Acceso usuarios
Rongrong Sun, Shefeng Shen
Los centros de gestión de la salud desempeñan un papel crucial en la gestión y el mantenimiento de sistemas integrales de información sanitaria, que incluyen registros de pacientes, historias clínicas y otros datos vitales. Los recientes avances tecnológicos, incluidas las redes de comunicación inalámbrica, las aplicaciones inteligentes y los sensores, han mejorado significativamente la calidad de vida al permitir un control y una gestión de la salud más eficientes. Un elemento central de estos avances es la Internet de las cosas (IoT), que facilita el procesamiento, la distribución y el acceso a datos esenciales, mejorando así la prestación de servicios de atención sanitaria. El propósito de esta investigación es desarrollar un nuevo sistema de procesamiento de datos en una plataforma de IoT diseñada específicamente para el seguimiento de la salud en tiempo real de los atletas en los centros de medicina deportiva y gestión de la salud. El sistema propuesto aprovecha los conjuntos de datos de atención sanitaria pública almacenados en la nube, que se procesan previamente mediante la normalización Min-max. Las características clave se extraen mediante el análisis de componentes independientes (ICA) para garantizar un procesamiento de datos preciso y relevante. Este estudio presenta un método híbrido de máquina de vectores de soporte dinámico optimizado magnético (HMO-DSVM), que está diseñado para optimizar el seguimiento de la salud de los atletas mejorando la precisión y la fiabilidad de las evaluaciones de salud. El rendimiento del sistema propuesto se evalúa en comparación con modelos estándar y se realizan experimentos para validar el rendimiento mejorado del enfoque HMO-DSVM. Se utilizan métricas de rendimiento clave, como exactitud, precisión, especificidad, puntuación F1 y sensibilidad, para evaluar la eficacia del sistema. A medida que las tecnologías inteligentes continúan evolucionando, su integración en la medicina deportiva y la gestión de la salud de los atletas será fundamental para dar forma al futuro de la prestación y el control de la atención médica, lo que en última instancia conducirá a mejores resultados de salud y un mejor rendimiento atlético.
Health management centresplay a crucial role in managing and maintaining comprehensive health information systems, which include patient records, medical histories, and other vital data. Recent advancements in technology, including wireless communication networks, smart applications, and sensors, have significantly improved the quality of life by enabling more efficient health monitoring and management. Central to these advancements is the Internet of Things (IoT), which facilitates the processing, distribution, and access to essential data, therebyenhancing healthcare delivery.The purpose of this research is to develop a novel data processing system on an IoT platform specifically designed for real-time health monitoring of athletes within sports medicine and health management centres. The proposed system leverages public healthcare datasets stored in the cloud, which are pre-processed using Min-max normalization. Key features are extracted using Independent Component Analysis (ICA) to ensure accurate and relevant data processing. This study introduces a hybrid Magnetic Optimized Dynamic Support Vector Machine (HMO-DSVM) method, which is designed to optimize health monitoring for athletes by improving the accuracy and reliability of health assessments.The performance of the proposed system is evaluated against standard models, with experimentation conducted to validate the enhanced performance of the HMO-DSVM approach. Key performance metrics such as accuracy, precision, specificity, F1-score, and sensitivity are used to assess the effectiveness of the system. As intelligent technologies continue to evolve, their integration into sports medicine and athlete health management will be pivotal in shaping the future of healthcare delivery and monitoring, ultimately leading to improvedhealth outcomes and enhanced athletic performance.
