Dies ist eine Übersichtsseite mit Metadaten zu dieser wissenschaftlichen Arbeit. Der vollständige Artikel ist beim Verlag verfügbar.
Uso de la inteligencia artificial en programas de educación para la prevención y manejo de enfermedades cardiovasculares: una revisión de alcance
0
Zitationen
4
Autoren
2026
Jahr
Abstract
Introducción: Las enfermedades cardiovasculares (ECV) continúan siendo la principal causa de mortalidad mundial. La inteligencia artificial (IA) ofrece herramientas innovadoras para fortalecer la educación en salud y optimizar la prevención y manejo de ECV. Métodos: Se realizó una revisión de alcance siguiendo la guía PRISMA-ScR. Se buscaron artículos en PubMed, Scopus, ERIC y SciELO (2015-2024) utilizando descriptores MeSH/DeCS relacionados con IA, educación y ECV. La calidad metodológica se evaluó con la escala Newcastle–Ottawa. Resultados: Se identificaron 7 716 registros: PubMed (n=224), Scopus (n=4 906), ERIC (n=2 398) y SciELO (n=188). Tras el cribado, se incluyeron 10 estudios: 2 de PubMed, 4 de Scopus, 2 de ERIC y 2 de SciELO. Todos reportaron intervenciones educativas con IA (aplicaciones móviles, machine learning, sistemas multimodales y robótica emocional) que mejoraron la detección temprana de riesgo, la adherencia terapéutica y el autocuidado. La calidad metodológica fue alta (7–9 estrellas NOS). Discusión: La evidencia confirma que la IA facilita el diagnóstico, personaliza la educación en salud y promueve cambios de conducta en pacientes con ECV. Sin embargo, los autores resaltan la necesidad de estandarizar protocolos, aumentar la diversidad de datos y garantizar equidad y privacidad en el manejo de información. Conclusión: La IA constituye una estrategia efectiva para fortalecer programas educativos y de prevención cardiovascular, ofreciendo una base sólida para políticas públicas y futuras investigaciones multicéntricas.
Ähnliche Arbeiten
Explainable Artificial Intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible AI
2019 · 8.496 Zit.
Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead
2019 · 8.386 Zit.
High-performance medicine: the convergence of human and artificial intelligence
2018 · 7.848 Zit.
Proceedings of the 19th International Joint Conference on Artificial Intelligence
2005 · 5.781 Zit.
Peeking Inside the Black-Box: A Survey on Explainable Artificial Intelligence (XAI)
2018 · 5.562 Zit.