El envejecimiento conlleva una serie de cambios fisiológicos que incrementan la vulnerabilidad de los adultos mayores frente a enfermedades respiratorias. La evaluación clínica de la respiración tradicionalmente depende de la auscultación directa, sin embargo, los avances tecnológicos permiten complementar este proceso mediante el análisis digital de sonidos respiratorios. En particular, el uso de los coeficientes cepstrales de Mel (MFCC) ofrece una representación eficaz de las características acústicas de la respiración, facilitando la identificación de patrones anormales asociados a la obstrucción de las vías respiratorias. A partir de un estudio contextual con especialistas en cuidado respiratorio, se identificaron las necesidades y requerimientos para el diseño de un sistema que apoye el monitoreo respiratorio en adultos mayores. Así, se desarrolló RespiApp, mediante la metodología de Design Thinking, conformada por una aplicación móvil usada por el adulto mayor para registrar su respiración con un micrófono de contacto y enviar los audios al médico vía WhatsApp. Se desarrolló una aplicación de escritorio para el análisis clínico de los audios respiratorios de los pacientes. En particular, es de crucial importancia el poder detectar sibilancias en adultos mayores dado que este grupo presenta mayor incidencia de enfermedades pulmonares crónicas, como la EPOC y el asma tardía, donde la detección temprana de estos sonidos puede prevenir complicaciones agudas y reducir hospitalizaciones. Por ello, se desarrolló un procedimiento de detección automática de sibilancias basado en MFCC, que permite un seguimiento objetivo y continuo con monitoreo a distancia, complementando la valoración clínica tradicional. La validación técnica del sistema, con una base de datos de respiraciones clasificadas por expertos mostró una sensibilidad de 0.85, lo que refleja la capacidad del modelo para detectar correctamente las respiraciones con sibilancias, de 13 grabaciones con sibilancias reales, el algoritmo clasificó 4 erróneamente como sanas. Además, la evaluación del Modelo de Aceptación Tecnológica (TAM) evidenció una alta utilidad percibida e intención de uso. En conjunto, los resultados demuestran que RespiApp es una herramienta viable para apoyar el cuidado respiratorio en adultos mayores, integrando tecnología accesible y detección automática de sibilancias.

Aging entails a series of physiological changes that increase the vulnerability of older adults to respiratory diseases. Traditionally, the clinical evaluation of breathing relies on direct auscultation; however, technological advances now allow this process to be complemented through the digital analysis of respiratory sounds. In particular, the use of Mel-Frequency Cepstral Coefficients (MFCC) provides an effective representation of the acoustic characteristics of breathing, facilitating the identification of abnormal patterns associated with airway obstruction. Based on a contextual study with respiratory care specialists, the needs and requirements for designing a system to support respiratory monitoring in older adults were identified.Thus, RespiApp was developed using the Design Thinking methodology, consisting of a mobile application used by older adults to record their breathing with a contact microphone and send the audio to the physician via WhatsApp. A desktop application was also developed for the clinical analysis of patients’ respiratory audio recordings. Detecting wheezes in older adults is of crucial importance, as this group shows a higher incidence of chronic lung diseases such as COPD and late-onset asthma, where early detection of these sounds can prevent acute complications and reduce hospitalizations. For this reason, an automatic wheeze detection procedure based on MFCC was developed, enabling objective and continuous remote monitoring that complements traditional clinical assessment. The technical validation of the system, using a database of breathing sounds classified by experts, showed a sensitivity of 0.85, reflecting the model’s ability to correctly detect wheezing sounds. Out of 13 actual wheezing recordings, the algorithm misclassified 4 as healthy. Moreover, the evaluation using the Technology Acceptance Model (TAM) revealed high perceived usefulness and intention to use. Overall, the results demonstrate that RespiApp is a viable tool to support respiratory care in older adults, integrating accessible technology and automatic wheeze detection.