Plataforma Salud Fabi 🏥

Plataforma web full-stack accesible para salud dirigida a personas mayores y con baja habilidad tecnológica en Salta y NOA.

• Descripción
• Características
• Arquitectura
• Requisitos Previos
• Instalación Local
• Desarrollo
• Despliegue en Producción
• Variables de Entorno
• Datos de Prueba
• Testing
• Principios Éticos

Plataforma Salud Fabi es una solución completa de salud digital que proporciona:

• Clases Educativas: Videos y materiales sobre salud, nutrición y bienestar
• Calculadora IMC: Cálculo de Índice de Masa Corporal con recomendaciones personalizadas
• Predictor de Enfermedades: Orientación basada en síntomas (ML) - NO diagnóstico médico
• Diseño Accesible: WCAG AA, textos grandes, alto contraste, navegación simple
• Autenticación Segura: WebAuthn/FIDO2 con fallback a contraseña/OTP

⚠️ IMPORTANTE: Esta plataforma proporciona información orientativa y educativa. NO reemplaza la atención médica profesional.

• ✅ Diseño responsivo móvil-first
• ✅ Accesibilidad WCAG AA
• ✅ Autenticación WebAuthn + fallback OTP
• ✅ Gestión de estado con Zustand
• ✅ Componentes reutilizables y accesibles

• ✅ REST API con TypeScript
• ✅ Autenticación JWT + WebAuthn
• ✅ Validación de datos con Zod
• ✅ Rate limiting y seguridad con Helmet
• ✅ MongoDB Atlas para persistencia

• ✅ Predictor de enfermedades orientativo
• ✅ API REST con FastAPI
• ✅ Datos sintéticos de ejemplo (reemplazar con datos reales)
• ✅ Disclaimer ético en todas las respuestas

┌─────────────────┐
│ Frontend │
│ Next.js │ ← Vercel
│ (Port 3000) │
└────────┬────────┘
 │
 ↓
┌─────────────────┐
│ Backend API │
│ Express │ ← Railway
│ (Port 3001) │
└────────┬────────┘
 │
 ┌────┴────┐
 ↓ ↓
┌─────────┐ ┌──────────────┐
│ MongoDB │ │ ML Service │
│ Atlas │ │ FastAPI │ ← Railway
│ │ │ (Port 8001) │
└─────────┘ └──────────────┘

• Node.js 20.x o superior
• npm 10.x o superior
• Python 3.11 o superior
• MongoDB (Atlas recomendado para producción)
• Docker (opcional, para desarrollo local)

git clone <url-del-repositorio>
cd Proyecto\ fabi

Copiar el archivo .env.example y crear archivos .env para cada servicio:

# Frontend
cp .env.example frontend/.env.local
# Backend
cp .env.example backend/.env
# ML Service
cp .env.example ml-service/.env

Editar los archivos .env con tus configuraciones:

NODE_ENV=development
PORT=3001
FRONTEND_URL=http://localhost:3000
# MongoDB Atlas - IMPORTANTE: Reemplaza con tu cluster
MONGODB_URI=mongodb+srv://fabiproyecto:roPAh6QTV9rZktwJ@freelanceseguro-cluster.XXXXX.mongodb.net/fabi_bd?retryWrites=true&w=majority
# Obtén el host completo de tu cluster en MongoDB Atlas:
# 1. Ve a tu cluster en MongoDB Atlas
# 2. Click en "Connect" > "Connect your application"
# 3. Copia la URI y reemplaza XXXXX con tu host
JWT_SECRET=tu-secreto-jwt-seguro-min-32-caracteres
JWT_EXPIRES_IN=7d
# Email (configurar con tu SMTP)
EMAIL_SMTP_HOST=smtp.gmail.com
EMAIL_SMTP_PORT=587
EMAIL_SMTP_USER=tu-email@gmail.com
EMAIL_SMTP_PASS=tu-app-password
# WebAuthn
WEBAUTHN_RP_NAME=Plataforma Salud Fabi
WEBAUTHN_RP_ID=localhost
WEBAUTHN_ORIGIN=http://localhost:3000
ML_SERVICE_URL=http://localhost:8001

NEXT_PUBLIC_API_URL=http://localhost:3001
NEXT_PUBLIC_ML_URL=http://localhost:8001

# Frontend
cd frontend
npm install
# Backend
cd ../backend
npm install
# ML Service
cd ../ml-service
pip install -r requirements.txt

npm run install:all

cd backend
npm run seed

Esto creará usuarios de ejemplo:

• Admin: admin@saludfabi.com / password123
• Docente: docente@saludfabi.com / password123
• Usuario: usuario@saludfabi.com / password123

docker-compose up

Servicios disponibles:

• Frontend: http://localhost:3000
• Backend API: http://localhost:3001
• ML Service: http://localhost:8001
• MongoDB: localhost:27017

# Terminal 1 - Backend
cd backend
npm run dev
# Terminal 2 - Frontend
cd frontend
npm run dev
# Terminal 3 - ML Service
cd ml-service
python -m uvicorn app.main:app --reload --port 8001

1. Crear cuenta en MongoDB Atlas
2. Crear cluster (Free tier disponible)
3. Configurar usuario de base de datos:
   • Username: fabiproyecto
   • Password: roPAh6QTV9rZktwJ
   • Cluster name: freelanceseguro-cluster
4. Whitelist IP: 0.0.0.0/0 (permitir todas - configurar mejor en producción)
5. Obtener connection string y actualizar MONGODB_URI en variables de entorno

1. Instalar Vercel CLI:

npm i -g vercel

2. Deploy desde el directorio frontend:

cd frontend
vercel

3. Configurar variables de entorno en Vercel Dashboard:

   • NEXT_PUBLIC_API_URL: URL de tu backend en Railway
   • NEXT_PUBLIC_ML_URL: URL de tu ML service en Railway

4. Para producción:

vercel --prod

1. Crear cuenta en Railway
2. Crear nuevo proyecto
3. Deploy desde GitHub o CLI:

# Opción A: Conectar repositorio de GitHub
# - Ve a Railway Dashboard
# - New Project > Deploy from GitHub
# - Selecciona el repositorio y carpeta "backend"
# Opción B: Railway CLI
cd backend
railway login
railway init
railway up

4. Configurar variables de entorno en Railway Dashboard:

   • NODE_ENV=production
   • PORT=3001
   • MONGODB_URI=<tu-uri-de-mongodb-atlas>
   • JWT_SECRET=<secreto-seguro>
   • FRONTEND_URL=<url-de-vercel>
   • ML_SERVICE_URL=<url-ml-service-railway>
   • Copiar todas las demás variables necesarias

5. Railway generará una URL pública para tu API

1. Crear otro servicio en Railway
2. Deploy:

cd ml-service
railway init
railway up

3. Configurar variables:
   • ML_PORT=8001

1. Comprar dominio en Namecheap

2. Configurar DNS en Namecheap:

Para Frontend (Vercel):

Type: CNAME
Host: @
Value: cname.vercel-dns.com
TTL: Automatic

Para Backend API:

Type: CNAME
Host: api
Value: <tu-proyecto>.up.railway.app
TTL: Automatic

Para ML Service:

Type: CNAME
Host: ml
Value: <tu-proyecto-ml>.up.railway.app
TTL: Automatic

3. En Vercel Dashboard:

   • Settings > Domains > Add Domain
   • Agregar tu dominio personalizado

4. Actualizar variables de entorno de producción:

   • NEXT_PUBLIC_API_URL=https://api.tudominio.com
   • FRONTEND_URL=https://tudominio.com
   • WEBAUTHN_RP_ID=tudominio.com
   • WEBAUTHN_ORIGIN=https://tudominio.com

• Vercel: SSL automático con Let's Encrypt
• Railway: SSL automático incluido
• Namecheap: Certificados disponibles (opcional si usas Vercel/Railway)

Después de ejecutar npm run seed:

• Usuario: Ver clases, calcular IMC, usar predictor, editar perfil
• Docente: Todo lo anterior + crear/editar/eliminar clases propias
• Admin: Acceso completo + gestión de usuarios

cd frontend
npm test

cd backend
npm test

Esta plataforma se rige por los siguientes principios:

1. No Reemplazo Médico: Información orientativa, no diagnóstico
2. Privacidad: Datos de salud protegidos con máxima confidencialidad
3. Accesibilidad: Diseño inclusivo para personas mayores
4. Transparencia: Uso claro de datos y algoritmos
5. Consentimiento Informado: Usuario autoriza cada funcionalidad

El predictor de enfermedades usa datos sintéticos de ejemplo. Para producción:

1. Reemplazar ml-service/app/predictor.py con modelo entrenado con datos reales
2. Usar datasets validados de fuentes confiables (ej: datos abiertos de salud pública)
3. Validar con profesionales médicos
4. Realizar auditorías éticas del algoritmo

# Desarrollo con recarga automática
npm run dev
# Build para producción
npm run build
# Iniciar en producción
npm start
# Linting
npm run lint
# Tests
npm test
# Seed de base de datos
npm run seed
# Docker
docker-compose up
docker-compose down

Ver CODE_OF_CONDUCT.md para principios éticos y de contribución.

MIT License - Ver LICENSE

Para consultas: info@saludfabi.com

Desarrollado con accesibilidad y ética en salud ❤️

🩺 Esta plataforma NO reemplaza la atención médica profesional