Cette étude a été menée pour améliorer les systèmes de surveillance de la santé à distance (RHMS) existants pour les maladies cardiaques en acquérant des données générées par de tels systèmes et en les analysant pour développer un modèle qui prédit l'existence d'une maladie coronarienne chez les patients qui se plaignent de douleurs thoraciques sans aucune cause physique. Par conséquent, ce travail permet de réduire la participation active des soignants lorsque les médecins et les experts disponibles ne sont pas en proportion égale avec les patients disponibles, de minimiser les visites à l'hôpital, le séjour et les factures à l'hôpital tout en permettant aux patients d'être activement impliqués dans les traitements de leur maladie. Une architecture a été développée, capable de collecter des données à partir des systèmes de surveillance de la santé existants à l'aide de la technologie RFID, tandis qu'un modèle de prédiction a également été développé pour prédire la maladie coronarienne chez les patients à l'aide d'un réseau de neurones artificiels. Le processus implique l'extraction de données à partir des systèmes de surveillance de la santé existants à l'aide de la RFID, le prétraitement-filtrage et l'intégration des données, la formation d'un modèle à l'aide de la rétropropagation multicouche perceptron ANN, l'agrégation de modèles à l'aide de l'agrégation-sachage bootstrap et enfin la prédiction et la rétroaction.