Resumen de Construcción de un prototipo de registro de caídas basado en Machine Learning para mayores institucionalizados

J.L. Dinamarca Montecinos, María Jesús Flores Moraga, Roberto Alejandro Durán Novoa, Juan Carlos Briede Westermeyer

• Introducción.Las caídas en personas mayores institucionalizadas representan un problema de salud pública subestimado, asociado a discapacidad, dependencia y mortalidad. En Chile, la ausencia de registros estandarizados en Establecimientos de Larga Estadía para Adultos Mayores (ELEAM) limita la prevención efectiva. Este estudio tuvo como objetivo diseñar un prototipo de sistema digital de registro de caídas basado en Aprendizaje Automático / Machine Learning (ML)para su implementación en Establecimientos de Larga Estadía para Adultos Mayores (ELEAM). Metodología. Se empleó la metodología de diseño de doble diamante en cuatro fases: identificación de actores y levantamiento de información mediante entrevistas cualitativas; análisis de causas y priorización de ideas con matrices AHP y Pugh; diseño conceptual y generación del Producto Mínimo Viable (PMV); y elaboración de prototipos para validación de usabilidad. Resultados. Se evidenció una gran heterogeneidad en los registros actuales y ausencia de análisis posterior de datos. Se desarrolló un PMV que incluye un formulario de registro de caídas, visualización de medidas preventivas, perfiles de usuario diferenciados y herramientas educativas. El sistema fue validado internamente por cuidadores, directivos y profesionales de salud en ELEAM. Discusión. El uso de ML permitiría automatizar el análisis de datos y personalizar medidas preventivas. El diseño participativo y el enfoque preventivo fueron claves para su aceptabilidad. Conclusiones. El prototipo desarrollado tiene potencial para optimizar el registro de caídas en ELEAM, mejorar la prevención y fortalecer la atención en personas mayores institucionalizadas.