Sistema inteligente baseado em conhecimento para acompanhamento de pré-diabéticos

• Jacques Amorim UFAL
• Leandro Dias da Silva UFAL
• Evandro de Barros Costa UFAL
• Álvaro Sobrinho UFAPE

DOI: https://doi.org/10.5753/sbcas_estendido.2024.2249

Resumo

As doenças metabólicas têm ganhado mais visibilidade para pesquisadores da saúde porque comprometem o estilo de vida da humanidade. O Diabetes Mellitus tipo 2 é uma dessas doenças crônicas que se tornou mais presente na vida dos seres humanos. Embora não haja cura, é possível reduzir a progressão da doença por meio da adoção de cuidados de saúde preventivos. Este trabalho apresenta um sistema inteligente para ajudar pessoas que não possuem condições desenvolvidas ou que já possuem pré-diabetes. O objetivo é monitorar indicadores da doença para mitigar, prever ou reverter a pré-diabetes. Quando alguém atinge o estágio de Diabetes, apenas controlar a doença se torna uma solução para evitar possíveis complicações. Este sistema móvel inteligente pode beneficiar principalmente pessoas que possuem dificuldades em acessar profissionais para monitorar sua saúde continuamente.

Referências

Atlas, I. D. (2021). IDF Diabetes Atlas 2021. Internacional Diabetes Federation, 10 edition.

Beulens, J., Rutters, F., Rydén, L., Schnell, O., Mellbin, L., Hart, H., and Vos, R. (2020). Risk and management of pre-diabetes. European Journal of Preventive Cardiology, 26(2):47–54.

CDC (2015). Behavioral risk factor surveillance system. Disponível em: [link]. Acesso em 20 de setembro de 2023.

Dinh, A., Miertschin, S., Young, A., and Mohanty, S. D. (2019). A data-driven approach to predicting diabetes and cardiovascular disease with machine learning. BMC Medical Informatics and DecisionMaking, 19(1).

Internacional Diabetes Federation (2021). Brazil: Diabetes report 2000-2045. [link].

Khan, R. M. M., Chua, Z. J. Y., Tan, J. C., Yang, Y., Liao, Z., and Zhao, Y. (2019). From prediabetes to diabetes: Diagnosis, treatments and translational research. Medicina, 55(9).

Kriventsov, S., Lindsey, A., and Hayeri, A. (2020). The diabits app for smartphone-assisted predictive monitoring of glycemia in patients with diabetes: Retrospective observational study. JMIR Diabetes, 5(3):e18660.

Marinho, T., Filho, W. F., Freire, G., Costa, M., da Silva, L., Álvaro C. Sobrinho, and Costa, E. (2019). Assistente inteligente para auxiliar na prevenção do diabetes tipo 2. In Anais Estendidos do XIX Simpósio Brasileiro de Computação Aplicada à Saúde, pages 121–126, Porto Alegre, RS, Brasil. SBC.

Sociedade Brasileira de Diabetes (2023). Diabetes. [link].

Waki, K., Aizawa, K., Kato, S., Fujita, H., Lee, H., Kobayashi, H., Ogawa, M., Mouri, K., Kadowaki, T., and Ohe, K. (2015). Dialbetics with a multimedia food recording tool, foodlog: Smartphone-based self-management for type 2 diabetes. Journal of diabetes science and technology, 9(3):534—540.

Yamaguchi, S., Waki, K., Nannya, Y., Nangaku, M., Kadowaki, T., and Ohe, K. (2019). Usage patterns of gluconote, a self-management smartphone app, based on researchkit for patients with type 2 diabetes and prediabetes. JMIR Mhealth Uhealth, 7(4):e13204.