Project Details
Description
El Proyecto busca la mejora de un sistema de vigilancia epidemiológico a través del diseño de un modelo predictivo de inteligencia artificial que permita mejorar la eficiencia y sensibilidad con la que se identifican de manera anticipada los casos (enfermedades). El proyecto propone una solución innovadora para abordar uno de los principales desafíos en el ámbito de la salud laboral: la prevención de enfermedades osteomusculares de origen laboral. Mediante la integración de la inteligencia artificial y la tecnología de análisis de datos con el sistema de vigilancia inteligente SISTEGRA, nuestro proyecto tiene como objetivo desarrollar un modelo predictivo de vanguardia que permita identificar y prevenir eficazmente los riesgos de enfermedades osteomusculares en el lugar de trabajo.
Este modelo predictivo utilizará datos acumulados de años anteriores, provenientes de la plataforma SISTEGRA, para analizar y comprender patrones y tendencias relacionados con la carga física a la que están expuestos los trabajadores y la relación de dicha exposición con el desarrollo de enfermedades osteomusculares. Mediante el análisis de múltiples variables, incluyendo mediciones clínicas, evaluaciones de riesgos laborales, análisis de biomecánica y ergonomía, entre otros, nuestro modelo podrá predecir con precisión la probabilidad de aparición de enfermedades osteomusculares en los trabajadores. La implementación de este modelo no solo permitirá una detección temprana de riesgos, sino también la generación de recomendaciones personalizadas para la prevención y mitigación de estos riesgos. Nuestra solución tiene el potencial de mejorar significativamente la salud y el bienestar de los trabajadores, así como la productividad y competitividad de las empresas.
Este proyecto representa una sinergia única entre la medicina laboral, la inteligencia artificial y la tecnología de la información, con el objetivo de transformar la prevención de enfermedades osteomusculares en el entorno laboral. Al presentar una solución innovadora y efectiva, estamos listos para contribuir al avance de la salud ocupacional en Colombia y otros países donde la incidencia y prevalencia de dichas deficiencias son comunes en las regiones (síndrome de manguito rotador- lumbalgia, síndrome de túnel del carpo) entre las más comunes.
Este modelo predictivo utilizará datos acumulados de años anteriores, provenientes de la plataforma SISTEGRA, para analizar y comprender patrones y tendencias relacionados con la carga física a la que están expuestos los trabajadores y la relación de dicha exposición con el desarrollo de enfermedades osteomusculares. Mediante el análisis de múltiples variables, incluyendo mediciones clínicas, evaluaciones de riesgos laborales, análisis de biomecánica y ergonomía, entre otros, nuestro modelo podrá predecir con precisión la probabilidad de aparición de enfermedades osteomusculares en los trabajadores. La implementación de este modelo no solo permitirá una detección temprana de riesgos, sino también la generación de recomendaciones personalizadas para la prevención y mitigación de estos riesgos. Nuestra solución tiene el potencial de mejorar significativamente la salud y el bienestar de los trabajadores, así como la productividad y competitividad de las empresas.
Este proyecto representa una sinergia única entre la medicina laboral, la inteligencia artificial y la tecnología de la información, con el objetivo de transformar la prevención de enfermedades osteomusculares en el entorno laboral. Al presentar una solución innovadora y efectiva, estamos listos para contribuir al avance de la salud ocupacional en Colombia y otros países donde la incidencia y prevalencia de dichas deficiencias son comunes en las regiones (síndrome de manguito rotador- lumbalgia, síndrome de túnel del carpo) entre las más comunes.
Objective
General
Diseñar y validar de un modelo predictivo integrado al sistema de vigilancia osteomuscular de la plataforma tecnológica SISTEGRA, que busca identificar y prevenir eficazmente las enfermedades laborales osteomusculares, a través de la mejoría de la sensibilidad de los métodos de evaluación actuales, Medellín, 2024.
Específicos
1. Desarrollar un protocolo de manejo de datos, alojados en la plataforma tecnológica SISTEGRA. Con miras a la usabilidad del modelo estadístico y predictivo que se construirá.
2. Construir un modelo estadístico basado en los datos identificados como fuentes sensibles y principales que sustente el modelo predictivo, datos que están alojados en la plataforma tecnológica SISTEGRA.
3. Construir y validar un modelo predictivo y su integración a la plataforma tecnológica SISTEGRA.
4. Validar la efectividad del modelo predictivo a través de un estudio piloto en empresas de la ciudad de Medellín.
Diseñar y validar de un modelo predictivo integrado al sistema de vigilancia osteomuscular de la plataforma tecnológica SISTEGRA, que busca identificar y prevenir eficazmente las enfermedades laborales osteomusculares, a través de la mejoría de la sensibilidad de los métodos de evaluación actuales, Medellín, 2024.
Específicos
1. Desarrollar un protocolo de manejo de datos, alojados en la plataforma tecnológica SISTEGRA. Con miras a la usabilidad del modelo estadístico y predictivo que se construirá.
2. Construir un modelo estadístico basado en los datos identificados como fuentes sensibles y principales que sustente el modelo predictivo, datos que están alojados en la plataforma tecnológica SISTEGRA.
3. Construir y validar un modelo predictivo y su integración a la plataforma tecnológica SISTEGRA.
4. Validar la efectividad del modelo predictivo a través de un estudio piloto en empresas de la ciudad de Medellín.
Expected results
Generación de nuevo conocimiento: Dos artículos:
1 Q1
1 - Q2 o Q3
Desarrollo tecnológico :
Software
1 Q1
1 - Q2 o Q3
Desarrollo tecnológico :
Software
| Short title | SISTEGRA |
|---|---|
| Status | Not started |
UN Sustainable Development Goals
In 2015, UN member states agreed to 17 global Sustainable Development Goals (SDGs) to end poverty, protect the planet and ensure prosperity for all. This project contributes towards the following SDG(s):
