El rango de movimiento (ROM) del hombro ha sido estudiado con varios dispositivos y métodos en los últimos años. El seguimiento preciso y la evaluación de los movimientos del hombro podrían ayudarnos a comprender el mecanismo patogenético de condiciones específicas al cuantificar las mejoras después de la rehabilitación. Los métodos de evaluación se pueden clasificar como subjetivos y objetivos. Sin embargo, los métodos autoinformados no son precisos y no permiten la recopilación de información específica. Por lo tanto, es importante desarrollar dispositivos de medición que proporcionen datos cuantitativos y objetivos sobre la función y el rango de movimiento del hombro. Se realizó una búsqueda exhaustiva en PubMed e IEEE Xplore. El algoritmo de fusión de sensores utilizado para analizar la cinemática del hombro se describió en todos los estudios que involucraban sensores inerciales portátiles. Once artículos fueron incluidos. Se utilizó la Evaluación de Calidad de Estudios de Precisión Diagnóstica-2 para evaluar el riesgo de sesgo (QUADAS-2). El hallazgo mostró que el filtro de Kalman y sus variantes UKF y EKF se utilizan en la mayoría de los estudios. Se ha informado que alternativas basadas en filtros complementarios y algoritmos de descenso de gradiente son más eficientes computacionalmente. Se han desarrollado muchos enfoques y algoritmos para resolver este problema. Es útil fusionar datos de diferentes sensores para obtener una estimación más precisa de la posición 3D y la orientación 3D de un segmento corporal. La técnica de fusión de sensores hace que esta integración sea confiable. Esta revisión sistemática tiene como objetivo redactar una visión general de la literatura sobre los algoritmos de fusión de sensores utilizados para el seguimiento del movimiento del hombro.