El uso de tecnología portátil e Internet de las Cosas (IoT) para la atención médica inteligente y asequible está en tendencia. En configuraciones tradicionales, el backend en la nube recibe los datos de atención médica y realiza monitoreo y predicción para enfermedades, diagnósticos y predicciones de bienestar. La computación en la niebla (FC) es un paradigma de computación distribuida que aprovecha procesadores integrados de baja potencia en un nodo intermedio entre la capa del cliente y la capa en la nube. El diagnóstico para monitoreo de bienestar y estado físico podría ser transferido a la capa de niebla desde la capa en la nube. Este paradigma conduce a una reducción en la latencia y un aumento en el rendimiento. Este documento procesa un modelo de aprendizaje profundo basado en la niebla, que recopila datos de individuos y predice las estadísticas de bienestar utilizando un modelo de red neuronal profunda que puede manejar datos heterogéneos y multidimensionales. Se eligieron tres anormalidades importantes en el bienestar, a saber, (i) diabetes; (ii) ataques de hipertensión y (iii) clasificación de tipo de estrés para estudios experimentales. Realizamos un análisis detallado de la precisión de los modelos propuestos en conjuntos de datos estándar. Los resultados validaron la eficacia del sistema y la arquitectura propuestos para el monitoreo preciso de estos criterios críticos de bienestar y estado físico. Utilizamos conjuntos de datos estándar y herramientas de software de código abierto para nuestros experimentos.