"Telemedicina integral en el paciente geriátrico polipatológico: un modelo de cuidados basados en IA para la detección precoz de descompensaciones gastrointestinales y nefrológicas"

Mario Daniel Hidalgo Flores; Mishell Esperanza Atiencia Tibanta; Ana Lucía Alarcón Arias; María Paula Salgado Acosta; Ana Maria  Burneo Feijoo

doi:10.70577/asce.v5i3.1046

Authors

Mario Daniel Hidalgo Flores Ministerio de Salud Pública - CS Cutuglagua https://orcid.org/0009-0001-8588-1753
Mishell Esperanza Atiencia Tibanta Investigador Independiente https://orcid.org/0009-0003-1341-4237
Ana Lucía Alarcón Arias Universidad Técnica de Ambato https://orcid.org/0009-0008-7737-0479
María Paula Salgado Acosta Universidad San Francisco de Quito https://orcid.org/0009-0003-3269-7754
Ana Maria Burneo Feijoo Ministerio de Salud Publica https://orcid.org/0009-0005-7940-2284

DOI:

https://doi.org/10.70577/asce.v5i3.1046

Keywords:

bibliometría, telemedicina, geriatría, inteligencia artificial, descompensación gastrointestinal, insuficiencia renal, revisión.

Abstract

La telemedicina potenciada por inteligencia artificial (IA) emerge como un enfoque prometedor para la gestión de pacientes geriátricos polipatológicos, un grupo de alto riesgo de descompensaciones. Sin embargo, se desconoce la estructura intelectual y las tendencias evolutivas de esta área de investigación específica. Realizar un análisis bibliométrico para mapear el panorama científico sobre la aplicación de la IA y la telemedicina en la detección precoz de descompensaciones gastrointestinales y nefrológicas en pacientes geriátricos complejos. Se realizó un análisis bibliométrico sistemático utilizando la base de datos Scopus. La búsqueda, realizada en [2024], identificó 428 documentos, de los cuales 87 cumplieron los criterios de inclusión. El análisis incluyó tendencias de publicación, análisis de co-palabras con VOSviewer, citación y síntesis temática. La producción científica muestra un crecimiento exponencial a partir de 2015. El análisis de co-ocurrencia reveló tres clústeres temáticos principales: 1) La Interfaz Geronto-Tecnológica (necesidades del paciente), 2) El Núcleo de IA y Datos (métodos), y 3) El Dominio de Aplicación Clínica (condiciones específicas). Se identificó una brecha significativa en la investigación de descompensaciones gastrointestinales, en comparación con las afecciones nefrológicas y cardiometabólicas. Este estudio bibliométrico revela un campo de investigación vibrante pero inmaduro. El campo debe evolucionar hacia el desarrollo de sistemas de IA capaces de manejar la polipatología y los síntomas subjetivos, requiriendo una colaboración más estrecha entre geriatras y científicos de datos para materializar su potencial.

Downloads

Download data is not yet available.

References

Academy of Medical Sciences. (2018). Multimorbidity: a priority for global health research. https://acmedsci.ac.uk/file-download/82222577

Barnett, K., Mercer, S. W., Norbury, M., Watt, G., Wyke, S., & Guthrie, B. (2012). Epidemiology of multimorbidity and implications for health care, research, and medical education: a cross-sectional study. “The Lancet”, “380”(9836), 37–43. https://doi.org/10.1016/S0140-6736(12)60240-2 DOI: https://doi.org/10.1016/S0140-6736(12)60240-2

Dias, D., & Paulo Silva, J. (2020). Wearable Health Devices—Vital Sign Monitoring, Systems and Technologies. “Sensors”, “20”(22), 6715. https://doi.org/10.3390/s20226715

Jiang, F., Jiang, Y., Zhi, H., Dong, Y., Li, H., Ma, S., Wang, Y., Dong, Q., Shen, H., & Wang, Y. (2017). Artificial intelligence in healthcare: past, present and future. “Stroke and Vascular Neurology”, “2”(4), 230–243. https://doi.org/10.1136/svn-2017-000101 DOI: https://doi.org/10.1136/svn-2017-000101

National Institute on Aging. (2024). Age-related changes in the gastrointestinal system. In A Clinical Approach to Geriatric Rehabilitation (4th ed., p. 111). Jones & Bartlett Learning.

Noah, B., Keller, M. S., Mosadeghi, S., Stein, L., Johl, S., Delshad, S., Tashjian, V. C., Lew, D., Kwan, J. T., Jusufagic, A., & Spiegel, B. M. R. (2018). Impact of remote patient monitoring on clinical outcomes: An updated meta-analysis of randomized controlled trials. “NPJ Digital Medicine”, “1”(1), 20172. https://doi.org/10.1038/s41746-017-0002-4 DOI: https://doi.org/10.1038/s41746-017-0002-4

Quinlan, N., Marcantonio, E. R., Inouye, S. K., Gill, T. M., Kamholz, B., & Rudolph, J. L. (2011). Vulnerability: The crossroads of frailty and delirium. Journal of the American Geriatrics Society, 59(s2), S262–S268. https://doi.org/10.1111/j.1532-5415.2011.03674.x DOI: https://doi.org/10.1111/j.1532-5415.2011.03674.x

Steinhubl, S. R., Kim, K., Ajayi, T., Topol, E. J., & members of the mSTARPs group. (2018). Virtual care for improved global health. “The Lancet”, “391”(10119), 419. https://doi.org/10.1016/S0140-6736(18)30135-0 DOI: https://doi.org/10.1016/S0140-6736(18)30109-0

Tinetti, M. E., & Fried, T. (2004). The end of the disease era. “The American Journal of Medicine”, “116”(3), 179–185. https://doi.org/10.1016/j.amjmed.2003.09.031 DOI: https://doi.org/10.1016/j.amjmed.2003.09.031

Topol, E. J. (2019). Deep medicine: How artificial intelligence can make healthcare human again. Basic Books.

Tungsanga, S., & Bello, A. K. (2024). Prevention of chronic kidney disease and its complications in older adults. Drugs & Aging, 41(7), 565–576. https://doi.org/10.1007/s40266-024-01110-3 DOI: https://doi.org/10.1007/s40266-024-01128-7

Wright, A., & Sittig, D. F. (2017). A framework for assessing the impact of clinical decision support systems on patient safety. “Journal of the American Medical Informatics Association”, “24”(e1), e3–e10. https://doi.org/10.1093/jamia/ocw138 DOI: https://doi.org/10.1093/jamia/ocw138