Implementaciones

FUNCIONALIDADES DEL SISTEMA PARA EL HOSPITAL INTELIGENTE
Módulo de Agenda:
 Sistema de agendas visuales e intuitivas, muy fáciles de utilizar.
 Múltiples agendas, configurables totalmente a medida.
 Mecanismos de ayuda para impedir la programación equivocada de citas.
 Envío de recordatorios a clientes vía correo, notificación por aplicación,
email y SMS totalmente integrado.
 Sistema de mensajería interna entre los profesionales del centro.
 Posibilidad de citación online de pacientes mediante el módulo de Citas
Online donde el paciente puede programar, consultar y modificar sus citas.
 Módulo “Agenda Web”, que permite a los profesionales acceder a sus
agendas desde cualquier dispositivo, como tabletas o teléfonos inteligentes.
Módulo de Historia Clínica:

 Acceso sencillo y rápido al historial de los pacientes.
 Formularios para seguimiento clínico, diagnósticos, registro de pruebas
complementarias, protocolos, etc.
 Inserción de croquis e imágenes (radiografías, ecografías, etc.).
 Generación rápida de informes, recetas y todo tipo de documentos.
 Editor de cuestionarios, que le permite la creación de una Historia Clínica
propia.
 Firma digital de documentos, como consentimientos, mediante el módulo de
“Tableta del Paciente”.
 Resumen visual de todo el historial del paciente que cuenta con múltiples
herramientas de visualización como filtros para mostrar únicamente la
información relevante.
 Historia Clínica multi-especialidad.
http://softwaresalus.com/descripcion_software_salus.aspx
Sistemas que se van a aplicar en el servidor usando Big Data
1. HADOOP
No se puede hablar de Big Data sin hablar de la veterana Apache Hadoop. Esta
herramienta Big Data open source se considera el framework estándar para el
almacenamiento de grandes volúmenes de datos; se usa también para analizar y
procesar, y es utilizado por empresas como Facebook y Yahoo!.
La biblioteca Hadoop utiliza modelos de programación simples para el
almacenamiento y procesamiento distribuido de grandes conjuntos de datos en
clusters, dando redundancia para no perder nada y, al mismo tiempo,
aprovechando muchos procesos a la vez.
Dispone de un sistema de archivos distribuido en cada nodo del cluster: el HDFS
(Hadoop Distributed File System), y se basa en el proceso de MapReduce de dos
fases.
Soporta diferentes sistemas operativos y también se usa frecuentemente sobre
cualquiera de las principales plataformas en la nube, como Amazon EC2/S3 o
Google Cloud.
2. MONGODB
Dentro de las bases de datos NoSQL, probablemente una de las más famosas sea
MongoDB. Con un concepto muy diferente al de las bases de datos relacionales,
se está convirtiendo en una interesante alternativa para almacenar los datos de
nuestras aplicaciones.
MongoDB es una base de datos orientada a documentos (guarda los datos en
documentos, no en registros). Estos documentos son almacenados en BSON, que
es una representación binaria de JSON.
A pesar de que las bases de datos NoSQL no tienen una extensa variedad de uso,
MongoDB tiene un ámbito de aplicación más amplio en diferentes tipos de
proyectos: es especialmente útil en entornos que requieran escalabilidad. Con sus
opciones de replicación y sharding, podemos conseguir un sistema que escale
horizontalmente sin demasiados problemas.
3. ELASTICSEARCH
Elasticsearch es una potente herramienta para la búsqueda entre grandes
cantidades de datos, especialmente cuando los datos son de tipo complejo.
Nos permite indexar y analizar en tiempo real un gran volumen de datos y hacer
consultas sobre ellos. Un ejemplo de uso son las consultas de texto completo; al
estar los datos indexados, los resultados se obtienen de forma muy rápida. En el
IIC utilizamos esta herramienta para indexar datos dentro de nuestras soluciones
de entorno digital.
A diferencia de otros sistemas parecidos, no necesita declarar un esquema de la
información que añadimos, no sabemos exactamente qué forma van a tener los
datos.
Con Elasticsearch podemos hacer búsquedas de texto complicadas, visualizar el
estado de nuestros nodos y escalar sin demasiadas necesidades, si se diera el
caso de que necesitáramos más potencia.
4. APACHE SPARK
Apache Spark es un motor de procesamiento de datos de código abierto
realmente rápido.
Creado por Matei Zaharia en la Universidad de Berkeley, se considera el primer
software open source que hace la programación distribuida (muy en esencia,
consiste en distribuir el trabajo entre un grupo de ordenadores, “cluster”, que
trabajan como uno) realmente accesible a los científicos de datos.
Se pueden programar aplicaciones usando diferentes lenguajes como Java, Scala,
Python o R. pudiendo ser, según el programa, hasta 100 veces más rápido en
memoria o 10 veces más en disco que Hadoop MapReduce.
5. APACHE STORM
Apache Storm es un sistema de computación distribuida en tiempo real orientado
a procesar flujos constantes de datos, por ejemplo, datos de sensores que se
emiten con una alta frecuencia o datos que provengan de las redes sociales,
donde a veces es importante saber qué se está compartiendo en este momento.
Aunque Hadoop sea un gran sistema para el procesado de un gran volumen de
datos, no está pensado para hacerlo en tiempo real, ya que tiene una alta latencia.
Apache Storm está siendo una revolución para procesar grandes cantidades de
información en tiempo real, ya que es capaz de procesar millones de mensajes por
segundo. En el IIC utilizamos Apache Storm para nuestra herramienta Lynguo,
que requiere esta tecnología Big Data para procesar en tiempo real los
comentarios de las redes sociales para su monitorización y análisis.
Apache Storm puede ser utilizado para procesar los logs de nuestras aplicaciones
para ver el uso que se hace de los distintos servicios y gestión de errores; para
extraer información de redes sociales a través de sus APIs y analizar un fenómeno
en tiempo real; recoger y procesar datos de sensores; buscadores verticales, web
analytics, etc.
6. LENGUAJE R
R es un lenguaje de programación y entorno de software para cálculo estadístico y
gráficos. El lenguaje R es de los más usados por los estadistas y otros
profesionales interesados en la minería de datos, la investigación bioinformática y
las matemáticas financieras.
R se parece más al lenguaje de las matemáticas que a otros lenguajes de
programación, lo que puede ser un inconveniente para los programadores a la
hora de elegir programar en R para temas de Big Data. Lo que está claro es que si
eliges usar R podrás disponer de una gran cantidad de librerías creadas por la
comunidad de R y otras tantas herramientas de altísima calidad (por ejemplo,
RStudio).
7. PYTHON
Python es un lenguaje avanzado de programación con la ventaja de ser
relativamente fácil de usar para usuarios que no estén familiarizados con la
informática de manera profesional, pero que necesitan trabajar con análisis de
datos (estadistas, biólogos, físicos, lingüistas…).
Es una herramienta para Big Data muy eficiente, en parte debido a la gran
comunidad existente, por lo que Python dispone de muchas librerías ya hechas
por otros usuarios.
Sin embargo, tiene en su contra que no es un lenguaje muy rápido en su
ejecución, por lo que suele ser empleado para tareas de integración o tareas
donde no haya cálculos pesados.
http://www.iic.uam.es/innovacion/herramientas-big-data-para-empresa/
VENTAJAS Y DESAFÍOS DE LOS SISTEMAS OPERATIVOS EN LA NUBE
Como ya hemos comentado, la mayor tolerancia a fallos y la flexibilidad son dos

de las principales ventajas de los sistemas operativos en la nube. A continuación,
te explicamos en qué consisten estos conceptos:
Tolerancia a fallos. La virtualización garantiza que si algún componente hardware
del sistema falla, este puede actualizarse o cambiarse, y los procesos virtuales se
pueden migrar a nuevas máquinas con poco o ningún impacto sobre los usuarios
finales.
Flexibilidad. Los sistemas operativos en la nube y sus servicios pueden estar
distribuidos a través de miles de servidores por lo que las necesidades de
computación y de ancho de banda pueden escalarse, tanto hacia arriba como
hacia abajo, y las limitaciones de almacenamiento en disco típicas de los sistemas
operativos tradicionales pasan a convertirse en un anacronismo.
No obstante, los sistemas operativos en la nube también plantean algunos
desafíos. Los dispositivos que disponen de estos sistemas operativos son
smartphones, tablets y los modernos navegadores web, cuyas capacidades de
caché y de computación local son la esencia de aplicaciones ricas y adaptadas a
los diferentes dispositivos. Sin embargo, la gestión del estado entre cliente y
servidor, y entre diferentes clases de clientes, introduce una gran complejidad para
los desarrolladores.
Los 3 principales sistemas operativos en la nube

Esta nueva era abre nuevos mercados y oportunidades, y se prepara una batalla
por saber quién se convertirá en la plataforma estándar. Está en juego el control
sobre las aplicaciones que se ejecutan en las plataformas cloud. Veámos cuáles
son los 3 sistemas operativos más importantes:
Amazon Web Services. Desde hace algunos años, los servicios web de Amazon
han ido cogiendo alguna ventaja sobre sus competidores y han sido considerados
en algunos momentos por diversos especialistas como los líderes de este sector.
Amazon EC2 proporciona capacidad segura y de tamaño variable. Ofrece un
control completo sobre los recursos y proporciona a los desarrolladores
herramientas que permiten crear aplicaciones libres de errores.
Microsoft Azure. Microsoft muestra como una amenaza se puede convertir en

una oportunidad. Aunque su entrada ha sido algo tardía, tiene la ventaja de poder
ofrecer un puente natural desde el escritorio hasta la nube, lo cual ayuda a los
desarrolladores a ampliar sus aplicaciones actuales de escritorio. Además,
dispone de una amplia base de clientes a los que traspasar de un sistema a otro.
Google App Engine. Google ha sido uno de los primeros en desarrollar

aplicaciones como servicios para consumidores finales. Sin embargo, parece tener
menos éxito cuando nos enfocamos solo en empresas. Su Google Cloud Platform
permite olvidar las complicadas tareas de administración de infraestructura,
configuración de redes y aprovisionamiento de servidores, pero con unas
herramientas muy específicas de Google y algo más restringidas.
https://smarterworkspaces.kyocera.es/blog/los-sistemas-operativos-en-la-nube-
son-el-futuro-de-la-informatica-empresarial/

Implementaciones

Cargado por

Copyright:

Formatos disponibles

Implementaciones

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Implementaciones

Cargado por

Copyright:

Formatos disponibles

FUNCIONALIDADES DEL SISTEMA PARA EL HOSPITAL INTELIGENTE

Módulo de Historia Clínica:

Sistemas que se van a aplicar en el servidor usando Big Data

VENTAJAS Y DESAFÍOS DE LOS SISTEMAS OPERATIVOS EN LA NUBE

Como ya hemos comentado, la mayor tolerancia a fallos y la flexibilidad son dos

Los 3 principales sistemas operativos en la nube

Microsoft Azure. Microsoft muestra como una amenaza se puede convertir en

Google App Engine. Google ha sido uno de los primeros en desarrollar

También podría gustarte