Sistema Web basado en técnicas de aprendizaje automático para recomendación de tratamientos a pacientes de Fisioterapia y Rehabilitación

Abstract

En la actualidad, los profesionales de la salud buscan métodos más prácticos para mejorar tanto la atención al paciente como la aplicación de tratamientos. En fisioterapia y rehabilitación, los médicos tienen un conocimiento profundo sobre los ejercicios y tratamientos necesarios para la recuperación de los pacientes. La tecnología avanza rápidamente, y su integración en la fisioterapia promete tratamientos más eficaces. Es por ello que esta investigación se centra en la integración de nuevas tecnologías en los centros de salud de fisioterapia y rehabilitación, con el objetivo de mejorar los servicios mediante la implementación de tecnologías avanzadas, específicamente, un sistema web basado en técnicas de aprendizaje automático. Los objetivos del estudio incluyen evaluar la coherencia y eficacia de los tratamientos recomendados por este sistema en comparación con los tratamientos tradicionales administrados por profesionales de la salud en centros de fisioterapia y rehabilitación. Asimismo, se busca determinar la facilidad de uso y la aceptación del sistema por parte de los usuarios aprovechando el potencial del Aprendizaje Automático (Machine Learning, ML) para optimizar los procesos en estos entornos médicos. Demostrando así que el estudio logró confirmar la eficiencia de las recomendaciones proporcionadas por el sistema web basado en técnicas de aprendizaje automático. Esto se evidenció con un p-valor de 0.001, menor a 0.05, y un alfa de Cronbach de 0.821, lo que indica una buena fiabilidad en la medición de la coherencia. Los resultados sugieren que las preguntas evaluaron de manera fiable la coherencia de las recomendaciones dadas por el sistema, demostrando así que este es capaz de proporcionar tratamientos coherentes y precisos en el contexto de la fisioterapia y rehabilitación. Aunque el ML ya ha demostrado ser útil en el diagnóstico y tratamiento de diversas condiciones médicas, su aplicación en fisioterapia y rehabilitación ha sido menos explorada. Esta tesis pretende llenar ese vacío desarrollando un sistema innovador de recomendación de tratamientos personalizados.