalcame.com/fc.html
Balaguer, M. (2010). Revisando Técnicas: Control de signos vitales. Revista

de Enfermería, 10, 5-10.
Díaz, B. B., Sánchez, J. J. A., & de León, A. C. (2014). Frecuencia cardiaca

en reposo y enfermedad cardiovascular. Medicina Clínica, 143(1), 34-
38.
Bautista, R. (2005). Matlab y el diseño de filtros digitales. Revista Digital de

Investigación y Educación. Recuperado 28 de abril de 2014, a partir de
http://www.ingenieria.unam.mx/~sagfi/images/matlab-filtros.pdf
Bravo, O. y Quevedo, F. (2003). Matlab 6.1. Facultad de Ciencias

Económicas de la Universidad Nacional de Colombia. Recuperado 28
142
de abril de 2014, a partir de
http://fce.unal.edu.co/wiki2/index.php?title=Manual_de_Matlab_6.1
Sánchez, D. (2008). Procesado y Transmisión de Señales Biomédicas para

El Diagnóstico de Trastornos y Enfermedades del Sueño. Tesis
doctoral, Universidad de Cádiz. España. Recuperado 28 de abril de
2014, a partir de
http://minerva.uca.es/publicaciones/asp/docs/tesis/DSanchezMorillo.pd
f
Sánchez, J., y Bernal, G. (2004). Comprensión de la Señal de

Electrocardiográfica (ECG). Revista Umbral Científico, num.4.
Recuperado 28 de abril de 2014, a partir de
http://www.redalyc.org/articulo.oa?id=30400405
Weber, K. (2020). Las alteraciones cardíacas se relacionan con la

enfermedad renal. Estudio publicado en ‘American Journal Of Medical
Sciences‘ a partir de:
http://nefrologia.publicacionmedica.com/spip.php?article287
Campos C, Salas J. (2009) Diferencias relacionadas con el Sexo. Anatomía-

fisiología Cardiovascular en la Mujer Archivos de Cardiología de
México 2009:76 (3): 21-27
E. Gregory Thompson MD –Adam Husney MD –Martin J. Gabica (2022) ―El

personal de Healthwise‖ Kaiser Foundation Health Plan, Inc.
MathWorks (1994) Flujo optico Matlab. Recuperado 28 de abril de 2020 en

línea: https://la.mathworks.com/discovery/optical-flow.html
American Heart Association (2022) Go Red. ―Todo acerca de la frecuencia

cardiaca (pulso)‖ Consultado en línea
143
https://www.goredforwomen.org/es/health-topics/high-blood-
pressure/the-facts-about-high-blood-pressure/all-about-heart-rate-
pulse
MGC (2020) Blog Salud y medicina. & Diferencias entre el corazón de los
hombres y las mujeres. Consultado en línea
https://www.mgc.es/blog/diferencias-entre-el-corazon-de-los-hombres-
y-las-mujeres/
K. Shelley and S. Shelley, Pulse Oximeter Waveform: Photoelectric

Plethysmography, in Clinical Monitoring, Carol Lake, R. Hines, and C.
Blitt, Eds.: W.B. Saunders Company, 2001.
Fundación española del Corazón (s/f) Consultado en línea:

https://fundaciondelcorazon.com/informacion-para-pacientes/metodos-
diagnosticos/electrocardiograma.html
Ramírez M. (2014) Tecnología digital para la educación. Cuadro por cuadro.

―Definición de frame‖. Consultado en línea en
https://www.uv.mx/personal/albramirez/2014/03/18/animacion/
144
ANEXO A
INSTRUMENTO DE
RECOLECCION DE
DATOS
145
INSTRUMENTO PARA SUSTENTAR LA INVESTIGACIÓN TITULADA:
PROPUESTA DE SOFTWARE BASADO EN PLETISMOGRAFÍA REMOTA

PARA LA ESTIMACION DE FRECUENCIA CARDIACA CASO: CLÍNICA
LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN.
REQUISITO PARA OPTAR AL TÍTULO DE: INGENIERO BIOMÉDICO
Tutor(a): Autores:
C.I. N.º 13.901.383 C.I. N.º 26.598.265
C.I. N.º 26.100.639
Punto Fijo, Octubre de 2021
146
REPUBLICA BOLIVARIANA DE VENEZUELA
FRANCISCO DE MIRANDA
VICERRECTORADO ACADÉMICO
PROGRAMA INGENIERÍA BIOMÉDICA
Ciudadano(a): _____________________________
Ante todo reciba Ud. un saludo cordial. El motivo de la presente es
solicitar su valiosa colaboración para validar el contenido del instrumento,
con la finalidad de lograr la sustentación de la investigación titulada:
La cual es requisito para optar al título de Ingeniero Biomédico,
agradeciendo de antemano su contribución y apoyo que pueda brindar en la
validación de contenidos del presente instrumento de medición. Atentamente,
Guanipa Semeco, Mejía Bastidas,
Gustavo José Miguel Enrique
C.I. N.º 26.598.265 C.I. N.º 26.100.639
Autor Autor
Ing. Gloymar C. Acosta R.

C.I. N.º 13.901.383
Tutor
147
DATOS DEL EXPERTO(A) VALIDADOR (1):
Apellidos y Nombres: Martínez Velluci, Luigi Alfonso_______ C.I: V-

17.136.326
Títulos Académicos:
Pregrado: Ingeniería en Electrónica Año: 2013 Institución: Universidad
del Estado Falcón
Pregrado: TSU Instrumentación Industrial Año: 2007 Institución:
Universidad Politécnica de Tecnología Alonso Gamero
Institución donde labora: UDEFA / UNEFM / PDVSA
Cargo(s) que ocupa: Docente / Líder de Instrumentación y Control / Docente
Años de Servicio: 8 años / 8 años / 4 años
Área de Conocimiento por la que Ud. es consultado en calidad de
experto(a): En el área de automatización industrial y conocimiento
referente a equipos biomédicos
INFORMACIÓN REFERENTE AL PROYECTO DE INVESTIGACIÓN:
Título de la investigación:
Autores:
C.I. N.º 26.598.265 C.I. N.º 26.100.639
Autor Tutor Autor
Ing. Gloymar Acosta R.
C.I. N.º 13.901.383
148
Apellidos y Nombres: José David Diáz Roman C.I: V-12.495.929

Pregrado: Ingeniería en Electrónica Año:1998 Institución: Instituto
Universitario Politécnica de las Fuerzas Armadas
Postgrado: Doctorado en Ingeniería Año: 2008 Institución: Universidad
Simón Bolivar.
Institución donde labora: Universidad Autónoma de Ciudad de Juárez
Cargo(s) que ocupa: Profesor a tiempo completo
Años de Servicio: 6 años.
experto(a): Procesamiento Digital de Señales e imágenes médicas

Autores:
C.I. N.º 26.598.265 C.I. N.º 26.100.639
Autor Autor

C.I.N.º13.901.383
Tutor
149
Apellidos y Nombres: González Chirinos Yovanny C.I: 12736534

Pregrado: Ing. Industrial Año: 18 años Institución: UNEFM
Postgrado: Msc. RRHH Año: 12 años Institución: UNEFA
Institución donde labora: UNEFM
Cargo(s) que ocupa: Docente departamento de Física y Matemática
Años de Servicio:16 años
experto(a):

Autores:
C.I. N.º 26.598.265 C.I. N.º 26.100.639
Autor Autor

C.I.N.º13.901.383
Tutor
150
RESUMEN
El corazón es un órgano indispensable para la vida por cuanto bombea

sangre, la cual transporta oxígeno y nutrientes a los tejidos del cuerpo
humano. Estas sustancias son requeridas por las células para desempeñar
su actividad metabólica y mantener el equilibrio interno del organismo. En
consecuencia, para los profesionales de la salud es sumamente importante
monitorear minuciosamente todas las variables relacionadas con la actividad
del corazón; entre ellas la frecuencia cardíaca (el número de veces que se
contrae el corazón en un minuto).
La estimación de la frecuencia cardíaca es esencial en el diagnóstico

clínico de problemas cardiovasculares y muchas otras afecciones. Los
métodos tradicionales para medir la frecuencia cardíaca por lo común
requieren contacto físico, como en el caso del electrocardiograma (ECG). Sin
embargo, en algunos pacientes, el contacto físico puede ser incómodo o
adverso, como en el caso de los neonatos, ancianos, pacientes con
afecciones cutáneas en las cuales la piel se presenta frágil o hipersensible y
pacientes con hafefobia (miedo a ser tocados).
Por ello, existe un creciente interés a nivel internacional con respecto a

métodos de estimación de la frecuencia cardíaca a distancia, denominados
métodos «no invasivos» o «no intrusivos», haciendo énfasis en que no
requieren contacto físico con el paciente. Dentro de este conjunto destaca el
análisis de vídeo, el cual se fundamenta en el tratamiento del mismo para
detectar sutiles movimientos y cambios de color en la piel.
Cabe decir que esta área de investigación es reciente, pero en los últimos
años ha mostrado un rápido crecimiento. Diversos investigadores han
demostrado la confiabilidad de las técnicas. Sin embargo, en el contexto
local, este es un referente que no ha sido estudiado previamente. La
presente investigación se enfoca en la Clínica La Familia, ubicada en Punto
151
Fijo, estado Falcón; en este centro de salud se busca Estimación de la
Frecuencia Cardiaca mediante técnica de análisis de video, para lo cual es
necesario realizar un diagnóstico previo y una profunda investigación
documental con respecto a materiales y procedimientos técnicos.
FORMULACIÓN DE LA INVESTIGACIÓN
SISTEMATIZACIÓN DEL PROBLEMA
- ¿Qué factores influyen en la Estimación de la Frecuencia Cardiaca

(EFC) de los pacientes que acuden a la Clínica La Familia, Punto Fijo-
Estado Falcón?
- ¿Cuáles son los tipos de Frecuencia cardiaca a considerar para la
EFC en los pacientes que acuden a la Clínica La Familia?
- ¿Cuáles son las formas de obtención de la EFC de los pacientes que
acuden a la Clínica La Familia, Punto Fijo-Estado Falcón?
- ¿De qué manera el Diseño del Software para la EFC brindara
seguridad a los pacientes que acuden a la Clínica La Familia, Punto Fijo-
Estado Falcón?
OBJETIVOS DE LA INVESTIGACIÓN
OBJETIVO GENERAL
Proponer Software Para La Estimación De Frecuencia Cardiaca Basado

En Pletismografía Remota Caso: Clínica La Familia, Punto Fijo-Estado
Falcón.
OBJETIVOS ESPECÍFICOS
- Diagnosticar los factores influyen en la Estimación de la Frecuencia
Estado Falcón.
152
- Identificar cuáles son los tipos de Frecuencia cardiaca a considerar
para la EFC en los pacientes que acuden a la Clínica La Familia.
- Describir las formas de obtención de la EFC de los pacientes que acuden
a la Clínica La Familia, Punto Fijo-Estado Falcón.
- Diseñar un Software Para La Estimación De Frecuencia Cardiaca
Basado En Pletismografía Remota.(PPGr)
153
PROPONER UN SOFTWARE BASADO EN PLETISMOGRAFÍA REMOTA PARA ESTIMACIÓN DE FRECUENCIA
CARDIACA CASO: CLÍNICA LA FAMILIA, PUNTO FIJO-ESTADO FALCÓN.
DEFINICIÓN DEFINICIÓN
VARIABLE DIMENSIÓN INDICADOR ÍTEM
CONCEPTUAL OPERACIONAL
Estimar la
frecuencia
La EFC es un Factores que
cardíaca, requiere Con contacto
componente influyen en la 1,2,3,4,5
de: sensores de o intrusivos
esencial para EFC
contacto y
determinar el
sensores sin
estado fisiológico y
contacto. (PPGr),
patológico de una
en donde se
persona o
Estimación de consideran
individuo. La FC
Frecuencia muchos factores
por encima de 100
Cardiaca que pueden
bpm, se conoce
(EFC) afectar la medida,
como taquicardia, y
tomando en
la frecuencia Sin contacto
cuenta siempre Bioseguridad 6,7,8,9,10
cardíaca por debajo no intrusivos
los criterios de
de 60 bpm, se
bioseguridad y
conoce como
protocolos
bradicardia.
médicos.
González S. (2019)
Guanipa y Mejía
(2021)
154
Estimado Colaborador:
Es grato dirigirme a usted en la oportunidad de solicitar su valiosa

colaboración para la realización de un trabajo de investigación titulado:
Cuya autoría corresponde a los ciudadanos: Guanipa Semeco, Gustavo
José, C.I. N.º 26.598.265, y Mejía Bastidas, Miguel Enrique, C.I. N.º
26.100.639, como parte fundamental del desarrollo de este estudio, ha sido
seleccionado para formar parte del mismo, se requiere que responda las
interrogantes del presente cuestionario, las cuales fueron diseñadas con el
propósito de recabar información para sustentar y proponer trabajo especial
de grado, para optar título de Ingeniero Biomédico.
Los datos proporcionados por usted, serán estrictamente confidenciales y
académicos. En caso de alguna duda, consulte al encuestador(a).
Atentamente.

C.I. N.º 26.598.265 C.I. N.º 26.100.639
Autor Autor
Ing. Gloymar C.
Acosta R.
C.I. N.º 13.901.383
Tutor
155

A continuación se presenta una serie de interrogantes. Usted deberá

responder de acuerdo a su criterio marcando con una ―X‖ (equis) o colocando
algún número, según sea el caso. No deberá omitir ninguno de los ítems.
Por favor, lea cuidadosamente antes de contestar. No es necesario

identificarse para la realización del presente cuestionario. De antemano,
agradecerle por su colaboración en el desarrollo de la presente investigación.
ANÁLISIS DE LOS ÍTEMS PARA SUSTENTAR LA INVESTIGACIÓN

TITULADA:

156
Cuestionario
Encuesta aplicada a especialistas en Cardiología para considerar
algunas preguntas de interés a cada paciente al momento de realizar la
medida o estimación de la Frecuencia Cardiaca (FC)
Marque con una X lo que considere es correcto
Dimensión: CON CONTACTO O INVASIVOS

N°
ITEM INDICADOR: FACTORES
1 Aspectos Demográficos:
1.1 ¿Pregunta al paciente el Género/sexo?

Siempre ____ Casi Siempre ____ A veces ____ Casi Nunca ____ Nunca ____
1.2 ¿Pregunta al paciente la edad?
1.3 ¿Pregunta al paciente su ocupación?
1.4 ¿Pregunta al paciente su dirección?
1.5 ¿Observan la condición física del paciente?
2 Revisión por Sistemas:
2.1 ¿Revisan al paciente el Sistema Respiratorio?

2.2 ¿Revisan al paciente el Sistema Nervioso?
2.3 ¿Revisan al paciente el Sistema Muscular?
3 Uso de los electrodos:
3.1 ¿Utiliza los Electrodos en el paciente para medir FC?

3.2 ¿Utiliza los instrumentos como el Estetoscopio en el paciente para medir FC?
4 Tiempos de espera:
4.1 ¿Los periodos de revisión de la frecuencia cardiaca al paciente es en minutos?

5 Métodos para la obtención de FC
5.1 ¿Utiliza el Método Electrocardiográfico en el paciente para medir su FC?

Siempre ____ Casi Siempre ____ A veces ____ Casi Nunca ____ Nunca ___
5.2 ¿Utiliza el Método Fotopletismográfico (SpO2) en pacientes para medir su FC?
5.3 ¿Utiliza el Método de Auscultación en el paciente para medir su FC?
157
Dimensión: SIN CONTACTO O NO INVASIVOS O INTRUSIVOS

N°
ITEM INDICADOR: BIOSEGURIDAD
Bioseguridad:
6
6.1 ¿Utiliza las medidas seguras en el paciente?
7 Comodidad:
7.1 ¿En la toma de medida de la FC al paciente, éste lo realiza sentado?

7.2 ¿En la toma de medida de la FC al paciente, éste lo realiza parado?
7.3 ¿En la toma de medida de la FC al paciente, éste lo realiza acostado?
8 Accesibilidad:
8.1 ¿Es accesible la medida de toma de la FC en recién nacidos?

8.2 ¿Es accesible la medida de toma de la FC en pacientes oncológicos?
8.3 ¿Es accesible la medida de toma de la FC en pacientes con quemaduras?
8.4 ¿Es accesible la medida de toma de la FC en pacientes con piel sensibles?
8.5 ¿Es accesible la medida de toma de la FC en pacientes hafefóbicos?

9 Software de visión virtual:
9.1 ¿Utiliza los Métodos por Pletismografia remota (PC, Smartphone, cámara web)
10 Transmisión de los datos virtual:
10.1 ¿Utiliza la PPGr actualmente?

… El desarrollo tecnológico actual sigue impactando las Ciencias de la Salud, contemplando

siempre el bienestar de los pacientes; como decía Muhammad Yunus:
“la tecnología es importante, pero lo único que realmente importa es qué hacemos con ella”.
158
ANEXO B
FORMATO PARA LA
OBTENCIÓN DE
VALIDEZ
159
ANÁLISIS DE LOS ÍTEMS PARA DETECTAR LA VALIDEZ
Instrucciones: Marque el número de la alternativa que más se adapte a su juicio:

c. Relación
a. Estilo, b. Relación e. Escala de
con la d. Ausencia de
Redacción y con los medición Observaciones
Ítem variable e tendenciosidad
Ortografía objetivos seleccionada
indicadores
Deficiente (0) Deficiente (0) Deficiente (0) Deficiente (0) Deficiente (0)
Regular (1) Regular (1) Regular (1) Regular (1) Regular (1)
1 Bueno (2) Bueno (2) (2) (2)
Bueno Bueno Bueno (2)
Excelente (3) Excelente (3) Excelente (3) Excelente (3) Excelente (3)
2 (2) (2) Bueno (2)
Bueno Bueno Bueno (2) Bueno (2)
3 Bueno (2) Bueno (2) Bueno (2)
Bueno (2) Bueno (2)
4 (2) (2) (2)
Bueno Bueno Bueno (2) Bueno Bueno (2)
5 (2) (2) Bueno (2) Bueno (2)
6 Bueno (2) (2) (2)
Bueno (2) Bueno Bueno Bueno (2)
7 (2) (2) Bueno (2) Bueno (2)
8 Bueno (2) Bueno (2) Bueno (2) Bueno (2) Bueno (2)
9 (2) (2)
Bueno Bueno (2) Bueno Bueno (2) Bueno (2)
10 (2) (2) Bueno (2)
Bueno Bueno Bueno (2) Bueno (2)
Jexp 1 Total a: 30 Total b: 29 Total c: 27 Total d: 29 Total e: 28 Luigi Martínez
Jexp 2 Total a: 27 Total b: 29 Total c: 26 Total d: 29 Total e: 26 José David Díaz
Jexp 3 Total a: 30 Total b: 30 Total c:30 Total d:30 Total e:30 Yovanny Gonzalez
160
OBSERVACIONES Y RECOMENDACIONES:
GENERALIDADES DEL INSTRUMENTO:

La forma y cortesía en que se pide la colaboración para la aplicación del
instrumento es:
 Deficiente ( ) Regular ( ) Bueno ( ) Excelente ( x )
La forma que explica el propósito del instrumento es:
Las instrucciones del instrumento están redactadas de forma clara y
sencilla, adaptadas al nivel de la población:
OBSERVACIONES:
_____________________________________________________________
_____________________________________________________________
_____________________________________________________________
SÍNTESIS DIAGNÓSTICA SOBRE EL INSTRUMENTO:
En general considero que los ítems del instrumento miden los indicadores
seleccionados para la variable de forma:
En relación al instrumento recomiendo:

 Aplicarlo por no poseer casi correcciones importantes x
 Realizar los cambios sugeridos para su posterior aplicación
 No recomiendo su aplicación por su bajo nivel de validez
 El instrumento diseñado es:
Firma del experto 1 Firma del experto 2 Firma del experto 3
161
ANEXO C
RESULTADO DE LA
FIABILIDAD
162
Matriz de Datos
163
ANEXO D
CONSENTIMIENTO
INFORMADO
164
Punto Fijo, Estado Falcón, febrero 2022
AUTORIZACION
Yo; Fabián Guiñan, titular de la cedula de identidad nº V-20.798.453, de

28 años de edad, autorizo a los TSU en Electromedicina: Gustavo Jose
Guanipa Semeco y Miguel Enrique Mejía Bastidas, ambos mayores de
edad y con cedulas de identidad nº V-26.598.265 y V-26.100.639, autores del
Trabajo Especial de Grado: PROPUESTA DE SOFTWARE PARA LA
FIJO-ESTADO FALCÓN, a la defunción y uso de nuestras imágenes en
video como parte de los requisito para el desarrollo de su TEG.
En todas mis cabalidades.
_____________________
Fabián Guiñan
V-20.798.453
165
AUTORIZACION
Yo; Eila Ugarte, titular de la cedula de identidad nº V-28.796.865, de 18

años de edad, autorizo a los TSU en Electromedicina: Gustavo Jose
_____________________
Eila Ugarte
V-28.796.865
166
AUTORIZACION
Yo; Enzo Diez, titular de la cedula de identidad nº V-12.789.277, de 46

_____________________
Enzo Diez
V-12.789.277
167
AUTORIZACION
Yo; Esperanza González, titular de la cedula de identidad nº V-8.558.523,

de 60 años de edad, autorizo a los TSU en Electromedicina: Gustavo Jose
_____________________
Esperanza González
V-8.558.523
168
AUTORIZACION
Yo; Jesús Calatayud, titular de la cedula de identidad nº V-14.074.317,

de 42 años de edad, autorizo a los TSU en Electromedicina: Gustavo Jose
_____________________
Jesús Calatayud
V-14.074.317
169
AUTORIZACION
Yo; Vitalys Garcia, titular de la cedula de identidad nº V-12.497.227, de

_____________________
Vitalys Garcia
V-12.497.277
170
AUTORIZACION
Yo; Giovanny Polanco, titular de la cedula de identidad nº V-9.582.642,

de 57 años de edad, autorizo a los TSU en Electromedicina: Gustavo José
_____________________
Giovanny Polanco
V-9.582.642
171
AUTORIZACION
Yo; Korina Lopez, titular de la cedula de identidad nº V-8.775.430, de 49

_____________________
Korina Lopez
V-8.775.430
172
AUTORIZACION
Yo; Juan Fonseca, titular de la cedula de identidad nº V-12.495.916, de

_____________________
Juan Fonseca
V-12.495.916
173
AUTORIZACION
Yo; Dailu Gonzalez, titular de la cedula de identidad nº V-12.495.443, de

_____________________
Dailu Gonzalez
V-12.495.443
174
ANEXO E
RESULTADOS DE FC
POR SOFTWARE
MATLAB
175
Paciente 1
176
Paciente 2
177
Paciente 3
178
Paciente 4
179
Paciente 5
180
Paciente 6
181
Paciente 7
182
Paciente 8
183
Paciente 9
184
Paciente 10
185
A continuación se muestran los códigos de MATLAB, es decir las
instrucciones que se necesitan para hacer el llamado ejecutable
Archivo video_process.m
clear all
close all
% Crea el objeto para leer el video
videoReader = VideoReader('Se inserta la ubicación del video a
leer');
height = videoReader.height;
width = videoReader.width;
% objeto para reproducir y visualizar el video
videoPlayer = vision.VideoPlayer('Position',...
[100 100 [width, height]+30]);
k=1;
while hasFrame(videoReader) %crea un ciclo que termina cuando se
lee el último frame del video
if k==1;
% obtener el primer fotograma
videoFrame = readFrame(videoReader);
faceDetector =
vision.CascadeObjectDetector('FrontalFaceLBP');
bboxes = step(faceDetector, videoFrame);
FrameFace = insertShape(videoFrame, 'Rectangle',
bboxes(1,:)); %imagen con el recuadro de la cara
% figure (1)
% imshow(FrameFace)
eyeDetector = vision.CascadeObjectDetector('EyePairBig');
bboxes1 = step(eyeDetector, videoFrame);
FrameFace = insertShape(FrameFace, 'Rectangle', bboxes1);
%imagen con el recuadro de la cara
y=bboxes(1,2)+bboxes(1,4);
y1=bboxes1(1,2)+bboxes1(1,4);
dist=y-y1;
dx=bboxes1(1,1)-bboxes(1,1);
bboxes2= [bboxes1(1,1)-dx*.05, y1, bboxes1(1,3)+dx*.1,
round(dist*2/3)];
FrameFace1 = insertShape(FrameFace, 'Rectangle', bboxes2,
'Color', 'blue'); %imagen con el recuadro de la cara
bboxPoints = bbox2points(bboxes(1, :));

bboxPoints2 = bbox2points(bboxes2(1, :));
points = detectMinEigenFeatures(rgb2gray(videoFrame), 'ROI',
bboxes);
pointTracker = vision.PointTracker('MaxBidirectionalError',
2);
points = points.Location;
initialize(pointTracker, points, videoFrame);
186
oldPoints = points;
end
if k>=2;
videoFrame = readFrame(videoReader);
[points, isFound] = step(pointTracker, videoFrame);
visiblePoints = points(isFound, :);
oldInliers = oldPoints(isFound, :);
if size(visiblePoints, 1) >= 2 % necesita al menos 2 puntos

% Estimar la transformación geométrica entre los puntos
antiguos
% y los nuevos puntos y eliminar los valores atípicos
[xform, oldInliers, visiblePoints] = estimateGeometricTransform(...
oldInliers, visiblePoints, 'similarity', 'MaxDistance',
4);
% Aplicar la transformación a los puntos del cuadro
delimitador
bboxPoints = transformPointsForward(xform, bboxPoints);
bboxPoints2 = transformPointsForward(xform,
bboxPoints2);
% Inserte un cuadro delimitador alrededor del objeto que

se está rastreando
bboxPolygon = reshape(bboxPoints', 1, []);
bboxPolygon2 = reshape(bboxPoints2', 1, []);
videoFrame1 = insertShape(videoFrame, 'Polygon',
bboxPolygon, ...
'LineWidth', 2);
FrameFace1 = insertShape(videoFrame1, 'Polygon',
bboxPolygon2, ...
'LineWidth', 2);
% Restablecer los puntos

oldPoints = visiblePoints;
setPoints(pointTracker, oldPoints);
end
end
%Obtiene el promedio de los canales de color dentro de la region

de interés
[Rmaskmean Gmaskmean Bmaskmean]=detector2(videoFrame,
bboxPoints2);
% Muestre el cuadro de video anotado usando el objeto del

reproductor de video
step(videoPlayer, FrameFace1);
%guarda el promedio de los canales de color para la región de
interés
%para cada frame
R_avg(k)=Rmaskmean;
G_avg(k)=Gmaskmean;
187
B_avg(k)=Bmaskmean;
k=k+1;
end
% Limpiar
release(videoPlayer);
R2=(R_avg-mean(R_avg))/std(R_avg);
G2=(G_avg-mean(G_avg))/std(G_avg);
B2=(B_avg-mean(B_avg))/std(B_avg);
RGBavg=[R2; G2; B2];
fs = videoReader.FrameRate;
BPM = Heart_rate_fun(RGBavg, fs);
fprintf('\n\tFC = %f \n', BPM);
fprintf('----------------Fin del analisis ---------------\n\n');
188
Archivo maskmean.m
function [Rmaskmean Gmaskmean Bmaskmean]= maskmean(R, G, B);
% BW = double(BW);
R = double(R);R(R==0) = NaN;
G = double(G);G(G==0) = NaN;
B = double(B);B(B==0) = NaN;
% Calculate mean
Rmaskmean = mean(R(~isnan(R)));
Gmaskmean = mean(G(~isnan(G)));
Bmaskmean = mean(B(~isnan(B)));
% BW(BW==0) = NaN;
% filter_I = I.*BW;
%
% % Plot
% subplot(1,3,1)
% imshow(uint8(I))
% subplot(1,3,2)
% imshow(uint8(BW))
% subplot(1,3,3)
% imshow(uint8(filter_I))
189
Archivo Heart_rate_fun.m
function [BPM]= Heart_rate_fun(RGBavg, fs)
%ICA JADE implementacion
fuentes=3;
B=jadeR(RGBavg,fuentes);
icajadesig=B*RGBavg;
N=length(RGBavg);
N=1800;
% %filtrado de la señal
Wn=fs/2;
W1=.75/Wn;
W2=4/Wn;
Wc=[W1 W2];
% filtrado de promedio móvil
windowSize=5;
b2= (1/windowSize)*ones(1,windowSize);
icajadesigmav=filter(b2,1,icajadesig');
% Filtro de ventana Hamming
n=40; %verificar con 10 y 40
b1=fir1(n,Wc);
icajadesigbpf=filter(b1,1,icajadesigmav);
YFica1=fft(icajadesigbpf, N); %FFT of PCA signals
YFica2=abs(YFica1/N);
YFica = YFica2(1:N/2+1,:);
YFica(2:end-1,:) = 2*YFica(2:end-1,:);
fk = fs*(0:(N/2))/N;
BW=find(fk>=.91 & fk<=3); %analiza el ancho de banda entre .75 y
4Hz
Nf=length(fk);
[icasigmax indwh1]=max(YFica(BW,:) );
[icasigmax1 indwh2]=max(icasigmax);
icaFreqmax=fk(YFica(1:Nf,indwh2)==icasigmax1);
plot(fk, YFica); xlim([0.4, 3])
BPM=icaFreqmax*60;
190
Archivo Detector2.m
function [Rmaskmean Gmaskmean Bmaskmean]=detector(FrameFace,points);
c=points(:,1);
r=points(:,2);
BW = roipoly(FrameFace,round(c)',round(r)'); %mascara
R=FrameFace(:,:,1);
G=FrameFace(:,:,2);
B=FrameFace(:,:,3);
R(~BW)=0;
G(~BW)=0;
B(~BW)=0;
masked_im = cat(3,R,G,B);
[row,col,v1] = find(BW);
[Rmaskmean Gmaskmean Bmaskmean]= maskmean(R, G, B);
191
Archivo jadeR.m
function B = jadeR(X,m)
% B = jadeR(X, m) is an m*n matrix such that Y=B*X are separated
sources
% extracted from the n*T data matrix X.
% If m is omitted, B=jadeR(X) is a square n*n matrix (as many
sources as sensors)
%
% Blind separation of real signals with JADE. Version 1.9. August
2013
%
% Usage:
% * If X is an nxT data matrix (n sensors, T samples) then
% B=jadeR(X) is a nxn separating matrix such that S=B*X is an
nxT
% matrix of estimated source signals.
% * If B=jadeR(X,m), then B has size mxn so that only m sources
are
% extracted. This is done by restricting the operation of jadeR
% to the m first principal components.
% * Also, the rows of B are ordered such that the columns of
pinv(B)
% are in order of decreasing norm; this has the effect that the
% `most energetically significant' components appear first in
the
% rows of S=B*X.
%
% Quick notes (more at the end of this file)
%
% o this code is for REAL-valued signals. An implementation of
JADE
% for both real and complex signals is also available from
% http://perso.telecom-paristech.fr/~cardoso/guidesepsou.html
%
% o This algorithm differs from the first released implementations
of
% JADE in that it has been optimized to deal more efficiently
% 1) with real signals (as opposed to complex)
% 2) with the case when the ICA model does not necessarily hold.
%
% o There is a practical limit to the number of independent
% components that can be extracted with this implementation.
Note
% that the first step of JADE amounts to a PCA with
dimensionality
% reduction from n to m (which defaults to n). In practice m
% cannot be `very large' (more than 40, 50, 60... depending on
% available memory and CPU time)
%
% o See more notes, references and revision history at the end of
% this file and more stuff on the WEB
% http://perso.telecom-paristech.fr/~cardoso/guidesepsou.html
%
192
% o This code is supposed to do a good job! Please report any
% problem to cardoso@sig.enst.fr
% Copyright (c) 2013, Jean-Francois Cardoso

% All rights reserved.
%
%
% BSD-like license.
% Redistribution and use in source and binary forms, with or without
modification,
% are permitted provided that the following conditions are met:
%
% Redistributions of source code must retain the above copyright
notice,
% this list of conditions and the following disclaimer.
%
% Redistributions in binary form must reproduce the above copyright
notice,
% this list of conditions and the following disclaimer in the
documentation
% and/or other materials provided with the distribution.
%
%
% THIS SOFTWARE IS PROVIDED BY THE COPYRIGHT HOLDERS AND
CONTRIBUTORS "AS IS" AND ANY EXPRESS
% OR IMPLIED WARRANTIES, INCLUDING, BUT NOT LIMITED TO, THE IMPLIED
WARRANTIES OF MERCHANTABILITY
% AND FITNESS FOR A PARTICULAR PURPOSE ARE DISCLAIMED. IN NO EVENT
SHALL THE COPYRIGHT HOLDER
% OR CONTRIBUTORS BE LIABLE FOR ANY DIRECT, INDIRECT, INCIDENTAL,
SPECIAL, EXEMPLARY, OR CONSEQUENTIAL
% DAMAGES (INCLUDING, BUT NOT LIMITED TO, PROCUREMENT OF SUBSTITUTE
GOODS OR SERVICES; LOSS OF USE,
% DATA, OR PROFITS; OR BUSINESS INTERRUPTION) HOWEVER CAUSED AND ON
ANY THEORY OF LIABILITY, WHETHER
% IN CONTRACT, STRICT LIABILITY, OR TORT (INCLUDING NEGLIGENCE OR
OTHERWISE) ARISING IN ANY WAY OUT
% OF THE USE OF THIS SOFTWARE, EVEN IF ADVISED OF THE POSSIBILITY OF
SUCH DAMAGE.
verbose = 1 ; % Set to 0 for quiet operation
% Finding the number of sources

[n,T] = size(X);
if nargin==1, m=n ; end; % Number of sources defaults to # of
sensors
if m>n , fprintf('jade -> Do not ask more sources than sensors
here!!!\n'), return,end
if verbose, fprintf('jade -> Looking for %d sources\n',m); end ;
193
% to do: add a warning about complex signals
% Mean removal
%=============
if verbose, fprintf('jade -> Removing the mean value\n'); end
X = X - mean(X')' * ones(1,T);
%%% whitening & projection onto signal subspace

% ===========================================
if verbose, fprintf('jade -> Whitening the data\n'); end
[U,D] = eig((X*X')/T) ; %% An eigen basis for the sample

covariance matrix
[Ds,k] = sort(diag(D)) ; %% Sort by increasing variance
PCs = n:-1:n-m+1 ; %% The m most significant princip. comp.
by decreasing variance
%% --- PCA --------------------------------------------------------

--
B = U(:,k(PCs))' ; % At this stage, B does the PCA on m
components
%% --- Scaling ----------------------------------------------------

--
scales = sqrt(Ds(PCs)) ; % The scales of the principal components
.
B = diag(1./scales)*B ; % Now, B does PCA followed by a
rescaling = sphering
%% --- Sphering ----------------------------------------------------

--
X = B*X; %% We have done the easy part: B is a whitening
matrix and X is white.
clear U D Ds k PCs scales ;
%%% NOTE: At this stage, X is a PCA analysis in m components of the

real data, except that
%%% all its entries now have unit variance. Any further rotation of
X will preserve the
%%% property that X is a vector of uncorrelated components. It
remains to find the
%%% rotation matrix such that the entries of X are not only
uncorrelated but also às
%%% independent as possible'. This independence is measured by
correlations of order
%%% higher than 2. We have defined such a measure of independence
which
%%% 1) is a reasonable approximation of the mutual information
%%% 2) can be optimized by a `fast algorithm'
194
%%% This measure of independence also corresponds to the
`diagonality' of a set of
%%% cumulant matrices. The code below finds the `missing rotation '
as the matrix which
%%% best diagonalizes a particular set of cumulant matrices.
%%% Estimation of the cumulant matrices.

% ====================================
if verbose, fprintf('jade -> Estimating cumulant matrices\n'); end
%% Reshaping of the data, hoping to speed up things a little bit...

X = X';
dimsymm = (m*(m+1))/2; % Dim. of the space of real symm

matrices
nbcm = dimsymm ; % number of cumulant matrices
CM = zeros(m,m*nbcm); % Storage for cumulant matrices
R = eye(m); %%
Qij = zeros(m); % Temp for a cum. matrix
Xim = zeros(m,1); % Temp
Xijm = zeros(m,1); % Temp
Uns = ones(1,m); % for convenience
%% I am using a symmetry trick to save storage. I should write a

short note one of these
%% days explaining what is going on here.
%%
Range = 1:m ; % will index the columns of CM where to store the
cumulant matrices.
for im = 1:m
Xim = X(:,im) ;
Xijm= Xim.*Xim ;
%% Note to myself: the -R on next line can be removed: it does not
affect
%% the joint diagonalization criterion
Qij = ((Xijm(:,Uns).*X)' * X)/T - R - 2 *
R(:,im)*R(:,im)' ;
CM(:,Range) = Qij ;
Range = Range + m ;
for jm = 1:im-1
Xijm = Xim.*X(:,jm) ;
Qij = sqrt(2) *(((Xijm(:,Uns).*X)' * X)/T -
R(:,im)*R(:,jm)' - R(:,jm)*R(:,im)') ;
CM(:,Range) = Qij ;
Range = Range + m ;
end ;
end;
%%%% Now we have nbcm = m(m+1)/2 cumulants matrices stored in a big
m x m*nbcm array.
195
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%%%%%%%%%%
%% The inefficient code below does the same as above: computing the
big CM cumulant matrix.
%% It is commented out but you can check that it produces the same
result.
%% This is supposed to help interested people understand the (rather
obscure) code above.
%% See section 4.2 of the Neural Comp paper referenced below. It
can be found at
%% "http://www.tsi.enst.fr/~cardoso/Papers.PS/neuralcomp_2ppf.ps",
%%
%%
%%
%% if 1,
%%
%% %% Step one: we compute the sample cumulants
%% Matcum = zeros(m,m,m,m) ;
%% for i1=1:m,
%% for i2=1:m,
%% for i3=1:m,
%% for i4=1:m,
%% Matcum(i1,i2,i3,i4) = mean( X(:,i1) .* X(:,i2) .* X(:,i3)
.* X(:,i4) ) ...
%% - R(i1,i2)*R(i3,i4) ...
%% - R(i1,i3)*R(i2,i4) ...
%% - R(i1,i4)*R(i2,i3) ;
%% end
%% end
%% end
%% end
%%
%% %% Step 2; We compute a basis of the space of symmetric m*m
matrices
%% CMM = zeros(m, m, nbcm) ; %% Holds the basis.
%% icm = 0 ; %% index to the elements of the
basis
%% vi = zeros(m,1); %% the ith basis vetor of R^m
%% vj = zeros(m,1); %% the jth basis vetor of R^m
%% Id = eye (m) ; %% convenience
%% for im=1:m,
%% vi = Id(:,im) ;
%% icm = icm + 1 ;
%% CMM(:, :, icm) = vi*vi' ;
%% for jm=1:im-1,
%% vj = Id(:,jm) ;
%% icm = icm + 1 ;
%% CMM(:, :, icm) = sqrt(0.5) * (vi*vj'+vj*vi') ;
%% end
%% end
196
%% %% Now CMM(:,:,i) is the ith element of an orthonormal basis
for_ the space of m*m symmetric matrices
%%
%% %% Step 3. We compute the image of each basis element by the
cumulant tensor and store it back into CMM.
%% mat = zeros(m) ; %% tmp
%% for icm=1:nbcm
%% mat = squeeze(CMM(:,:,icm)) ;
%% for i1=1:m
%% for i2=1:m
%% CMM(i1, i2, icm) = sum(sum(squeeze(Matcum(i1,i2,:,:)) .*
mat )) ;
%% end
%% end
%% end;
%% %% This is doing something like \sum_kl [ Cum(xi,xj,xk,xl) *
mat_kl ]
%%
%% %% Step 4. Now, we can check that CMM and CM are equivalent
%% Range = 1:m ;
%% for icm=1:nbcm,
%% M1 = squeeze( CMM(:,:,icm)) ;
%% M2 = CM(:,Range) ;
%% Range = Range + m ;
%% norm (M1-M2, 'fro' ) , %% This should be a numerical zero.
%% end;
%%
%% end; %% End of the demo code for the computation of cumulant
matrices
%%
%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%
%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%%%%%%%%
%%% Joint diagonalization of the cumulant matrices

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%% Init
if 0, %% Init by diagonalizing a *single* cumulant matrix. It
seems to save
%% some computation time `sometimes'. Not clear if
initialization is really worth
%% it since Jacobi rotations are very efficient. On the other
hand, it does not
%% cost much...
197
if verbose, fprintf('jade -> Initialization of the
diagonalization\n'); end
[V,D] = eig(CM(:,1:m)); % Selectng a particular cumulant
matrix.
for u=1:m:m*nbcm, % Accordingly updating the cumulant
set given the init
CM(:,u:u+m-1) = CM(:,u:u+m-1)*V ;
end;
CM = V'*CM;
else, %% The dont-try-to-be-smart init

V = eye(m) ; % la rotation initiale
end;
%% Computing the initial value of the contrast

Diag = zeros(m,1) ;
On = 0 ;
Range = 1:m ;
for im = 1:nbcm,
Diag = diag(CM(:,Range)) ;
On = On + sum(Diag.*Diag) ;
Range = Range + m ;
end
Off = sum(sum(CM.*CM)) - On ;
seuil = 1.0e-6 / sqrt(T) ; % A statistically scaled threshold on

`small' angles
encore = 1;
sweep = 0; % sweep number
updates = 0; % Total number of rotations
upds = 0; % Number of rotations in a given seep
g = zeros(2,nbcm);
gg = zeros(2,2);
G = zeros(2,2);
c = 0 ;
s = 0 ;
ton = 0 ;
toff = 0 ;
theta = 0 ;
Gain = 0 ;
%% Joint diagonalization proper

if verbose, fprintf('jade -> Contrast optimization by joint
diagonalization\n'); end
while encore, encore=0;
if verbose, fprintf('jade -> Sweep #%3d',sweep); end

sweep = sweep+1;
upds = 0 ;
Vkeep = V ;
198
for p=1:m-1,
for q=p+1:m,
Ip = p:m:m*nbcm ;
Iq = q:m:m*nbcm ;
%%% computation of Givens angle

g = [ CM(p,Ip)-CM(q,Iq) ; CM(p,Iq)+CM(q,Ip) ];
gg = g*g';
ton = gg(1,1)-gg(2,2);
toff = gg(1,2)+gg(2,1);
theta = 0.5*atan2( toff , ton+sqrt(ton*ton+toff*toff) );
Gain = (sqrt(ton*ton+toff*toff) - ton) / 4 ;
%%% Givens update

if abs(theta) > seuil,
%% if Gain > 1.0e-3*On/m/m ,
encore = 1 ;
upds = upds + 1;
c = cos(theta);
s = sin(theta);
G = [ c -s ; s c ] ;
pair = [p;q] ;
V(:,pair) = V(:,pair)*G ;
CM(pair,:) = G' * CM(pair,:) ;
CM(:,[Ip Iq]) = [ c*CM(:,Ip)+s*CM(:,Iq) -s*CM(:,Ip)+c*CM(:,Iq)
] ;
On = On + Gain;
Off = Off - Gain;
%% fprintf('jade -> %3d %3d %12.8f\n',p,q,Off/On);

end%%of the if
end%%of the loop on q
end%%of the loop on p
if verbose, fprintf(' completed in %d rotations\n',upds); end
updates = updates + upds ;
end%%of the while loop

if verbose, fprintf('jade -> Total of %d Givens
rotations\n',updates); end
%%% A separating matrix

% ===================
B = V'*B ;
%%% Permut the rows of the separating matrix B to get the most
energetic components first.
199
%%% Here the **signals** are normalized to unit variance.
Therefore, the sort is
%%% according to the norm of the columns of A = pinv(B)
if verbose, fprintf('jade -> Sorting the components\n',updates); end

A = pinv(B) ;
[Ds,keys] = sort(sum(A.*A)) ;
B = B(keys,:) ;
B = B(m:-1:1,:) ; % Is this smart ?
% Signs are fixed by forcing the first column of B to have non-

negative entries.
if verbose, fprintf('jade -> Fixing the signs\n',updates); end

b = B(:,1) ;
signs = sign(sign(b)+0.1) ; % just a trick to deal with sign=0
B = diag(signs)*B ;
return ;
% To do.
% - Implement a cheaper/simpler whitening (is it worth it?)
%
% Revision history:
%
%- V1.9, August 2013
% - Added BSD licence
%
%- V1.8, May 2005
% - Added some commented code to explain the cumulant computation
tricks.
% - Added reference to the Neural Comp. paper.
%
%- V1.7, Nov. 16, 2002
% - Reverted the mean removal code to an earlier version (not
using
% repmat) to keep the code octave-compatible. Now less
efficient,
% but does not make any significant difference wrt the total
% computing cost.
% - Remove some cruft (some debugging figures were created. What
% was this stuff doing there???)
%
%
%- V1.6, Feb. 24, 1997
% - Mean removal is better implemented.
% - Transposing X before computing the cumulants: small speed-up
% - Still more comments to emphasize the relationship to PCA
%
200
%- V1.5, Dec. 24 1997
% - The sign of each row of B is determined by letting the first
element be positive.
%
%- V1.4, Dec. 23 1997
% - Minor clean up.
% - Added a verbose switch
% - Added the sorting of the rows of B in order to fix in some
reasonable way the
% permutation indetermination. See note 2) below.
%
%- V1.3, Nov. 2 1997
% - Some clean up. Released in the public domain.
%
%- V1.2, Oct. 5 1997
% - Changed random picking of the cumulant matrix used for
initialization to a
% deterministic choice. This is not because of a better
rationale but to make the
% ouput (almost surely) deterministic.
% - Rewrote the joint diag. to take more advantage of Matlab's
tricks.
% - Created more dummy variables to combat Matlab's loose memory
management.
%
%- V1.1, Oct. 29 1997.
% Made the estimation of the cumulant matrices more regular. This
also corrects a
% buglet...
%
%- V1.0, Sept. 9 1997. Created.
%
% Main references:
% @article{CS-iee-94,
% title = "Blind beamforming for non {G}aussian signals",
% author = "Jean-Fran\c{c}ois Cardoso and Antoine
Souloumiac",
% HTML = "ftp://sig.enst.fr/pub/jfc/Papers/iee.ps.gz",
% journal = "IEE Proceedings-F",
% month = dec, number = 6, pages = {362-370}, volume = 140, year =
1993}
%
%
%@article{JADE:NC,
% author = "Jean-Fran\c{c}ois Cardoso",
% journal = "Neural Computation",
% title = "High-order contrasts for independent component
analysis",
% HTML =
"http://www.tsi.enst.fr/~cardoso/Papers.PS/neuralcomp_2ppf.ps",
% year = 1999, month = jan, volume = 11, number = 1,
pages = "157-192"}
%
%
201
%
%
% Notes:
% ======
%
% Note 1) The original Jade algorithm/code deals with complex
signals in Gaussian noise
% white and exploits an underlying assumption that the model of
independent components
% actually holds. This is a reasonable assumption when dealing
with some narrowband
% signals. In this context, one may i) seriously consider dealing
precisely with the
% noise in the whitening process and ii) expect to use the small
number of significant
% eigenmatrices to efficiently summarize all the 4th-order
information. All this is done
% in the JADE algorithm.
%
% In *this* implementation, we deal with real-valued signals and we
do NOT expect the ICA
% model to hold exactly. Therefore, it is pointless to try to deal
precisely with the
% additive noise and it is very unlikely that the cumulant tensor
can be accurately
% summarized by its first n eigen-matrices. Therefore, we consider
the joint
% diagonalization of the *whole* set of eigen-matrices. However,
in such a case, it is
% not necessary to compute the eigenmatrices at all because one may
equivalently use
% `parallel slices' of the cumulant tensor. This part (computing
the eigen-matrices) of
% the computation can be saved: it suffices to jointly diagonalize
a set of cumulant
% matrices. Also, since we are dealing with reals signals, it
becomes easier to exploit
% the symmetries of the cumulants to further reduce the number of
matrices to be
% diagonalized. These considerations, together with other cheap
tricks lead to this
% version of JADE which is optimized (again) to deal with real
mixtures and to work
% òutside the model'. As the original JADE algorithm, it works by
minimizing a `good
% set' of cumulants.
%
%
% Note 2) The rows of the separating matrix B are resorted in such
a way that the columns
% of the corresponding mixing matrix A=pinv(B) are in decreasing
order of (Euclidian)
% norm. This is a simple, àlmost canonical' way of fixing the
indetermination of
202
% permutation. It has the effect that the first rows of the
recovered signals (ie the
% first rows of B*X) correspond to the most energetic *components*.
Recall however that
% the source signals in S=B*X have unit variance. Therefore, when
we say that the
% observations are unmixed in order of decreasing energy, this
energetic signature is to
% be found as the norm of the columns of A=pinv(B) and not as the
variances of the
% separated source signals.
%
%
% Note 3) In experiments where JADE is run as B=jadeR(X,m) with m
varying in range of
% values, it is nice to be able to test the stability of the
decomposition. In order to
% help in such a test, the rows of B can be sorted as described
above. We have also
% decided to fix the sign of each row in some arbitrary but fixed
way. The convention is
% that the first element of each row of B is positive.
%
%
% Note 4) Contrary to many other ICA algorithms, JADE (or least
this version) does not
% operate on the data themselves but on a statistic (the full set
of 4th order cumulant).
% This is represented by the matrix CM below, whose size grows as
m^2 x m^2 where m is
% the number of sources to be extracted (m could be much smaller
than n). As a
% consequence, (this version of) JADE will probably choke on a
`large' number of sources.
% Here `large' depends mainly on the available memory and could be
something like 40 or
% so. One of these days, I will prepare a version of JADE taking
the `data' option
% rather than the `statistic' option.
% JadeR.m ends here.
203
ANEXO F
RESULTADOS DE
EFECTIVIDAD
DELSOFTWARE
204
SAVE OUTFILE='C:\Documents and Settings\PEstadistiChavez\Mis documentos\COMPARACION DE MEDIAS DE '+ 'RESULTADOS DE
FRECUENCIAS CARDIACAS.sav' /COMPRESSED. GET FILE='C:\Documents and Settings\ PEstadistiChavez
\Escritorio\tarea\ejercicio.sav'. DATASET ACTIVATE Conjunto_de_datos0. CORRELATIONS /VARIABLES=FC_SATUROMETRO FC_SOFTWARE
/PRINT=TWOTAIL NOSIG /STATISTICS DESCRIPTIVES /MISSING=PAIRWISE.
Correlaciones
[Conjunto_de_datos0] C:\Documents and Settings\ PEstadistiChavez \Mis documentos\COMPARACION DE MEDIAS DE RESULTADOS DE

FRECUENCIAS CARDIACAS.sav
Estadísticos descriptivos
Media Desviación típica N
Frecuencia cardiaca según el 73,03000000 1,013881979E1 10

Saturómetro (SPO2)
Frecuencia Cardiaca 72,20002820 1,045413230E1 10

aplicando Software (PPGr)
Correlaciones
Frecuencia Frecuencia
cardiaca según el Cardiaca aplicando
Saturómetro(SPO2) Software(PPGr)
**
Frecuencia cardiaca segun el Correlación de Pearson 1 ,989
Saturómetro (SPO2)
Sig. (bilateral) ,000
N 10 10
**
Frecuencia Cardiaca Correlación de Pearson ,989 1
aplicando Software (PPGr) Sig. (bilateral) ,000
N 10 10
**. La correlación es significativa al nivel 0,01 (bilateral).
GRAPH /SCATTERPLOT(BIVAR)=FC_SOFTWARE WITH FC_SATUROMETRO /MISSING=LISTWISE.
205
Gráfico
[Conjunto_de_datos0] C:\Documents and Settings\ PEstadistiChavez \Mis documentos\COMPARACION DE MEDIAS DE RESULTADOS DE

FRECUENCIAS CARDIACAS.sav
ANÁLISIS DE LOS RESULTADOS

Analizando los datos representados en cuadro de correlación, se puede observar los datos de la Frecuencia Cardiaca tomada a N=10
pacientes objeto de estudio para la prueba experimental de la investigación, en este sentido se representa el valor de la significancia (Sig),
que es de 0,000 lo que indica que existe un valor estadísticamente SIGNICATIVO entre las variable del estudio, del mismo modo se observa
que el resultado de la correlación de Pearson fue de 0,989 representando una FUERTE CORRELACION Y POSITIVA entre las dos
variables, esto quiere decir que por cada toma de frecuencia cardiaca del Saturómetro SPO2 o punto que se mueva de esta variable,
igualmente se moverá el valor de la Frecuencia Cardiaca según la aplicación del Software (PPGr), en tal sentido las variables se
encuentran fuertemente relacionadas concluyendo que según el nivel de significancia y la fuerte correlación hace Factible la utilidad del
SOFTWARE PARA LA ESTIMACION DE FRECUENCIA CARDIACA BASADO EN PLESTIMOGRAFIA REMOTA CLINICA LA FAMILIA.
206

Tegguanipa y Mejias 2022

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Tegguanipa y Mejias 2022

Uploaded by

Copyright:

Available Formats

UNIVERSIDAD NACIONAL EXPERIMENTAL

PROPUESTA DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA

Santa Ana de Coro, 21 de Marzo del 2022.

PROPUESTA DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA

Trabajo de Grado para optar al

Santa Ana de Coro ,21 de Marzo del 2022.

AUTORIZACION PARA LA DIFUSION ELECTRONICA DE TESIS Y/O

YO Gustavo José Guanipa Semeco, titular de la cedula de identidad N° V-

Autorizo a la Universidad Nacional Experimental “Francisco de Miranda”

Como Autor cedo a la Universidad Nacional Experimental “Francisco de

Firma del Autor:

AUTORIZACION PARA LA DIFUSION ELECTRONICA DE TESIS

YO, Mejía Bastidas, Miguel Enrique Cedula de Identidad C.I.: V-

Como Autor cedo a la Universidad Nacional Experimental “Francisco de

Firma del Autor

VALIDACION DE LA VERSION IMPRESA CON EL FORMATO

YO Gustavo José Guanipa Semeco, titular de la cedula de identidad N°

DID/ UNIDAD DE DIGITALIZACION:_ __________________________________

Director del Programa: Ing. Yaknery Hansen

Decano del Área: Dra. Gioconda Acosta

Secretario: Licda Migdanys González

Certifico que la Tesis y/o Trabajo de Ascenso, con el Titulo PROPUESTA

Presentado por el Técnico Superior Universitario en Electromedicina:

Firma _ Email Telf.:

En Santa Ana de Coro, a los 21 de Marzo de 2022.

VALIDACION DE LA VERSION IMPRESA CON EL FORMATO

YO, Mejía Bastidas, Miguel Enrique Cedula de Identidad C.I.: V-

DID/ UNIDAD DE DIGITALIZACION:_ ____________________________________

Director del Programa: Ing. Yaknery Hansen

Decano del Área: Dra. Gioconda Acosta

Secretario:Licda Migdanys González

Certifico que la Tesis y/o Trabajo de Ascenso, con el Titulo PROPUESTA

Presentado por el Técnico Superior Universitario en Electromedicina: Mejía

Firma _ Email Telf.:

En Santa Ana de Coro, a los 21 de Marzo de 2022.

PROPUESTA DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA

ACEPTO LA TUTORÍA DEL PRESENTE TRABAJO SEGÚN LAS

“PROPUESTA DE SOFTWARE PARA LA ESTIMACION DE FRECUENCIA

Trabajo de Grado aprobado en nombre de la Universidad Nacional

FIRMA DEL JURADO

TUTOR JURADO Nro. 1 JURADO Nro.2

Trabajo de Grado presentado como requisito para la obtención del título

ÁREA CIENCIAS DE LA SALUD

Agradezco al Creador de todas las cosas, el que me ha dado fortaleza,

Agradecido infinitamente con las dos personas más importantes de mi

Agradezco también a mis tíos y tías, por el cariño y comprensión siendo

Agradecido estoy también, con mis tutores Ing. Gloymar Acosta, y mi

A la Universidad “Francisco de Miranda” gracias por acertarme y

Gracias Dios, por una autentica amistad pues me demostraste que se

A todos aquellos que quedan en mi corazón, un inmenso ¡Gracias!.

A la Universidad Nacional Experimental Francisco de Miranda y a

A la Coordinadora del departamento de Electromedicina y tutor

A mi familia, que gran parte del apoyo y fortaleza que he recibido ha

A todos mis compañeros del programa de Ing. Biomédica de la

A mi compañero de tesis, TSU Gustavo Guanipa, por su hermandad y

A mi madre, Nidya Leticia,

A quien admiro por su apoyo, sacrificio, entrega, sabiduría y amor con su fe y

A mi abuela, Nidya Nelcy

Que nos cubre con su precioso manto en nuestros momentos de mayor

A mi madre Carolina Bastidas y mi padre Miguel Mejía

y a toda mi familia que con su amor, fe y comprensión han ayudado a

A mi novia y compañera de vida Andreina Sarmiento,

Mejía Bastidas, Miguel Enrique