Traducido del inglés al español - www.onlinedoctranslator.

com

JMIR M SALUD Y U SALUD Jeon et al.

Papel original

Una aplicación móvil de reconocimiento facial para la seguridad del paciente y la

identificación biométrica: diseño, desarrollo y validación

Byoungjun Jeon1, BS; Boseong-jeong2, BS; Seung Hoon Jee2, BS; yanhuang3, BS; Young Min Kim3, EM; Parque Gee
Ho3, BS; Jungah Kim4, EM; Maierdanjiang Wufuer5, MD, MS; Jin Xian5, MD; Sang Wha Kim5, MD; Tae Hyun Choi6, MD,
PhD
1Programa Interdisciplinario de Bioingeniería, Escuela de Graduados, Universidad Nacional de Seúl, Seúl, República de Corea

2Oezsoft Inc, Seúl, República de Corea

3Programa Interdisciplinario en Biología de Células Madre, Facultad de Medicina, Universidad Nacional de Seúl, Seúl, República de Corea

4Departamento de Química, Facultad de Ciencias Naturales de la Universidad Nacional de Seúl, Seúl, República de Corea

5Departamento de Cirugía Plástica y Reconstructiva, Facultad de Medicina de la Universidad Nacional de Seúl, Seúl, República de Corea

6Instituto de Biología de la Interfaz del Medio Ambiente Humano, Departamento de Cirugía Plástica y Reconstructiva, Facultad de Medicina de la Universidad Nacional de Seúl, Seúl,
República de Corea

Autor correspondiente:
Tae Hyun Choi, MD, PhD
Instituto de Biología de la Interfaz del Medio Ambiente
Humano Departamento de Cirugía Plástica y Reconstructiva
Facultad de Medicina de la Universidad Nacional de Seúl,
sexto piso
101 Daehak-ro, Jongno-gu
Seúl, 03080
República de Corea
Teléfono: 82 220721978
Fax: 82 27665829
Correo electrónico:psthchoi@snu.ac.kr

Resumen
Fondo:La verificación del paciente mediante identificación única es un procedimiento importante en los entornos de atención médica. Los riesgos para la seguridad del
paciente ocurren en todos los entornos de atención médica por no identificar correctamente a los pacientes, lo que resulta en el paciente incorrecto, el procedimiento
en el sitio incorrecto, la medicación incorrecta y otros errores. Para evitar la negligencia médica, se han implementado en los entornos de atención la identificación por
radiofrecuencia (RFID), los escáneres de huellas dactilares, los escáneres de iris y otras tecnologías. Los inconvenientes de estas tecnologías incluyen la posibilidad de
perder el brazalete RFID, la transmisión de infecciones y la impracticabilidad cuando el paciente está inconsciente.

Objetivo:El propósito de este estudio fue desarrollar una aplicación de salud móvil para la identificación de pacientes para superar las limitaciones de las
alternativas actuales de identificación de pacientes. Se espera que el desarrollo de esta aplicación proporcione un método alternativo fácil de usar para la
identificación de pacientes.

Métodos:Hemos desarrollado una aplicación móvil de reconocimiento facial para mejorar la verificación del paciente. Como propósito de evaluación, un
total de 62 pacientes pediátricos, tanto ambulatorios como hospitalizados, fueron registrados para la prueba de reconocimiento facial y rastreados en
todas las instalaciones para fines de verificación de pacientes.

Resultados:La aplicación fue desarrollada para contener 5 partes principales: registro, registros médicos, exámenes, recetas y citas. Entre 62 pacientes, 30
eran pacientes ambulatorios que visitaban el departamento de cirugía plástica y 32 eran pacientes hospitalizados reservados para cirugía. Ya sea que los
pacientes estuvieran bajo anestesia o inconscientes, el reconocimiento facial verificó a todos los pacientes con un 99 % de precisión, incluso después de
una cirugía.

Conclusiones:Es posible identificar correctamente tanto a los pacientes ambulatorios como a los hospitalizados y también reducir el costo innecesario de la verificación
del paciente mediante el uso de la aplicación móvil de reconocimiento facial con gran precisión. Nuestra aplicación móvil puede proporcionar una valiosa ayuda para la
verificación del paciente, incluso cuando el paciente está inconsciente, como método de identificación alternativo.

(JMIR Mhealth Uhealth 2019;7(4):e11472)hacer:10.2196/11472

https://mhealth.jmir.org/2019/4/e11472/ JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 1

(número de página no para fines de citación)

XSL•FO
RenderX
 JMIR M SALUD Y U SALUD
PALABRAS CLAVE
reconocimiento facial; sistemas de identificación de pacientes; identificación biométrica; seguridad del paciente; teléfono inteligente; aplicaciones móviles
Introducción
Fondo
Para la seguridad del paciente, los requisitos mínimos para la identificación del
paciente en un entorno hospitalario incluyen 2 verificaciones diferentes
proporcionadas por el paciente que generalmente incluyen el nombre del
paciente, el número de paciente registrado o la fecha de nacimiento [1-3]. Cada
visita a cualquier lugar del hospital para un examen, tratamiento u otros servicios
de atención médica requiere la identificación del paciente.
El propósito de la verificación del paciente es minimizar el potencial de
negligencia médica y otros riesgos para la seguridad del paciente. Se
han informado varios incidentes debido a la falta de identificación del
paciente durante el tratamiento. En 2014, un médico se confundió con
los apellidos de 2 pacientes y le dio el nombre del paciente equivocado
al cirujano por teléfono, lo que resultó en una cirugía cardíaca en el
paciente equivocado [4]. En 2000, el Departamento de Salud del Estado
de Nueva York citó al Hospital de la Universidad de Staten Island por
no controlar ni disciplinar a su jefe de neurocirugía, quien, según el
estado, había operado el lado equivocado del cerebro de un paciente
por segunda vez en 5 años [5]. Fue por falta de confirmación de toda la
información necesaria, en este caso, tomografías computarizadas (TC),
antes de realizar una incisión en el cerebelo izquierdo. El caso podría
prevenirse si se confirmara toda la información del paciente necesaria
antes de la cirugía.
Además, en 1994, ocurrió un error similar en un paciente con cáncer
de pulmón en Texas.6]. El cirujano admitió que extirpó
negligentemente el pulmón equivocado, y se descubrió 1 semana
después de la cirugía cuando el propio paciente lo encontró después
de revisar sus registros médicos. Estos casos podrían ser fácilmente
prevenidos por cirujanos u otras facultades identificando al paciente y
verificando toda la información necesaria antes de la operación. Según
la Comisión Conjunta, la cantidad de eventos centinela informados en
2017 fue de 400, que es solo una pequeña fracción de los eventos
reales [7].
Para resolver los problemas actuales con la verificación del paciente,
algunos hospitales han adaptado tecnología más nueva, como
pulseras de identificación por radiofrecuencia (RFID) escaneables y
desechables, para una verificación del paciente más precisa y sencilla [
8-11]. Como el método típico de identificación es preguntar a los
pacientes por su nombre; número de paciente, que es una complicada
serie de números; u otra información apropiada, es imposible verificar
a un paciente cuando está inconsciente o cuando no es capaz de
recordarlo. La pulsera RFID, que puede escanearse fácilmente, facilita
un proceso de verificación mejorado. Sin embargo, la limitación de
emplear objetos físicos como pulseras RFID, tarjetas, fichas o llaves es
que el objeto siempre debe presentarse y mantenerse seguro [10,12,
13]. En otras palabras, si los objetos físicos, como las pulseras RFID, se
pierden o no se pueden escanear, la identificación del paciente no es
posible con los objetos. Por lo tanto, ha surgido la medida biométrica,
que representa un método alternativo para la verificación del paciente
sin necesidad de objetos físicos.
https://mhealth.jmir.org/2019/4/e11472/
XSL•FO
RenderX
Jeon et al.
La biometría se refiere al reconocimiento de individuos en base a sus
características anatómicas, fisiológicas y/o de comportamiento, lo que
permite su identificación sin objetos físicos. Las opciones biométricas no se
limitan a los escáneres de huellas dactilares, sino que también incluyen
escáneres de palma, escáneres de iris, etc. para la verificación del paciente [
14,15]. Sin embargo, existen limitaciones y desventajas asociadas con estas
medidas. La recolección de huellas dactilares requiere que los pacientes
coloquen físicamente su dedo en el escáner cada vez, lo que puede facilitar
la transferencia de enfermedades a través del contacto físico con el escáner.
La transferencia de enfermedades a través de la huella dactilar incluye un
riesgo de transferencia de microorganismos infecciosos que son patógenos
entéricos y respiratorios.dieciséis]. Además, los pacientes inconscientes no
pueden colocar su dedo en el escáner por sí mismos. Aunque los escaneos
de iris parecen ser la opción ideal para la verificación de pacientes en
comparación con otros métodos de verificación, el principal inconveniente
es que es difícil escanear el iris de un paciente inconsciente y, por lo tanto,
es prácticamente imposible verificar pacientes inconscientes con un iris.
escanear [15,17]. Además, cuando se requiere una operación quirúrgica, los
pacientes deben ser anestesiados, negando el escáner de iris como una
opción válida.
Una biométrica interesante es el reconocimiento facial, que no tiene las
desventajas de las otras opciones biométricas descritas anteriormente. El
reconocimiento facial no requiere ningún contacto físico con un dispositivo
para el reconocimiento, y los pacientes pueden ser reconocidos incluso
cuando están inconscientes. La comparación de características faciales
obtenidas de un paciente con registros faciales almacenados o
preregistrados en una base de datos permite que el proceso de
reconocimiento verifique al paciente. Investigaciones anteriores que
utilizaron el sensor Microsoft Kinect v2 para la verificación del paciente
demostraron que las características faciales podrían implementarse para la
verificación del paciente [18]. Además, otro trabajo previo reveló que las
tomografías computarizadas se pueden usar como reconocimiento facial
con una precisión moderadamente alta.19]. Sin embargo, en estudios
anteriores se requerían ciertos sensores y acciones específicas para adquirir
y procesar información facial. Además, los sistemas de reconocimiento
facial requieren procesos simples y directos para ser útiles en la
identificación de pacientes en diversas condiciones y entornos hospitalarios.
Objetivos
Aquí, hemos aplicado un sistema de reconocimiento facial para desarrollar
una aplicación móvil compatible con hospitales para la verificación de
pacientes. Evaluamos el desempeño de la aplicación móvil en un total de 62
pacientes hospitalizados y ambulatorios. El objetivo de este estudio fue ver
si el rendimiento de la aplicación móvil es adecuado en un entorno
hospitalario como método alternativo para la verificación de pacientes.
Métodos
El sistema de reconocimiento facial: aplicación móvil
integrada
Desarrollamos una aplicación basada en Android en el entorno Eclipse
utilizando Java (Oracle Corporation). Se modificó un motor de
reconocimiento facial impulsado por Oezsoft Inc para aprovechar la
biblioteca Native Development Kit (NDK) y se usó en Java a través de
JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 2
(número de página no para fines de citación)
 JMIR M SALUD Y U SALUD Jeon et al.

la interfaz nativa de Java. La biblioteca NDK se desarrolló en Linux Declaración de Ética

usando un compilador GNU Compiler Collection. Una cámara móvil
Este proyecto fue aprobado por la Junta de Revisión Institucional (IRB) del
captura las características de los rasgos faciales de las personas como
Hospital de la Universidad Nacional de Seúl (número de aprobación de la
si se utilizara un teléfono móvil para fotografiar la cara de la persona.
IRB: 1701-027-821). Todos los experimentos relacionados con humanos o
El motor de reconocimiento facial extrae 27 puntos de referencia
productos humanos se realizaron con consentimiento informado y se
principales de la imagen facial bidimensional capturada por la cámara
llevaron a cabo de acuerdo con las pautas y regulaciones pertinentes. A
del móvil. Luego, los datos de aprendizaje facial tridimensional se
todos los pacientes y sus padres se les informó sobre el proceso de
utilizan para compilar el retrato tridimensional extrayendo los
reconocimiento facial de cómo se usaría la verificación mediante una
principales puntos de referencia para crear una plantilla facial
aplicación facial móvil para su identificación. Después de brindarles
comparable, que luego se registra en el teléfono móvil.
información detallada sobre la identificación, se obtuvo el permiso tanto de

Diseño de interfaz de aplicación móvil
La interfaz está diseñada para que sea fácil de usar y familiar para el
personal médico porque el tiempo de recopilación de datos faciales es
corto y el paciente querrá moverse rápidamente. La interfaz de la
aplicación contiene 5 menús de registro principales: el registro, los
registros médicos, los exámenes, las recetas y las citas.
los pacientes como de sus padres mediante la firma del formulario de
consentimiento informado.
Estudios ambulatorios
Se instruyó al personal médico del departamento de cirugía plástica del
Hospital Infantil de la Universidad Nacional de Seúl para generar perfiles
faciales de pacientes de cirugía plástica ambulatorios registrados tomando

Registro fotografías con el dispositivo móvil provisto. Primero se verificó a todos los
pacientes mediante métodos de verificación de rutina, como la coincidencia
La parte de registro contiene un paso de adquisición de información facial y
del número o nombre del paciente. Luego, un personal médico registró a
un paso de registro de información personal básica para registrar a un
los pacientes para reconocimiento facial al ingreso. Cuando un paciente
paciente en el entorno de la aplicación. Con una cámara móvil en
ingresaba a la sala de examen de la clínica ambulatoria, se verificaba al
funcionamiento, los datos faciales se extraen de la imagen, que se
paciente mediante la aplicación móvil de reconocimiento facial. La
almacena en forma de vector tridimensional y se utiliza como plantilla facial.
aplicación móvil se usó como un método secundario para verificar al
La información personal básica, como el nombre, la fecha de nacimiento, el
paciente y registrar la información del paciente, los exámenes necesarios, la
sexo y el número de teléfono, se registró en la aplicación.
información de prescripción y para hacer una reserva para la próxima visita
Registros médicos del paciente. Cuando el paciente se movía por las instalaciones a salas de
examen o tratamiento adicionales, el personal médico usaba la aplicación
La parte del registro médico contiene la selección de un departamento,
móvil de reconocimiento facial para verificar al paciente y determinar los
ambulatorio, hospitalizado y cirugía. A medida que se seleccionó cada
exámenes y/o tratamientos requeridos. Se registraron las visitas a las
opción, la parte de registro médico está lista para ingresar. También se
instalaciones, lo que indica la cantidad de instalaciones diferentes donde
seleccionaron opciones de examen y prescripción para su posterior revisión
cada paciente fue verificado tanto por la identificación tradicional como por
por parte de otro personal médico. Todos los registros se cargaron en el
la aplicación móvil de reconocimiento facial. Cada vez que se operó la
sistema de la aplicación y en el registro médico electrónico (EMR) del
aplicación móvil de reconocimiento facial para verificar a un paciente, se
hospital por separado porque los sistemas aún no están interconectados.
registró como verificación de aprobación cuando la aplicación móvil
Los registros de la aplicación se compararon con la información registrada
identificó al paciente correctamente; de lo contrario, se registró como
en el EMR para ver si la información de la aplicación se conserva en todas
verificación fallida. Se contaron los números de verificación de hombres y
las instalaciones y coincide con el EMR. Después de la prueba de
mujeres, lo que indica la suma de las visitas a las instalaciones de cada
reconocimiento facial de cada paciente en cada centro, la información
paciente para quien se realizó la verificación facial. Un total de 30 pacientes
registrada en la aplicación se comparó con el EMR como prueba preliminar
ambulatorios eran todos pacientes pediátricos, y los pacientes tenían entre
para la aplicación futura y el sistema de enclavamiento de EMR.
1 y 13 años. Todos los pacientes estaban conscientes porque solo acudieron
al hospital con fines diagnósticos o de examen preoperatorio.
Exámenes y Recetas
Las partes de examen y prescripción muestran si el paciente ha
Estudios de pacientes hospitalizados
estado en un centro ordenado para examen o prescripción. Un
Los pacientes hospitalizados programados para operación quirúrgica en el
personal médico del centro puede comprobar si se ha realizado el
departamento de cirugía plástica, así como los pacientes de la unidad de cuidados
examen o la prescripción. Por ejemplo, la lista de exámenes
intensivos, también fueron seleccionados para verificación facial. De manera
muestra una marca roja si no se ha realizado el examen o la
similar a los pacientes ambulatorios descritos anteriormente, el personal docente
prescripción ordenados y una marca verde si se ha realizado el
del hospital verificó a los pacientes hospitalizados primero con el método de
examen o la prescripción ordenados.
verificación de pacientes que se usa de forma rutinaria y luego con la aplicación
Equipo móvil de reconocimiento facial en la entrada del quirófano, en el quirófano y en la

Las citas permiten que el personal médico organice el siguiente horario en sala de recuperación. Después de cada verificación de reconocimiento facial, los

la aplicación para que los diferentes miembros del personal médico puedan pacientes fueron tratados, examinados o recetados medicamentos. Como se

ver el registro cuando llegue el paciente para la próxima visita. Las opciones indicó en la sección de pacientes ambulatorios anterior, las visitas a las

enumeradas para la cita son ambulatorio, hospitalizado, cirugía y la lista de instalaciones y los números de verificación facial aprobados o no aprobados se

departamentos que visitaría el paciente. registraron por separado. Las visitas a las instalaciones indican el número de
instalaciones diferentes visitadas por cada paciente. Si el paciente fue identificado
correctamente en la instalación, se registró como una verificación de aprobación,

https://mhealth.jmir.org/2019/4/e11472/ JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 3

(número de página no para fines de citación)

XSL•FO
RenderX
 JMIR M SALUD Y U SALUD
registrado como una verificación fallida. Entre los pacientes hospitalizados, un
total de 24 visitaron el hospital para cirugía ambulatoria, que requiere solo un día
para hospitalización, operación quirúrgica y recuperación. De los 8 pacientes
hospitalizados restantes, 1 ingresó en la unidad de cuidados intensivos. Las
características faciales de los pacientes hospitalizados con cirugía ambulatoria se
registraron cuando llegaron al centro de cirugía ambulatoria del paciente (PDSC).
Antes de ingresar al quirófano quirúrgico y durante la operación, un miembro del
personal del hospital confirmó el número de paciente para fines de verificación y
luego utilizó la aplicación móvil para el reconocimiento facial. Los pacientes
hospitalizados que no eran de cirugía ambulatoria se registraron el día anterior a
la operación y se les dio seguimiento el día de la operación como se describe para
los pacientes de cirugía ambulatoria. Como no salieron del hospital el mismo día,
la identificación se confirmó en la sala de recuperación después de la finalización
de la cirugía. Un total de 32 pacientes hospitalizados eran todos pacientes
pediátricos y tenían edades comprendidas entre 1 y 17 años. Entre 32 pacientes
hospitalizados, 31 de ellos estaban inconscientes en la sala de operaciones debido
a la anestesia. Todos los datos faciales de los pacientes hospitalizados se
capturaron cuando estaban conscientes antes de ingresar a la sala de
operaciones.
Análisis estadístico
Los ensayos de comparación totales se calculan en función de la
coincidencia uno a uno con el número de pacientes registrados
secuencialmente y las visitas al centro de cada paciente. La suma de las
visitas a las instalaciones de cada paciente se considera como valor real.
Aquí, la sensibilidad es el porcentaje de coincidencia correcta de un paciente
en varias instalaciones (valor positivo verdadero). La especificidad es el
porcentaje de coincidencia incorrecta con todos los pacientes previamente
registrados (valor verdadero negativo). La sensibilidad y la especificidad se
calculan de la siguiente manera:
Sensibilidad = (Verdadero Positivo) / (Verdadero Positivo + Falso
Negativo) (1)
Especificidad = (Verdadero Negativo) / (Verdadero Negativo + Falso
Positivo) (2)
Figura 1.Proceso de solicitud de reconocimiento facial.
https://mhealth.jmir.org/2019/4/e11472/
XSL•FO
RenderX
Jeon et al.
Resultados
Desarrollo de aplicaciones móviles
Con un Samsung Galaxy Note 3, la aplicación móvil pudo capturar las
características faciales y procesar el reconocimiento facial en 0,5
segundos. El porcentaje mínimo de coincidencia de reconocimiento
facial para verificar a un paciente se fijó en 95%. El ancho facial mínimo
y la longitud entre los iris se establecieron en 30 píxeles. Los ángulos
de postura facial máximos verticales y horizontales reconocibles
fueron 15 grados y 40 grados, respectivamente.
Al verificar a un paciente, la imagen facial recién extraída se compara
con la plantilla facial almacenada inicialmente. Si la similitud entre las 2
plantillas es superior al 95%, el motor de reconocimiento facial
reconoce las imágenes como pertenecientes al mismo paciente. Al
reconocer a un paciente, la aplicación calcula las distancias euclidianas
entre puntos de referencia tridimensionales reposicionados de
plantillas, pesando las distancias de los ojos y la nariz. La precisión de
la aplicación móvil de reconocimiento facial probada en el Hospital
Infantil de la Universidad Nacional de Seúl fue del 99 %.
El motor de reconocimiento facial es compatible con los sistemas operativos
Android, IOS, Embedded Linux, Windows, IBM AIX y Sun Solaris. Como el
tamaño de la plantilla facial es minúsculo, se puede almacenar en un
servidor seguro y se puede almacenar una copia de la plantilla en un
dispositivo móvil para uso sin conexión. La descripción general del proceso
de la aplicación de reconocimiento facial se muestra enFigura 1. Cuando el
paciente se inscribe por primera vez, la cámara móvil captura la imagen del
rostro del paciente y el motor de reconocimiento facial crea y almacena la
plantilla facial. Luego, cuando se necesita la identificación del paciente en
otra instalación, el motor de reconocimiento facial captura la imagen del
rostro del paciente, genera una nueva plantilla facial y compara la entrada
(plantilla facial recién generada) con los datos registrados (plantilla facial
almacenada inicialmente). Después de que el reconocimiento facial
identifique con éxito al paciente, la salida muestra los registros del paciente
y se puede editar la información detallada del paciente. Los estudios
detallados de todo el hospital y el diseño de la aplicación se describen en la
siguiente sección.
JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 4
(número de página no para fines de citación)
 JMIR M SALUD Y U SALUD
Estudios ambulatorios
Un total de 30 pacientes ambulatorios del hospital fueron registrados y
seguidos (Figuras 2y3).Figuras 2y3demostrar el proceso de registro de
pacientes y el proceso de reconocimiento facial. El registro de un
paciente requiere un proceso inicial de captura de la información facial
del paciente. Hay un botón de registro en la parte inferior de la
pantalla principal de la aplicación (Figura 2). Para registrar los datos
faciales de un paciente, se requiere ingresar el número de paciente, el
nombre, la fecha de nacimiento y el número de teléfono como se
muestra en la segunda imagen deFigura 2. La captura de los datos
faciales del paciente y un ejemplo de la imagen facial del paciente
registrado se muestran enFigura 2.
Figura 2.Registro de plantilla facial.
Figura 3.Proceso de reconocimiento facial.
https://mhealth.jmir.org/2019/4/e11472/
XSL•FO
RenderX
Jeon et al.
El seguimiento de un paciente requiere capturar la imagen facial del
paciente para compararla con los datos registrados. Hay un botón de
cámara en la esquina superior derecha de la pantalla principal de la
aplicación (figura 3). Los pasos necesarios para capturar los datos faciales
del paciente y comparar la entrada con los datos registrados se muestran
enfigura 3(ver centro). La última imagen defigura 3es una pantalla de
ejemplo de un paciente identificado con éxito.
La edad promedio de los pacientes fue de 5 años debido a que la
investigación se realizó en el hospital de niños donde la cirugía plástica
principal es corregir quemaduras, defectos de nacimiento, etc. Cada
paciente visitó un promedio de 4 establecimientos hospitalarios diferentes y
verificó su identificación con el aplicación móvil de reconocimiento facial (
tabla 1).
JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 5
(número de página no para fines de citación)
 JMIR M SALUD Y U SALUD
Tabla 1.Número de resultados de ensayos de verificación de pacientes ambulatorios.
Característica
Años de edad)
0-10
11-20
Sexo
Masculino
Femenino
Visita a las instalacionesa
Masculino
Femenino
aNúmero total de establecimientos diferentes donde se verificó a cada paciente tanto con métodos tradicionales como con la aplicación móvil de reconocimiento facial.
Figura 4.Imágenes de entrada verificadas de pacientes ambulatorios en varias instalaciones.
Al visitar diferentes instalaciones, los 30 pacientes fueron verificados con éxito
por el sistema de reconocimiento facial y las imágenes reconocidas comocorrecto
fueron capturados y almacenados por separado en un disco duro seguro. A
continuación se muestra un ejemplo de diferentes visitas a las instalaciones por
parte de un paciente ambulatorio y las imágenes capturadas al verificar a un
paciente usando el sistema de reconocimiento facial.Figura 4.
Los exámenes y tratamientos de pacientes ordenados también se
registraron usando la aplicación y se cargaron en la base de datos para que
el personal del hospital pudiera determinar si el paciente había sido tratado
o examinado adecuadamente. Como se muestra enFigura 5, el color verde
indica que el examen fue confirmado con éxito por el personal del hospital;
La imagen de rayos X, los datos del conteo sanguíneo completo y los datos
de electrocardiografía se muestran aquí como un ejemplo de registros.
Los registros de citas también se actualizaron en la aplicación para facilitar
la programación y verificación de futuras visitas. El registro incluye opciones
para pacientes internados, ambulatorios, departamento y la fecha (Figura 6
). Toda la información registrada en el programa de la aplicación se
compara con el EMR y mostró que la información previamente registrada se
puede mantener en otro lugar después del proceso de reconocimiento
facial y se puede utilizar en el sistema de interconexión EMR en el futuro.
https://mhealth.jmir.org/2019/4/e11472/
XSL•FO
RenderX
Jeon et al.
Pase la verificación, n Verificación fallida, n
28 0
2 0
19 0
11 0
86 0
50 0
Estudios de pacientes hospitalizados
Un total de 32 pacientes hospitalizados fueron registrados y seguidos (
Figuras 2 y3). La edad promedio de los pacientes fue de 5 años por la
misma razón mencionada en la sección de pacientes ambulatorios
anterior. En el quirófano, 31 de los 32 pacientes hospitalizados fueron
identificados con la aplicación móvil de reconocimiento facial bajo
anestesia. Además, la aplicación se utilizó para confirmar los detalles
quirúrgicos. Durante la recuperación, los pacientes hospitalizados de
cirugía ambulatoria fueron verificados con la aplicación móvil de
reconocimiento facial y tratados o prescritos en la sala de recuperación
según lo indicado por la aplicación. Cuando los pacientes estaban listos
para salir del hospital, su identificación fue confirmada a través de la
aplicación móvil de reconocimiento facial una vez más en el PDSC.
Cada paciente fue identificado un promedio de 4 veces después de
haber registrado sus rasgos faciales antes de ingresar al quirófano
quirúrgico, lo que se registró como una visita a las instalaciones.Tabla
2).
Un total de 31 de 32 pacientes hospitalizados fueron reconocidos y verificados por la
aplicación móvil de reconocimiento facial incluso después de la cirugía facial. A
continuación se muestra un ejemplo de diferentes visitas a las instalaciones por parte de
un paciente hospitalizado y las imágenes capturadas al verificar a un paciente mediante
el sistema de reconocimiento facial.Figura 7.
JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 6
(número de página no para fines de citación)
 JMIR M SALUD Y U SALUD Jeon et al.

Figura 5.Registros y exámenes médicos.

Figura 6.Registro de citas.

Tabla 2.Número de resultados de ensayos de verificación de pacientes hospitalizados.

Característica Pase la verificación, n Verificación fallidaa, norte

Años de edad)

0-10 27 0
11-20 4 1
Sexo
Masculino 18 0
Femenino 13 1

Visita a las instalacionesb

Masculino 89 0
Femenino 60 1

aUna verificación fallida se debió a un vendaje de compresión que cubría la cara del paciente después de la cirugía.

bNúmero total de establecimientos diferentes donde se verificó a cada paciente tanto con métodos tradicionales como con la aplicación móvil de reconocimiento facial.

https://mhealth.jmir.org/2019/4/e11472/ JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 7

(número de página no para fines de citación)

XSL•FO
RenderX
 JMIR M SALUD Y U SALUD
Figura 7.Imágenes de entrada verificadas de pacientes hospitalizados en varias instalaciones.
Análisis estadístico
Dado que el número total de pacientes es 62 y las visitas al centro de cada
paciente varían de 2 a 5, el total de ensayos de comparación individuales basados
en el emparejamiento de uno a muchos resultó en 8899. Como se muestra en
Mesas 1y2, la suma de las visitas al centro de cada paciente es 286. La sensibilidad
y la especificidad dieron como resultado un 99,7 % (285/286) y un 100,00 %
(8613/8613), respectivamente, con una precisión del 99,99 % (8898/8899).
Discusión
Hallazgos principales
La negligencia médica causada por fallas en la verificación del paciente es un
problema crítico cuando se considera la seguridad de los pacientes, ya que puede
conducir a operaciones en partes incorrectas del cuerpo y otros tratamientos
adicionales. Se estimó que hasta 98,000 personas mueren cada año por errores
médicos [20]. Por lo tanto, la identificación precisa y precisa del paciente es
esencial antes de cada procedimiento en un entorno hospitalario.21,22]. Los
métodos tradicionales para la identificación de pacientes incluyen la verificación
del nombre del paciente, la fecha de nacimiento o el número de paciente
proporcionado por el hospital. Este enfoque no es lo suficientemente seguro para
la verificación del paciente cuando se considera la seguridad del paciente [23,24].
Para mitigar los riesgos actuales para la seguridad del paciente, se han
empleado objetos físicos y tecnologías biométricas como brazaletes RFID,
escáneres de huellas dactilares y escáneres de iris, pero cada enfoque tiene
limitaciones importantes. Los objetos físicos siempre deben estar presentes
y mantenerse seguros para confirmar con éxito la identidad de un paciente
[10,25]. Los escáneres de huellas dactilares pueden facilitar la transmisión
de infecciones y los escáneres de iris no se pueden utilizar en pacientes
inconscientes.26,27]. Si se abordan estas limitaciones, la biometría es una
de las opciones alternativas más confiables para la verificación de pacientes
bajo los requisitos mínimos del hospital para la verificación de pacientes. El
reconocimiento facial es otro enfoque biométrico prometedor para la
verificación de pacientes. No requiere ningún contacto físico y se puede
utilizar incluso cuando el paciente está inconsciente.
Nuestra implementación de un sistema de reconocimiento facial a través de una
aplicación móvil resultó en una precisión del 99,99% en la verificación del paciente.
https://mhealth.jmir.org/2019/4/e11472/
XSL•FO
RenderX
Jeon et al.
La precisión de la aplicación de reconocimiento facial habría sido del 100 %
si no hubiera fallado en un solo paciente cuyo rostro estaba cubierto con un
vendaje de compresión después de la cirugía. Con la excepción de este
caso, la aplicación móvil de reconocimiento facial pudo reconocer y verificar
a todos los demás pacientes de cirugía facial. Además, los pacientes bajo
anestesia en el quirófano fueron reconocibles y verificados a través de la
aplicación móvil de reconocimiento facial.
Tanto para los pacientes como para el personal del hospital, el proceso de
verificación tradicional de decir el nombre de un paciente, hacer coincidir el
número de paciente registrado a simple vista o confirmar la fecha de nacimiento
requiere mucho tiempo y un uso subóptimo de los recursos humanos [23].
Además, pedirles a los pacientes su número de paciente, pedirles que pongan su
dedo en un escáner de huellas dactilares o solicitar que escaneen sus ojos con un
escáner de iris es imposible en circunstancias que a menudo ocurren en un
entorno hospitalario. Por el contrario, los sistemas móviles de reconocimiento
facial pueden verificar pacientes aleatorios en cualquier momento simplemente
tomando fotografías del paciente (ya sea consciente o inconsciente) en lugar de
realizar solicitudes específicas del paciente. Cuando la verificación del paciente es
imperativa durante circunstancias graves, como en la sala de operaciones, los
sistemas de reconocimiento facial brindan una forma rápida y sencilla de
identificar a los pacientes, especialmente porque el sistema de aplicación móvil
no requiere un dispositivo costoso y que requiera espacio, como un escáner. A
través de la aplicación móvil, La tecnología de reconocimiento facial es una
alternativa conveniente y segura en comparación con otros datos biométricos
para la verificación del paciente porque la aplicación solo requiere un teléfono
móvil. Por lo tanto, la aplicación móvil de reconocimiento facial descrita en este
documento es fácilmente accesible y una herramienta precisa de identificación de
pacientes en el entorno hospitalario.
Limitaciones
En el caso de la distancia, existe una correlación con el tamaño del rostro
captado por la cámara. Para la aplicación de reconocimiento facial de esta
investigación, la resolución de la cámara se fijó en 480×720 píxeles y se
desarrolló considerando la distancia de menos de 60 cm en términos de la
forma de uso de un teléfono móvil. Sin embargo, la distancia es ajustable y
si el tamaño del rostro detectado en la pantalla supera los 120×120 píxeles,
es posible el reconocimiento facial. Por ejemplo, si aplicamos la aplicación
desarrollada a la interactiva
JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 8
(número de página no para fines de citación)
 JMIR M SALUD Y U SALUD Jeon et al.

anuncio de New York Times Square, la aplicación puede reconocer las caras de las
personas a 70 m de distancia usando una cámara con zoom de alta resolución y
filtrando a los participantes. Como se mencionó en el ejemplo, la distancia se
puede ajustar con una mejor cámara, pero al mismo tiempo, requiere una mayor
cantidad de recursos de la unidad central de procesamiento (CPU) para el
reconocimiento facial cuando la resolución de la imagen es alta. Por lo tanto,
dado que la CPU del teléfono móvil es más lenta que la de la computadora
personal, nuestro objetivo fue reconocer la cara en 0,5 segundos fijándola en una
resolución de 480 × 720 en esta investigación.
La otra limitación de la investigación de reconocimiento facial realizada es el costo
de procesar el reconocimiento facial. Otra investigación reveló que las imágenes
faciales derivadas de tomografías computarizadas pueden ser precisas [19]. Sin
embargo, el proceso de extracción de los rasgos faciales de un paciente y el costo
de las tomografías computarizadas no son adecuados para fines de verificación
del paciente. Aunque las tomografías computarizadas tienen una resolución más
alta en comparación con una cámara móvil, la simplicidad y la rentabilidad del
sistema de reconocimiento facial móvil son más adecuadas para el proceso de
verificación del paciente.

Como afirman otros estudios sobre reconocimiento facial, la variación de los Investigación futura
niveles de luz disminuye la precisión del proceso de reconocimiento facial [18].
Se necesita más investigación para resolver la sensibilidad a la luz que sufre la
Actualmente, nuestro sistema de reconocimiento facial también está limitado por
aplicación y evaluar con mayor precisión su rendimiento para la verificación del
la iluminación. Cuando los rasgos faciales registrados se registraron bajo una luz
paciente en el hospital, así como para vincular la aplicación con el EMR del
brillante, el reconocimiento del paciente en lugares más oscuros o un lugar
hospital para mejorar la accesibilidad por parte del personal del hospital. Además,
donde la luz entraba desde un ángulo diferente, creando sombra, resultó en una
si se desarrolla un sistema de reconocimiento facial basado en cámaras
verificación retrasada que requirió hasta 5 minutos para que la corrección de la
estacionarias para todo el hospital como método de verificación de pacientes,
luz coincidiera con las imágenes en la base de datos. . Además, no fue posible
podría usarse como una cámara de vigilancia para monitorear y verificar a los
vincular el sistema al EMR porque la aplicación se desarrolló solo con fines de
pacientes que ingresan a varias instalaciones hospitalarias.
prueba.
Conclusiones
Comparación con trabajos anteriores
La aplicación móvil de reconocimiento facial descrita aquí se ha desarrollado con
Investigaciones anteriores han implementado la tecnología de
fines de verificación del paciente. La aplicación desarrollada contiene 5 partes
reconocimiento facial para varios propósitos con un enfoque principal en la
principales adecuadas para uso hospitalario: registro, registros médicos,
identificación de un individuo. Sin embargo, una de las limitaciones es que
exámenes, recetas y citas. El personal del hospital registró la característica facial
requiere el uso de sensores y movimientos específicos en la verificación del
de los pacientes ambulatorios y hospitalizados en la base de datos de
paciente [18]. En un entorno hospitalario, el proceso de identificación debe
reconocimiento facial. La implementación de la aplicación móvil de
ser simple y efectivo, ya que los pacientes pueden estar en diversas
reconocimiento facial en el entorno hospitalario demostró ser un método
condiciones, como en un estado inconsciente. El sistema móvil de
alternativo adecuado de verificación de pacientes con una precisión del 99 %. Una
reconocimiento facial es efectivo y simple ya que solo requiere un teléfono
vez que el sistema de reconocimiento facial esté completamente vinculado a EMR,
móvil y no requiere un movimiento específico como girar e inclinar la
será totalmente accesible para clínicas y hospitales para la verificación del
cabeza en varias direcciones para la identificación del paciente.
paciente.

Expresiones de gratitud

Esta investigación fue apoyada por una subvención del Proyecto de Investigación y Desarrollo de Tecnologías de la Salud de Corea a través del Instituto de
Desarrollo de la Industria de la Salud de Corea, financiado por el Ministerio de Salud y Bienestar de la República de Corea (número de subvención:
HI15C1165), y por la subvención no. 03-2017-0320 y 26-2015-0030 del Fondo de Investigación del Hospital de la Universidad Nacional de Seúl. Este trabajo
también fue apoyado por la subvención de la Fundación Nacional de Investigación de Corea (NRF) financiada por el Gobierno de Corea (Ministerio de
Educación; NRF-2017R1D1A1B03030163) y por el Ministerio de Comercio, Industria y Energía (Corea) bajo el programa de innovación de tecnología
industrial No. 10079316, “Desarrollo de un dispositivo de diagnóstico de cáncer de piel no invasivo de tipo portátil”.

Conflictos de interés
Ninguno declarado.

Referencias

1. La Comisión Mixta. 2018. Objetivos nacionales de seguridad del paciente vigentes en enero de 2018 URL:https://www.jointcommission.org/
assets/1/6/NPSG_Chapter_HAP_Jan2018.pdf [consultado el 04-07-2018] [Id. de caché de WebCite 70eZskvGJ ]
2. Comisión Mixta de Acreditación de Organizaciones Sanitarias. La comisión conjunta anuncia el objetivo nacional de seguridad del paciente
para 2014. Jt Comm Perspect 2013 Jul;33(7):1, 3-1, 4 [Texto completo gratis ] [Medline:24137865 ]
3. Makary MA, Daniel M. Error médico: la tercera causa principal de muerte en los EE. UU. Br Med J 2016 Dic 03;353:i2139. [hacer:
10.1136/bmj.i2139 ] [Medline:27143499 ]
4. Noticias24. 20 de agosto de 2014. Paciente equivocado recibe cirugía de corazón URL:https://www.news24.com/SouthAfrica/News/
Paciente-equivocado-obtiene-cirugía-corazón-20140820 [consultado el 30-12-2018] [Id. de caché de WebCite 7535OFa4K ]
5. Jennifer S. El New York Times. 2000 1 de marzo. Cirujano trató el lado equivocado de dos cerebros, Albany dice URL:http:/ /www.nytimes.com/
2000/03/01/nyregion/cirujano-tratado-lado-equivocado-de-dos-cerebros-albany-dice.html [ID de caché de WebCite 70ea94nMP ]

https://mhealth.jmir.org/2019/4/e11472/ JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 9

(número de página no para fines de citación)

XSL•FO
RenderX
 JMIR M SALUD Y U SALUD Jeon et al.

6. La Comisión Mixta. 2018. Datos resumidos de eventos centinela revisados por la URL de la Comisión Conjunta:https://www .
jointcommission.org/assets/1/18/Summary_4Q_2017.pdf [consultado el 04-07-2018] [Id. de caché de WebCite 70eaGHFpp ]
7. Noticias de Deseret. 2 de abril de 1995. HOSPITAL RESUELVE DEMANDA POR EXTRACCIÓN DE URL DE PULMÓN INCORRECTO:https://www .
deseretnews.com/article/412903/HOSPITAL-SETTLES-SUIT-OVER-REMOVAL-OF-WRONG-LUNG.html [consultado el 30-12-2018] [ID de
caché de WebCite 7536SjOgz ]
8. Jáuregui OI, Bruchanski L, Rizzato DA, Otero CM, Luna DR. Mejorar la seguridad del paciente a través del diseño y desarrollo de una entrada de pedidos
de proveedores computarizada para nutrición parenteral vinculada a un registro de administración de medicamentos con código de barras. Stud
Health Technol Informe 2017; 245: 1038-1042. [hacer:10.3233/978-1-61499-830-3-1038 ] [Medline:29295259 ]
9. Latham T, Malomboza O, Nyirenda L, Ashford P, Emmanuel J, M'baya B, et al. Calidad en la práctica: implementación de pautas
hospitalarias para la identificación de pacientes en Malawi. Int J Qual Health Care 2012 Dec;24(6):626-633. [hacer:
10.1093/intqhc/mzs038 ] [Medline:22833617 ]
10. Hoffmeister LV, de Moura GM. Uso de pulseras de identificación entre pacientes que reciben tratamiento hospitalario en un hospital escuela.
Rev Lat Am Enfermagem 2015;23(1):36-43 [Texto completo gratis ] [hacer:10.1590/0104-1169.0144.2522 ] [Medline: 25806629 ]

11. Walley SC, Berger S, Harris Y, Gallizzi G, Hayes L. Disminución de errores de banda de identificación de pacientes mediante procesos de estandarización.
Hosp Pediatr 2013 Abr;3(2):108-117 [Texto completo gratis ] [hacer:10.1542/hpeds.2012-0075 ] [Medline:24340411 ]
12. Hain PD, Joers B, Rush M, Slayton J, Throop P, Hoagg S, et al. Una intervención para disminuir los errores de la banda de identificación de
pacientes en un hospital infantil. Qual Saf Health Care 2010 Jun;19(3):244-247. [hacer:10.1136/qshc.2008.030288 ] [Medline: 20364035 ]

13. Phillips SC, Saysana M, Worley S, Hain PD. Reducción de errores de banda de identificación pediátrica: una colaboración de
calidad. Pediatría 2012 Jun;129(6):e1587-e1593. [hacer:10.1542/ped.2011-1911 ] [Medline:22566421 ]
14. Pato JN. Reconocimiento biométrico. En: Pato JN, Millett L, editores. Reconocimiento Biométrico: Desafíos y Oportunidades.
Washington, DC: Prensa de las Academias Nacionales; 2010:182.
15. Jonas M, Solangasenathirajan S, Hett D. Identificación del paciente, una revisión del uso de la biometría en la UCI. En: Vicente JL, editor.
Actualización Anual En Cuidados Intensivos Y Medicina De Emergencia 2014. Cham: Springer; 2014: 679-688.
16. Jacobs JA, Van Ranst M. Huellas biométricas para la solicitud de visa: el dispositivo y el procedimiento son factores de riesgo para la
transmisión de infecciones. J Travel Med 2008;15(5):335-343 [Texto completo gratis ] [hacer:10.1111/j.1708-8305.2008.00232.x ] [Medline:
19006507 ]
17. Du EY. Revisión del reconocimiento de iris: cámaras, sistemas y sus aplicaciones. Sensor Rev 2006 Ene;26(1):66-69. [hacer:
10.1108/02602280610640706 ]
18. Silverstein E, Snyder M. Implementación de reconocimiento facial con sensor Microsoft Kinect v2 para verificación de pacientes.
Med Phys 2017 junio; 44 (6): 2391-2399. [hacer:10.1002/mp.12241 ] [Medline:28370061 ]
19. Parques CL, Monson KL. Reconocimiento facial automatizado de imágenes faciales derivadas de tomografía computarizada: implicaciones para la
privacidad del paciente. J Digit Imaging 2017 Dic;30(2):204-214 [Texto completo gratis ] [hacer:10.1007/s10278-016-9932-7 ] [Medline: 28025730
]
20. Donaldson MS, Corrigan JM, Kohn LT, editores. Errar es humano: construir un sistema de salud más seguro. Washington, DC: Prensa de
la Academia Nacional; 2000.
21. Seferian EG, Jamal S, Clark K, Cirricione M, Burnes-Bolton L, Amin M, et al. Una iniciativa de mejora multidisciplinaria y multifacética para
eliminar las muestras de laboratorio mal etiquetadas en un gran hospital de atención terciaria. BMJ Qual Saf 2014 agosto; 23 (8): 690-697.
[hacer:10.1136/bmjqs-2014-003005 ] [Medline:24915540 ]
22. Tridandapani S, Ramamurthy S, Provenzale J, Obuchowski NA, Evanoff MG, Bhatti P. Un estudio de múltiples observadores sobre los efectos de incluir
fotografías de pacientes en el punto de atención con radiografía portátil: un medio para detectar errores de pacientes equivocados. ACAD
Radiol 2014 Ago;21(8):1038-1047 [Texto completo gratis ] [hacer:10.1016/j.acra.2014.03.006 ] [Medline:25018076 ]
23. Henneman PL, Fisher DL, Henneman EA, Pham TA, Campbell MM, Nathanson BH. Los errores de identificación del paciente son comunes
en un entorno simulado. Ann Emerg Med 2010 junio; 55 (6): 503-509. [hacer:10.1016/j.anneemergmed.2009.11.017 ] [Medline:
20031263 ]
24. García-Betances RI, Huerta MK. Una revisión de las opciones de identificación automática de pacientes para centros de salud públicos con
presupuestos restringidos. Informe de salud pública J en línea 2012;4(1):- [Texto completo gratis ] [hacer:10.5210/ojphi.v4i1.4011 ] [Medline:
23569629 ]
25. Perry DC, Scott SJ. Identificación de pacientes en el hospital: ¿hay más eventos adversos esperando que ocurran? Qual Saf Health Care 2007
Apr;16(2):160 [Texto completo gratis ] [hacer:10.1136/qshc.2006.022202 ] [Medline:17403768 ]
26. Drahansky M, Dolezel M, Urbanek J, Brezinova E, Kim TH. Influencia de las enfermedades de la piel en el reconocimiento de huellas dactilares. J Biomed
Biotechnol 2012;2012:626148 [Texto completo gratis ] [hacer:10.1155/2012/626148 ] [Medline:22654483 ]
27. Aslam TM, Tan SZ, Dhillon B. Reconocimiento del iris en presencia de enfermedad ocular. JR Soc Interface 2009 Mayo
06;6(34):489-493 [Texto completo gratis ] [hacer:10.1098/rsif.2008.0530 ] [Medline:19324690 ]

abreviaturas
UPC:unidad Central de procesamiento

https://mhealth.jmir.org/2019/4/e11472/ JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 10

(número de página no para fines de citación)

XSL•FO
RenderX
 JMIR M SALUD Y U SALUD Jeon et al.

CONNECTICUT:tomografía computarizada
EMR:historia clínica electrónica IRB:Junta de
Revisión Institucional NDK:Kit de desarrollo
nativo PDSC:Centro de cirugía de día para
pacientes rfid:identificación de frecuencia de
radio

Editado por G. Eysenbach; enviado el 04.07.18; revisado por pares por V Podder, A Arevian; comentarios al autor 11.05.18; versión revisada recibida
el 30.12.18; aceptado el 27.01.19; publicado el 08.04.19

Por favor cite como:

Jeon B, Jeong B, Jee S, Huang Y, Kim Y, Park GH, Kim J, Wufuer M, Jin X, Kim SW, Choi TH
Una aplicación móvil de reconocimiento facial para la seguridad del paciente y la identificación biométrica: diseño, desarrollo y
validación JMIR Mhealth Uhealth 2019;7(4):e11472
URL:https://mhealth.jmir.org/2019/4/e11472/
hacer:10.2196/11472
IDPM:30958275

©Byoungjun Jeon, Boseong Jeong, Seunghoon Jee, Yan Huang, Youngmin Kim, Gee Ho Park, Jungah Kim, Maierdanjiang Wufuer, Xian Jin, Sang
Wha Kim, Tae Hyun Choi. Publicado originalmente en JMIR Mhealth and Uhealth (http://mhealth.jmir.org), 08.04.2019. Este es un artículo de
acceso abierto distribuido bajo los términos de la licencia de atribución de Creative Commons (https://creativecommons.org/licenses/by/4.0/),
que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que el original el trabajo, publicado por
primera vez en JMIR mhealth and uhealth, se cita correctamente. Se debe incluir la información bibliográfica completa, un enlace a la publicación
original en http://mhealth.jmir.org/, así como esta información de derechos de autor y licencia.

https://mhealth.jmir.org/2019/4/e11472/ JMIR Mhealth Uhealth 2019 | vol. 7 | es. 4 | e11472 | pags. 11

(número de página no para fines de citación)

XSL•FO
RenderX