Godinez TC

Universidad Nacional Mayor de San Marcos
Universidad del Perú. Decana de América

Facultad de Ingeniería de Sistemas e Informática
Escuela Profesional de Ingeniería de Software
Monitoreo y predicción del temblor de Parkinson por

medio de una aplicación móvil híbrida mediante
machine learning
TESIS
Para optar el Título Profesional de Ingeniero de Software
AUTOR
Carlos Raúl André GODÍNEZ TELLO
ASESOR
Luzmila Elisa PRÓ CONCEPCIÓN
Lima, Perú
2021
Reconocimiento - No Comercial - Compartir Igual - Sin restricciones adicionales
https://creativecommons.org/licenses/by-nc-sa/4.0/
Usted puede distribuir, remezclar, retocar, y crear a partir del documento original de modo no
comercial, siempre y cuando se dé crédito al autor del documento y se licencien las nuevas
creaciones bajo las mismas condiciones. No se permite aplicar términos legales o medidas
tecnológicas que restrinjan legalmente a otros a hacer cualquier cosa que permita esta licencia.
Referencia bibliográfica
Godínez, C. (2021). Monitoreo y predicción del temblor de Parkinson por medio de

una aplicación móvil híbrida mediante machine learning. [Tesis de pregrado,
Universidad Nacional Mayor de San Marcos, Facultad de Ingeniería de Sistemas e
Informática, Escuela Profesional de Ingeniería de Software]. Repositorio
institucional Cybertesis UNMSM.
Metadatos complementarios
Datos de autor
Nombres y apellidos CARLOS RAÚL ANDRÉ GODÍNEZ TELLO.
Tipo de documento de identidad DNI
Número de documento de identidad 47200005
URL de ORCID https://orcid.org/0000-0001-7371-1039
Datos de asesor
Nombres y apellidos LUZMILA ELISA PRO CONCEPCION
Tipo de documento de identidad DNI
URL de ORCID https://orcid.org/0000-0003-0622-1173
Datos del jurado
Presidente del jurado
Nombres y apellidos JUAN GAMARRA MORENO
Tipo de documento DNI
Miembro del jurado 1
Nombres y apellidos VICTOR HUGO BUSTAMANTE OLIVERA.
Tipo de documento DNI
Datos de investigación
Línea de investigación C.0.3.27 Aplicaciones de Internet
Grupo de investigación No aplica.

Sin financiamiento.
Agencia de financiamiento
Edificio: Universidad Nacional Mayor de San Marcos

País: Perú
Departamento: Lima
Provincia: Lima
Distrito: Cercado de Lima
Ubicación geográfica de la investigación Centro poblado: -
Urbanización: -
Manzana y lote: -
Calle: Av. Universitaria con Av. Venezuela cuadra 34
Latitud: -12.05615
Longitud: -77.08453
Año o rango de años en que se realizó la
2020-2021
investigación
Ingeniería de sistemas y comunicaciones
URL de disciplinas OCDE
http://purl.org/pe-repo/ocde/ford#2.02.04
Universidad Nacional Mayor de San Marcos
Universidad del Perú, DECANA DE AMÉRICA
Facultad de Ingeniería de Sistemas e Informática
Escuela Profesional de Ingeniería de Software
Acta de Sustentación Virtual de Tesis

Siendo las catorce con treinta (14:30) horas del día diecinueve (19) del mes de noviembre de
2021, se reunieron en la sala virtual meet.google.com/fku-stph-zce, presidido por el Mg. Juan
Gamarra Moreno, Lic. Víctor Hugo Bustamante Olivera (Miembro) y la Dra. Luzmila Elisa Pró
Concepción (Miembro Asesor), para la sustentación virtual de Tesis intitulada: “MONITOREO
Y PREDICCIÓN DEL TEMBLOR DE PARKINSON POR MEDIO DE UNA APLICACIÓN
MÓVIL HÍBRIDA MEDIANTE MACHINE LEARNING”, por el bachiller Carlos Raúl André
Godínez Tello, para optar el Título Profesional de Ingeniero de Software.
Acto seguido de la exposición de la Tesis, el Presidente invitó al bachiller a dar respuesta a las
preguntas establecidas por los Miembros de Jurado.
El bachiller en el curso de sus intervenciones demostró pleno dominio del tema, al responder con
acierto y fluidez a las observaciones y preguntas formuladas por los señores miembros del
Jurado.
Finalmente habiéndose efectuado la calificación correspondiente por los miembros de Jurado, el

bachiller obtuvo la nota de 16 (dieciséis).
A continuación, el Presidente del Jurado, Mg. Juan Gamarra Moreno, declara al bachiller
Ingeniero de Software.
Siendo las 15:36 horas, se levantó la sesión.
Mg. Juan Gamarra Moreno

Presidente
Lic. Víctor Hugo Bustamante Olivera Dra. Luzmila Elisa Pró Concepción
Miembro Miembro Asesor
FICHA CATALOGRÁFICA
GODÍNEZ TELLO CARLOS RAÚL ANDRÉ
MONITOREO Y PREDICCIÓN DEL TEMBLOR DE

PARKINSON POR MEDIO DE UNA APLICACIÓN MÓVIL
HÍBRIDA MEDIANTE MACHINE LEARNING
C Ingenierías/ C.0.3. Tecnología de la información y comunicación/
C.0.3.27 Aplicaciones de Internet
Lima, Perú 2021
Tesis, Facultad de Ingeniería de Sistemas e Informática, Escuela Académico

Profesional de Ingeniería de Software, Pregrado, Universidad Nacional
Mayor De San Marcos.
xv, 148 Páginas.
ii
DEDICATORIA:
Este trabajo de investigación lo dedico

a mi familia, en especial a mi madre, por
su el apoyo constante y perseverancia
que estando siempre lejos, no dejo de
apoyarme y animarme a seguir mis
sueños.
iii
AGRADECIMIENTOS
A mi familia, cuya inspiración, apoyo incondicional y palabras de aliento en los
años de carrera profesional; en especial a mis padres que fueron el impulso de
cada día el continuar, de seguir su ejemplo, de encontrar un sentido a todo lo que
hacía cada día.
A la Universidad Nacional Mayor de San Marcos por haber aceptado que sea
parte de ella y haya abierto su seno científico para poder estudiar y convertirme
en profesional que es lo que tanto me apasiona.
A los diferentes docentes que brindaron sus conocimientos, experiencia, y
oportunidad de demostrar de lo que soy capaz de hacer, superando mis propios
límites.
A mi asesor de tesis, el Dra. Luzmila Elisa Pró Concepción, por sus
conocimientos, orientaciones y paciencia que han sido fundamentales para
nuestra formación como investigadores.
iv
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA
ESCUELA PROFESIONAL DE INGENIERÍA DE SOFTWARE
MONITOREO Y PREDICCIÓN DEL TEMBLOR DE PARKINSON

POR MEDIO DE UNA APLICACIÓN MÓVIL HÍBRIDA
MEDIANTE MACHINE LEARNING.
Autor : Carlos Raúl André Godinez Tello

Asesor de Tesis: Luzmila Pró Concepción
Fecha : Junio 2021
RESUMEN
La presente investigación tiene como objetivo desarrollar una aplicación móvil para
apoyar en el monitoreo y predicción del temblor de Parkinson, su implementación se
realiza por medio de una aplicación móvil hibrida mediante machine learning, esta
aplicación apoyará al médico especialista, dado que la aplicación tendrá la capacidad de
pronosticar el temblor parkinsoniano de la enfermedad de Parkinson durante los próximos
6 segundos siguientes a la toma de las muestras, así mismo permitirá llevar a cabo un
control de los mismos mediante un historial, que podrá ser visualizado, compartido vía
correo electrónico, también podrá llevar un control de tiempo de congelamiento de las
personas, a su vez cuenta con una alarma de dosificación de las pastillas que son tomadas
durante el proceso que conlleva esta enfermedad. El desarrollo de la aplicación móvil fue
elaborado con el framework Ionic convirtiéndolo en una aplicación hibrida y utilizando
la técnica de regresión lineal para poder hacer el pronóstico correspondiente. Se logro
construir primero el módulo que es la aplicación móvil para su correcto uso, teniendo
claro las variables, especificaciones, casos de uso, arquitectura, y modelos que permiten
la correcta manipulación e inserción con los otros dos módulos restantes que son de
congelamiento y el de alarma
Palabra claves: Parkinson, Pronostico, Temblor Parkinsoniano, Aplicación Móvil
Híbrida, Ionic.
v
UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA

ESCUELA PROFESIONAL DE INGENIERÍA DE SOFTWARE
MONITORING AND PREDICTION OF THE PARKINSON

THROUGH A HYBRID MOBILE APP THROUGH MACHINE
LEARNING.
Author : Carlos Raúl André Godinez Tello

Thesis Advisor : Luzmila Pró Concepción
Date : Junio 2021
ABSTRACT
The present research aims to develop a mobile application to support the monitoring and
prediction of Parkinson's tremor, its implementation is carried out through a hybrid
mobile application using machine learning, this application will support the specialist
doctor, since the application will have the ability to predict the parkinsonian tremor of
Parkinson's disease during the next 6 seconds after taking the samples, likewise it will
allow to carry out a control of them through a history, which can be viewed, shared via
email, also It will be able to keep track of the freezing time of people, in turn, it has a
dosage alarm for the pills that are taken during the process that this disease entails. The
development of the mobile application was made with the Ionic framework, turning it
into a hybrid application and using the linear regression technique to make the
corresponding forecast. It was possible to first build the module that is the mobile
application for its correct use, having clear the variables, specifications, use cases,
architecture, and models that allow the correct manipulation and insertion with the other
two remaining modules that are freezing and the alarm.
Key words: Parkinson's, Prognosis, Parkinsonian Tremor, Hybrid Mobile App, Ionic.
vi
INDICE DE CONTENIDOS
Índice de figuras ..................................................................................................... xi

Índice de tablas ..................................................................................................... xiii
Introducción ........................................................................................................... xv
CAPITULO I. PLANTEAMIENTO METODOLÓGICO ................................ 1

1.1 Antecedentes del problema .......................................................................... 1
1.2 Definición o formulación del problema........................................................ 4
1.3 Importancia del problema ............................................................................. 5
1.4 Objetivos....................................................................................................... 6
1.4.1 Objetivo General ................................................................................ 6
1.4.2 Objetivos Específicos .......................................................................... 6
1.5 Alcances ....................................................................................................... 7
1.6 Justificación .................................................................................................. 8
1.6.1 Justificación Científica ........................................................................ 8
1.6.2 Justificación Social .............................................................................. 8
1.6.3 Justificación Económica ...................................................................... 8
1.7 La propuesta de solución .............................................................................. 9
1.8 Organización de la tesis .............................................................................. 11
CAPITULO II. MARCO TEÓRICO ................................................................ 13

2.1. James Parkinson ............................................................................................ 13
2.2 Diagnóstico de la Enfermedad del Parkinson ................................................. 14
2.2.1 Diagnóstico clínicamente definitivo ..................................................... 15
2.2.2 Criterios de exclusión para el diagnóstico de la EP .............................. 15
2.2.3 Criterios que apoyan el diagnostico ..................................................... 16
2.2.4 Escalas en la enfermedad de Parkinson ................................................ 16
2.3 Epidemiología ................................................................................................. 17
2.4 Etiología ......................................................................................................... 19
2.5 Síntomas de la enfermedad de Parkinson ....................................................... 20
2.5.1 Síntomas motores ................................................................................. 21
2.5.2 Síntomas no motores ............................................................................ 23
2.6 Estadios de la Enfermedad de Parkinson ........................................................ 24
2.6.1 Enfermedad leve ................................................................................... 25
2.6.2 Enfermedad moderada o fase de estado ............................................... 25
2.6.3 Enfermedad avanzada ........................................................................... 25
2.7 Tratamientos ................................................................................................... 26
2.7.1 Tratamiento Farmacológico .................................................................. 27
2.7.2 Tratamiento Quirúrgico ........................................................................ 30
2.7.3 Tratamiento rehabilitador ..................................................................... 33
2.8 La enfermedad de Parkinson y su impacto socioeconómico .......................... 34
2.9 Sistema Operativo Móvil ................................................................................ 36
vii
2.9.1 Tipos de Sistemas Operativos Móviles ................................................ 37
2.9.1.1 Sistema Operativo Android ........................................................ 37
2.9.1.2 Sistema Operativo IOS ............................................................... 38
2.9.2 Aplicaciones Móviles ........................................................................... 38
2.9.2.1 Características ............................................................................. 38
2.9.2.2 Aplicaciones Nativas .................................................................. 39
2.9.2.2.1 Ventajas Aplicaciones Nativas ......................................... 40
2.9.2.2.2 Desventajas Aplicaciones Nativas .................................... 40
2.9.3 Aplicaciones Hibridas ........................................................................... 40
2.9.3.1 Ventajas Aplicaciones Hibridas .................................................. 41
2.9.3.2 Desventajas Aplicaciones Hibridas ............................................ 41
2.9.4 Aplicaciones Web ................................................................................. 41
2.9.4.1 Ventajas Aplicaciones Web ........................................................ 42
2.9.4.2 Desventajas Aplicaciones Web .................................................. 43
2.9.5 Comparación ......................................................................................... 43
2.9.6 Base de datos ........................................................................................ 44
2.9.6.1 Base de datos móviles ................................................................ 45
2.9.6.2 Tipos de Base de datos móviles .................................................. 45
2.9.6.2 Ventajas y Desventajas de Base de datos móviles ..................... 45
2.9.6.3 Arquitectura de Base de datos móviles ...................................... 46
2.10 Framework .................................................................................................... 48
2.10.1 Ionic .................................................................................................... 49
2.10.1.1 Recursos de Ionic ..................................................................... 49
2.10.1.1.1 Node Js ........................................................................... 49
2.10.1.1.2 Angular ........................................................................... 50
2.10.1.1.3 Apache Cordova ............................................................. 51
2.10.2 Spring ................................................................................................. 51
2.10.2.1 Java ........................................................................................... 53
2.11. Inteligencia Artificial ................................................................................... 54
2.11.1 Machine Learning ............................................................................... 54
2.11.2 Tipo de Machine Learning ................................................................. 55
2.11.2.1 Aprendizaje Supervisado .......................................................... 55
2.11.2.1.1 Algoritmo de Clasificación ............................................. 55
2.11.2.1.2 Algoritmo de Regresión .................................................. 56
2.11.2.2 Aprendizaje No Supervisado .................................................... 57
2.11.2.2.1 Agrupamiento ó Clustering ............................................ 57
2.11.2.2.2 Reducción dimensional .................................................. 58
2.11.2.3 Aprendizaje Profundo ........................................................ 59
2.11.3 Modelos de Machine Learning ........................................................... 60
2.11.3.1 Modelos Lineales ...................................................................... 60
2.11.3.2 Modelos de Árbol ..................................................................... 60
2.11.3.3 Redes neuronales ...................................................................... 61
2.11.4 Fases de desarrollo .............................................................................. 61
2.11.4.1 Fases de Entrenamiento ............................................................ 61
viii
2.11.4.2 Fases de Prueba ........................................................................ 61
2.11.5 Aplicaciones de Machine Learning .................................................... 62
CAPITULO III. ESTADO DEL ARTE METODOLÓGICO ......................... 65

3.1. Metodología ................................................................................................... 65
3.2 Planificación ................................................................................................... 65
3.3 Desarrollo ....................................................................................................... 66
3.4 Resultados ....................................................................................................... 69
3.5 BenchMarking ................................................................................................ 75
3.6 Estudios Parecidos .......................................................................................... 76
3.6.1 TREMOR12: An Open-Source Mobile App for Tremor
Quantification .................................................................................. 76
3.6.2 STOP: A Smartphone-based Game for Parkinson's Disease Medication
Adherence ........................................................................................... 76
3.6.3 Monitorización de la actividad neuromotriz de un paciente de Enfermedad
de Parkinson ......................................................................................... 78
3.6.4 Desarrollo de una app para el diagnóstico diferencial de pacientes
con Parkinson y temblor esencial .......................................................... 79
3.6.5 Tremor Detection Using Smartphone-based Acoustic Sensing ........... 80
3.6.6 Procesado de señales procedentes de smartphones para el análisis de
temblores fisiológicos .......................................................................... 82
CAPITULO IV. DISEÑO E IMPLEMENTACIÓN DEL SISTEMA ............ 87

4.1 Descripción del sistema .................................................................................. 87
4.2 Requerimientos Funcionales ........................................................................... 88
4.3 Requerimientos Del Sistema .......................................................................... 90
4.4 Procesos Del Negocio ..................................................................................... 90
4.4.1 Lista De Actores Del Negocio .............................................................. 90
4.4.2 Lista De Casos De Uso Del Negocio ................................................... 91
4.4.3 Diagrama General De Casos De Uso ................................................... 91
4.4.4 Especificaciones De Los Casos De Uso Del Sistema .......................... 92
4.5 Diagramas De Actividades ............................................................................. 99
4.6 Diagramas De Secuencia .............................................................................. 104
4.7 Representación Arquitectural ....................................................................... 108
4.8 Vista De Despliegue ..................................................................................... 110
4.9 Tamaño Y Rendimiento ............................................................................... 111
4.10 Calidad ........................................................................................................ 111
4.11 Modelos ...................................................................................................... 112
4.11.1 Modelo Entidad - Relación ............................................................... 112
4.11.2 Modelo Lógico ................................................................................. 113
4.11.3 Modelo Físico ................................................................................... 113
4.12 Análisis Económico .................................................................................... 114
4.12.1 Presupuesto Del Hardware Utilizado ............................................... 114
4.12.2 Presupuesto Del Software Utilizado ................................................. 114
ix
4.12.3 Presupuesto complementarios .......................................................... 115
4.12.4 Análisis Costo Beneficio .................................................................. 115
CAPITULO V. INGENIERÍA DEL ARTEFACTO ...................................... 118

5.1 Metodología para la implementación ........................................................... 118
5.2 Diseño de las Interfaces ................................................................................ 120
5.2.1 Interfaz de Inicio ................................................................................. 120
5.2.2 Interfaz de Registro de Usuario .......................................................... 121
5.2.3 Interfaz de Opciones ........................................................................... 122
5.2.4 Interfaz de Historial ............................................................................ 124
5.2.4.1 Visualizar .................................................................................. 124
5.2.4.2 Eliminar .................................................................................... 125
5.2.4.3 Compartir .................................................................................. 126
5.2.5 Interfaz de Temblor Parkinsoniano .................................................... 126
5.2.5.1 Procesamiento de Datos ............................................................ 127
5.2.5.2 Predicción uso de Regresión Lineal ......................................... 130
5.2.6 Interfaz de Alarma .............................................................................. 135
5.2.7 Interfaz de Congelamiento .................................................................. 135
CAPITULO VI. CONCLUSIONES, LIMITACIONES Y TRABAJOS FUTUROS .... 138

6.1 Conclusiones............................................................................................. 138
6.2 Limitaciones ............................................................................................. 139
6.3 Trabajos Futuros ....................................................................................... 140
REFERENCIAS BIBLIOGRÁFICAS ............................................................ 141
ANEXOS ............................................................................................................ 147

Anexo A Manual de Usuario Parkinson Analyzer ......................................... 148
x
INDICE DE FIGURAS
1.1 Esquema de la propuesta de solución ............................................................... 9
1.2 Flujograma para la lectura de la tesis ............................................................. 11
2.1 Algoritmo terapéutico en la EP inicial ........................................................... 25
2.2. Sistemas Operativos Móviles más usados ..................................................... 36
2.3. Comparación Gráfica de las Aplicaciones Móviles ...................................... 43
2.4 Arquitectura de una base de datos móvil ........................................................ 46
2.5. Ejemplo de Algoritmo de Clasificación ........................................................ 55
2.6 Ejemplo de Algoritmo de Regresión .............................................................. 56
2.7 Agrupamiento o Clustering ............................................................................ 57
2.8 Reducción Dimensional .................................................................................. 58
2.9 Aprendizaje Profundo ..................................................................................... 59
2.10 Fases de Machine Learning .......................................................................... 61
3.1 Proceso Sistemático de revisión de la literatura ............................................. 67
3.2 Gráficas ampliadas y sin ampliar en la medición de datos ............................. 77
3.3 Diagrama del flujo de la herramienta desarrollada ......................................... 79
3.4 Estructura de toma de decisiones de TREMOR ............................................. 80
3.5 Demostración de la Aplicación Tremor ......................................................... 81
3.6. Pantalla Inicial de Tremor Insight ................................................................. 82
3.7 Pantalla de Registro de Tremor Insight .......................................................... 82
3.8 Pantalla de Funcionalidades de Tremor Insight ............................................. 83
3.9 Datos Recogidos de Tremor Insight ............................................................... 84
4.1 Modelo de Caso de Uso de la Aplicación Móvil de Parkinson Analyzer ...... 91
4.2 Diagrama de Actividad CN-01 – Registrar Usuario ....................................... 98
4.3 Diagrama de Actividad CN-02 – Login ......................................................... 98
4.4 Diagrama de Actividad CN-03 – Editar Usuario ........................................... 99
4.5 Diagrama de Actividad CN-04 – Recuperar Contraseña ................................ 99
4.6 Diagrama de Actividad CN-05 – Registrar Temblor ................................... 100
4.7 Diagrama de Actividad CN-06 – Registrar Alarma ..................................... 101
4.8 Diagrama de Actividad CN-07 – Registrar Congelamiento ......................... 101
4.9 Diagrama de Actividad CN-08 – Ver Historial ............................................ 102
4.10 Diagrama de Actividad CN-09 – Cerrar Sesión ......................................... 102
4.11 Diagrama de Secuencia CN-01 – Registrar ................................................ 103
xi
4.12 Diagrama de Secuencia CN-02 – Login ..................................................... 103
4.13 Diagrama de Secuencia CN-03 – Editar Usuario ....................................... 104
4.14 Diagrama de Secuencia CN-04 – Recuperar Contraseña 1 ......................... 104
4.15 Diagrama de Secuencia CN-05 – Registrar Temblor ................................. 105
4.16 Diagrama de Secuencia CN-06 – Registrar Alarma ................................... 105
4.17 Diagrama de Secuencia CN-07 – Registrar Congelamiento ...................... 106
4.18 Diagrama de Secuencia CN-08 – Ver Historial .......................................... 106
4.19 Diagrama de Secuencia CN-09 – Cerrar Sesión ......................................... 107
4.20 Arquitectura de la Aplicación Móvil de Parkinson Analyzer ..................... 108
4.21 Vista de Despliegue Aplicación Móvil de Parkinson Analyzer ................. 110
4.22 Modelo Entidad - Relación de la Aplicación Móvil de Parkinson
Analyzer ..................................................................................................... 111
4.23 Modelo Lógico de la Aplicación Móvil STRAC ....................................... 112
4.24 Modelo Físico de la Aplicación Móvil de Parkinson Analyzer .................. 112
5.1 Esquema general de Metodología SCRUM .................................................. 118
5.2 Interfaz de Inicio de la Aplicación Parkinson Analyzer ............................... 120
5.3 Interfaz de Registro de Usuario a la Aplicación Parkinson Analyzer .......... 121
5.4 Interfaz de Opciones a la Aplicación Parkinson Analyzer ........................... 122
5.5 Interfaz de Opciones a la Aplicación Parkinson Analyzer ........................... 123
5.6 Interfaz de Visualización del Historial ......................................................... 124
5.7 Interfaz de Confirmación de la eliminación de un Historial ........................ 124
5.8 Interfaz de Compartir de Historial ................................................................ 125
5.9 Interfaz de Temblor Parkinsoniano .............................................................. 126
5.10 Captura de la aplicación móvil en ejecución .............................................. 128
5.11 Documento en formato PDF resultados del Temblor Parkinsoniano ......... 132
5.12 Documento en formato PDF de la predicción del Temblor
Parkinsoniano ............................................................................................. 133
5.13 Interfaz de Compartir de Historial .............................................................. 133
5.14 Interfaz de Congelamiento ......................................................................... 135
5.15 Correo de Confirmación del envió del Resultado de Congelamiento ........ 135
5.16 Archivo PDF del Análisis de Congelamiento ............................................ 136
xii
INDICE DE TABLAS
Tabla 2.1. Criterios clínicos del Banco de Cerebros de la Sociedad de Enfermedad
de Parkinson del Reino Unido ............................................................ 14
Tabla 2.2. Síntomas No Motores Mas Comunes en la Enfermedad de
Parkinson ............................................................................................. 24
Tabla 2.3. Fármacos comúnmente empleados en el manejo de la EP .................. 28
Tabla 2.4. Criterios de selección para tratamiento quirúrgico de la EP ............... 31
Tabla 2.5. Costos Directos e Indirectos por año de la enfermedad de
Parkinson ............................................................................................. 34
Tabla 2.6. Costos Según Estadio de la enfermedad de Parkinson ........................ 34
Tabla 2.7. Ventajas y Desventajas Base de Datos Móviles .................................. 46
Tabla 3.1 Lista de Keywords ................................................................................ 66
Tabla 3.2 Criterios de Selección y Exclusión ....................................................... 67
Tabla 3.3 Criterios de Selección y Exclusión ....................................................... 69
Tabla 3.4 Estudios Seleccionados ........................................................................ 72
Tabla 3.5 Bencharking .......................................................................................... 75
Tabla 4.1 Requerimiento Funcionales de la Aplicación Móvil Parkinson
Analyzer ............................................................................................... 88
Tabla 4.2 Requerimiento No Funcionales de la Aplicación Móvil de Parkinson
Analyzer ............................................................................................... 89
Tabla 4.3 Requerimiento del Sistema de la Aplicación Móvil de Parkinson
Analyzer ............................................................................................... 89
Tabla 4.4 Lista de Actores de la Aplicación Móvil de Parkinson Analyzer ........ 91
Tabla 4.5 Lista de Casos de Uso del Negocio de la Aplicación Móvil de
Parkinson Analyzer ............................................................................... 91
Tabla 4.6 Especificación de Caso de Uso N.º 1 - Registrar ................................. 92
Tabla 4.7 Especificación de Caso de Uso N.º 2 - Login ...................................... 93
Tabla 4.8 Especificación de Caso de Uso N.º 3 – Editar Usuario ........................ 93
Tabla 4.9 Especificación de Caso de Uso N.º 4 – Recuperar Contraseña ............ 94
Tabla 4.10 Especificación de Caso de Uso N.º 5 – Registrar Temblor ................ 94
Tabla 4.11 Especificación de Caso de Uso N.º 6 – Registrar Alarma .................. 95
Tabla 4.12 Especificación de Caso de Uso N.º 7 – Registrar congelamiento ...... 96
xiii
Tabla 4.13 Especificación de Caso de Uso N.º 8 – Ver Historial ........................ 97
Tabla 4.14 Especificación de Caso de Uso N.º 9 – Cerrar Sesión ........................ 98
Tabla 4.15 Presupuesto del Software Utilizado en la Construcción de la Aplicación
Móvil de Parkinson Analyzer ......................................................... 114
Tabla 4.16 Presupuesto Complementarios Utilizado en la Construcción de la
Aplicación Móvil de Parkinson Analyzer ........................................ 115
Tabla 4.17 Presupuesto Total de la Aplicación Móvil Parkinson Analyzer ....... 116
Tabla 5.1 Planificación de Actividades .............................................................. 119
xiv
CAPÍTULO I: PLANTEAMIENTO METODOLÓGICO
1.1 Antecedentes del Problema
El doctor James Parkinson, fue la primera persona que describió hace dos siglos la
enfermedad del Parkinson, de ahí el nombre de la enfermedad, quien lo caracterizó
por dificultad de movimiento, temblores y rigidez. (Zurita, 2017). Al presente existen
7 millones de pacientes con esta enfermedad en el mundo, afectando a una de cada
100 personas mayores de 60 años; la Organización Mundial de la Salud (OMS)
pronostica que al año 2030 alcanzarán a ser más de 12 millones de personas.
(América Economía, 2018).
Al ser una enfermedad crónica, que avanza de forma gradual vinculando al sistema
nervioso central causando la muerte de las neuronas dopaminérgicas, siendo ellas
encargadas de generar dopamina, que es un neurotransmisor, primordial para la
función motriz de un individuo (La República, 2018); y también para las personas que
los rodean, ya que conlleva una cadena de trastornos tanto económicos, psico-
emocionales y sociales que deben ser asumidos y conocidos por la familia y el
paciente. La enfermedad consta de diferentes etapas involucrando sentimientos como
1
depresión, insatisfacción, angustia, desesperanza, enojo, ira, tristeza e incertidumbre.
(Ministerio de Salud, 2010).
En todo el mundo existe mucha investigación médica tratando de descubrir el origen
de la enfermedad, más aún no existe una medicación o tratamiento para el Parkinson.
(PERÚ21, 2019), además existen alternativas que modifican la progreso de la
enfermedad para mantener la calidad de vida de quienes la padecen (Infobae, 2019) .
El tratamiento inicial para Parkinson es a partir de la administración de una
combinación de levodopa y otros fármacos dopaminérgicos para compensar el
agotamiento de la dopamina, que es la principal la causa de la colectividad de las
sintomatologías (Micheli & Fernández Pardal, 2010). Estos pacientes también
requieren terapia de rehabilitación complementaria, que envuelve tratamiento
psicológico, terapia ocupacional, fisioterapia y terapia del habla (Morris, 2000).
La medición de los efectos de esta terapia requiere una evaluación continua y
adecuada utilizando herramientas objetivas; esto nos permite brindar la mejor
atención y el mejor tratamiento posible en todo momento. Los últimos años han visto
una ampliación en el uso de la tecnología de la información en la atención médica. En
el área de la enfermedad neurológica, se están descubriendo nuevas tecnologías de
evaluación y tratamiento apoyadas en sistemas robóticos, telerehabilitación, realidad
virtual y en análisis de movimiento (H & Storey, 2004).
2
Indistintamente, es indudable de la posibilidad que las aplicaciones móviles puedan
ser capaces de reducir distancias geográficas, permitiendo accesos, diagnósticos de
conocimiento de varios especialistas mediante la conexión con los centros de salud
de distinto nivel. Dicha oportunidad hay que tomarlo en cuenta entre los poblados y
ciudades de distintos tamaños, y no solo la separación urbano – rural. Así mismo, con
el continuo envejecimiento de la población, las diversas aplicaciones de remotas o
televigilancia, conseguirán más notabilidad para el control de pacientes crónicos.
También, favorecerá a la calidad de la atención, reduciendo las brechas de acceso a la
capacitación continua de los equipos de salud distribuidos en los territorios
(NewLetter 12: Salud y TIC, 2010).
Actualmente en Perú, cada año existen tres mil nuevos casos de individuos con
sintomatologías claras que manifiestan la enfermedad del Parkinson y afecta 30 mil
personas, según el Instituto Nacional de Ciencias Neurológicas (INCN),
del Ministerio de Salud- (Ministerio de Salud, 2019). Por su parte, la doctora Patricia
Pimentel Álvarez, directora del Instituto de Evaluación de Tecnologías en Salud e
Investigación del Seguro Social, comunicó que, EsSalud en el año 2018 invirtió más
de 2 millones 700 mil soles en fármacos destinados al tratamiento de pacientes con
esta enfermedad (ANDINA, 2018). El especialista en Neurocirugía Camilo Contreras,
quien consta más de 30 años de experiencia en este campo y fue uno de los pioneros
en ejecutar la cirugía de Estimulación Cerebral Profunda para tratar casos avanzados
de la enfermedad. Comenta que existe la opción quirúrgica para esta enfermedad
colocando un neuro estimulador similar a un marcapasos que se programa desde
afuera y remite señales eléctricas a áreas específicas del cerebro que controlan el
movimiento. Este sistema se implanta por debajo de la piel de manera que no es
3
visible a simple vista, puede durar unos cinco años y logra muy buenos resultados,
pues mejora de manera significativa los síntomas y los temblores de la
enfermedad. Pero solo puede ser fructífero en un porcentaje de pacientes que deben
ser calificados rigurosamente por un protocolo que ha sido estandarizado a nivel
mundial (SAUSA, 2018). Así mismo que el paciente haya respondido bien
inicialmente a la medicación con Levodopa-carbidopa/levodop
(Cirugiadeparkinsonperu, 2019).
1.2 Definición o Formulación del Problema
Entre los problemas existentes podemos mencionar:
 Los pacientes con Parkinson requieren terapia de rehabilitación
complementaria estas soluciones suelen ser muy costosas, limitando su uso en
la práctica clínica, independientemente de su eficacia.
 Al ser una enfermedad progresiva los pacientes son sometidos a un régimen
de medicamentos para controlar los problemas de movilidad, este tratamiento
es personalizado para un control efectivo, sin embargo, es difícil para el
paciente mantener el régimen; se requiere un control y alarma diaria que
recuerde al paciente que fármaco tomar.
 Otras enfermedades constan con la misma similitud de síntomas, conllevando
que el diagnostico sea incierto y difícil de corroborar; al no existir una prueba
legitima es necesario un historial médico y un examen físico para divisar los
signos principales de la enfermedad.
 La Escala Unificada de la Enfermedad de Parkinson (UPDRS), es una escala
que permite determinar el avance de la EP, está conformada un conjunto de
4
pruebas motoras y no motoras. Se realizan en un ambiente controlado pero el
problema es que no se toma en cuenta el día a día del paciente.
1.3 Importancia del Problema
Después del Alzheimer, el Parkinson es la segunda enfermedad neurodegenerativa en
incidencia y prevalencia. Se estima que en años venideros exista un incremento
importante en la incidencia de esta enfermedad. (Martínez Fernández, Gasca Salas,
Sánchez Ferro, & Obeso, 2016) Aunque el Parkinson no produce la muerte
directamente, si un paciente no recibe tratamiento terminará al final con una gran
discapacidad y complicaciones por estar postrados, como escaras o una neumonía.
El Parkinson es una patología progresiva, la rapidez con la enfermedad avanza es
versátil según cada paciente, se puede aplacar la intensidad(impaciencia) y el ritmo
(velocidad) de los síntomas razonablemente con la administración medica
antiparkinsoniana a cada caso y terapias de rehabilitación complementarias. La
calidad de vida cotidiana puede ser satisfactoria durante muchos años. (Asociación
Parkison Madrid, s.f.) Los factores que afectan en la calidad de vida relacionada con
la salud en pacientes con EP incluyen la severidad de la enfermedad, inestabilidad
postural, duración de la misma y complicaciones motoras, dolor, ansiedad, sueño,
deterioro cognitivo y limitaciones de las actividades de la vida diaria. (Martínez
Jurado, Cervantes Arriaga, & Rodríguez Violante, 2010)
La automatización de las TIC puede favorecer de manera importante al sector salud.
Nuevos flujos de atención al cliente mediante información articulada sobre la historia
5
clínica del paciente pueden mejorar los tiempos y costos de operaciones
administrativas.
La innovación mediante las TIC alcanza múltiples aspectos desde el monitoreo de los
pacientes en tiempo real mediante el “Internet de las cosas” o la telemedicina para la
atención de personas que residen en zonas remotas de difícil acceso. El apogeo de
Internet se relaciona con el creciente desarrollo de aplicativos en dispositivos móviles,
innovaciones que enriquecen al mejoramiento de la salud. (Orduz, y otros, 2013)
1.4 Objetivos
En esta sección se describe una lista de objetivos tanto generales como específicos.
1.4.1 Objetivo General
Diseñar e implementar una aplicación móvil hibrida capaz de monitorear y
pronosticar el temblor Parkinsoniano basada en la técnica de regresión lineal
para la enfermedad de Parkinson
1.4.2 Objetivos Específicos
Los objetivos específicos son:
OE1. Analizar, describir y comparar las estrategias existentes en el Estado del Arte para
identificar las técnicas, algoritmos y métricas más usados en Machine Learning.
OE2. Realizar una revisión de las etapas, síntomas motores, diagnóstico y tratamientos
existentes para las personas que tienen la Enfermedad de Parkinson.
OE3. Realizar un Benchmarking basado en los criterios, de otros trabajos realizados.
OE4. Diseñar un software de predicción basa en las técnicas de machine learning e
implementarlo a partir de las tecnologías empleadas en la actualidad.
OE5. Utilizar la arquitectura más adecuada para el correcto funcionamiento
del software.
6
OE6. Disponer de la plataforma Google Play para la descarga y uso correspondiente para
las personas con Parkinson.
OE7. Elaborar un manual de usuario donde se detalle el correcto uso de la
aplicación móvil.
1.5 Alcances
El alcance de la presente investigación se resume en los siguientes puntos:
▪ Se plantea este proyecto para las personas que se encuentren con la enfermedad
de Parkinson.
▪ La aplicación será capaz de poder monitorizar el temblor parkinsoniano, como
también predecir los próximos 6 segundos siguientes.
▪ Llevar un control del estado de congelamiento de la marcha.
▪ Podrá alertar por medio de una alarma que pastilla correspondiente debe ser
ingerida en el transcurso del día.
▪ Se desarrollará una aplicación intuitiva y fácil de usar para el usuario.
▪ Se realizará el estado del arte de las últimas investigaciones tanto en ingeniería
de software, ingeniería de sistemas e ingeniería electrónica.
▪ La investigación para desarrollar tiene un periodo de un año, teniendo en cuenta
que la aplicación tiene que pasar diferentes etapas de pruebas y mejoras para
su presentación final.
1.6 Justificación
1.6.1 Justificación Científica
Al término de esta investigación se tendrá las herramientas necesarias para
poder llevar un control adecuado de los pacientes para que los doctores
puedan ver el avance y control de la enfermedad para futuro. Este historial
clínico digital luego podrá servir de base para futuras investigaciones.
7
1.6.2 Justificación Social
Al ser una enfermedad progresiva, la calidad de vida del paciente va
decreciendo con el tiempo. Se plantea que con esta aplicación y correcto
análisis del médico especialista pueda el paciente tener control más preciso,
así mismo poder remotamente ver el avance bajo un ambiente no controlado,
datos que son relevantes para entender la actividad diaria afectada por la EP.
Así mismo el uso de las TIC deben romper las brechas y que no solo estén
ligadas a una empresa, área de trabajo u ocupación. Sino que habrá camino
para que las personas puedan gozar los múltiples adelantos que aportar al
mejoramiento de la salud.
1.6.3 Justificación Económica
Valorizando la aplicación móvil en la plataforma Google Play se podría tener
ingresos según sea el caso como: app de pago, app de forma gratuita con
publicidad, app con suscripción y app premium.
1.7 La propuesta de solución
Se propone hacer una aplicación móvil capaz:
▪ Para medir el registro de vibración por medio la mano de una persona y a su
vez poder predecir los próximos 6 segundos de una persona con Parkinson.
▪ Llevar el control del congelamiento al momento que una persona se encuentra
en marcha dentro de un ambiente no controlado.
▪ Capaz de avisarnos por medio de alarmas programadas que pastilla podrá
ingerir el paciente.
La aplicación podrá recolectar 3 parámetros: aceleración (en g) en tiempo real de ejes
X, Y y Z, rotación (en radianes), velocidad de rotación (en radianes por segundo).
8
Los tres parámetros ofrecen la cuantificación del temblor, ya que por medio de la
transformada inversa de Fourier nos podrá brindar la frecuencia (en Hz) de los
temblores. En la pantalla debe mostrar las gráficas tanto de la aceleración como de
los espectros de los temblores. En tanto a la alarma de pastillas contara con la
funcionalidad de poder programar la dosis diaria de pastillas y poder vibrar o sonar
el celular para informarnos con tiempo que pastilla esta próxima ser ingerida.
Así mismo permitiendo tener los resultados en un documento que podrá ser
verificado remotamente al ser enviado por correo electrónico.
9
Figura 1.1 Esquema de la propuesta de solución
Fuente: Autoría Propia
10
1.8 Organización de la tesis
La presente investigación se estructura en 7 capítulos que van desde el planteamiento
metodológico hasta las conclusiones y recomendaciones:
 Capítulo 1: Planteamiento Metodológico. Antecedentes del problema,
definición o formulación del problema, importancia del problema, objetivos,
alcances, justificación, la propuesta y organización del presente trabajo.
 Capítulo 2: Marco Teórico. James Parkinson. Diagnóstico de la Enfermedad
de Parkinson. Diagnóstico clínicamente definitivo. Criterios de exclusión para
el diagnóstico de la EP. Criterios que apoyan el diagnostico. Escalas en la
enfermedad de Parkinson. Epidemiología. Etiología. Causas de la enfermedad
de Parkinson. Estadios de la Enfermedad de Parkinson. Tratamientos. La
enfermedad de Parkinson y su impacto socioeconómico. Sistema Operativo
Móvil. Aplicaciones Móviles. Framework. Inteligencia Artificial. Machine
Learning.
 Capítulo 3: Estado del Arte Metodológico. Metodología. Planificación.
Desarrollo y Resultados. Benchmarking de los diferentes casos estudio.
Resumen y aporte de los estudios parecidos.
 Capítulo 4: Diseño e Implementación del Sistema. Requerimientos
Funcionales, No Funcionales y del Sistema. Procesos, lista de actores de los
casos de uso, con sus respectivas especificaciones de caso de uso. Diagramas de
secuencia, actividad. Representación Arquitectural. Vista de Despliegue,
tamaño, rendimiento. Modelo lógico, físico y entidad relación. Análisis
económico. Análisis económico. Análisis Costo beneficio.
11
 Capítulo 5: Ingeniería del Artefacto. Metodología para la implementación.
Diseño de Interfaces. Interfaz: Inicio, Registro de Usuario. Interfaz de Opciones,
Historial, Temblor de Parkinsoniano, Alarma y Congelamiento.
 Conclusiones, limitaciones y trabajos futuros.
Figura 1.2 Flujograma para la lectura de la tesis
12
CAPÍTULO II: MARCO TEÓRICO
2.1. James Parkinson
James Parkinson, médico inglés, en 1817 describe una anomalía clínica a la que
denomina “parálisis agitante o temblorosa”. Esta anomalía manifestaba seis casos
representados por temblor, marcha festinante con propulsión y lentitud en los
movimientos. Su trabajo en la época no conto mucha propagación ni fama (Chana,
2010). En ese tiempo, el médico pensaba que una de las causas de esta anomalía
estaba vinculada a la variación en la actividad de la médula espinal, extendiéndose al
bulbo raquídeo. A pesar de esto, Parkinson mencionaba que no existía algún tipo de
“modificación del intelecto ni de los sentidos” (American Neuropsychiatric
Association, 2002) .
En otros tiempos, Charcot enfatizo que lo descubierto por Parkinson era realmente
una anomalía clínica, pero que los análisis no era producto de la parálisis y que el
temblor no era una característica en todos los pacientes. Adicionalmente, asoció a
esta anomalía diferentes síntomas como la bradicinesia y la rigidez. En homenaje a
13
esta descubierta y su temprana descripción clínica, se difundió el uso del nombre de
Enfermedad de Parkinson (Chana, 2010) .
2.2 Características diagnosticas de la Enfermedad del Parkinson
En estadios tempranos, el diagnóstico resulta difícil y complejo. Por otra parte, se ha
identificado que existe un margen de error diagnóstico del 5-10% en la EP. Debido
a esto, se consideran diversos criterios clínicos, entre los más frecuentes están los
descritos por el Banco de Cerebros de la Sociedad de Enfermedad de Parkinson del
Reino Unido, los cuales se consideran que tienen una certeza diagnóstica del 90 %.
Para identificar el Parkinson se recomienda seguir los siguientes criterios: a)
síntomas esenciales para el diagnóstico del síndrome parkinsoniano; b) criterios de
exclusión para el diagnóstico de la EP; y c) criterios que apoyan el diagnóstico de la
EP (ver Tabla 2.1).
Tabla 2.1. Criterios clínicos del Banco de Cerebros de la Sociedad de Enfermedad de Parkinson del Reino
Unido
14
Fuente: (Estrada-Bellmann & Martínez Rodríguez, 2011)
2.2.1 Diagnóstico clínicamente definitivo
Son considerados los siguientes criterios para un diagnostico clínicamente definitivo:
1) Un año o más de existencia de los siguientes síntomas (signos motores
cardinales): rigidez, temblor de reposo y bradicinesia;
2) Respuesta inmunológica a la suministración del medicamento levodopa, con
aplicación durante un mes, en la que ocasione moderado o marcado grado de
mejoría (30 % de mejoría en Escala UPDRS) y mejoría clínica de un año o más.
2.2.2 Criterios de exclusión para el diagnóstico de la EP según (Estrada-Bellmann &
Martínez Rodríguez, 2011)
1) Curso remitente;
2) Progresión escalonada;
3) Tratamiento con neurolépticos en el transcurso del año previo;
4) Exposición a drogas o toxinas con conocido efecto parkinsoniano;
5) Historia de encefalitis;
6) Parálisis supranuclear;
7) Signos cerebelosos;
8) Signos piramidales;
15
9) Lesiones de la neurona motora inferior;
10) Deterioro autonómico grave antes o después del inicio del síndrome de
Parkinson;
11) Pérdida de la memoria desde el inicio de la enfermedad;
12) Del principio inestabilidad postural;
13) Enfermedad vascular cerebral evidente, y
14) Pérdida de la sensibilidad cortica y apraxia asociada a la distonía unilateral.
2.2.3 Criterios que apoyan el diagnostico según (Estrada-Bellmann & Martínez
Rodríguez, 2011)
A. Signos motores cardinales: Temblor de reposo distal (3-7 HZ) frecuencia: 69-
100 %
B. Bradicinesia frecuencia 77-98 %
C. Rigidez frecuencia 89-99 %
D. Inicio asimétrico frecuencia 72-75 %
E. Excepción de síntomas atípicos: fenómeno de “congelamiento” precoz,
inestabilidad postural precoz (los primeros tres años del inicio), alucinaciones no
relacionadas con la farmacoterapia, parálisis de la mirada vertical, demencia precoz,
disautonomía grave no relacionada con la farmacoterapia, causas claras de
parkinsonismo sintomático.
2.2.4 Escalas de la enfermedad de Parkinson
Una forma de medir la discapacidad ocasionada por la EP es a través de escalas. Estas
evalúan diversos factores: síntomas no motores, función motora, complicaciones del
tratamiento, capacidad de autonomía del paciente, los signos, síntomas asociados y
las fluctuaciones. La escala clínica de valoración más utilizada actualmente es la
16
UPDRS (Unified Parkinson´s Disease Rating Scale: Escala Unificada para
Estratificar la Enfermedad de Parkinson). Escala muy utilizada en la mayoría de los
estudios clínicos, que incluyen la valoración de los signos motores y los no motores,
complicaciones del tratamiento y las fluctuaciones.
La Escala Unificada de Evaluación de la Enfermedad de Parkinson (UPDRS) tiene
cuatro signos o ítems a evaluar:
I. Estado mental, comportamiento y estados de ánimo
II. Actividades de la vida diaria (determinar en on/off)
III. Exploración de signos motores
IV. Complicaciones del tratamiento
Cada uno de estos ítems tienen una puntuación que varía de 0 a 4. Considerando un
valor de 0 si el signo se encuentra normal y un valor de 4 cuando el signo está muy
anormal o existe afección avanzada. La UPDRS tiene un valor pronóstico pues
debido a que cuanto mayor es la puntuación, mayor será la discapacidad (Estrada-
Bellmann & Martínez Rodríguez, 2011).
2.3 Epidemiología
De forma común, la EP inicia normalmente entre los 50 y los 60 años, y su intensidad
aumenta proporcionalmente con el aumento de la edad. La edad promedio del inicio
de los síntomas es de 62,4 años. Un cuadro de Parkinson a temprana edad como por
ejemplo a los 30 años es extraño (Parkinson juvenil), pero se ha constatado que el
10% de casos estudiados comienza en los 40 años (Parkinson de aparición precoz).
Es complicado estimar la cantidad de personas afectas (prevalencia), así como el
número de personas afectadas cada año (incidencia). Esto se debe a las disímiles
metodologías y discernimientos diagnósticos realizados en diferentes estudios.
17
Estudios a profundidad de casos (puerta a puerta) han identificado un 40% más de
casos de los que se tenían registrados al ser previamente diagnosticados (Catalán
Alonso & Rojo Sebastián).
Diversos estudios occidentales mencionan que la presencia de esta enfermedad va
entre 100-200 por cada 100.000 habitantes. Investigaciones científicas realizadas en
Corea, Singapur y Australia se han identificado idénticas comparaciones con los
países occidentales (Chana, 2010). Por otro lado, en el continente africano se han
manifestado tasas menores de otros lugares geográficos (Chana, 2010).
La incidencia en el vecino país del sur, Chile, fue aproximado en 190 casos por cada
100.000 habitantes, por medio un estudio epidemiológico de enfermedades
neurológicas con metodología puerta a puerta, alcanzando hasta el 1 % en mayores
de 65 años (Chana, 2010).
Estas fluctuaciones tienen su explicación, aparte de los mencionados factores
metodológicos, primando como principal responsable la mayor edad . Las
pronósticos y proyecciones indican un aumento global de la incidencia de EP, debido
al aumento de la expectativa de vida en la población (Chana, 2010).
Dorsey y colaboradores estimaron que, en los países más poblados, el número de
pacientes con EP era cercano a 4,5 millones en 2005 y que esa cifra se duplicaría
hacia el 2030 (Chana, 2010). Las proyecciones de la Organización Mundial de la Salud
también indican un incremento de la incidencia de esta enfermedad por el proceso
natural de envejecimiento de la población (Chana, 2010).
La mayor incidencia al Parkinson se encuentra entre los 60 y 69 años; los casos en
menores de 40 años son poco comunes y representan menos de 5% del total. A modo
general, se calcula que entre 1% y 2% de la población mayor de 65 años presenta
Parkinson, llegando hasta el 5% en los mayores de 85 años. (Chana, 2010)
18
La incidencia de Parkinson acostumbra ser mayor en hombres, específicamente, entre
1.5 a 2 veces más que la reportada en mujeres. Esto es especialmente evidente entre
occidentales, ya que los estudios en población oriental han fracasado en la
publicación de conclusiones similares. (Chana, 2010)
Un estudio reciente realizado en 238 pacientes acompañados clínicamente por un
largo período de tiempo demostró mortalidad cercana a los controles hasta los 10
años de evolución de la enfermedad y aumento de la misma hasta 1.3 veces en
aquellos con más de 20 años de evolución. (Chana, 2010)
2.4 Etiología
La EP es considerada como el resultado de la conjunción de múltiples factores que
actúan a la vez, la vulnerabilidad genética, el envejecimiento, y a factores
ambientales.
Papel del envejecimiento
Anatomopatológicamente, el envejecimiento se relaciona a una baja de las neuronas
pigmentadas de la SN, se tiene en cuenta que la incidencia de EP aumenta con la
edad, se consiente que ésta no establece simplemente una prontitud del
envejecimiento.
Papel de la predisposición genética
No existe antecedentes familiares en la mayoría de enfermos de EP. Solo un 15%
tiene un familiar de primer grado afectado.
Papel de los factores ambientales
Importa señalar el contacto con herbicidas y pesticidas, el consumo de aguas de pozo,
el medio rural y neurotoxinas como el MPTP (1-methyl-4-phenyl-1,2,3,6-
tetrahidropyridina).
19
No obstante, determinadas exposiciones ambientales pueden reducir el riesgo de
adquirir EP, por ejemplo, personas asiduas al tabaquismo y al consumo de café
(cafeína). No existe una explicación clara para esta relación inversa (Guerrero Díaz,
y otros).
2.5 Síntomas de la enfermedad de Parkinson
Sus síntomas claves son:
a) tardanza de movimientos,
b) dureza de las extremidades y el tronco,
c) el temblor en las manos, los brazos, las piernas o el maxilar inferior,
d) la desequilibrio postural o alteración del equilibrio,
e) las variaciones de la marcha.
Así mismo presentan alteraciones en conducta, mentales y cognitivas (Yudofsky &
Hales , 2008), y variaciones vegetativas como sialorrea, constipación y seborrea.
El síntoma motor en casi el 20% de los pacientes con enfermedad de Parkinson no se
presenta al inicio, pero si presentan síntomas como molestias, fatiga, depresión y
musculoesqueléticas; muchos de ellos tienen que pasan entre cuatro y ocho años sin
sintomatologías, antes de hacer presencia los síntomas motores. (Chávez León,
Ontiveros Uribe, & Carrillo Ruiz, 2013).
2.5.1 Síntomas motores
Al inicio es preciso manifestarse en un solo lado del cuerpo y progresivamente al
lado contrario; comienzan focalmente, en una de las extremidades, cuando la
concentración de dopamina hunde por debajo de 60 a 70% en la región motora del
cuerpo estriado contralateral. Los síntomas motores consisten en:
a) Temblor. Al inicio de la enfermedad es el sistema más predominante. El temblor
en reposo es de 4-6 Hz y es de preponderancia distal. Una de las características

20
más evidentes está en los dedos de las manos, donde el individuo junta los dedos.
De la misma forma, puede existir temblor en las piernas (Rodriguez Oroz, y
otros, 2009). Son afectados los músculos de la lengua y mandibula, pero
raramente son afectados del cuello y tronco. Se amplifica el temblor
degenerativamente y se extiende a otras zonas del cuerpo. Muchas veces, tiende
a desaparecer durante el sueño (Rodriguez Oroz, y otros, 2009).
b) Alteraciones del tono muscular. Son afectados los músculos flexores y
extensores. Se aprecia el aumento del tono muscular en reposo, mayor facilidad
para la flexión, reducción en la movilización pasiva y aceleración de la resistencia
a la extensión; siendo esta extensible poco a poco por toda extremidad afectada.
En los pacientes puede hallarse la inexpresividad, y según el avance de la
enfermedad puede haber variaciones en el habla (taquifemia o farfulleo) y
disfagia por cambios musculoesqueléticas (Chávez León, Ontiveros Uribe, &
Carrillo Ruiz, 2013).
c) Acinesia. Definida como la carencia de movimiento y mostrando heterogéneas
formas de expresarse:
1. La hipocinesia trata sobre la disminución de la frecuencia, en el parpadeo o en las
expresiones faciales, ausencia en el braceo y de movimientos asociados en las
actividades de la vida cotidiana, al levantarse, moverse y caminar. Otras
manifestaciones son lentitud al escribir o en la amplitud del trazo (Chávez León,
Ontiveros Uribe, & Carrillo Ruiz, 2013).
2. La marcha parkinsónica se manifiesta al momento de la flexión, la disminución en
la amplitud de la zancada y en la elevación del pie al caminar; por ende, el paciente
21
tarde en intentar caminar e inclusive se quede “congelado”. Dentro de la enfermedad
es característica una marcha llamada festinante, con gran dificultad para dar el primer
paso (Chávez León, Ontiveros Uribe, & Carrillo Ruiz, 2013).
3. La bradicinesia se identifica por la baja velocidad del movimiento con una
disminución de su amplitud hasta la desaparición del movimiento; trayendo
dificultad en movimientos sincrónicos (Chávez León, Ontiveros Uribe, & Carrillo
Ruiz, 2013).
2.5.2 Síntomas no motores
Este síntoma trae consigo bastante relevancia ya que se extiende conforme la
enfermedad se extiende y un impacto negativo sobre la calidad de vida que puede ser
mayor que el de los síntomas motores (Duncan, Khoo, Yarnall, O’Brien, & Coleman,
2014). Entre estos se puede mencionar la apatía o depresión, disfunción autonómica
o síntomas sensitivos, alteraciones del sueño (ver Tabla 2.2).
Diferentes síntomas como el estreñimiento, el trastorno de conducta de sueño REM
y la depresión pueden preceder en varios años a las manifestaciones motoras clásicas
y por lo tanto al diagnóstico de la enfermedad (Tolosa, Compta, & Gaig, 2007).
Además, otros estudios sugieren que la apatía, fatiga, hipersomnia diurna, alteración
de los colores, como cuasi síntomas premotores. Por ende, es esencial el nivel
terapéutico pudiendo ralentizar el desarrollo de la enfermedad (Siderowf & Lang,
2012).
Con la medicación dopaminérgica muchos de estos síntomas pueden responder
favorablemente en las fluctuaciones no motoras, no obstante, muchos otros tienen
orígenes distintos y necesitan de un procedimiento determinado. (Ver Tabla 2.2)
22
Los síntomas no motores de la Enfermedad de Parkinson son escasamente
examinados, porque la visita médica se focaliza en las expresiones motoras, o
también a la percepción del especialista al no considerar estos síntomas son propios
de la enfermedad. Actualmente hay escalas validadas como el NMS-Quest, SCOPA
o la escala UPDRS que colaboran con el reconocimiento y valoración de estos
síntomas (Martinez Martin, y otros, 2014).
Tabla 2.2. Síntomas No Motores Mas Comunes en la Enfermedad de Parkinson
Fuente: (Raúl, Carmen, Álvaro, & José, 2016)
2.6 Estadios de la Enfermedad de Parkinson
Para clasificar los estados de Parkinson, usualmente se utiliza la clasificación de los
estadios de Hoehn y Yahr. Se trata de una escala ordinal que indica la evolución de
la enfermedad. Por otro lado, la escala de Schawb & England se gradúa del 100% al
0%, donde el 100% quiere decir ninguna incapacidad y el 0% una invalidez total.
A continuación, son descritas las principales características clínicas de la EP en grado
diversos grados:
23
2.6.1 Enfermedad leve: caracterizado por una leve disminución del braceo en el lado
afecto, ligera rigidez y leve temblor (Kulisevsky Bojarski). La incapacidad del
paciente es nula o pequeña; donde él puede realizar sus actividades diarias,
actividades laborales y sociales.
2.6.2 Enfermedad moderada: imposibilita las actividades familiares y
sociolaborales. El paciente cuenta con limitaciones, como, por ejemplo: colocar el
brazo en la manga en la camisa, abotonarse, bañarse, etc (Kulisevsky Bojarski). Se
visualiza la rigidez y bradicinesia son marcadas, el paciente camina arrastrando la
pierna, no bracea, el codo se ubica en flexión y la mano comienza a adoptar una
postura en tienda de campaña (Kulisevsky Bojarski).
2.6.3 Enfermedad avanzada: Alrededor de 5 a 10 años de gran respuesta del
tratamiento con levodopa, las personas llegan a empeorar. Entre las principales
complicaciones están las alteraciones del comportamiento y motoras (fluctuaciones
y discinesias) (Kulisevsky Bojarski).
2.7 Tratamientos
Existe actualmente mucho debate sobre el inicio del tratamiento en el diagnóstico
temprano; no obstante, no exista discapacidad. Sin embardo el momento de dar
tratamiento es personalizada y responde a las peculiaridades de cada paciente: edad,
actividades diarias, perfil clínico, preferencias, comorbilidad etc. (Scottish
Intercollegiate Guidelines Network (SIGN)., 2010) (Figura 2.1).
24
Figura 2.1 Algoritmo terapéutico en la EP inicial
Fuente: (Francisco & Jesús, 2017)
2.7.1 Tratamiento Farmacológico
El tratamiento más habitual para manejar los síntomas motores asociados a
Enfermedad de Parkinson es la terapia con reemplazo de dopamina y/o con agonistas
de dopamina (Lang, 2009). Sin embargo; debido a la incapacidad de la dopamina
para cruzar la barrera hematoencefálica, el tratamiento precursor es dopamina
Levodopa (Mercuri & Bernardi, 2005). Este fármaco se metaboliza en dopamina por
la acción de la di-hidroxifenilalanina descarboxilasa.
El tratamiento con Levodopa da la oportunidad de una mejor calidad de vida de los
pacientes tras aliviar los síntomas motores asociados a la depleción dopaminérgica
(Geroin, Gandolfi, Bruno, Smania, & Tinazzi, 2016).
25
El tratamiento con el tiempo va perdiendo eficacia, debidamente por la continua
muerte neuronal, siendo necesario el incremento de la dosificación. Tras el uso
prolongado de 5-10 años de L-Dopa los efectos secundarios, como disquinesias se
manifiestan (Achey, y otros, 2014).
Las actividades diarias son afectadas gravemente por las disquinesias
imposibilitando desarrollar sus actividades de trabajo. Siendo no aconsejable iniciar
un tratamiento con agonistas dopaminérgicos (Whetten Goldstein, Sloan, Kulas,
Cutson, & Schenkman, 1997)..
El suministro de catecol-0-metiltransferasa como de la monoaminooxidasa (MAO),
o con Amantadina, son receptores de tipo NMDA, influyen directamente en la
continua eficacia de L-Dopa y prolongar el desarrollo de las disquinesias (F., Melissa
Andrea, Fernando, & Laura Andrea, 2016).
Tabla 2.3. Fármacos comúnmente empleados en el manejo de la EP
26
1TCI: Trastorno de control de impulsos. Se suele recomendar reducir o eliminar lentamente agonistas
dopaminérgicos primero si el paciente toma, antes de empezar con los fármacos descritos 2RBD:
Trastorno de conducta de sueño en la fase REM; SR: liberación estándar (standard release); ER:
liberación retardada (extended reléase); EE. II: Extremidades inferiores *Pueden inducir alucinaciones
y/o psicosis ¶ Usado para el tratamiento del temblor principalmente.
Fuente: (Raúl, Carmen, Álvaro, & José, 2016)
No existe un fármaco capaz de curar por completo el Parkinson, porque se desconoce
la causa de la enfermedad, pero si se ha logrado mitigar los síntomas principales
aumentando así la calidad de vida de los pacientes. Además, existen nuevos fármacos
alternativos suministrados dando excelentes resultados, dichos fármacos presentan
mínima cantidad de efectos secundarios que los tratamientos clásicos y una mayor
comodidad de administración (Sarai & Gloria, 2017).
27
2.7.2 Tratamiento Quirúrgico
En la actualidad se plantea esta opción a los pacientes selectos siempre y cuando
exista una respuesta favorable al tratamiento farmacológico, a su vez muestra de
efectos secundarios restrictivos.
La estimulación cerebral profunda (ECP) en países desarrollados habitualmente ha
reemplazado a técnicas ablativas (como, por ejemplo: talamotomía, palidotomía,
subtalamotomía) ya que tiene como resultado mejor riesgo/beneficio, debido a que
permite procedimientos bilaterales.
Donde se implanta estereotáctica mente de electrodos intracerebrales conectados a
un productor de impulsos programable. La estimulación eléctrica en frecuencias altas
permite, por mecanismos no del todo conocidos, de modular los circuitos
comprometidos en las primordiales manifestaciones motoras (hasta algunas no
motoras), accediendo un mejor control sintomático de la enfermedad. Las dianas
quirúrgicas más utilizadas son el núcleo subtalámico (NST) y el globo pálido interno
(GPi) (Francisco & Jesús, 2017).
Referente al tema de coste y efectividad una reciente revisión sistemática basada en
nueve estudios internacionales concluye que efectivamente se trata de un
procedimiento coste-efectivo (Schuepbach, Raul, & Knudsen, 2013). También se ha
confirmado como clínicamente una mayor calidad de vida y una reducción en el
gasto (Valldeoriola, Morsi, & Tolosa, 2007).
Referente al tema de que pacientes son candidatos o no a dicha intervención se
plantea mostrar una tabla con los criterios establecidos.
28
Tabla 2.4. Criterios de selección para tratamiento quirúrgico de la EP
Fuente: (Francisco & Jesús, 2017)
La cirugía no es recomendada en pacientes con síndromes especiales de Parkinson.
Puesto que el examen diferencial resultar arduo en etapas iniciales, se estima
aguardar alrededor de 5 años de progreso de la enfermedad antes de meditar el
tratamiento quirúrgico. También es un tiempo sensato para evidenciar la evolución
al tratamiento farmacológico y certificar que el paciente percibe su enfermedad y el
propósito si es llegado a someter a una cirugía. Uno de los criterios obligatorios es la
respuesta a la LD ya que ello endurece el diagnóstico de EP idiopática, siendo el
principal factor para la recuperación de la ECP bilateral del NST (Pahwa, Factor, &
Lyons, 2006).
Las evidencias demostraron que los pacientes con menos evolución y jóvenes tienen
mejores resultados en contraste a los pacientes con enfermedades avanzadas, sobre
todo cuando manifiestan resistencias tardias a la levodopa (Pahwa, Factor, & Lyons,
2006).
Las razones por las cuales se llega a prorrogar una cirugía pueden ser por el deterioro
cognitivo moderado o grave, o también la poca respuesta farmacológica
29
(congelamiento en marcha, inestabilidad postural), así mismo mientras no haya un
adecuado control de manifestaciones psiquiátricas graves (depresión, psicosis), otro
indicador relativo también a considerar es la edad, mientras menos edad menor
impacto y desfavorable en edades avanzados sobre todo en la calidad de vida, como
también de incrementar complicaciones. Se desiste o son pocos pacientes que se
intervienen quirúrgica a los mayores de 70 años (Moro, Schüpbach, & Wächter).
2.7.3 Tratamiento rehabilitador
Se debe ejecutar de una forma exhaustiva, lo que involucra el abordaje de las
alteraciones del lenguaje, los trastornos motores, y de los trastornos deglutorios. Para
ello se manejan diferentes particularidades terapéuticas que podemos agrupar en:
1. Tratamiento fisioterápico.
2. Terapia ocupacional.
3. Tratamiento logopédico.
4. Tratamiento de la disfagia.
La eficacia del el ejercicio terapéutico y tratamiento fisioterápico en el paciente con
EP ha quedado confirmada en una investigación metodología de la colaboración
Cochrane1 en la que se examinan 39 ensayos clínicos, la mayoría de ellos de mediana
calidad, donde se compara la fisioterapia con la ausencia de intervención. Según este
estudio, el tratamiento fisioterápico ocasiona un restablecimiento significativo a
corto plazo, inferior a 3 meses, equilibrio, movilidad, marcha, y discapacidad,
medida esta última por las subescalas II (movimientos de la vida diaria) y III (motora)
de la escala unificada para la evaluación de la enfermedad de Parkinson (UPDRS).
30
Los beneficios para la velocidad de marcha, la escala de equilibrio de Berg y UPDRS
fueron clínicamente significativos (Francisco & Jesús, 2017).
2.8 Su impacto socioeconómico de la enfermedad de Parkinson
En un estudio publicado por la ‘Asociación Europea para la Enfermedad de
Parkinson’ (EPDA), despuntará al cáncer como una de las enfermedades más
comunes en 2040 (Parkinson's, 2011).
Si se sabe que más de 1,2 millones de personas tienen párkinson en Europa (Andlin
Sobocki, Jönsson, Hans Ulrich , & Olesen, 2005), la EPDA estima que el importe
anual para el sistema de salud europeo es de 13.900 millones de euros anuales
(European Parkinson's Disease, 2014), valor que aumentará a medida que aumenten
la cantidad de personas con párkinson en el Viejo Continente.
Se llego a evaluar dos estudios, por un lado, los costes en función del estadio de la
enfermedad en la que se encuentre la persona y, por otro, los costes directos e indi-
rectos de la enfermedad estudiando el efecto de los síntomas motores y no motores.
Han participado del estudio: el Instituto de Salud Carlos III de Madrid, el Centro
Alzheimer Fundación Reina Sofía, CIBERNED (Centro de Investigación Biomédica
en Red de Enfermedades Neurológicas), el Instituto Nacional de Salud Pública, el
Centro Nacional de Epidemiología, Outcomes’, el Departamento de Neurología del
Complejo Asistencial Universitario de Burgos y REDISSEC.
Dicha investigación fue desarrollada por un grupo de profesionales coordinados por
el Dr. Pablo Martínez-Martín (Martinez Martin, y otros, 2014).
31
En los cuatro años que transcurrió esta pesquisa, los costos directos se incrementaron
un 57% por persona. El mayor aumento de los costos indirectos se manifiesta en los
últimos tres meses de cada año del estudio. Así:
Tabla 2.5. Costos Directos e Indirectos por año de la enfermedad de Parkinson
Fuente: (Peñas Domingo, 2015)
Por su parte, la segunda pesquisa manifiesta que los precios igualmente bifurcan en
función del avance de la enfermedad en que se localice. (P, Blázquez, Paz, Lizan, &
Forjaz, 2014):
Tabla 2.6. Costos Según Estadio de la enfermedad de Parkinson
Fuente: (Peñas Domingo, 2015)
Lo que podemos deducir de la presente investigación es que los costos directos
aumentan en las personas con una mayor capacidad motora y autonomía, más en los
estadios intermedios de la enfermedad cuentan unos costos indirectos. (P, Blázquez,
Paz, Lizan, & Forjaz, 2014):
32
Así mismo los costes indirectos, directos o intangibles tienen relación directa con el
medicamento. En un estudio publicado en 2013 en la revista ‘Health Economics and
Health Policy’ (Richy, y otros, 2013) coexiste una estrecha relación directa entre los
medicamentos y los costes de la enfermedad de Parkinson; esto es, cuanto menor
cuidado a la enfermedad, mayor coste supone al sistema.
2.9 Sistema Operativo Móvil
No son más que los mismos sistemas operativos que siempre utilizamos en la
computadora solo que están creados para dispositivos móviles, es decir tienen ciertas
particularidades que permiten la gestión de hardware de un teléfono móvil, este da ahora
soporte a aplicaciones móviles las cuales tienen sus particularidades y diferencias con el
software que puede ser ejecutado en una computadora normal, estos sistemas operativos
son simples pero funcionales, estos se ven limitados por los recurso de hardware que les
ofrecen los dispositivos móviles además de estar orientados a la conexión inalámbrica
debido a que un dispositivo móvil utilizar diferentes tecnologías de conexión en referente
a una pc.
Los sistemas operativos móviles con el correr del tiempo se han vuelto una pieza
fundamental para la vida de una persona debido a que poco a poco ha ido evolucionando
la idea de que toda persona tiene un celular a la mano, con esta premisa de que los
celulares han ido aumentando su nicho de mercado los sistemas operativos para estos
dispositivos tuvieron que evolucionar aumentando sus características y atributos de valor
por aquellos que realmente satisfagan las necesidades del cliente (Ríos, 2013).
33
2.9.1 Tipos de Sistemas Operativos Móviles
Los sistemas operativos que en el mercado actual existen son los siguientes:
Figura 2.2. Sistemas Operativos Móviles más usados
Fuente: (Laura Janeth, 2016)
En el gráfico circular, se puede apreciar que el Sistema Android con el sistema iOS son
los más importante con gran participación en el mercado. (Laura Janeth, 2016).
2.9.1.1 Sistema Operativo Android
Esta elaborado para dispositivos móviles como teléfonos inteligentes o tablets,
aunque también se puede apreciar en otros dispositivos como televisores, sistemas
multimedia de coches o relojes inteligentes. Fue implementado por Google
y basado en el Kernel de Linux y otros softwares de código abierto. Su popularidad
es factible gracias a la gran cantidad de aplicaciones que se pueden usar de forma
sencilla. En España a finales del 2019, Android abarcaba el 85% de la cuota del
mercado, a comparación del año anterior que ocupaba más del 90%. (Roberto,
2020).
2.9.1.2 Sistema Operativo IOS
Es un sistema operativo cerrado utilizado y lanzando por Apple. El nombre
proviene de iPhone OS; es decir, Sistema Operativo de iPhone. Sus siglas son iOS.
34
Originalmente lanzado para teléfonos, pero también en reproductores de música
como el iPod o en las tabletas iPad hasta su llega del PadOS.
No se puede utilizar en dispositivos que no sean de la marca Apple, el contraste con
Android está en que el sistema operativo de Google puede instalarse en infinidad
de dispositivos móviles de todas las marcas, pero iOS es exclusivo para los aparatos
de la marca de Cupertino. Así mismo, no permite que puedan instalarse aplicaciones
que no sean las que vienen por defecto; pero puedes visitar la App Store en busca
de aplicaciones que necesites usar, aprender o comprar. (Rocío, 2020).
2.9.2 Aplicaciones Móviles
Aplicaciones Móviles (App), son herramientas digitales que se ejecutan en
dispositivos pequeños como: tabletas y teléfonos inteligentes, permite que el usuario
obtenga beneficios con su funcionalidad sin importar el lugar donde éste se encuentre
(Gregory Antony, 2020).
2.9.2.1 Características
Desde la propagación de las aplicaciones móviles, estos han beneficiado a centenares
de usuarios, debido al sin número de funciones que estos realizan y demuestran, el
alcance de un rol importante dentro de varios sectores como: el político, social,
cultural, entre otros. Para que una App tenga mejor rentabilidad y sea comercial,
considera ciertas características (Bluumi, 2017):
▪ Interfaz Simple: Esto se refiere a que el entorno o la presentación de la App es
amigable y que cualquier usuario la usa sin ningún problema o la necesidad de ser
capacitado.
▪ Seguridad: Las APPs protegen la información y mantener la privacidad de los
usuarios, estos son comprometidos.
35
▪ Funcionamiento Offline (Fuera de línea): Las APPs cumplen con su
funcionalidad para la que fueron creadas sin la disponibilidad de tener Internet.
▪ Actualizaciones periódicas: Las aplicaciones son actualizadas cada cierto
tiempo, ya sea para corregir errores o ser mejoradas permitiendo cumplir con las
necesidades y requerimiento de quienes las usan.
2.9.2.2 Aplicaciones Nativas
Son aquellas que se implementan en el lenguaje propio del terminal, por ejemplo,
Windows 8 u Objective-C para IOS, Visual Basic para Windows Phone y Java en el
caso de Android, C#. Dichas aplicaciones son capaces de aprovechar las capacidades
del dispositivo móvil como por ejemplo la posibilidad de realizar llamadas. mandar
mensajes, micrófono, cámara. notificaciones, sensor de movimiento, sensores
inerciales, etc.
Mientras que su principal desventaja es que si la APP fue desarrollada por diversas
plataformas entonces se requiere implementarlas independientemente en el lenguaje
de cada una de ellas (José Victoriano, 2014).
2.9.2.2.1 Ventajas Aplicaciones Nativas
▪ Publicadas en tiendas para su comercialización.
▪ No es necesario la conexión a internet para su funcionamiento.
▪ En los market places como Google Play de Android o el App Store de iOs
se encontrarán las aplicaciones para su descarga sin necesidad de estar
buscándolas por la web.
36
▪ Hay una comunicación continua por medio de notificaciones Push, que
brindan novedades sobre la aplicación, consiguiendo asi una mejor
experiencia por parte del usuario.
2.9.2.2.2 Desventajas Aplicaciones Nativas
▪ Su uso es unicamente con el sistema para el que han sido creadas
▪ Tiempo de desarrollo y costos altos.
▪ La aprobación de las tiendas es fundamental.
▪ La actualización de la aplicación es manual por parte del usuario
2.9.3 Aplicaciones Hibridas
Trata en la utilización del navegador web que se encuentra instalado en el móvil tal
que sea posible efectuar los recursos mediante HTML, CSS y Javascript. Si bien es
cierto el desarrollo desde cero es factible, hay en la actualidad gran variedad de
Frameworks que proporcionan la implementación de diferentes tipos de aplicaciones
conteniendo librerías para el manejo y acceso de diferentes partes de hardware del
móvil o librerías del sistema operativo. De ejemplos tenemos: AppStudio, Kendo UI
o PhoneGap (José Victoriano, 2014).
2.9.3.1 Ventajas Aplicaciones Hibridas
▪ Se puede distribuir en las tiendas de Apps.
▪ Al no ser una aplicación nativa, el costo es mucho menor.
▪ El mismo código base para múltiples plataformas
▪ Instalación nativa, pero construida con JavaScript, HTML y Css
▪ No se requiere una conexión a internet para poder utilizar la aplicación al
menos que sea una parte precisa que lo requiera.
37
▪ Solo es necesario la plataforma que va a contener la aplicación, ya que no se
necesita un lenguaje específico para la programación.
▪ El tiempo de desarrollo es mucho más corto.
2.9.3.2 Desventajas Aplicaciones Hibridas
▪ Al no contar con todas las funcionalidades nativas las partes del dispositivo
móvil también son limitadas.
▪ El usuario periódicamente debe descargar las actualizaciones que se
encuentran en las plataformas de su distirbuición.
2.9.4 Aplicaciones Web
En ella podemos tener al usuario accediendo por medio del navegador y teniendo una
página web que puede visualizarse de manera eficaz en los dispositivos móviles, al estar
en internet, esta no se encuentra dentro de las tiendas de aplicaciones; perdiendo la
monetización de la aplicación ya sea promocionando anuncios o de la misma tienda
virtual.
También, contará con el acceso limitado de las características propias de los dispositivos
ya sea la integración de sus partes con los sensores de los Smartphone, trayendo consigo
que la respuesta de la misma sea por la velocidad de la red. Por otro lado, las
actualizaciones son más fáciles que editar o realizar en los diferentes archivos del servidor
y los usuarios no tienen que bajar o instalar nada de los cambios en los dispositivos. (José
Victoriano, 2014).
2.9.4.1 Ventajas Aplicaciones Web
▪ Diseño, ya que solo basta diseñar para dispositivos con una pantalla más
pequeña.
38
▪ Menos complicación en la programación.
▪ Funcionan en cualquier dispositivo o sistema operativo, siempre y cuando se
tenga acceso a una conexión de internet.
▪ No ocupa espacio en la memoria del celular.
▪ Las actualizaciones son constantes e inmediatas.
▪ Los navegadores brindan más y mejores funcionalidades para crear
aplicaciones web.
▪ Al estar guardado los datos en el servidor los virus no pueden dañarlos.
▪ Las publicaciones pueden ser hechas sin autorización de ningún fabricante.
2.9.4.2 Desventajas Aplicaciones Web
▪ Es necesaria una conexión a internet para su ejecución, de modo que si no
disponemos o se interrumpe dicha conexión no se puede utilizar.
▪ No se puede publicar en Marquet places.
▪ Sus recursos del móvil son limitados, ofreciendo una menor cantidad de
funcionalidades en comparación con las nativas.
▪ En ocasiones es más difícil acceder a ella, ya que el usuario debe recordar el
enlace web.
▪ Son aplicaciones lentas, ya que al ejecutar HTML e interpretar los JavaScript
de la web son más costosos.
▪ El usuario no tiene potestad de elegir la versión de su preferencia ya que solo
está disponible la última.
39
2.9.5 Comparación
El enfoque Web: es menos costoso, mas simple y más fácil de periódicamente actualizar;
pero su gran desventaja radica en la experiencia del usuario, posee funcionalidades
limitadas; frente a las Api nativas.
EL enfoque Nativo: su desempeño y acceso a los dispositivos son óptimos, pero trae
consigo los costos elevados y requiere una actualización constante.
El enfoque híbrido; proporciona un punto de equilibrio entra ambas situaciones, siendo
lo mejor de ambos mundos, sobre todo si la implementación desarrollada desea ser
empleadas en diversos sistemas operativos.
No hay ningún enfoque que ofrezca todos los beneficios al mismo tiempo.
Figura 2.3. Comparación Gráfica de las Aplicaciones Móviles
Fuente: (IBM, 2012)
Siempre hay que tener en cuentas las necesidades de la organización para poder elegir el
enfoque adecuado, basándose en presupuestos, mercado objetivo, la funcionalidad,
infraestructura de TI, etc.
El desafío actualmente es que en las empresas deben encontrar un punto de equilibrio
entre los costos de implementación y salida del mercado versus la experiencia del usuario
y la funcionalidad de las aplicaciones,(IBM, 2012).
40
2.9.6 Base de datos
Es un repositorio centralizado de datos lógicamente relacionados, que consiente organizar
y almacenar eventos o hechos; siendo permitiendo el acceso por los usuarios para producir
información.
Además, se le puede definir como una colección de registros en donde se almacenan y
resguardan muchos registros independientes, de modo que un cúmulo (pool) común de
registros funciona como si fuera una sola para que puedan acceder otras aplicaciones que
necesiten este tipo de datos. (César Augusto, 2015).
2.9.6.1 Base de datos móviles
Según (Alberto, Marcos, & Matias, 2009), “es una base de datos físicamente
independiente y portable del servidor empresarial quien nos la suministra, y que
nos facilita la comunicarnos con ella desde cualquier lugar que se estuviera para
poder compartir la información”.
Los usuarios tienen la facilidad de acceder a este tipo de bases de datos desde
cualquier lugar externo de la empresa, por ejemplo, si están se encuentran de viaje
y necesitan una reunión urgente con el directivo pueden mostrar la base de datos.
Algunas de las peculiaridades son las siguientes:
▪ Interacción con el servidor de base de datos corporativo por diferentes
tecnologías tales como 3G, GPRS, Internet, WiFi.
▪ Clonar los datos tanto en el en el dispositivo móvil como en el servidor
centralizado.
▪ Sincronización de los datos.
41
▪ Gestión de los datos.
2.9.6.2 Tipos de Base de datos móviles
Entre los tipos de base de datos móviles tenemos:
▪ Las Bases de datos corporativas.
▪ Las que se crean a través de los dispositivos móviles.
▪ Las que son generadas por las conexiones inalámbricas ya sea por
portátiles, Smartphones, computadoras, Tablet u otro hardware que
este con Internet.
2.9.3.2 Ventajas y Desventajas de Base de datos móviles
En la siguiente Tabla podremos apreciar el detalle de las dos.
Tabla 2.7. Ventajas y Desventajas Base de Datos Móviles
VENTAJAS DESVENTAJAS
Facilita la operatividad remota por parte de Lo importante son los mecanismos de
los usuarios, por lo que no es necesario estar comunicaciones en el desarrollo de estos
físicamente en la organización para sistemas, ya que sin ellos puede resultar un
interactuar con los datos, ya que éstos pueden gran freno de los mismo.
ser accedidos de manera remota.
El potencial en el mercado actual es muy La redundancia de datos, puede dar como

amplio y diverso ya que muchas empresas, resultad inconsistencias e incoherencias de los
trabajadores, usuarios se localizan en mismos, generando conflictos.
instalaciones remotas.
Al existir una base de datos relacional esta Al tratarse de un entorno distribuido, los fallos
puede diversificarse para ofrecer los servicios existentes en la transición de los datos deben
de la base de datos móviles. ser detectados y solucionados de forma
eficiente para evitar inconvenientes o
problemas en la información.
Fuente: (César Augusto, 2015)
2.9.6.3 Arquitectura de Base de datos móviles
En su mayoría presentan una arquitectura análoga, donde se debe diferenciar los
elementos principales que son particulares (Orozco Tapia, s.f.):
42
▪ Los SMBD y servidor de base de datos corporativo gestionan y almacenan
los datos corporativos brindando aplicaciones corporativas.
▪ Base de datos remota: son las que se encuentran implementadas en los
dispositivos móviles.
▪ Plataforma de base de datos móvil: son los disipativos que tiene acceso a
internet, por ejemplo: laptops, Tablet, computadora, smartphone.
▪ Enlaces de comunicación bidireccionales son comunicaciones vía satélite,
redes inalámbricas de distinta naturaleza etc.
Figura 2.4 Arquitectura de una base de datos móvil
Fuente: Fuente: (César Augusto, 2015)
En la (figura 2.4), se puede visualizar la complejidad de este tipo de sistemas que
concuerdan con las partes no comunes en contraste a las bases de datos
tradicionales, donde se hace denota el enlace de comunicaciones y SMBD.
Hay que tener en cuenta que la comunicación es imprescindible para el acceso a
los datos, haciendo que este sea la parte más importante. La arquitectura de
comunicación radica en tener repositorios base en dirección con la base de datos
43
corporativa y una serie de repositorios móviles que accedan a los datos a través de
los repositorios base.
Trayendo consigo la localización de un repositorio móvil que contenga los datos
que se requiera en su determinado momento, para evitar este hincapié lo que se
podría es que en cada repositorio móvil está asociada a un repositorio base
principal, ya que la principal constantemente es notificada de las permutaciones
de la estación móvil.(César Augusto, 2015).
2.10 Framework
Proporciona funcionalidad extendida a un lenguaje de programación, computarizando los
modelos para destinarlos a un determinado objetivo, esto brinda una mejor estructura del
código, optimizándolo y siendo más flexible, sostenible y entendible, y permitiendo la
separación en capas la aplicación.
Las tres capas de ala aplicación son: (Kevin Luis, 2017):
▪ La presentación en donde se dispone de interacciones entre el software y usuario.
▪ Los datos en donde se proporciona el acceso de un agente de almacenamiento
persistente u otros.
▪ Del dominio o de negocio, que conduce las estructuras de datos de acuerdo a las
instrucciones recogidos desde la presentación.
2.10.1 Ionic
Está desarrollado en base al framework JavaScript de Google como es Angular Js,
lo cual permite apoyarnos en todas las ventajas de desarrollo, como son, una
44
excelente estructura de proyecto, uso de patrones de diseño de software y una buena
gama de componentes y directivas (Alvarez, 2017).
Además, es un front-end que maneja todas las interacciones de apariencia y de
interfaz de usuario que su aplicación necesita para ser eficiente. Algo como
"Bootstrap for Native", pero con soporte para una amplia gama de componentes
móviles nativos comunes, animaciones lisas y diseño hermoso.
Ionic viene con elementos de interfaz de usuario de estilo nativo y diseños que
obtendría con un SDK nativo en iOS o Android, pero que en realidad no existía
antes en la web. Así que las aplicaciones hibridas no están destinadas a ser
ejecutadas en una aplicación de navegador móvil como Chrome, sino usando la
Shell de navegador de bajo nivel como UIWebView de iOS o WebView de
Android, que tienen herramientas como Cordova / PhoneGap (Drifty, 2016).
2.10.1.1 Recursos de Ionic
2.10.1.1.1 Node Js
Entorno de código abierto multiplataforma ejecutándose con el lenguaje de
programación de JavaScript, creciendo exponencialmente de popularidad en los
últimos años. Su principal potencial es poder manejar JavaScript por el lado del
servidor, trayendo consigo una forma dinámica de las páginas web antes de que
la pagina se reemita al navegador web del usuario.
Por consiguiente, relaciona la implementación de aplicaciones web en un único
lenguaje de programación, en lugar de lenguajes disímiles para los scripts del lado
del del cliente y del otro lado servidor. Gracias a JavaScript le permite orientarse
a eventos asíncronos, quiere decir un programa mediante una llamada a alguna
45
unidad de funcionalidad deriva una acción que puede continuar fuera del flujo
continuo del programa, a su vez permite construir aplicaciones escalables, al
ejecutarse con el motor V8 JavaScript, el núcleo de Google Chrome, fuera del
navegador, esto demuestra ser muy eficiente.
Node.js permite de una forma sencilla integrarse con http, haciendo que la
versatilidad sea aún mayor y lo hace perfecto para montar aplicaciones web que
tengan mucha entrada/salida. (Aurigae, 2019).
2.10.1.1.2 Angular
Es framework de código abierto y gratuito; pensado para aplicaciones de una sola
página (SPA), es decir que la aplicación podrá cargar los datos sin obstaculizar la
navegación con la aplicación; en comparación de la tradicional que hacen viajes
de información por el servidor (PostBacks).
Encontrándose actualmente en su versión 9, contando con una comunidad que
promueve la creación y aprendizaje, a su vez de compartir componentes que se
pueden reutilizar en plataformas como GitHub, siendo actualizada por ellos y
también Google. (Ricardo, 2020).
2.10.1.1.3 Apache Cordova
Es un entorno de desarrollo de aplicaciones móviles, fundado por Nitobi. En el
20011, Adobe llego a concretar la compra cambiando el nombre a PhoneGap, y
con el tiempo libero el código del software cambiando el nombre a Apache
Cordova.
Los programadores en Apache Cordova pueden desarrollar aplicaciones para
dispositivos móviles manipulando JavaScript, CSS3, HTML5; en vez de utilizar
46
APIs fijadas de cada plataforma como Windows Phone, Android o iOS. Esto
puede permitir contar con los con complementos nativos, haciendo que al
implementar funcionalidades especificas se pueden comunicar directamente entre
la capa nativa y el HTML5.
Esto es de gran utilidad sobre todo porque permite el acceso de ciertos dispositivos
dentro del hardware utilizado, ya sea el caso de la cámara, micrófono,
acelerómetro, brújula, sistema de archivos, y más. Sin embargo, su principal
desventaja es que hacen q la funcione más lenta en comparación de las nativas.
(HugoRep, 2019).
2.10.2 Spring
Es un Framework, área de trabajo, donde se puede desarrollar aplicaciones Web
utilizando el lenguaje de programación Java; evitando así la doble escritura de
módulos o escritura excesiva del código, conllevando a quien desarrolle solo se
direccione en el proceso de la aplicación. No es el único en el mercado le siguen
otros como JSF, Hibernate, Struts, etc.
Características
▪ Permite el trabajo bajo el paradigma MVC (Modelo Vista Controlador).
▪ Spring Framework se llega a integra con diversos servicios la plataforma
ofrece a los desarrolladores, como por ejemplo Spring Boot, Spring
Security, Spring Cloud, etc.
▪ Implementación de rutas dinámicas para consumo y vistas de APIs desde
diferentes dispositivos como smartwatch, tables, móviles, Smart TV’s, etc.
47
▪ Poder trabajar con el Gestor de dependencias Gradle o herramientas de
desarrollo como Auto Restart y LiveReload, así mismo mediante tokens
dinámicos con OAut2.
Los Desarrolladores que brindan soporte hacen que este en constante
actualizaciones haciendo que el Framework junto con el Lenguaje de
Programación Java se mantenga dinámico y vigente a comparación del resto,
dando como un perfil Framework moderno. (Nubecolectiva, 2019).
2.10.2.1 Java
Lenguaje de programación orientado a objetos (POO), construyendo fragmentos
de código independientes, pudiendo actuar con otros objetos para solución de
problemas; constando como fuera posible pocas dependencias de implementación,
colaborando con los desarrolladores al escribir y ejecutar diferente tipo de
dispositivo sin tener que ejecutarlo varias veces seguidas.
También es normal considerar a Java como un sistema de tecnologías en
consecuencia a la diversidad versiones y productos que componen su familia
(Ángel, 2019).
Sus elementos son:
▪ Sencillez. Una de sus mejores cualidades con una curva de aprendizaje
rápida, permitiendo que dicho lenguaje sea muy utilizado por escuelas,
universidades para poder dar introducción a los fundamentos de la
programación.
▪ Multihilo. Utiliza el entorno multihilo, cada hilo personifica un proceso
propio funcionando en un sistema, haciendo que actúe un solo aspecto
48
dentro de un programa, como puede ser inspeccionar toda la entrada/salida
del disco o controlando la entrada en un determinado periférico. La ventaja
de los hilos a comparación de los procesos es que ellos comparten los
recursos muy contrarios del otro que cada uno cuenta con su propia copia
de datos y códigos.
▪ Seguro. es un lenguaje de programación con años en el mercado
mostrando la seguridad y estabilidad; pudiendo operar proyectos lúdicos o
aplicaciones corporativas.
▪ Multiplataforma. Quiere decir que al término del desarrollo del código
puede ser ejecutado en diferentes plataformas; lo que va a permitir poder
portar el proyecto a disímiles sistemas operativos.
2.11. Inteligencia Artificial
Campo científico de la informática que se centraliza en el desarrollo de programas que
pueden tener comportamientos inteligentes. Quiere decir, en tal contexto que “las
máquinas piensen como seres humanos”. Un sistema de IA es idóneo de examinar grandes
cantidades de datos (Big Data), analizando patrones y formular pronósticos de forma
automática, con exactitud y velocidad (DIiego & Myriam, 2019).
2.11.1 Machine Learning
Es el campo científico del área de la Inteligencia Artificial que produce sistemas de
aprendizaje instintivamente. En el libro “Superinteligencia, caminos, peligros,
estrategias” escrita por Nick Bostrom describe los peligros de la inteligencia artificial, no
obstante, Machine Learning infiere sobre el aprendizaje automatizado el cual esta
encapsulado por las ciencias de la computación y de la inteligencia artificial, puede
49
aprovechar la ventaja de esta disciplina promoviendo la seguridad de muchos entornos.
(Zuly Milagros, 2020).
2.11.2 Tipo de Machine Learning
Las máquinas se pueden enseñar aplicando dos modos de aprendizaje bien conocidos:
modo de aprendizaje supervisado y modo de aprendizaje no (Vidhate & Kulkarni, 2012).
Este concepto utiliza técnicas similares, si no iguales, a la minería de datos debido a los
diferentes esquemas de nomenclatura (aprendizaje supervisado = aprendizaje predictivo
y aprendizaje no supervisado = aprendizaje descriptivo). El aprendizaje supervisado
requiere datos de entrenamiento con entradas y salidas definidas. Esto representa la
relación entre los parámetros anteriores. El aprendizaje no supervisado se encarga de
clasificar el conjunto de muestras aportadas en diferentes grupos y estudiar las similitudes
que existen entre ellas. (Alsheikh, Lin, Niyato, & Tan, 2014).
2.11.2.1 Aprendizaje Supervisado
Es un prototipo de modelo que se entrenan con un conjunto de ejemplos en los que los
resultados de salida son conocidos. Los modelos estudian esos resultados conocidos y
ejecutan ajustes en sus medidas interiores para adaptarse a los datos de entrada. Una
vez el modelo es entrenado apropiadamente, y los parámetros internos son afines con
los datos de entrada y los resultados del entrenamiento, el modelo podrá realizar
pronósticos ante nuevos datos no procesados previamente. Existen dos tipos de
aprendizaje supervisado: regresión y clasificación (Roman, 2019).
50
2.11.2.1.1 Algoritmo de Clasificación
El propósito es pronosticar los tipos de categorías (no ordenados, valores discretos,
pertenencia a conjuntos). Una muestra típica es el rastreo del correo spam, al ser de
tipo binaria (no es spam un email => valor “0” o si lo es => valor “1”).
Veamos un ejemplo de tipo binaria: hay dos clases de objetos, triángulos y cuadrados,
y dos particularidades de los objetos, X2 y X1. El modelo puede localizar las analogías
entre las particularidades de cada punto de datos y su clase, y crear la línea límite entre
ellos. Por tanto, al ser mantenido con datos nuevos, el modelo podrá determinar el tipo
al que pertenecen, de acuerdo a sus particularidades.
Figura 2.5. Ejemplo de Algoritmo de Clasificación
En este ejemplo, el desconocido punto de datos se introduce en el área correspondiente
al subespacio de cuadrados y, por consiguiente, el modelo pronosticará el tipo de
objeto que es la estrella.
51
2.11.2.1.2 Algoritmo de Regresión
Se maneja para determinar categorías a datos sin etiquetar. Teniendo un número de
variables predictoras y de respuesta continua, por consiguiente, se pretende localizar
una analogía entre las variables brindando un resultado perenne.
Por ejemplo: dados X e Y, establecidos en una línea recta que reduzca la distancia (con
el método de mínimos cuadrados) entre los puntos de muestra y la línea ajustada.
Luego, manejaremos las desviaciones conseguidas en la alineación de la línea para
pronosticar en la salida nuevos datos.
Figura 2.6 Ejemplo de Algoritmo de Regresión
2.11.2.2 Aprendizaje No Supervisado
Donde los datos son sin etiquetar cuya distribución es inédita. Siendo su función la
separación de la información significativa, sin contar con la referencia de variables de
salida conocidas, y la búsqueda de la distribución de dichos datos sin marcar.
Principales categorías son: reducción dimensional y agrupamiento.
52
2.11.2.2.1 Agrupamiento o Clustering
Técnica para el análisis de datos, que se utiliza para agrupar la información en conjunto
con significado sin contar el con el conocimiento antepuesto de su estructura. Los
conjuntos de cada objeto se difieren uno de otros; siendo el objetivo contar con grupos
de característica con alta similitud.
Es muy aplicado en marketing sobre las personas para saber qué tipos consumidores
son en función de sus hábitos de compra.
Figura 2.7 Agrupamiento o Clustering
2.11.2.2.2 Reducción dimensional
Al existir datos con alto número de características o mejor dicho “alta
dimensionalidades”; la reducción funciona hallando reciprocidades entre las
particularidades implicadas lo que quiere decir información reiterada, siendo un reto
para el rendimiento computacional y procesamiento; siendo usado para mitigar estos
problemas. La técnica comprime el subespacio y elimina el “ruido” de los datos.
53
Figura 2.8 Reducción Dimensional
Fuente: (Roman, 2019)
2.11.2.3 Aprendizaje Profundo
También conocido como Deep Learning, donde se utiliza una distribución escalonada
de redes neuronales artificiales, los nodos de neuronas se conectan como una tela de
araña permitiendo el estudio de datos de forma no lineal; dando la forma similar la
estructura neuronal del cerebro humano.
La primera capa recibe los datos en bruto como entrada, los analiza, y substrae
información, transfiriéndola a la siguiente cada de salida. Dicho proceso se vuelve a
repetir sucesivamente en las capas siguientes, llegando a la capa final, donde da como
resultado la predicción. Teniendo la predicción es comparada con el resultado, y por
medio de un análisis inverso es posible aprender los factores que transportan las
salidas. Su campo de desarrollo es la creación de aplicaciones donde se pueda
reconocer imágenes.
54
Figura 2.9 Aprendizaje Profundo
Fuente: (Roman, 2019)
2.11.3 Modelos de Machine Learning
Se pueden subdividir en tres modelos:
2.11.3.1 Modelos Lineales
Entre ellos encontramos a la logística (cuando son variables discretas o categóricas) y
la regresión lineal (regresión de mínimos cuadrados), ambas intentan encontrar que en
la nube de puntos que se dispone pueda ser trazada por una línea que se “ajuste”; su
principal problema es cuando concuerdan “demasiado” a los datos obtenibles,
trayendo consigo el peligro para nuevos datos que puedan llegar; así mismo u ofrecen
buenos resultados para comportamientos muy complejos. (Lilian Judith, 2018).
2.11.3.2 Modelos de Árbol
En ellos se pueden construir reglas de decisiones que son representadas como un árbol
haciendo que estos sean más estables, puntuales y sencillos de interpretar; pueden
incorporar relaciones no lineales para solucionar problemas. Se enfatizan los random
forest y el árbol de decisión; su principal limitante es el rendimiento. (Lilian Judith,
2018).
2.11.3.3 Redes neuronales
Mayormente su fuente de trabajo es de poder igualar el comportamiento del cerebro,
donde existen millones de neuronas interconectada en una red para enviarse mensajes
unas a otras; siendo esto el “modelo de moda” actual por las soluciones a los problemas
55
que pueden brindar como por ejemplo el reconocimiento de videos o imágenes, siendo
un mecanismo complejo; pero con una red neuronal es mejor realizarlo ya que el
cerebro puede ser lento de entrenar y necesitan capacidad de cómputo. (Rayón, 2017).
2.11.4 Fases de desarrollo
2.11.4.1 Fases de Entrenamiento
Se contiene una enorme cantidad de datos, en la cual separamos una sección para
entrenar al algoritmo y otra para que localice los patrones necesarios; teniendo como
resultados las predicciones necesarias. (Lilian Judith, 2018).
2.11.4.2 Fases de Prueba
Los datos restantes, se utilizan para las pruebas correspondientes. Elaborando
preguntas y evaluando las respuestas si se encuentran bien o mal, teniendo como
resultado el aprendizaje o no. Si comprobamos que los datos no coinciden, se tendrán
que cambiar el método, más si existe un 80% a 90% de respuestas validas, se infiere
el buen grado del aprendizaje y utilidad de dicho algoritmo.
Figura 2.10 Fases de Machine Learning
Fuente: (Lilian Judith, 2018)
56
2.11.5 Aplicaciones de Machine Learning
Entre las aplicaciones encontradas en (Joanybel Ortiz, 2020) tenemos:
1. Detección de rostro: donde los dispositivos móviles examinan y registran tú rostro
como si fuera una imagen, siendo factible diferenciarla de otros, empleada
actualmente Snapchat, Instagram, bancos o aplicaciones de belleza.
2. Gmail: para resguardar los correos que reciben si son fraudulentos o virus, el
sistema permite entender y aprender de los ejemplos pasados, tomando decisiones
para el futuro.
3. Como Antivirus vigilando las instalaciones, software, archivos de dudosa
procedencia.
4. En la Genética para la sistematización de secuencias de ADN.
5. Vehículos autónomos: permitiendo que los automóviles se manejen solos,
aprendiendo del comportamiento con otros conductores y de las faltas o errores que
cometan, en el entorno que transita y reconociendo la ruta, respetando la velocidad
y leyes de tránsito.
6. Análisis de imágenes: Identifica en un banco de imágenes las cuales se han
programado para poder conocerlas e identificarlas.
7. Diagnósticos médicos. Por medio de la captura de datos y el Machine Learning se
divisan con anticipación con los síntomas del paciente enfermedades como el
Cáncer de mama.
8. Averiguar estafas en transacciones: Las compañías tales como PayPal o monedas
electrónicas manejan la tecnología para detectar millones de transacciones y
verificar si son las fraudulentas.
9. En el área de los Recursos Humanos saber la rentabilidad de un empleado en los
próximos años.
57
10. Poder conocer los potenciales clientes y recomendar mejores productos y servicios,
basándose en los comportamientos o interacciones en la web, como, por ejemplo:
Facebook. Amazon, Google, Instagram, etc.
11. En las finanzas diseñando algoritmos que comprendan los modelos en la inversión
así poder adquirir y vender más eficiente, lo que habitualmente se demorara años
de aprendizaje.
12. Reconocimiento de Voz: como es el caso de Siri, ayudante de Apple, quien es capaz
de “entenderte” mejor de acuerdo a la información brindada dentro del equipo móvil
ya sea en llamadas, email, contacto, notas, música, mensajes, calendarios, etc.
13. Video juegos: podremos entenderlo como los “bots” quienes, interactuando con el
jugador, aprenden con las nuevas estrategias.
58
CAPÍTULO III: ESTADO DEL ARTE
METODOLÓGICO
3.1. Metodología
La metodología tiene que ver con la exploración de la literatura conteniendo como
enfoque las pautas introducidas por Kitchenham quien ha determinado 3 fases de la
siguiente manera:
▪ Planificación: en esta fase, se elaboran las interrogaciones de la investigación y se
define los lineamientos de la revisión.
▪ Desarrollo: en esta fase, se seleccionan los materiales de estudios primarios de
acuerdo con los parámetros de selección y exclusión.
▪ Resultados: en esta fase, se analiza y elabora estadísticas de los estudios que
fueron seleccionados anteriormente.
3.2 Planificación
Se propone las siguientes preguntas de investigación las cuales nos ayudaran a entender
mejor el problema.
Q1: ¿Existe una aplicación móvil hibrida que este enfocada en la enfermedad de
Parkinson?
Q2: ¿Cuáles son los aprendizajes más usados para la recopilación de datos del
temblor de Parkinson?
59
Q3: ¿Existe una aplicación que monitorice los temblores de Parkinson?
Para iniciar con la búsqueda de artículos se plantearon las siguientes palabras clave
(Keywords), las cuales tienen relación directa con el problema.
Tabla 3.1 Lista de Keywords

N.º Keywords
1 Temblor
2 Parkinson
3 Monitoreo
4 Predicción
5 Machine
Learning
6 Aplicaciones
Hibridas
7 Móvil
Las exploraciones se efectuaron en bases de datos bibliográficas multidisciplinarias de
revistas científicos de calidad y artículos científicos, como, por ejemplo:
✓ Science Direct
✓ Emerald
✓ ACM Digital Library
✓ IEEE Explore Digital Library
✓ Springer
✓ Doaj
✓ Taylor y Francis
✓ Google Académico
Para efectuar la exploración en las bases de datos bibliográfica se procedió a usar las
Keywords, haciendo una búsqueda en modo avanzado y estableciendo los criterios de
exclusión detallados en la tabla 3.2. Se formaron las siguientes cadenas de búsqueda con
60
el fin de maximizar el número de artículos encontrados, las cadenas que se usaron para la
búsqueda son las siguientes:
 Temblor de Parkinson
 Aplicaciones móviles hibridas
 Parkinson y manchine learning
 Monitoreo y predicción del temblor de Parkinson
 Aplicaciones para la enfermedad de Parkinson
Tabla 3.2 Criterios de Selección y Exclusión
Inclusión Exclusión
Idiomas: inglés, español y portugués Antes del 2015
Artículos, tesis y libros relacionados Cantidad de hojas >20
directamente con la pregunta de
investigación
Artículos, tesis y libros que Mencionan temblor parkinsoniano,
contengan una o más de una de las pero no orientados a tecnologías de
palabras clave información
Centrados el tema a un sector o
Estudios relacionados con el estado institución
del arte Orientados directamente con el
hardware
Los criterios de selección usados para realizar las búsquedas se resumen en la tabla 2, el
periodo de búsqueda para los artículos está comprendido entre, enero de 2015 hasta marzo
del 2020.
3.3 Desarrollo
En esta sección se muestra gráficamente todo el flujo del proceso de búsqueda, filtrado y
selección de los artículos pasando por el ingreso de las cadenas de búsqueda formadas
con las Keywords el uso de los operadores lógicos para armar las cadenas y los criterios
61
de selección inclusión y exclusión para finalmente obtener los paper o tesis que más se
acercan a nuestros criterios de inclusión.
Figura 3.1 Proceso Sistemático de revisión de la literatura

3.4 Resultados
Los estudios mostraron que luego del proceso de búsqueda, pasamos a un proceso de
selección de acuerdo a los parámetros determinados en la Tabla 3.2. Para aquello,
fue ineludible inspeccionar los contenidos para determinar su importancia e impacto
en el proyecto que se está desarrollando, finalmente algunos estudios fueron
62
descartados porque se trataba de otras áreas como Literatura, Lenguaje, Sociología o
Economía.
La tabla 3.3 se muestran los estudios relacionados después de emplear los parámetros
de inclusión y exclusión en los resultados arrojados por bancos de datos, obtuvimos
un total de 21 paper’s o tesis.
Tabla 3.3 Criterios de Selección y Exclusión

ID TITULO AUTOR AÑO PAÍS
Diseño e implementación de un Byron Mauricio

dispositivo de estimulación vibratoria Chacón Palacios,
1 Klever Felipe 2016 Ecuador
para pacientes con Parkinson y problemas
de congelamiento de marcha. Robles Hidalgo
Diseño y desarrollo de un sistema Bermeo Maldonado

inalámbrico que permita monitorear los Alexander Vinicio,
2 temblores en pacientes que padecen la Bravo Guamán 2016 Ecuador
enfermedad de Parkinson utilizando Marco Fernando
software y hardware libre
Abdulwahab
Sahyoun, Karim Emiratos
ParkNosis: Diagnosing Parkinson’s Chehab, Osama Al-
3 2016 Árabes
Disease Using Mobile Phones Madani, Fadi Unidos
Aloul, Assim
Sagahyroon
Luay Fraiwan,
Emiratos
Parkinson’s disease hand tremor detection Ruba Khnouf,
4 2016 Árabes
system for mobile application Abdel Razaq
Unidos
Mashagbeh
Pieter L. Kubben.
Mark L. Kuijf.
TREMOR12: An Open-Source Mobile Linda P.C.M. Países
5 2016
App for Tremor Quantification Ackermans, Albert Bajos
F.G. Leentjes,
Yasin Temel
63
Mecanismo de compensación de Francisco Sola
6 temblores con 1-DOF controlado Paredes 2017 España
mediante Arduino
Sistema de monitoreo de temblor en Andrés Felipe

7 pacientes con trastornos de movimiento Correa Rojas 2017 Colombia
anormales
Simulación de sistema portable para

corregir movimientos involuntarios Rendón Riofrío
8 Geovanny David 2017 Ecuador
ocasionados por trastornos de Parkinson
en la mano
Diseño, desarrollo e implementación de

un dispositivo inalámbrico para Punin Sigcha
9 detección de episodios de congelamiento Bertha Catalina, 2017 Ecuador
de la marcha en pacientes con la Barzallo Córdova
enfermedad de Parkinson Boris Jonathan
A Noncontact Tremor Measurement Hironobu Kaji,

10 Masashi Sugano 2017 Japón
System Using Leap Motion
Tremor Detection Using Smartphone- Wei Wang, Xun

11 Wang, Lei Xie 2017 China
based Acoustic Sensing
Procesado de señales procedentes de

Javier Pérez
12 smartphones para el análisis de temblores 2018 España
Ácimas
fisiológicos
Diseño y construcción de un exo- Gabriel Eduardo

esqueleto para la mitigación de temblores Rivera Cárdenas
13 2018 Ecuador
involuntarios de pronosupinación en
personas con Parkinson
Arm swinging measurement and monitor Domiciano Rincón,
14 system for patients diagnosed with Andrés Navarro 2018 Colombia
Parkinson's disease
Monitorización de la actividad
15 neuromotriz de un paciente de Sergio Palomino 2018 España
Enfermedad de Parkinson Sánchez
64
Valerii Kan
STOP: A Smartphone-based Game for
16 2018 Finlandia
Parkinson's Disease Medication
Aplicación de la Minería de Datos al

Diagnóstico y Evaluación de la Francisco Díaz
17 Pérez, Alfonsa 2018 España
Enfermedad de Parkinson, mediante la
Voz García López
Diseño de un biomarcador
electrofisiológico para caracterizar un Aquiles Nicolas
18 modelo animal de la enfermedad de Martinez Berrios 2018 Chile
Parkinson usando la potencia oscilatoria
y Scale-Free de señales LFP
Diagnóstico de la enfermedad de Bel En García

Parkinson usando Deep Learning y Botija Aldana
19 2019 España
grabaciones de voz mediante teléfono
móvil
Theresa Reeb,
Desarrollo de una app Julián D. Loaiza
para el diagnóstico diferencial de Duque, Andrés M.
20 2019 España
pacientes con Parkinson y temblor González Vargas,
esencial Antonio J. Sánchez
Egea
Hanrui Zhang,
Kaiwen Deng,
Deep Learning Identifies Digital Hongyang Li, Estados
21 Biomarkers for Self-Reported Roger L. Albin, 2020
Unidos
Parkinson’s Disease Yuanfang Guan
Total 21
En la tabla 3.4 Se muestran una lista con los 11 artículos o tesis que quedaron luego de
aplicarle un criterio extra de exclusión el cual fue por, los más recientes y descartando las
soluciones muy poco parecidas o alejadas del tema de investigación principal.
Tabla 3.4 Estudios Seleccionados

N.º TITULO AUTOR AÑO PAÍS
65
Abdulwahab
Sahyoun, Karim
Chehab, Osama Al- Emiratos
ParkNosis: Diagnosing Parkinson’s
AP1 Madani, Fadi 2016 Árabes
Disease Using Mobile Phones
Aloul, Assim Unidos
Sagahyroon
Luay Fraiwan,
Ruba Khnouf, Emiratos
Parkinson’s disease hand tremor
AP2 Abdel Razaq 2016 Árabes
detection system for mobile application
Mashagbeh Unidos
Pieter L. Kubben.
Mark L. Kuijf.
TREMOR12: An Open-Source Mobile
Linda P.C.M. Países
AP3 App 2016
Ackermans, Albert Bajos
for Tremor Quantification
F.G. Leentjes,
Yasin Temel
Wei Wang, Xun
Tremor Detection Using Smartphone- Wang, Lei Xie
AP4 2017 China
based Acoustic Sensing
Francisco Díaz
Aplicación de la Minería de Datos al Pérez, Alfonsa
Diagnóstico y Evaluación de la García López
AP5 2018 España
Enfermedad de Parkinson, mediante la
Voz
Javier Pérez
Ácimas
Procesado de señales procedentes de
AP6 smartphones para el análisis de 2018 España
temblores fisiológicos
Monitorización de la actividad Sergio Palomino

AP7 neuromotriz de un paciente de Sánchez 2018 España
Enfermedad de Parkinson
Valerii Kan
STOP: A Smartphone-based Game for
AP8 2018 Finlandia
Parkinson's Disease Medication
Theresa Reeb,
Desarrollo de una app Julián D. Loaiza
para el diagnóstico diferencial de Duque, Andrés M.
AP9 González Vargas, 2019 España
pacientes con Parkinson y temblor
esencial Antonio J. Sánchez
Egea
66
Diagnóstico de la enfermedad de Bel En García
Parkinson usando Deep Learning y Botija Aldana
AP10 2019 España
grabaciones de voz mediante teléfono
móvil
Hanrui Zhang,
Deep Learning Identifies Digital Kaiwen Deng,
Estados
AP11 Biomarkers for Self-Reported Hongyang Li, 2020
Unidos
Parkinson’s Disease Roger L. Albin,
Yuanfang Guan
Total 11
Esta sección se dará contestación a las cuestiones de la investigación planteadas en la
metodología, se realizará un análisis profundo de las 3 preguntas de investigación y se
contestará cada una tomando como base todo lo obtenido en el Estado del arte.
Q1: ¿Existe una aplicación móvil hibrida que este enfocada en la enfermedad de
Parkinson?
Actualmente con la investigación proporcionada por todos los autores no se encuentro
una aplicación móvil hibrida que pueda estar enfocada en la enfermedad de Parkinson, lo
que si pudimos observar que se desarrollaron bajo los sistemas Android o IOS. Lo cual
nuestro Capitulo II hicimos las comparaciones respectivas de ambos sistemas y se cree
que el mayor costo beneficio en cuestión de tiempo es desarrollar una aplicación hibrida.
Q2: ¿Cuáles son los aprendizajes son más usados para la recopilación de datos del
temblor de Parkinson?
De los estudios seleccionados se ha visto reflejado que actualmente aprendizajes como
Deap Learning, Mineria de Datos, Machine Learning son lo más usados como también se
vio que algunos simplemente se basan en la recolección de datos más no el cálculo
correspondiente dentro de sus mismas funcionalidades o técnicas como Gamificación que
complementen la aplicación.
67
Q3: ¿Existe una aplicación que monitorice los temblores de Parkinson?
Si, existen varias en el mercado actual algunas con más funcionalidades que otras o
exámenes que apoyan o refuerzan el estudio de la enfermedad de Parkinson. El detalle
está que algunas de ellas son de paga, o que simplemente no llevan el mantenimiento
correspondiente.
Es más dentro del artículo de investigación (M., L., & R., 2017) encontraron que de un
total de 125 app referentes al campo de la Biomedicina; 56 de ellas fueron potencialmente
de beneficio en la EP y 69 implementadas particularmente para la EP, estando 23 de estas
de índole solo informativo, 29 de valoración, 13 de tratamiento y 4 de valoración y
tratamiento.
Lo cual nos demuestra que si bien es cierto existen, pero no son muchas y tampoco que
puedan cumplir todos los estándares necesarios.
3.5 BenchMarking
Como manera de un mejor entendimiento, se presenta un cuadro para validar teóricamente
nuestro aporte, comparándolo con todos los aportes de la literatura, para comprobar que
este cumple con más criterios que otros que vieron el desarrollo de las investigaciones de
aplicaciones móviles de la enfermedad de Parkinson.
68
Tabla 3.5 Bencharking
3.6 Estudios Parecidos
3.6.1 TREMOR12: An Open-Source Mobile App for Tremor Quantification
Autores: Pieter L. Kubben, Mark L. Kuijf, Linda Ackermans, Albert Leentjes,
Yasin Temel
El autor de la tesis propone:
▪ Desarrollar una aplicación móvil de código abierto para cuantificación del temblor
donde las muestras de aceleración, rotación, rotación velocidad y gravedad, cada
una en 3 ejes y con marca de tiempo una frecuencia de hasta 100 Hz.
69
▪ Los datos de medición sin procesar pueden ser exportado como un archivo de que
contiene valores separados por comas para un análisis posterior.
▪ TREMOR12 se ejecuta en iPod Touch o iPhone y requiere iOS8 o una versión
más reciente.
Utilidad en el proyecto:
1º Nos demuestra que debemos abarcar otros sistemas operativos móviles del mercado.
2º Mostro que las aplicaciones móviles existentes aún no procesan los datos obtenidos
por el celular.
3.6.2 STOP: A Smartphone-based Game for Parkinson's Disease Medication

Adherence
Autor: Valerii Kan
▪ El desarrollo de una aplicación que comprometa a los usuarios a jugar un juego
corto basado en el movimiento varias veces a lo largo del día.
▪ La aplicación utiliza el método de gamificación: las sesiones de muestreo se
implementan como un juego basado en acelerómetro a corto plazo que les pide a
los pacientes que jueguen varias veces al día.
▪ La aplicación recuerda a los pacientes que deben tomar los medicamentos a
tiempo y registrar las marcas de tiempo en el diario de medicamentos
▪ La aplicación se crea como una herramienta para la recopilación de datos de
pacientes con EP. Basándose en los dos componentes incorporados, el juego
basado en el acelerómetro y el diario de medicamentos, la aplicación recopila los
datos para recibir una imagen de la salud del paciente en el momento específico.
70
▪ El juego incorporado utiliza cuatro sensores diferentes de teléfonos inteligentes:
giroscopio, acelerómetro, acelerómetro lineal y rotación. El conjunto de datos
proporcionado por estos sensores refleja el efecto de temblor del usuario y se
utiliza para definir la correlación entre el efecto de la medicación y el estado de
salud del sujeto.
1º Nos demuestra que dentro de los parámetros necesarios para la medición del temblor
de Parkinson serán necesarios captura las variables proporcionadas por giroscopio,
acelerómetro, acelerómetro lineal y rotación.
2º Una preocupación latente por la medicación de los pacientes y en que horarios deben
ser tomados para su respectiva dosificación diaria.
3.6.3 Monitorización de la actividad neuromotriz de un paciente de Enfermedad de

Parkinson
Autores: Sergio Palomino Sánchez
Implementar una aplicación en Android que facilitará la medición en distancia de los
movimientos de un paciente con la enfermedad de Parkinson.
La gráfica fue desarrollada en la clase ChartActivity(), en donde nos muestra los valores
X, Y, Z quienes son los tres ejes dimensionales medidos a través de los sensores del
celular.
Figura 3.2 Gráficas ampliadas y sin ampliar en la medición de datos
71
Autor: (Sánchez, 2018)
La base de datos utilizadas fue SQLite al siendo muy sencillo y practico para los
dispositivos móviles ya que su desarrollo amigable fue esencial para la usabilidad del
mismo
1º Será de mucha utilidad ya que nos da una idea de prototipo o mockup en el desarrollo
de nuestra aplicación y teniendo en cuenta las gráficas de medición.
2º Permite darnos cuenta que podemos explorar con otros motores de base de datos
actuales en el mercado.
3.6.4 Desarrollo de una app para el diagnóstico diferencial de pacientes con
Parkinson y temblor esencial
Autores: Theresa Reeb, Julián D. Loaiza Duque, Andrés M. González Vargas,
Antonio J. Sánchez Egea
72
Elaborar una app móvil para poder diferenciar el diagnostico entre pacientes con Temblor
Esencial y con la enfermedad de Parkinson utilizando modelos de Machine Learning.
Para poner en funcionamiento la aplicación el paciente coloca en la mano dominante el
celular y por medio del giroscopio incorporado registra los movimientos cinemáticos de
la velocidad angular, cabe precisar que la persona debe encontrarse sentado con el brazo
en reposo. En el servidor web se encontraron los modelos implementados y por medio de
la aplicación móvil se hizo el registro, procesamiento y clasificación de las velocidades
angulares.
Estos exámenes se hacen a una frecuencia de 100Hz en el periodo de 30 segundos en
dos condiciones:
1)Reposo: La persona descansa sus antebrazos
2)Postura: La persona mantiene ambos brazos extendidos.
Figura 3.3 Diagrama del flujo de la herramienta desarrollada
Fuente: (Theresa, Julián D., Andrés M., & Antonio J., 2019)
73
1º Poder aplicar algoritmos de Machine Learning para el desarrollo de nuestra aplicación
móvil.
3.6.5 Tremor Detection Using Smartphone-based Acoustic Sensing
Autores: Wei Wang, Xun Wang, Lei Xie
Una aplicación de detección de temblor en teléfonos inteligentes para el dictamen precoz
de la EP. El esquema de detección de temblor utiliza un sonido emitido inaudible por el
altavoz incorporado en el teléfono inteligente. Se mide el movimiento de la mano
extrayendo la fase del sonido ondas reflejadas por la mano.
La aplicación puede clasificar si la mano está estática, se mueve o tiembla, sin requerir
del paciente para sostener el teléfono. También puede determinar la intensidad del
temblor midiendo parámetros como la frecuencia de temblor y el temblor magnitud.
Figura 3.4 Estructura de toma de decisiones de TREMOR
Fuente: (Wang, Wang, & Xie, 2017)
74
El sistema de detección de temblores no requiere aún dispositivos más solo necesitan
poner su mano o brazo cerca del móvil teléfono (dentro de 30 cm) para realizar la prueba.
Cabe mencionar que funciona para varios casos de uso, incluido el caso de que el usuario
sea sosteniendo un objeto, como un bolígrafo o una cuchara.
Figura 3.5 Demostración de la Aplicación Tremor
Fuente: (Wang, Wang, & Xie, 2017)
Se ejecuta como una aplicación iOS en iPhones comerciales sin modificaciones de
hardware.
1º Será de mucha utilidad al poder utilizar los sensores inerciales del teléfono móvil para
una evaluación del temblor de Parkinson
3.6.6 Procesado de señales procedentes de smartphones para el análisis de
temblores fisiológicos
Autor: Javier Pérez Ácimas
Aplicación móvil que pueda recoger datos de los temblores de la mano de una persona y
también remitir a un servidor remoto, lo cual se encomendará de acumular los datos, para
luego ser procesadas y analizadas las señales a través de Matlab. Para su implementación
75
de la aplicación móvil se utilizó lenguajes XML y Java, y el servidor en MySQL y
Python. Fue bautizada baso el nombre de Tremor Insight cuenta con ingreso para usuarios
Figura 3.6. Pantalla Inicial de Tremor Insight
Fuente: (Javier, 2018)
Como también registro para usuarios nuevos.
Figura 3.7 Pantalla de Registro de Tremor Insight
76
La tarea de poder efectuar nuevas mediciones y la de examinar el historial de medidas de
dicho usuario.
Figura 3.8 Pantalla de Funcionalidades de Tremor Insight
Luego de presionar el botón de encendido comenzará un conteo regresivo de tres segundos,
el cual grabará los valores arrojados por el giroscopio y acelerómetro del dispositivo móvil.
Asu vez en la pantalla se visualizará el tiempo restante de dicha prueba y los datos recogidos
de los ejes x, y, z del acelerómetro.
77
Figura 3.9 Datos Recogidos de Tremor Insight
1º Nos permitió visualizar la estructura de la aplicación como las funcionalidades para
poder adherir las más importantes en el proyecto.
2º Poder facilitar al usuario un manual de usuario.
3º Desarrollar una aplicación innata y con criterios de usabilidad por parte de los usuarios.
78
CAPÍTULO IV: DISEÑO E IMPLEMENTACIÓN DEL
SISTEMA
En este capítulo se determinarán las exigencias, diseños que se envolverán con la
elaboración de la aplicación y se demarca el alcance de la misma; así mismo se establecerá
como la app brindará la solución a la problemática y las áreas del conocimiento que
existirán en el aplicativo.
La elaboración de la app móvil admite a un Smartphone por medio de sus sistemas
inerciales capturar los valores del temblor de la enfermedad de Parkinson, el Smartphone
cuenta con el objetivo principal de utilizar la plataforma de esta aplicación, en el cual se
procesarán los datos y son enviados a un servidor para ser guardados o enviados a quien
lo solicite.
Para la implementación de la App móvil se utilizó en el back el framework Spring bajo
el lenguaje de programación de Java, por la parte del front el franework Ionic 5; y en la
base de datos se utilizó MySql.
79
El Smartphone que se utilizó para hacer las pruebas pertinentes de la aplicación móvil
desarrollada es un Motorola XT1799-2, puesto que cuenta con las peculiaridades de
afinidad necesarias para operar bajo el sistema operativo Android versión 7.1, cuenta a
su vez con una memoria de almacenamiento interna de 32 GB admitiendo almacenar los
diferentes tipos de archivos multimedia como sonidos e imágenes y por último una
memoria RAM de 4 GB.
Es significativo subrayar que para la elaboración de la app móvil se ejecutó bajo el sistema
operativo Windows 10, con un disco duro solido de 900gb que contaba con una memoria
RAM de 16 GB.
4.1 Descripción del sistema
El sistema por elaborar consignará con un registro de cada de paciente y por medio de la
cual podrá efectuar las funcionalidades propias de la aplicación. Dentro de la aplicación
se plantea disponer de 3 aplicaciones fundamentales:
▪ Recepción de datos por del temblor parkinsoniano para su respectivo análisis y
predicción.
▪ Poder establecer cuantos segundos se encuentra en esta de congelamiento una
persona.
▪ Llevar un control por medio de una alarma de los medicamentos que son
suministrados diariamente.
▪ Contar con un historial de las evaluaciones registrada de cada funcionalidad.
Cabe destacar que los historiales podrán ser guardados, eliminados y también enviados
por correo electrónico al especialista que este de cabecera o alguna persona.
80
4.2 Requerimientos Funcionales
Aquí describiremos las actividades que se van a realizar en función al comportamiento
del software cuando se cumplan ciertas condiciones. En este caso en específico
relacionadas con funciones requeridas por los pacientes o médicos especialistas, datos
que deben asociarse en las pantallas del sistema, vinculados con inspección de acceso o
elaboración de reportes solicitados por entes fiscalizadores, entre otros.
Tabla 4.1 Requerimiento Funcionales de la Aplicación Móvil Parkinson Analyzer
CÓDIGO NOMBRE DESCRIPCIÓN
RF-01 Ingreso a la aplicación La aplicación móvil debe ingresar como usuario.
La aplicación móvil debe permitir el registro de

RF-02 Registrar Usuarios
usuarios con sus datos más importantes
La aplicación móvil debe permitir poder

RF-03 Recuperar Contraseña
recuperar la contraseña.
La aplicación móvil debe permitir registrar los

Registrar valores del
RF-04 valores en del giroscopio y acelerómetro en los
giroscopio y acelerómetro
planos x, y; y z
La aplicación móvil debe permitir predecir los

RF-05 Predecir temblores valores en los próximos segundos del temblor de
Parkinson

RF-06 Registrar alarma
las alarmas en su horario correspondiente
La aplicación móvil debe permitir la

RF-07 Contabilizar pastillas contabilización del número de pastillas por
alarma

RF-08 Registrar Historial
un historial por prueba ejecutada.
Contabilizar el tiempo de La aplicación móvil debe permitir contabilizar el

RF-09
Congelamiento tiempo en segundos.
81
La aplicación móvil debe permitir compartir la
RF-10 Enviar Correo
información por correo.
La aplicación móvil debe permitir la

RF-11 Visualizar Historial
visualización de los historiales guardados
La aplicación móvil debe permitir la edición de

RF-12 Editar Contenido algún registro siempre cuando no sea de un
análisis.
La aplicación móvil debe permitir eliminar

RF-13 Eliminar Contenido
registros de historiales o alarmas programadas.
La aplicación móvil debe permitir las

RF-14 Ayuda
instrucciones correspondientes en caso de ayuda.
La aplicación móvil debe permitir cerrar sesión

RF-15 Cerrar sesión
iniciada
La aplicación móvil debe registrar las fechas y

RF-16 Fechas
horas exactas del día.
4.2 Requerimientos No Funcionales
Incorporan las particularidades generales y restricciones de la app móvil existentes en
nuestro sistema.
Tabla 4.2 Requerimiento No Funcionales de la Aplicación Móvil de Parkinson Analyzer
TIPO CÓDIGO DESCRIPCIÓN
Toda la información personal de los usuarios deberá

Seguridad RNF-01
estar protegida y no podrá ser usada inadecuadamente.
La aplicación estará disponible las 24 horas todos los

Confiabilidad RNF-02
días del año.
El tiempo de respuesta de la aplicación no debe ser

Rendimiento RNF-03
mayor a 50 segundos.
Mantenibilidad RNF-04 Se documentará la aplicación para garantizar el soporte

de la herramienta y se desarrollará un manual de usuario
82
con la finalidad de exponer el uso de la aplicación a los
usuarios inexperimentados.
Debe haber un uso adecuado de los tiempos y recursos

Eficiencia RNF-05
del sistema
El costo esperemos que no sobrepase del presupuesto

Costo RNF-06
estimado
Usabilidad RNF-07 La aplicación debe ser de fácil uso y manejo
La interfaz usada debe ser muy ligera y de visualización

Interfaz RNF-08
rápida
Buscamos que la aplicación no se caiga por uso de

Estabilidad RNF-09
usuarios concurrentes
4.3 Requerimientos Del Sistema
Ya que miramos la creación de una aplicación móvil, nuestro sistema tendrá el siguiente
y único requerimiento.
Tabla 4.3 Requerimiento del Sistema de la Aplicación Móvil de Parkinson Analyzer
SISTEMA CÓDIGO DESCRIPCIÓN

Móvil RS-02 El uso de un Smartphone con sistema Android
4.2 KitKat o superior.
4.4 Procesos Del Negocio
Aquí podremos ver a detalle el servicio al usuario que brindará la aplicación. Para un
mejor entendimiento del sistema y así brindar una mejor agilidad de los procesos para su
implementación.
4.4.1 Lista De Actores Del Negocio
Lista de Actores existentes en la aplicación móvil.
83
Tabla 4.4 Lista de Actores de la Aplicación Móvil de Parkinson Analyzer
CÓDIGO DESCRIPCIÓN
AN-01 Usuario
4.4.2 Lista De Casos De Uso Del Negocio

La lista consta de 6 casos de uso del negocio, explicando sus diferentes códigos, nombres,
actores y definiciones.
Tabla 4.5 Lista de Casos de Uso del Negocio de la Aplicación Móvil de Parkinson Analyzer
CÓDIGO NOMBRE ACTOR DEFINICIÓN

Permite registrar al usuario a la
CN-01 Registrar Usuario
aplicación
Permite el ingreso del usuario a la
CN-02 Login Usuario aplicación mediante un usuario y
contraseña
Permite al usuario modificar algún dato
CN-03 Editar Usuario Usuario
que haya sido registrado
Recuperar Permite recuperar la contraseña del
CN-04 Usuario
Contraseña usuario.
Permite al usuario poder registrar los
Móvil
Registrar
CN-05 Usuario ejes según la posición de la mano en
Temblor
movimiento
Permite al usuario poder registrar la
Registrar
CN-06 Usuario alarma para las pastillas
Alarma
correspondientes
Permite al usuario poder iniciar y
Registrar
CN-07 Usuario finalizar el proceso del tiempo que se
Congelamiento
encuentra en congelamiento
Permite al usuario poder eliminar,
CN-08 Ver Historial Usuario
compartir y visualizar
Permite al usuario poder salir de la
CN-09 Cerrar Sesión Usuario
aplicación
4.4.3 Diagrama General De Casos De Uso
Aquí delimitamos los casos del uso en donde se detalla el comportamiento de la app a
partir de los requerimientos tanto funcionales como no funcionales conseguidos.
84
Figura 4.1 Modelo de Caso de Uso de la Aplicación Móvil de Parkinson Analyzer
4.4.4 Especificaciones de los casos de uso del sistema
Aquí podremos visualizar los casos de uso obtenidos, así como las descripciones,
condiciones, autores, flujos existentes y condiciones de estas.
Tabla 4.6 Especificación de caso de uso N.º 1- Registrar
CÓDIGO CN-01
NOMBRE Registrar
ENTORNO Móvil
ACTOR AN-01 Usuario
DESCRIPCIÓN Registrar el usuario al sistema
PRE- - El Usuario debe haber bajado la Aplicación Móvil
CONDICIONES - El Usuario debe haber ingresado en la Aplicación Móvil
FLUJO 1º El Caso de Uso del Sistema inicia cuando el Usuario se
NORMAL encuentra dentro de la aplicación Móvil
2º El Usuario hace CLIC en la opción REGÍSTRATE
3º El Sistema direcciona a una nueva ventana donde podrá
visualizar los campos requeridos para su registro (Nombre,
Apellido Paterno, Apellido Materno, Número de Celular, Fecha
de nacimiento, Ciudad, Correo Electrónico y Contraseña)
4º El Usuario llenará los campos respectivos
5º El Usuario confirmará haciendo CLIC en REGISTRAR
85
6º El Sistema valida los campos.
7º El Sistema confirma Usuario Registrado
8º El Caso de Uso termina
FLUJO 6.1 Los datos del usuario no son compatibles o dejados en
ALTERNATIVO blancos, será lanzado un mensaje de que falta llenar, sobre todo
los datos obligatorios.
6.2 Los datos ingresados se repiten con información de la base
de datos lanzando un error al registrar.
POST- El Sistema direccionará un correo electrónico al cliente
CONDICIONES efectuando su registro
Tabla 4.7 Especificación de caso de uso N.º 2 - Login
CÓDIGO CN-02
NOMBRE Login
ENTORNO Móvil
ACTOR AN-01 Usuario
DESCRIPCIÓN Ingreso del Usuario al sistema móvil
CONDICIONES - El Usuario debe haber ingresado en la Aplicación Móvil
NORMAL encuentra dentro de nuestra aplicación Móvil
2º El Sistema le pide el correo y contraseña correspondiente
3º El Usuario ingresa los datos
4º El Usuario procede hacer CLIC en la opción INGRESAR
FLUJO 4.1 Los datos del Usuario no son correctos: correo o
ALTERNATIVO contraseña.
1
POST- La aplicación arroja un mensaje de bienvenida al usuario,
CONDICIONES trayendo consigo la información guardad del servidor.
Tabla 4.8 Especificaciones de caso de uso N.º 3 – Editar usuario
CÓDIGO CN-03
NOMBRE Editar Usuario
ENTORNO Móvil
ACTOR AN-01 Usuario
DESCRIPCIÓN El Usuario puede editar o actualizar algún dato la información
proporcionada al momento de registrarse.
CONDICIONES - El Usuario debe haberse registrado en la Aplicación
Móvil
- El Usuario debe haber entrado en su cuenta.
86
FLUJO 1º El Caso de Uso del Sistema inicia cuando el Usuario entro
NORMAL loguearse con su usuario y contraseña
2º El Sistema le da la bienvenida con un mensaje
3º El Usuario ingresa al menú de Opciones
4º El Usuario procede a ingresar a Editar
5º El Sistema nos arroja a una nueva ventana donde están los
campos para actualizar o editar.
6º El Usuario ingresa los campos y coloca FINALIZAR
FLUJO 1.1 Los datos del Usuario no son correctos: correo o
ALTERNATIVO contraseña.
1
POST- La aplicación nos da la bienvenida de nuevo con los datos
CONDICIONES actualizados.
Tabla 4.9 Especificaciones de caso de uso N.º 4 – Recuperar contraseña
CÓDIGO CN-04
NOMBRE Recuperar Contraseña
ENTORNO Móvil
ACTOR AN-01 Usuario
DESCRIPCIÓN El Usuario podrá recuperar la contraseña olvidada para el
ingreso de la aplicación móvil.
CONDICIONES - El Usuario debe haber ingresado a la Aplicación Móvil
2º El Usuario ingresa a la opción de “Olvidaste tu contraseña”
3º El Sistema nos arroja a una nueva ventana donde nos pide
colocar el correo electrónico.
4º El Usuario procede a colocar su correo electrónico y coloca
“Restablecer Contraseña”
5º El Sistema nos envía a nuestro correo una nueva contraseña.
FLUJO 3.1 El correo electrónico no existe registrado en la base de
ALTERNATIVO datos.
1
POST- La aplicación nos dirigirá a la pantalla principal para el logueo
CONDICIONES correspondiente
Tabla 4.10 Especificación de caso de uso N.º 5 – Registrar temblor
CÓDIGO CN-05
NOMBRE Registrar Temblor
ENTORNO Móvil
87
ACTOR AN-01 Usuario
DESCRIPCIÓN El Usuario podrá iniciar la captura de los datos
correspondientes en los ejes x, y; z para su posterior
interpretación y predicción.
Móvil
FLUJO 1º El Caso de Uso del Sistema inicia cuando el Usuario se haya
NORMAL logueado
4º El Usuario procede a ingresar a Temblor parkinsoniano
5º El Sistema nos arroja a una nueva ventana donde estará un
botón.
6º El Usuario se dirige al botón “ANALIZAR”
7º El Sistema procede a recopilar los datos en cuestión de
segundos y son enviados directamente al servidor.
8º El Usuario se dirige al botón “GUARDAR”
9º El Sistema guarda la información y nos muestra un pdf con
la información adquirida y nos brinda un mensaje de
confirmación
FLUJO 6.1 El Usuario se equivoque al presionar el botón ANALIZAR.

ALTERNATIVO 7.1 El Sistema no encuentre forma de vincularse por medio de
1 internet al servidor.
9.1 La información recopilada no sea suficiente
POST- La aplicación arroja al PDF para visualizar o poder realizar otro

CONDICIONES análisis
Tabla 4.11 Especificación de caso de uso N.º 6 – Registrar alarma
CÓDIGO CN-06
NOMBRE Registrar Alarma
ENTORNO Móvil
ACTOR AN-01 Usuario
DESCRIPCIÓN El Usuario podrá registrar la alarma correspondiente para el
consumo de sus pastillas, así mismo podrá contabilizar cuanto
medicamento le queda.
Móvil
88
NORMAL logueado
4º El Usuario procede a ingresar a “ALAMARMA”
botón.
6º El Usuario se dirige al botón de agregar nueva “ALARMA”
7º El Sistema procederá con un pequeño formulario con las
siguientes características de las pastillas: Nombre, Cantidad,
Descripción y Hora para suministrar.
8º El Usuario llena todos los datos hasta llegar a la casilla de
“hora para suministrar.
9º El Sistema nos arrojará una ventana nueva donde se podrá
visualizar un reloj.
10º El Usuario colocará el turno AM o PM, la hora y minutos.
Luego colocará en el botón “OK”
11º El Sistema nos devuelve a la anterior ventana para seguir
con el proceso de registrar alarma.
12º Una vez terminado el Usuario coloca en el botón “CREAR”
13º El Sistema guarda la información en la base de datos de la
nube
FLUJO 10.1 El Usuario coloca “CANCELAR” y no termina de
ALTERNATIVO completar la hora.
13.1 El Sistema no guarda la información de la alarma porque
falta alguna casilla completar
POST- La aplicación nos dirige a la ventana de Alarma para poder
CONDICIONES visualizar o añadir alguna más
Tabla 4.12 Especificación de caso de uso N.º 7 – Registrar congelamiento
CÓDIGO CN-07
NOMBRE Registrar Congelamiento
ENTORNO Móvil
ACTOR AN-01 Usuario
DESCRIPCIÓN El Usuario podrá registrar la cantidad de minutos o segundos
que se encuentra en estado de LOG o Congelamiento por medio
de un cronometro.
Móvil
NORMAL logueado
89
4º El Usuario procede a ingresar a “CONGELAMIENTO”
reloj con un panel de características.
6º El Usuario se dirige al botón de “INICIAR”
7º El Sistema procederá a contar cuantos segundos la persona
se encuentra en ese estado
8º El Usuario coloca “FINALIZAR”.
9º El Sistema procederá a contabilizar cuantas horas, minutos y
segundos se encontró así.
11º El Sistema guarda la información en la nube y genera un
archivo en formato PDF para su distribución o visualización.
FLUJO 6.1 El usuario desea volverse al menú de opciones
ALTERNATIVO 13.1 El Sistema no guarda la información del congelamiento
1 por problemas de internet al tratar de comunicarse con el
servidor.
POST- La aplicación nos dirige a la ventana de Congelamiento para

CONDICIONES poder medir otra muestra.
Tabla 4.13 Especificación de caso de uso N.º 8 – Ver historial.
CÓDIGO CN-08
NOMBRE Ver Historial
ENTORNO Móvil
ACTOR AN-01 Usuario
DESCRIPCIÓN El Usuario podrá visualizar, compartir o eliminar los archivos
PDF’s de los análisis guardados por la aplicación móvil.
Móvil
NORMAL logueado
4º El Usuario procede a ingresar a “HISTORIAL”
5º El Sistema nos arroja a una nueva ventana donde se podrá
visualizar los análisis realizados con sus respectivos datos:
fecha, hora, tipo de análisis. También habrá botones de acción
para su ejecución: visualizar, compartir y eliminar
6º El Usuario se elije uno de los tres
11º El Sistema procederá a devolver la información que se
encuentra alojada en la nube o actualizará la data si desea
eliminar.
90
FLUJO 6.1 El Usuario elije la opción de eliminar, presionando el Botan
ALTERNATIVO de forma de tachito.
1 6.2 El Usuario elije la opción de visualizar, presionando el
Botan de forma de un ojo.
6.2.1 El Sistema se encargará de mostrar el archivo PDF de
dicho examen evaluado.
6.3 El Usuario elije la opción de “compartir”, presionando el
Botan de forma de red.
6.3.1 El Sistema nos direcciona al correo electrónico donde se
encontrará el archivo en PDF para enviarlo a un correo
requerido.
POST- La aplicación nos dirige a la ventana de Historial.
CONDICIONES
Tabla 4.14 Especificación de caso de uso N.º 9 – Cerrar sesión
CÓDIGO CN-09
NOMBRE Cerrar Sesión
ENTORNO Móvil
ACTOR AN-01 Usuario
DESCRIPCIÓN El Usuario cierra sesión de la aplicación móvil
CONDICIONES - El Usuario debe haber ingresado a la Aplicación Móvil
2º El Usuario se dirige al menú de opciones
3º El Sistema muestra las opciones de la aplicación
4º El Usuario a moverse donde dice “CERRAR SESIÓN”
FLUJO 4.1 El Usuario decide no salir y quedarse analizar algo en la
ALTERNATIVO aplicación.
1
POST- La aplicación se cierra.
CONDICIONES
91
4.5 Diagramas De Actividades
Aquí tendremos al detalle cada proceso involucrando sus actividades en el negocio.
Figura 4.2 Diagrama de Actividad CN-01 – Registrar Usuario
Figura 4.3 Diagrama de Actividad CN-02 – Login
92
Figura 4.4 Diagrama de Actividad CN-03 – Editar Usuario
Figura 4.5 Diagrama de Actividad CN-04 – Recuperar Contraseña
93
Figura 4.6 Diagrama de Actividad CN-05 – Registrar Temblor
94
Figura 4.7 Diagrama de Actividad CN-06 – Registrar Alarma
95
Figura 4.8 Diagrama de Actividad CN-07 – Registrar Congelamiento
96
Figura 4.9 Diagrama de Actividad CN-08 – Ver Historial
Figura 4.10 Diagrama de Actividad CN-09 – Cerrar Sesión
97
4.6 Diagramas De Secuencia
Aquí tendremos las cadenas de sucesiones y objetos que cohabitan simultanéenle, y los
mensajes distribuidos entre ellos para establecer las funciones antes que la line de tiempo
termine.
Figura 4.11 Diagrama de secuencia CN-01 – Registrar
Figura 4.12 Diagrama de secuencia CN-02 - Login
98
Figura 4.13 Diagrama de secuencia CN-03 – Editar usuario
Figura 4.14 Diagrama de secuencia CN-04 – Recuperar contraseña
99
Figura 4.15 Diagrama de secuencia CN-05 – Registrar temblor
Figura 4.16 Diagrama de secuencia CN-06 – Registrar alarma
100
Figura 4.17 Diagrama de secuencia CN-07 – Registrar congelamiento
Figura 4.18 Diagrama de secuencia CN-08 – Ver historial
101
Figura 4.19 Diagrama de secuencia CN-09 – Cerrar sesión
4.7 Representación Arquitectural
La arquitectura utilizada en este proyecto será de tres capas, las cuales están físicamente
distribuidas, trayendo consigo que una capa solo pueda ser vinculada con capas
inmediatamente inferiores, consiguiendo la comprensión, simplificación de proyectos
complejos. A su vez reduce dependencias existentes, ayudando identificar qué se puede
reutilizar, y brindar mejora toma de decisiones sobre que partes construir.
▪ La primera capa se designa capa de presentación donde está compuesta por una
interfaz gráfica de usuario. En nuestro caso será la del Usuario o Dispositivo
Móvil.
▪ La capa intermedia, o capa de empresa, consiste en la aplicación o lógica de
empresa. La llamaremos: Servidor de inteligencia artificial
▪ La tercera capa, la capa de datos, encierra los datos precisos para la app. Donde
tendremos un servidor de base de datos.
102
Figura 4.20 Arquitectura de aplicación móvil de Parkinson Analyzer
Detalles de las Capas:
 La capa 1, está desarrollada por un dispositivo móvil con sistema operativo
Android de la versión 4 en adelante. Que utiliza los lenguajes de programación
Java e Ionic.
 La capa 2, está compuesto por un servidor de aplicación Java EE, el cual se
encuentra la nube. Dentro del JBoss está el Web Services que es el Spring Boot.
 La capa 3, está desarrollada por el servidor de base de datos MySQL, conectada a
través del Spring Boot.
103
Detalles de base de datos:
▪ My SQL v5.0
▪ Está estructurada con las siguientes tablas:
 Tabla Persona: se almacena el registro al momento de crear un usuario
 Tabla Usuario: se almacena el registro del momento de creación y su
avatar.
 Tabla Rol: se almacena los roles que tienen la aplicación.
 Tabla Ubicación: se almacena la ubicación de la persona.
 Tabla Medicamento: se almacena las diferentes variedades de
medicamentos que la persona consume.
 Tabla Alarma: se almacena el horario que la alarma debe contener.
 Tabla Reporte: se almacena los reportes de los análisis.
 Tabla Parkinson: se almacena los resultados del temblor de Parkinson
como las predicciones.
 Tabla Congelamiento: se almacena los resultados del estado de
congelamiento.
104
4.8 Vista De Despliegue
Esta vista nos proporciona una visión de cómo estarán organizados nuestros archivos
físicos en componentes.
Figura 4.21 Vista de Despliegue Aplicación Móvil de Parkinson Analyzer
4.9 Tamaño Y Rendimiento
La app móvil fue desarrollada para que cada usuario disponga de una sesión única, luego
de ser registrado por correo electrónico, y demandando de acuerdo a los usuarios
ingresados o al uso de las cuentas una cantidad de espacio considerable. Por ello es
necesario una base de datos dedicada y un espejo para separar a los que realizan operación
y los que solo solicitan datos. En cuanto al rendimiento del sistema, el servidor de base
de datos no debe de ser virtualizado.
105
4.10 Calidad
Independientemente de que plataforma la app móvil sea utilice su arquitectura fue
elaborada para ser independiente, permitiendo la posibilidad de ser portable, cabe resaltar
que la implementación fue desarrollada en capas, de manera que las capas superficiales
no afectan a la lógica. Permitiendo la comunicación directamente de cada capa que se
encuentren vinculadas por debajo de ellas, no existiendo brincos de accesos entre capas
manteniendo la eficiente comunicación y dinamismo entre ellas.
4.11 Modelos
En la elaboración de este proyecto se utilizarán diferentes clases de modelos para un
mejor entendimiento de la estructura de la aplicación móvil que son los siguientes:
4.11.1 Modelo Entidad - Relación
Figura 4.22 Modelo Entidad - Relación de la Aplicación Móvil de Parkinson Analyzer
106
4.11.2 Modelo Lógico
Figura 4.23 Modelo Lógico de la Aplicación Móvil STRAC
4.11.3 Modelo Físico
Figura 4.24 Modelo Físico de la Aplicación Móvil de Parkinson Analyzer
107
4.12 Análisis Económico
Aquí se realizará el análisis económico de los materiales o servicios usados para usados
para la implementación de la App Parkinson Analyzer.
4.12.1 Presupuesto Del Hardware Utilizado
Los dispositivos móviles no cuentan en el mercado actual con un precio fijo, es muy
variable de acuerdo a las especificaciones o características internas que puedan contener
independientemente de la marca o modelo; el desarrollo del proyecto es necesario contar
con las características mínimas de tener un su sistema operativo Android, memoria interna
de 32GB y 4GB de memoria RAM. Existen teléfonos inteligentes que se pueden adquirir
desde los 350 nuevos a más que desempeñan con los requerimientos de funcionamiento,
esto difiere de acuerdo a las condiciones económicas de cada usuario.
4.12.2 Presupuesto Del Software Utilizado
Durante el proceso en el desarrollo de la aplicación móvil, los softwares utilizados fueron
basados mediante la descarga libre, o bajo la arquitectura de Open Source, se detallan en
la Tabla 4.12.2. En algunos softwares de pago, el periodo de utilización no sobrepaso el
mes de prueba gratuito.
Tabla 4.15 Presupuesto del Software Utilizado en la Construcción de la Aplicación Móvil de Parkinson
Analyzer
SOFTWARE VALOR TOTAL

Visual Studio Code S/. 0.00
Power Designer S/. 0.00
CorelDraw X9 S/. 0.00
Gliffy Diagram S/. 0.00
StarULM S/. 0.00
MySql Workbeach S/. 0.00
Androis Studio S/. 0.00
Total S/. 0.00
108
4.12.3 Presupuesto complementarios
Debido a que nuestra aplicación debe funcionar las 24h los 365 días del año fue necesario
adquirir ciertos servicios complementarios, como también poder llegar a subirlo y
compartir para su correcta descarga y utilización.
Tabla 4.16 Presupuesto Complementarios Utilizado en la Construcción de la Aplicación Móvil de

Parkinson Analyzer
SERVICIOS VALOR TOTAL

Servidor Virtual Privado S/. 144.00.
Google Play S/. 88.75
Total S/. 232.75
Características
▪ Servidor Virtual Privado: Plan de un año con cuales mensuales de S/.12.00 donde:
se cuenta con una memoria de 1GB, 1 vCPU, 20 Gb de SSD Disco y un trafico de
1TB.
▪ Google Play: Se debe registrar con uno como desarrollador y tener un pago único
de $/. 25.00 (dólares estadounidenses).
4.12.4 Análisis Costo Beneficio
“La técnica de Análisis de Costo/Beneficio, su principal propósito es suministrar una
medida de rentabilidad de un proyecto, mediante el balance de los costos previstos con
las recompensas esperadas en la realización del proyecto.” (Arturo K, 2012, párr.1)
El análisis esta sujeta a la elaboración de una lista de todos los implementos utilizados en
el diseño e implementación de la aplicación móvil; considerando que los costos deben ser
tangibles, quiere decir que se puedan medir en unidades económicas, que en este caso
específico del proyecto son los soles; mientras que las recompensas son definidas de
109
manera personal ya que estos condescenderán conseguir recompensas para el buen vivir
de las personas con la enfermedad de Parkinson.
En la Tabla 4.12.2 se visualiza los costos que involucraron en el desarrollo del proyecto.
Tabla 4.17 Presupuesto Total de la Aplicación Móvil Parkinson Analyzer
DESCRIPCIÓN VALOR
Costo de los Materiales para la Construcción del Guante S/. 0.00
Costo del Software Utilizado S/. 0.00
Costo Complementarios S/. 232.75
Costo del Dispositivo Móvil Inteligente S/. 350.00
Total S/. 582.75
Como servicios que se obtienen a la culminación de la implementación de la aplicación
web tenemos en primera instancia la calidad de vida ya que al poder llevar un control más
preciso de la avance de la enfermedad se podrá brindar la dosis correcta de suministración.
En el Capítulo II, se trató sobre el tema de costos tantos directos como indirectos entre
medicamentos, consultas, asistencia; se puede ver reflejado gran impacto económico por
años y estadio, cifras que realmente son proporcionales al avance de la enfermedad, lo
cual nuestra aplicación podría de cierta manera ser un ahorro significativo en el proceso
que lleva la enfermedad de una persona ya que al ser auto degenerativa y no contar con
una cura real, debemos ser frente que es algo que va acompañar el resto de la vida del
paciente.
Además, se podría ampliar la investigación de las personas con Parkinson y proporcionar
mejoras al proceso de tratamiento actual. Gracias a que la aplicación desarrollada va ser
subida para su descarga y utilización de miles de personas, en cualquier lugar y en
cualquier momento, se podrá evaluar fácilmente a los pacientes antes de visitar a un
especialista personalmente, trayendo consigo lo que bien se conoce como la telemedicina
siendo punto irrefutable para el futuro de la salud, como por ejemplo solo en Chile el
110
57.8% de los médicos se agrupan en la zona central, exigiendo a ciudadanos de zonas
aisladas a movilizarse grandes trayectos para poder ser atendidos (EhCOS, s.f.).
En situaciones actuales globales de épocas de pandemia y sistemas de salud colapsados
vienen nuevos recursos que son necesario implementarlos ya que los pacientes con
Parkinson no van a poder ser atendidos de la misma manera posibles, al ser considerados
de alto riesgo. En nuestro país un ejemplo de una aplicación móvil seria MINSA-SD
ofreciendo una cartera de servicios como el teletriaje, la teleorientación y el
telemonitoreo (Andina, 2020).
111
CAPÍTULO V: INGENERIA DEL ARTEFACTO
En este capítulo se desarrollan aspectos utilizables de la app y se logran concretar
mediante modelos de diagramas y los artefactos SCRUM, las cuales cuentan con
consideraciones técnicas y tecnología (Plataforma) solicitadas para el diseño, integración
e implementación de la aplicación móvil, software que fue bautizado con el nombre de
Parkinson Analyzer. El software accederá el registro de los parámetros de las frecuencias
en Hz, congelamiento, alarma y predicción del movimiento de las personas con
Parkinson.
5.1 Metodología para la implementación
Hoy en día las buenas prácticas para laborar en un grupo multidisciplinario y obtener la
eficiencia de los resultados posibles en los proyectos es gracias a que se aplica de manera
regular la metodología SCRUM. Dichas prácticas tienen un origen de estudio en la forma
de trabajar de los equipos teniendo resultados altamente fructíferos.
En Scrum se efectúan entregables parciales y regulares del proyecto final que es la App
Parkinson Analyzer anticipando las ventajas o beneficios que brindará al receptor final
del proyecto. Viendo su potencial en proyectos complejos, donde se alcanzar resultados
112
pronto, también en que los requisitos sean dinámicos, donde la flexibilidad, la
competitividad, e innovación son esenciales. (Djandrw, 2019)
Consta de las correspondientes fases:
▪ Planificación de la iteración
▪ Ejecución de la iteración
▪ Inspección y adaptación
Figura 5.1 Esquema general de Metodología SCRUM
Fuente: https://es.slideshare.net/sayazyi/una-experiencia-prctica-de-scrum-a-travs-del-aprendizaje-
basado-en-proyectos-mediado-por-tic-en-un-equipo-distribuido
Tabla 5.1 Planificación de Actividades
PLANIFICACIÓN ACTIVIDAD FECHA

Sprint 1 Requerimientos del Sistema 17/12/2019
Sprint 1 Diagrama Lógico (BD) 24/01/2020
Sprint 1 Diagrama Físico (BD) 05/02/2020
Sprint 2 Diseño de Mockups 15/03/2020
Sprint 2 Diseñar de Interfaz para el módulo temblor 17/04/2020
parkinsoniano
Sprint 3 Diseñar de Interfaz para la alarma 13/05/2020
Sprint 3 Diseñar de Interfaz para el congelamiento 22/06/2020
Sprint 3 Integrar Componentes del Sistema 01/07/2020
Sprint 4 Entrenamiento del algoritmo 25/08/2020
Sprint 4 Prueba de sistema 09/09/2020
113
El desarrollo de los sprint se ha ido desarrollando al largo del siguiente capítulo, en este
detallamos las interacciones del sistema. Las interacciones del sistema se presentan por
módulos, los cuales son:
 Módulo del temblor de Parkinson
 Módulo de la alarma
 Módulo del congelamiento
5.2 Diseño de las Interfaces
El diseño de las interfaces se refiere a la forma en la que será presentada la aplicación al
usuario final, para esto se siguió la metodología envuelve métodos de usabilidad
(satisfacción, eficiencia y eficacia) y técnicas para el Design UI de usuario (estética y
apreciación).
5.2.1 Interfaz de Inicio
Interfaz de inicio donde se aprecia el logotipo de la aplicación, donde el usuario podrá
colocar su correo y contraseña para la correcta validación de datos para luego proceder a
utilizar los módulos de la app móvil.
114
Figura 5.2 Interfaz de Inicio de la Aplicación Parkinson Analyzer.
5.2.2 Interfaz de Registro de Usuario
En esta interacción se muestra el registro de los usuarios al poder crear un nuevo usuario.
En donde se le pedirá los siguientes datos: Nombres, Apellidos, Número de Celular,
Ciudad, Fecha de Nacimiento, Correo Electrónico y contraseña.
115
Figura 5.3 Interfaz de Registro de Usuario a la Aplicación Parkinson Analyzer
5.2.3 Interfaz de Opciones.
En esta interfaz se puede apreciar en la pantalla principal de la aplicación como su
bienvenida del mismo, una vez dentro podrás dirigirte al menú de opciones y podrás
visualizar las diferentes herramientas que brinda así mismo poder editar algunos datos del
ya registrado paciente.
116
Figura 5.4 Interfaz de Opciones a la Aplicación Parkinson Analyzer
Dentro del Menú de Opciones tenemos 4 opciones:
▪ Historial
Donde se podrá visualizar los resultados de los análisis realizados, así mismo
poder compartirlo vía correo electrónico.
▪ Temblor Parkinsoniano
Aquí podremos realizar el análisis del temblor de los pacientes así mismo poder
predecir cómo va ir evolucionando el movimiento en el tiempo
▪ Alarma
Podrá ser útil para poder llevar un registro y recordatorio de las pastillas que serán
ingeridas por el paciente
▪ Congelamiento
En ella podremos contar con un cronometro que nos permitirá medir el tiempo
que la persona se encuentra en estado de congelamiento-
117
▪ Cerrar Sesión
Donde podremos cerrar nuestro login para uso de seguridad.
5.2.4 Interfaz de Historial.
En esta interfaz se puede apreciar los resultados de las pruebas que se desarrollan pudiendo
poder visualizar la fecha de la evaluación, hora y opciones propias del módulo de historial.
Figura 5.5 Interfaz de Opciones a la Aplicación Parkinson Analyzer
Dentro del Historial tenemos 3 opciones:
5.2.4.1 Visualizar
Donde se podrá visualizar en formato PDF, los resultados de los análisis
desarrollados tanto del movimiento de Parkinson como de congelamiento.
Figura 5.6 Interfaz de Visualización del Historial
118
5.2.4.2 Eliminar
Aquí podemos eliminar el examen que ya no utilices o no requiramos.
Figura 5.7 Interfaz de Confirmación de la eliminación de un Historial
119
5.2.4.3 Compartir
Dentro de esta opción podremos compartir nuestro resultado vía correo
electrónico a quien lo requiera.
Figura 5.8 Interfaz de Compartir de Historial
5.2.5 Interfaz de Temblor Parkinsoniano.
En esta interfaz se puede un botón para iniciar el Análisis; la aplicación va ser capaz de
adquirir los datos de los 3 ejes correspondientes en el tiempo que se esté activada la
evaluación. Los tres ejes tendrán un color y el resultado en Hz irá apareciendo ni bien la
aplicación se esté ejecutando, al mismo tiempo podremos visualizar como el gráfico va
armándose y tomando forma dentro del análisis.
120
Figura 5.9 Interfaz de Temblor Parkinsoniano
5.2.5.1 Procesamiento de Datos
Se procederá a procesar los datos del análisis con la función desarrollada en donde las
variables de los datos van a ser capturados gracias al giroscopio y utilizando la
Transformada de Fourier Discreta inversa va a poder convertir dichos valores de los
ángulos X, Y, Z del celular a Hz, valores que son necesarios para poder dar un diagnostico
al avance de la enfermedad.
ngOnInit(): void {
let frecuenciaX: number;
let frecuenciaY: number;
let frecuenciaZ: number;
this.subscripcionGiroscopio = this.observadorGiroscopio.subscribe(
(orientation: GyroscopeOrientation) => {
if (this.observadorEstadistica) {
this.analisisActual = new Estadistica();
this.dataXEntradaDFT.push(orientation.x);
this.dataYEntradaDFT.push(orientation.y);
this.dataZEntradaDFT.push(orientation.z);
frecuenciaX = dft(this.dataXEntradaDFT)[this.tiempo].re;
frecuenciaY = dft(this.dataYEntradaDFT)[this.tiempo].re;
frecuenciaZ = dft(this.dataZEntradaDFT)[this.tiempo].re;
this.dataX.push(frecuenciaX);
121
this.dataY.push(frecuenciaY);
this.dataZ.push(frecuenciaZ);
this.data.push([frecuenciaX, frecuenciaY, frecuenciaZ, this.tiempo]);
this.analisisActual.varX = frecuenciaX;
this.analisisActual.varY = frecuenciaY;
this.analisisActual.varZ = frecuenciaZ;
this.analisisActual.tiempo = this.tiempo;
this.analisisActual.tipo = 1;
this.estadisticas.push(this.analisisActual);
this.tiempoLabel.push(this.tiempo);
this.tiempo++;
this.observadorChart.next(1);
}
}
);
}
Una vez adquirido los datos en el tiempo las frecuencias van a vasar a la siguiente función
donde se podrá ir armando la gráfica con los datos obtenidos en tiempo real. Cabe precisar
que el procesamiento de la velocidad depende mucho de la tecnología existente en el
celular.
createBarChart() {
this.observadorChart.subscribe(async response => {
if (response === 1) {
this.lineChart.update();
} else if (response === 2) {
this.lineChart.destroy();
} else if (response === 3) {
this.lineChart = new Chart(this.analisisChart.nativeElement, {
type: 'line',
data: {
labels: this.tiempoLabel,
datasets: [
{
label: 'Frecuencia X Hz en el tiempo',
data: this.dataX,
backgroundColor: 'rgb(48, 63, 159)',
borderColor: 'rgb(48, 63, 159)',
borderWidth: 1,
fill: false
},
{
label: 'Frecuencia Y Hz en el tiempo',
122
data: this.dataY,
borderWidth: 1,
fill: false
},
{
label: 'Frecuencia Z Hz en el tiempo',
data: this.dataZ,
borderWidth: 1,
fill: false
}
]
},
Las variables X, Y, Z en el tiempo van a ir cambiando y la figura va ir mostrando los
puntos colindantes de la misma.
Figura 5.10 Captura de la aplicación móvil en ejecución
123
5.2.5.2 Predicción uso de Regresión Lineal
La predicción está construida por la función “LinearRegresión” en donde podemos ver
los datos adquiridos de la aplicación móvil se almacenan en un array de entrada dando
por consiguiente un array de salida donde se pronosticará los 6 resultados siguientes.
async linearRegresion() {
try {
const totalDeSegundosAPredecir = 6;
let entradaSubX: number[] = [];
let entradaSubY: number[] = [];
const entradaX: number[][] = [];
const entradaY: number[][] = [];
this.salidaTiempo = [];
this.salidaX = [];
this.salidaY = [];
this.salidaZ = [];
if (this.lineChartPredictivo != null) {
this.lineChartPredictivo.destroy();
}
for (const x of this.tiempoLabel) {

entradaSubX = [];
entradaSubX.push(x);
entradaX.push(entradaSubX);
}
for (let i = 0; i < this.dataX.length; i++) {
entradaSubY = [];
entradaSubY.push(this.dataX[i]);
entradaSubY.push(this.dataY[i]);
entradaSubY.push(this.dataZ[i]);
entradaY.push(entradaSubY);
}
const mlr = new MLR(entradaX, entradaY);
for (let i = this.tiempoLabel[this.tiempoLabel.length - 1] + 1; i < this.tiempoLabel.length

+ totalDeSegundosAPredecir; i++) {
// console.log(i);
const prediccion = mlr.predict([i]);
const estadisticaPredictiva = new Estadistica();
// console.log(prediccion);
this.salidaTiempo.push(i);
this.salidaX.push(prediccion[0]);
this.salidaY.push(prediccion[1]);
this.salidaZ.push(prediccion[2]);
estadisticaPredictiva.tiempo = i;
estadisticaPredictiva.varX = prediccion[0];
124
estadisticaPredictiva.varY = prediccion[1];
estadisticaPredictiva.varZ = prediccion[2];
estadisticaPredictiva.tipo = 2;
this.estadisticas.push(estadisticaPredictiva);
}
Así mismo estos valores van a estar representados en otro gráfico donde estará las
predicciones.
this.lineChartPredictivo = new Chart(this.prediccionChart.nativeElement, {

type: 'line',
data: {
labels: this.salidaTiempo,
datasets: [
{
label: 'Frecuencia X Hzen el tiempo',
data: this.salidaX,
borderColor: 'rgb(48, 63, 159)'
borderWidth: 1,
fill: false
},
{
label: 'Frecuencia Y Hz en el tiempo',
data: this.salidaY,
borderWidth: 1,
fill: false
},
{
label: 'Frecuencia Z Hz en el tiempo',
data: this.salidaZ,
borderWidth: 1,
fill: false
}
]
},
Estos resultados serán trasladados y generando un archivo en formato PDF para que pueda
ser almacenado en el Historial.
async procesoGuardarPDF() {
const fecha = moment().format('YYYY-MM-DD_HH-mm-ss');
const fechaHeader1 = moment(fecha, 'YYYY-MM-DD_HH-mm-
ss', 'es').format('dddd, DD [de] MMMM [de] YYYY');
const fechaHeader2 = moment(fecha, 'YYYY-MM-DD_HH-mm-ss', 'es').format('[Hora:] kk:mm');
125
const nombreDelDocumento = 'temblor_' + fecha + '.pdf';
const documentDefinitions = {
header: {
columns: [
{text: 'Parkinson Analyzer', style: 'documentHeaderLeft'},
{text: fechaHeader1 + '\n' + fechaHeader2, style: 'documentHeaderRight'}
],
margin: [30, 20, 30, 0]
},
footer: {
stack: [
{
text: 'Observación: La información proporcionada por la aplicación es uso exclusivo del mé
dico que sirve ' +
'de apoyo para sus decisiones dentro de las evaluaciones periódicas de la enfermedad.',
style: 'documentFooterCenter'
}
],
margin: [30, 5, 30, 20]
},
content: [
{text: 'ANÁLISIS: TEMBLOR PARKESIANO', fontSize: 20, bold: true, alignment: 'center', margin: [
0, 20]},
{text: 'DATOS DEL PACIENTE', fontSize: 16, margin: [0, 10]},
{text: 'Nombres: ' + this.authService.usuario.persona.nombre, fontSize: 12},
{text: 'Apellido Paterno: ' + this.authService.usuario.persona.apPaterno, fontSize: 12},
{text: 'Apellido Materno: ' + this.authService.usuario.persona.apMaterno, fontSize: 12},
{text: 'Número de teléfono: ' + this.authService.usuario.persona.telefono, fontSize: 12},
{text: 'Fecha de Nacimiento: ' + moment(this.authService.usuario.persona.fechaNac).format('D
D/MM/YYYY'), fontSize: 12},
{text: 'DNI: ' + this.authService.usuario.persona.dni, fontSize: 12},
{text: 'Ciudad: ' + this.authService.usuario.persona.ubigeo, fontSize: 12},
{text: 'Correo: ' + this.authService.usuario.persona.correo, fontSize: 12},
{text: 'RESULTADOS DEL ANÁLISIS', fontSize: 16, margin: [0, 30, 0, 10]},
{
text: 'Se declara que la información expresa en este documento es fidedigna y/o autentica los
datos fueron obtenidos ' +
'por parte de la aplicación Parkinson Analyzer.', fontSize: 12
},
{image: this.lineChart.toBase64Image(), width: 250, alignment: 'center', pageBreak: 'after', mar
gin: [0, 20, 0, 0]},
{text: 'RESULTADOS DE LA PREDICCIÓN', fontSize: 16, margin: [0, 30, 0, 10]},
{
text: 'Usando el método de regresión lineal hemos podido llegar a predecir que en los siguien
tes 6 segundos luego de las' +
' evaluaciones tomadas los resultados nos arrojarán los siguientes valores:', fontSize: 12
},
El archivo en PDF estará compuesto de dos hojas; en la primera se podrá visualizar el
análisis correspondiente, así mismo los datos del paciente, la hora y fecha de la evaluación
como también la gráfica de los resultados.
126
Figura 5.11 Documento en formato PDF resultados del Temblor Parkinsoniano
En tanto en la segunda parte hoja del archivo podremos visualizar los resultados de la
predicción, la gráfica, los valores correspondientes en los ángulos de los próximos 6
segundos.
127
Figura 5.12 Documento en formato PDF de la predicción del Temblor Parkinsoniano
5.2.6 Interfaz de Alarma.
En este módulo podremos añadir y visualizar las alarmas programadas de los medicamentos
para su correcto uso. En ella podemos visualizar que hay una cantidad de medicamento que
hayamos comprado y podremos llevar un control de cuantas nos quedan; ya que va
disminuyendo la cantidad de medicamentos cada vez que la alarma suena.
128
Figura 5.13 Interfaz de Compartir de Historial
5.2.7 Interfaz de Congelamiento.
En esta interfaz se puede apreciar un reloj con la fecha y hora exacta, en ella nos permitirá
llevar un control del tiempo de congelamiento que la persona se encuentra y no solo eso,
podremos guardarlo en el historial para su respectiva evaluación.
129
Figura 5.14 Interfaz de Congelamiento
El módulo de Congelamientos es capaz de guardarse en el Historial y así mismo poder
ser compartido vía correo electrónico para su evaluación correspondiente.
Figura 5.15 Correo de Confirmación del envió del Resultado de Congelamiento
Fuente: Outlook
130
Dentro del archivo podremos visualizar los datos del paciente que fue realizada la prueba,
como también los resultados del análisis para su correcta evaluación.
Figura 5.16 Archivo PDF del Análisis de Congelamiento
131
CAPÍTULO VI: CONCLUSIONES, LIMITACIONES Y
TRABAJOS FUTUROS.
6.1 Conclusiones
En el presente estudio se pueden agrupar en 2 grandes módulos para su desarrollo:
aplicación móvil y Machine Learning. Se identificaron y seleccionaron 11 tesis o artículos
en los que se obtiene las siguientes conclusiones.
CQ1: El desarrollo de esta aplicación móvil constituye una herramienta de apoyo a
las personas con Parkinson ya que nos permite llevar un control de los análisis del
temblor Parkinsoniano como también colaborar con el doctor para llevar un control
clínico preciso del paciente.
CQ2: Se logro comparar, describir y analizar mejor la problemática existente con
las personas que tienen la enfermedad de Parkinson.
CQ3: Se logro desarrollar el Benchmarking y poder saber con exactitud las
limitantes existentes, como también la mejor manera de poder diseñar, planificar y
desarrollar la aplicación móvil.
CQ4: Se desarrolló la interfaz mediante técnicas asociadas al diseño responsive,
otorgando así la dispersión de la aplicación en dispositivos móviles con disimiles
tamaños de pantalla, para facilitar el uso por parte de los beneficiarios.
132
CQ5: La aplicación logro seguir los estándares de UI Design, con el uso de los
colores, imágenes, tipografía, estableciendo una experiencia e interfaz amigable para
el usuario.
CQ6: Contar con tecnología adecuada y utilizarla con el fin de resguardar las
necesidades que tienen las personas con la enfermedad de Parkinson teniendo como
principal indicador optimizar la calidad de vida del paciente.
CQ7: La aplicación consta de tres niveles para mayor rapidez en la respuesta, de los
cuales dos de ellos, tanto la base de datos y el servidor de la aplicación se encuentran
alojados en la nube; ya que si fueran puestos en funcionamiento en el dispositivo
móvil su tiempo de respuesta y procesamiento aumentarían.
CQ8: Se logro desarrollar el análisis completo para su correcto uso e
implementación de la aplicación con Machine Learning.
CQ9: Se logro desarrollar el manual de usuario para el correcto uso de la aplicación
móvil que será entregado en el Anexo.
6.2 Limitaciones
L1. Una de las Limitaciones más considerables para la presente investigación fue el
tiempo ya que la complejidad mismo del proyecto.
L2. El costo de la aplicación para su desarrollo si bien es cierto no es mucho, pero
mantenerlo de manera gratuita traerá ciertas limitaciones porque se tiene que pagar
un servidor cada año para el funcionamiento del mismo.
L3. La integración de los módulos demandaba una gran experiencia y capacitación
de los mismos para hacer que funcionen según lo previsto.
133
6.3 Trabajos Futuros
Con el fin de mejorar este trabajo se puede ampliar desde todo punto de vista añadiendo
más opciones para el mejor análisis de los mismos para las personas que sufren de
Parkinson. Es relevante seguir ampliando el estudio en diversas direcciones relevantes
sobre todo para las personas con algún tipo de enfermedad dándoles con las herramientas
de tecnológicas una mejor calidad de vida.
Considerar el uso de diferentes métodos tecnológicos como inteligencia artificial,
algoritmos, big data, machine learning, deed learning; ya que en la actualidad existen
algunos más eficientes que otros en el reconocimiento de datos procesados. Intentar
aumentar el estudio y trabajar con Heurísticas para mejorar la precisión de la recepción
de los datos adquiridos por el celular.
Se espera que este trabajo haga énfasis de la realidad existente de las personas que tienen
la enfermedad de Parkison y que puedan organismos o instituciones apoyar esta iniciativa
con fondos propios o extranjeros fomentando la participación activa de la investigación
de los alumnos en la ciencia.
Finalmente, más allá de la experiencia, el trabajo aborda puntos que merecen amplia
atención por sí mismos, como darle más énfasis en el módulo de congelamiento o por
medio de otros hardware o tecnologías emergentes en el mercado como los relojes
inteligentes, smartwatch. También se podría añadir que los datos lleguen de manera
automáticamente a una persona en específica para así evitar el problema de estar enviando
o compartiendo de manera monótona cada resultado.
134
Bibliografía
[1]. Achey, M., Aldred, J. L., Aljehani, N., Bloem, B., R, B., & Chan, P. (2014). The past,
present, and future of telemedicine for Parkinson's disease.
[2]. Alberto, R. B., Marcos, V. G., & Matias, B. L. (22 de Abril de 2009). MODELOS AVANZADOS
DE BASES DE DATOS. Bases de Datos Federadas y Bases de Datos Móviles. España.
[3]. Alsheikh, A., Lin, S. W., Niyato, D., & Tan, H. (2014). Machine Learning in Wireless Sensor
Networks: Algorithms, Strategies, and Applications.
[4]. Alvarez, M. (2 de Marzo de 2017). desarrolloweb.com. Obtenido de desarrolloweb.com:

https://desarrolloweb.com/articulos/que-es-ionic2.html
[5]. América Economía. (13 de Abril de 2018). clustersalud.americaeconomia.com. Obtenido

de Cluster Salud: https://clustersalud.americaeconomia.com/sector-publico/parkinson-
un-mal-en-aumento-segun-la-oms
[6]. American Neuropsychiatric Association. (2002). An Essay on the Shaking Palsy. (M. David
B. Arciniegas, Ed.) The Journal of Neuropsychiatry and Clinical Neurosciences, 223-236.
[7]. ANDINA. (10 de Abril de 2018). ANDINA Agencia Peruana de Noticias. Obtenido de
https://andina.pe/agencia/noticia-essalud-mitiga-parkinson-novedosa-tecnica-
estimulacion-cerebral-748154.aspx
[8]. Andina. (8 de Mayo de 2020). Andina. Obtenido de Andina:

https://andina.pe/agencia/noticia-coronavirus-aplicacion-movil-telemedicina-atiende-a-
pacientes-covid19-796177.aspx
[9]. Andlin Sobocki, P., Jönsson, B., Hans Ulrich , W., & Olesen, J. (2005). Cost of disorders of
the brain in Europe. En European Journal of Neurology.
[10]. Ángel, R. (12 de Agosto de 2019). Openwebinars. Obtenido de Openwebinars:

https://openwebinars.net/blog/que-es-java/
[11]. Asociación Parkison Madrid. (s.f.). Parkinsonmadrid. Obtenido de Parkinsonmadrid:

https://www.parkinsonmadrid.org/el-parkinson/el-parkinson-definicion/
[12]. Aurigae. (22 de Noviembre de 2019). Aurigae. Obtenido de Aurigae:

https://aurigae.com/blog/node-js/#:~:text=Node.,en%20el%20lado%20del%20servidor.
[13]. Bluumi. (2017). Bluumi. Obtenido de Bluumi: http://bluumi.net/10-caracteristicas-una-

aplicacion-movil-de-empresa-exito/
[14]. Catalán Alonso, J., & Rojo Sebastián, A. (s.f.). La Enfermedad del Parkinson. Educación
sanitaria e interrogantes en patologias para la oficina de farmacia, 7-8.
[15]. César Augusto, B. S. (28 de Mayo de 2015). Sistema de información para Encuestas
Simples basado en Computación Móvil Multiplataforma. Caracas, Venezuela.
135
[16]. Chana, P. (2010). Enfermedad de Parkinson (Vol. 1). Santiago de Chile, Chile: Eva Ramírez
Zlatar EIRL.
[17]. Chávez León, E., Ontiveros Uribe, M., & Carrillo Ruiz, J. (2013). La enfermedad de
Parkinson: neurología para psiquiatras. En Salud Mental (pág. 324).
[18]. Cirugiadeparkinsonperu. (2019). Cirugiadeparkinsonperu. Obtenido de

http://www.cirugiadeparkinsonperu.com/como-saber-si-un-paciente-es-buen-candidato-
para-este-tipo-de-tratamiento/
[19]. DIEGO, B. M., & MYRIAM, R. M. (2019). PROTOTIPO DE INNOVACIÓN TECNOLÓGICA PARA
CREAR UNA APLICACIÓN MÓVIL CONFORMADA POR UNA COMUNIDAD DE
PROFESIONALES EN PSICOLOGIA Y SUS DIFERENTES RAMAS CON USUARIOS QUE
REQUIERAN DE UN SERVICIO, ASESORÍA Y CONSULTAS PREVENTIVAS. Bogota, Colombia.
[20]. Djandrw, A. (13 de Abril de 2019). Medium. Obtenido de Medium:

https://medium.com/@andrewdjandrw/qu%C3%A9-es-scrum-
674c6b791af4#:~:text=Scrum%20es%20un%20proceso%20de,resultado%20posible%20de
%20un%20proyecto%E2%80%9D.
[21]. Drifty, C. (2016). ionicframework. Obtenido de ionicframework:

https://ionicframework.com/docs/guide/preface.html
[22]. Duncan, G., Khoo, T., Yarnall, A., O’Brien, J., & Coleman, S. (2014). Movement disorders :
official journal of the Movement Disorder Society. Health related quality of life in early
Parkinson’s disease: the impact of nonmotor symptoms.
[23]. EhCOS. (s.f.). EhCOS. Obtenido de EhCOS: https://www.ehcos.com/telemedicina-pieza-

clave-en-el-futuro-de-la-salud/
[24]. Estrada-Bellmann, I., & Martínez Rodríguez, H. R. (2011). Diagnóstico y tratamiento de la

enfermedad de Parkinson. Avances, 16-22.
[25]. European Parkinson's Disease. (2014). The move for change result . The move for change
result , 52.
[26]. F., H., Melissa Andrea, N. C., Fernando, C., & Laura Andrea, L. (25 de Agosto de 2016). La
Enfermedad de Parkinson: Etiología, Tratamientos y Factores Preventivos. Bogota.
[27]. Francisco, E. S., & Jesús, O. R. (2017). Recomendaciones de Práctica Clínica en la

ENFERMEDAD DE PARKINSON. Andalucía: Glosa.
[28]. Geroin, C., Gandolfi, M., Bruno, V., Smania, N., & Tinazzi, M. (2016). Integrated Approach
for Pain Management in Parkinson Disease.
[29]. Gobierno de los Estados Unidos. (2008). Cambios cognitivos en la enfermedad de

Parkinson. En P. J. Moberg,, La Enfermedad de Parkinson:Mente, Estado y Memoria (págs.
20-32).
136
[30]. Gregory Antony, T. C. (Enero de 2020). Aplicación móvil con Georreferenciación para
gestión de pedidos a domicilio de un local de comida. Ambato, Ecuador.
[31]. Guerrero Díaz, T., Macías Montero, C., Prado Esteban, F., Muñoz Pascual, A., Hernández
Jiménez, V., & Duarte García-Luis, J. (s.f.). Enfermedad del Parkinson. En Tratado de
Geriatría para residentes (págs. 507-517). Madrid.
[32]. H, G., & S. L. (2004). Rehabilitation for Parkinson’s disease:a systematic review of available
evidence.
[33]. HugoRep. (19 de Junio de 2019). Medium. Obtenido de Medium:

https://medium.com/@HugoRep/apache-cordova-popular-entorno-de-desarrollo-de-
aplicaciones-m%C3%B3viles-de-c%C3%B3digo-abierto-e17e36767446
[34]. IBM. (Abril de 2012). El desarrollo de aplicaciones móviles nativas, Web o híbridas. New
York, Estados Unidos de América.
[35]. Infobae. (11 de Abril de 2019). Infobae. Obtenido de

https://www.infobae.com/america/ciencia-america/2019/04/11/dia-mundial-del-
parkinson-a-quienes-afecta-la-segunda-enfermedad-neurodegenerativa-mas-importante-
del-mundo/
[36]. Ingmecafenix. (s.f.). Ingmecafenix. Obtenido de Ingmecafenix:

http://www.ingmecafenix.com
[37]. Javier, P. Á. (6 de Junio de 2018). Procesado de señales procedentes de smartphones para

el análisis de temblores fisiológicos. Valladolid, España.
[38]. Joanybel Ortiz. (22 de Marzo de 2020). Joanybelortiz. Obtenido de Joanybelortiz:

http://www.joanybelortiz.com/aplicaciones-machine-learning-ejemplos/
[39]. José Victoriano, A. G. (Octubre de 2014). Aplicación móvil para el acceso a la información
de la Universidad de Cantabria. Cantabria, España.
[40]. Kevin Luis, A. P. (2017). Aplicación móvil multiplataforma que brinda información de las
unidades de salud públicas y privadas de la ciudad de Loja. Loja, Ecuador.
[41]. Kulisevsky Bojarski, J. (s.f.). Enfermedad de Parkinson: Guía terapéutica de la Sociedad

Catalana de Neurología.
[42]. La República. (11 de Abril de 2018). La República. Obtenido de

https://larepublica.pe/salud/1225388-minsa-implementa-programa-integral-de-
rehabilitacion-para-pacientes-con-parkinson
[43]. Lang, A. E. (2009). When and how should treatment be started in Parkinson disease?
[44]. Laura Janeth, E. T. (25 de Febrero de 2016). ESTUDIO COMPARATIVO DE HERRAMIENTAS

ORIENTADAS AL DESARROLLO DE APLICACIONES MÓVILES, CON ELAPLICATIVO: SISTEMA
DE ADMINISTRACIÓN DE STOCK DE PRODUCTOS DE CONSUMO MASIVO. Ibarra, Ecuador.
137
[45]. Lilian Judith, S. (19 de Julio de 2018). ALGORITMOS DE APRENDIZAJE AUTOMÁTICO PARA
ANÁLISIS Y PREDICCIÓN DE DATOS. El Salvador.
[46]. M., L. d., L., V. D., & R., C. d. (2 de Marzo de 2017). Aplicaciones móviles en la enfermedad
de Parkinson: una revisión sistemática. Madrid, España.
[47]. Martínez Fernández, R., Gasca Salas, C., Sánchez Ferro, Á., & Obeso, J. Á. (2016).
ACTUALIZACIÓN EN LA ENFERMEDAD. PARKINSON’S DISEASE: A REVIEW, 363-379.
[48]. Martínez Jurado, E., Cervantes Arriaga, A., & Rodríguez Violante, M. (2010). Calidad de
vida en pacientes con enfermedad de Parkinson. Revista Mexicana de Neurociencia, 480-
486.
[49]. Martinez Martin, P., Rodriguez Blazquez, C., Paz, S., João Forjaz, M., Frades-Payo, B.,
Cubo, E., . . . Lizán, L. (24 de Enero de 2014). Parkinson Symptoms and Health Related
Quality of Life as Predictors of Costs: A Longitudinal Observational Study with Linear Mixed
Model Analysis.
[50]. Mercuri, N., & Bernardi, G. (2005). Trends Pharmacol. The 'magic' of L-dopa: why is it the
gold standard Parkinson's disease therapy.
[51]. Micheli , F. E., & Fernández Pardal, M. M. (2010). Neurología. Buenos Aires, Argentina:
Editorial Medica Panamericana.
[52]. Ministerio de Educación. (12 de Junio de 2013). Ministerio de Educación. Obtenido de

Ministerio de Educación: http://www.ugel02.gob.pe/
[53]. Ministerio de Salud. (2010). Guía Clínica ENFERMEDAD DE PARKINSON. Santiago.
[54]. Ministerio de Salud. (10 de Abril de 2019). www.gob.pe. Obtenido de

https://www.gob.pe/institucion/minsa/noticias/27375-el-parkinson-afecta-a-unas-30-mil-
personas-en-el-peru
[55]. Moro, E., Schüpbach, M., & Wächter, T. (s.f.). Referring Parkinson’s disease patients for
deep brain stimulation: a RAND/UCLA appropriateness study.
[56]. Morris, M. E. (2000). Movement Disorders in People With Parkinson Disease: A Model for
Physical Therapy. 80, 578–597.
[57]. NewLetter 12: Salud y TIC. (2010). TIC y salud: promesas y desafíos para la inclusión social.
2.
[58]. Nubecolectiva. (20 de Julio de 2019). Nubecolectiva. Obtenido de Nubecolectiva:

https://blog.nubecolectiva.com/que-es-spring-framework-y-otros-
detalles/#:~:text=Spring%20es%20un%20marco%20de,el%20proceso%20de%20la%20apli
caci%C3%B3n.
[59]. Orduz, R., Valenzuela, J., Mejía Medina, F., Garcia, C., Bejarano, A., Sáenz, M., . . .
Alvarado, R. (2013). Las TIC en algunos de los retos del sector salud: panorama,
experiencias y perspectivas. Bodota: Colombia Digital.
138
[60]. Orozco Tapia, A. M. (s.f.). Obtenido de Modelos de BD:
https://modelosbd2012t1.wordpress.com/2012/03/15/base-de-datos-moviles-3/
[61]. P, M. M., Blázquez, R., Paz, S., Lizan, L., & Forjaz, M. (Noviembre de 2014). Relationship
between direct medical costs and direct non-medical costs of Parkinson’s disease
according to disease severity during 4 years of follow-up in Spain.
[62]. Pahwa, R., Factor, S., & Lyons, K. (2006). Practice Parameter: treatment of Parkinson
disease with motor fluctuations and dyskinesia.
[63]. Parkinson's, D. A. (2011). The European Parkinson’s Disease standards of care consensus
statement (Vol. 1).
[64]. Peñas Domingo, E. (2015). Libro Blanco del Párkinson en España. España.
[65]. PERÚ21. (10 de Abril de 2019). PERÚ 21. Obtenido de https://peru21.pe/lima/ministerio-

salud-minsa-30-mil-personas-peru-enfermedad-parkinson-nndc-471293
[66]. Raúl, M. F., Carmen, G. S., Álvaro, S. F., & José, Á. (2016). Actualización en la Enfermedad
de Parkinson. Revista Medica Clinica Condes.
[67]. Rayón. (2017). Guía para comenzar con algoritmos de Machine Learning.
[68]. Ricardo, T. (15 de Enero de 2020). Anexsoff. Obtenido de Anexsoff:

https://anexsoft.com/que-es-angular-y-por-que-elegirlo
[69]. Richy, F., Pietri, G., K, M., Senior, E., Makaroff, & Compliance, L. (2013). Compliance with
Pharmacotherapy and Direct Healthcare Costs in Patients with Parkinson’s Disease: A
Retrospective Claims Database Analysis. Health Economics and Health Policy.
[70]. Ríos, M. (2013). Composición del Sistema Operativo Móvil IOS de Apple y el Hardware y
Software que lo utilizan.
[71]. Roberto, A. (20 de Abril de 2020). Adslzone. Obtenido de Adslzone:

https://www.adslzone.net/reportajes/software/que-es-android/
[72]. Rocío, G. (16 de Abril de 2020). Adslzone. Obtenido de Adslzone:

https://www.adslzone.net/reportajes/software/que-es-ios/
[73]. Rodriguez Oroz, M. C., Jahanshahi, M., Krack, P., Litvan, I., Macias, R., Bezard, E., & Obeso,
J. (2009). Initial clinical manifestations of Parkinson’s disease: features and
pathophysiological mechanisms. 8.
[74]. Roman, V. (6 de Febrero de 2019). Medium. Obtenido de Medium:

https://medium.com/datos-y-ciencia/introduccion-al-machine-learning-una-gu%C3%ADa-
desde-cero-b696a2ead359
[75]. Sánchez, S. P. (Junio de 2018). Monitorización de la actividad neuromotriz de un paciente

de Enfermedad de Parkinson. Madrid, España.
139
[76]. Sarai, R. G., & Gloria, T. J. (Junio de 2017). ENFERMEDAD DE PARKINSON ÚLTIMOS
AVANCES EN EL TRATAMIENTO. Mexico.
[77]. SAUSA, M. (10 de Abril de 2018). Peru21. Obtenido de

https://peru21.pe/vida/salud/parkinson-novedoso-tratamiento-quirurgico-casos-
avanzados-402942
[78]. Schuepbach, W., Raul, J., & Knudsen, K. (2013). Neurostimulation for Parkinson’s disease
with early motor complications.
[79]. Scottish Intercollegiate Guidelines Network (SIGN). (2010). Diagnosis and pharmacological
management of Parkinson’s disease: a national clinical guideline. Edinburgh.
[80]. Siderowf, A., & Lang, A. (2012). Movement disorders : official journal of the. Premotor
Parkinson’s disease: concepts.
[81]. Theresa, R., Julián D., L. D., Andrés M., G. V., & Antonio J., S. E. (2019). PARA EL
DIAGNÓSTICO DIFERENCIAL DE PACIENTES CON PARKINSON Y TEMBLOR ESENCIAL.
Barcelona, España.
[82]. Tolosa, E., Compta, Y., & Gaig, C. (2007). Parkinsonism & related disorders. The premotor
phase of Parkinson’s.
[83]. Valldeoriola, F., Morsi, O., & Tolosa, E. (2007). Prospective comparative study on cost-
effectiveness of subthalamic stimulation and best medical treatment in advanced
Parkinson’s disease.
[84]. Vidhate, D., & Kulkarni, P. (2012). Cooperative Machine Learning with Information Fusion
for Dynamic Decision Making in Diagnostic Applications.
[85]. Wang, W., Wang, X., & Xie, L. (15 de Setiembre de 2017). Tremor Detection Using
Smartphone-based Acoustic Sensing. Nanjing, China.
[86]. Whetten Goldstein, K., Sloan, F., Kulas, E., Cutson, T., & Schenkman, M. (1997). The
burden of Parkinson's disease on society, family, and the individual.
[87]. Yudofsky , S., & Hales , R. (2008). The American psychiatric publishing textbook of
neuropsychiatry and behavioral sciences. Arlington: APPI;.
[88]. Zuly Milagros, H. J. (Enero de 2020). “Implementación de un sistema de gestión de

seguridad electrónica con Machine Learning dirigido a Prosegur Perú para gestión de
seguridad en viviendas de Lima Metropolitana”. Lima, Perú.
[89]. Zurita, F. (4 de Noviembre de 2017). Promoción de la Salud. Obtenido de

http://www.promocion.salud.gob.mx/cdn/?p=24859
140
ANEXOS
141
ANEXO A. MANUAL DE USUARIO PARKINSON ANALYZER
142
PARKINSON
ANALYZER
MANUAL DE USUARIO
MANUAL DE USUARIO
A) REGISTRARSE
Sirve para que el usuario pueda utilizar la aplicación primero necesita registrarse en el
sistema.
1.1. Dirigirse a la aplicación dentro del celular.
1.2. Serán dirigidos a la vista principal de la aplicación móvil.
MANUAL DE USUARIO PARKINSON ANALYZER
2
1.3. Se hará CLIC en donde dice “REGÍSTRATE”.
1.4. Se cargará otra ventana con los datos
3
1.5. Se deberá rellenar los datos exactos y precisos requeridos por el sistema
Se debe llenar los datos exactos:
▪ DNI: Documento Nacional de Identidad.

▪ Nombre: Nombre de la persona, puede ser uno o dos nombres.
▪ Apellidos: Apellidos de la persona, tanto paterno como materno
▪ N.º de Celular: El número correspondiente a los 9 dígitos del celular.
▪ Fecha de Nacimiento: La fecha de nacimiento de la persona.
▪ Ciudad: Lugar donde se ubica la persona.
▪ Correo: Correo de usuario en caso de recuperar la contraseña o validación.
▪ Contraseña: Puede ser números o letras.
Por último, se debe hacer CLIC en REGISTRAR, el sistema validará los datos.
4
B) INICIAR SESIÓN
Sirve para que el usuario pueda utilizar la aplicación.
2.1. Dirigirse a la aplicación dentro del celular.
2.2. Serán dirigidos a la vista principal de la aplicación móvil.
5
2.3. Se llenarán los datos del correo y contraseña registrados en la Aplicación.
Una vez ingresado los datos debemos hacer CLIC en ENTRAR
6
C) EDITAR DATOS
Sirve para que el usuario pueda editar sus datos que han sido registrados dentro de la
aplicación.
3.1. Una vez iniciado sesión dentro de la aplicación móvil, aparecerá la ventana principal.
3.2. Nos dirigimos al menú de opciones.
7
3.3. En ella podremos visualizar los datos del correo, Nombre y Apellidos; dichos datos
pueden ser cambiados de manera rápida solo cambiando los datos; y haciendo CLIC en
EDITAR.
3.4. Una vez terminada la edición, la aplicación va confirmar la actualización de los datos y
se guardarán en la base de datos.
8
D) VER HISTORIAL
Sirve para que el usuario pueda visualizar el historial de los análisis realizados dentro de la
aplicación
9
4.3. En ella podremos visualizar las diferentes opciones dentro de la aplicación, solo basta
hacer CLIC en HISTORIAL
4.4. En ella podremos visualizar la lista de historiales realizados, si no hay ningún historial
va aparecer en vació.
10
4.5. Una vez realizado varios análisis podremos tener un historial lleno de diferentes
evaluaciones realizadas, en ella podemos apreciar la fecha de la evaluación, hora, y el TIPO,
que puede ser ANALISIS de Temblor Parkesiano o CONGELAMIENTO. Dentro de ella
podemos apreciar 3 opciones. VISUALIZACIÓN, ELIMINAR Y COMPARTIR.
4.6. Para poder VISUALIZAR, basta con hacer CLIC en el icono del ojo, y esperar unos
minutos, mientras carga el archivo PDF. Una vez cargado nos dirá con qué aplicación
poder abrirla
11
4.7. Una vez seleccionada la aplicación vamos a poder ver el archivo del análisis en
PDF.
4.8. Para poder ELIMINAR, basta con hacer CLIC en el icono del tachito, y esperar unos
minutos, mientras se procede a eliminar el archivo de la base de datos.
12
4.9. Para poder COMPARTIR, basta con hacer CLIC en el icono del circuito, en ella podremos
visualizar las opciones de poder enviar el archivo en PDF. Tanto GMAIL o OUTLOOK.
Seleccionamos el que mejor nos pareciera y redactamos el correo, de forma automática
aparecerá el archivo PDF listo para enviar.
4.10. Correo de Confirmación por parte del análisis enviado.
13
4.11. Los resultados de los análisis pueden ser dos tipos diferentes de archivos, uno
donde se determine el ANÁLISIS DE TEMBLOR PARKESIANO, donde la primera hoja,
podremos visualizar datos del paciente, como los resultados del mismo en los últimos
6 segundos.
4.12. La segunda hoja en descripción tendremos la predicción correspondiente de los

6 segundos siguientes con sus respectivas frecuencias en HZ de acuerdo al eje
correspondiente.
14
4.13. Los resultados de ANÁLISIS DE CONGELAMIENTO, se generará también en archivo
PDF, y en el contendrá los datos del paciente, como también el tiempo en que se
encontró dicha persona en ese tiempo determinado.
15
E) TEMBLOR PARKESIANO
En esta opción podremos registrar el temblor parkesiano por parte del usuario.
16
hacer CLIC en TEMBLOR PARKESIANO
5.4. Inmediatamente nos aparecerá una ventana en dicha ventana, podremos tener
un botón donde podremos dar inicio a la recepción de datos.
17
5.5. Una vez realizado el CLIC correspondiente las variables van a comenzar a ser
recepcionadas, al mismo tiempo la gráfica va ir formando forma, ni bien vaya
recopilando los datos, solo basta terminar apretando en el botón que dice GUARDAR.
5.6. Inmediatamente se generará un archivo PDF y nos brindará confirmación del

mismo.
18
5.7. Dicho archivo se guardará automáticamente en el HISTORIAL donde podrá ser
VISUALIZADO, ELIMINADO o COMPARTIDO.
19
F) ALARMA
Este modulo esta enfocado directamente al control de las pastillas que va llevar el paciente
por medio de una alarma capaz de avisarnos cuando hay que tomarlas como también llevar
un control de las mismas con las cantidades correspondientes.
20
hacer CLIC en ALARMA
6.4. Si no hemos programado ninguna alarma la bandeja se encontrará vacía. Si deseamos

añadir una alarma solo bastará hacer CLIC en el icono de SUMA.
21
6.5. Inmediatamente nos aparecerá un formulario para poder rellenar los campos: Nombre
del medicamento, Cantidad de medicamentos comprados, Descripción breve de la pastilla
que hace, y la hora para ser suministrada.
6.6. Se debe llenar los datos correspondientes, en hora para suministrar, nos aparecerá
un reloj para poder indicar la hora exacta de la pastilla a suministrar, una vez
terminado debemos hacer CLIC en CREAR
22
6.7. Una vez terminada en la bandeja de entrada aparecerá la lista de medicamentos
que debemos tener con la alarma correspondiente.
6.8. Si deseamos ELIMINAR, EDITAR O CANCELAR, solo basta con seleccionar dicha
Alarma y aparecerá un menú en la parte de abajo con las opciones correspondientes.
23
G) CONGELAMIENTO
Sirve para que el usuario pueda guardar el tiempo de congelamiento que la persona se
encuentra en ese estado. El trabajo de este módulo actúa directamente como si fuera un
cronometro, pero a su vez, es capaz de guardar en un archivo PDF donde se podrá llevar un
registro preciso de las evaluaciones y poder ser compartido con quien lo requiera por medio
de correo electrónico.
24
hacer CLIC en CONGELAMIENTO
7.4. Inmediatamente aparecerá un reloj en la parte superior, y los datos

correspondientes del tiempo que se va llevar el congelamiento en realizar. Basta solo
hacer un CLIC donde dice INICIAR, para que el cronometro comience a correr en el
tiempo.
25
7.5. Luego debemos presionar FINALIZAR, y apretar en el botón color verde donde
nos indica GUARDAR.
7.5. Inmediatamente se generará el archivo PDF, y nos brindará un mensaje de

confirmación, dicho análisis será guardado automáticamente en HISTORIAL.
26
H) CERRAR SESIÓN
Sirve para que el usuario pueda salir de la aplicación.
27
hacer CLIC en CERRAR SESIÓN
28

Godinez TC

Cargado por

Copyright:

Formatos disponibles

Godinez TC

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Godinez TC

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Mayor de San Marcos

Universidad del Perú. Decana de América

Monitoreo y predicción del temblor de Parkinson por

Para optar el Título Profesional de Ingeniero de Software

Godínez, C. (2021). Monitoreo y predicción del temblor de Parkinson por medio de

Grupo de investigación No aplica.

Edificio: Universidad Nacional Mayor de San Marcos

Acta de Sustentación Virtual de Tesis

Finalmente habiéndose efectuado la calificación correspondiente por los miembros de Jurado, el

Siendo las 15:36 horas, se levantó la sesión.

Mg. Juan Gamarra Moreno

GODÍNEZ TELLO CARLOS RAÚL ANDRÉ

MONITOREO Y PREDICCIÓN DEL TEMBLOR DE

Lima, Perú 2021

Tesis, Facultad de Ingeniería de Sistemas e Informática, Escuela Académico

Este trabajo de investigación lo dedico

A mi familia, cuya inspiración, apoyo incondicional y palabras de aliento en los

años de carrera profesional; en especial a mis padres que fueron el impulso de

cada día el continuar, de seguir su ejemplo, de encontrar un sentido a todo lo que

hacía cada día.

en profesional que es lo que tanto me apasiona.

A los diferentes docentes que brindaron sus conocimientos, experiencia, y

oportunidad de demostrar de lo que soy capaz de hacer, superando mis propios

A mi asesor de tesis, el Dra. Luzmila Elisa Pró Concepción, por sus

conocimientos, orientaciones y paciencia que han sido fundamentales para

nuestra formación como investigadores.

MONITOREO Y PREDICCIÓN DEL TEMBLOR DE PARKINSON

Autor : Carlos Raúl André Godinez Tello

FACULTAD DE INGENIERÍA DE SISTEMAS E INFORMÁTICA

MONITORING AND PREDICTION OF THE PARKINSON

Author : Carlos Raúl André Godinez Tello

Índice de figuras ..................................................................................................... xi

CAPITULO I. PLANTEAMIENTO METODOLÓGICO ................................ 1

CAPITULO II. MARCO TEÓRICO ................................................................ 13

CAPITULO III. ESTADO DEL ARTE METODOLÓGICO ......................... 65

CAPITULO IV. DISEÑO E IMPLEMENTACIÓN DEL SISTEMA ............ 87

CAPITULO V. INGENIERÍA DEL ARTEFACTO ...................................... 118

CAPITULO VI. CONCLUSIONES, LIMITACIONES Y TRABAJOS FUTUROS .... 138

REFERENCIAS BIBLIOGRÁFICAS ............................................................ 141

ANEXOS ............................................................................................................ 147

enfermedad del Parkinson, de ahí el nombre de la enfermedad, quien lo caracterizó

por dificultad de movimiento, temblores y rigidez. (Zurita, 2017). Al presente existen

7 millones de pacientes con esta enfermedad en el mundo, afectando a una de cada

100 personas mayores de 60 años; la Organización Mundial de la Salud (OMS)

pronostica que al año 2030 alcanzarán a ser más de 12 millones de personas.

(América Economía, 2018).

nervioso central causando la muerte de las neuronas dopaminérgicas, siendo ellas

encargadas de generar dopamina, que es un neurotransmisor, primordial para la

emocionales y sociales que deben ser asumidos y conocidos por la familia y el

paciente. La enfermedad consta de diferentes etapas involucrando sentimientos como

(Ministerio de Salud, 2010).

En todo el mundo existe mucha investigación médica tratando de descubrir el origen

de la enfermedad, más aún no existe una medicación o tratamiento para el Parkinson.

(PERÚ21, 2019), además existen alternativas que modifican la progreso de la

enfermedad para mantener la calidad de vida de quienes la padecen (Infobae, 2019) .

El tratamiento inicial para Parkinson es a partir de la administración de una

combinación de levodopa y otros fármacos dopaminérgicos para compensar el

agotamiento de la dopamina, que es la principal la causa de la colectividad de las

sintomatologías (Micheli & Fernández Pardal, 2010). Estos pacientes también