HealCity: Usando Dados de Sinais Vitais dos Cidadãos e a Técnica de Elasticidade para gerência de Ambientes de Saúde no Contexto de Cidades Inteligentes

• Gabriel Souto Fischer Unisinos
• Rodrigo da Rosa Righi Unisinos

DOI: https://doi.org/10.5753/sbcas_estendido.2025.6874

Resumo

Cidades inteligentes podem melhorar a qualidade de vida dos cidadãos otimizando a utilização de recursos. Em um ambiente conectado à IoT, a saúde das pessoas pode ser monitorada constantemente, o que pode ajudar a identificar problemas médicos antes que se tornem sérios. No entanto, hospitais superlotados podem levar a longos tempos de espera para que os pacientes recebam tratamento. Este trabalho apresenta o HealCity, um modelo focado em cidades inteligentes que pode monitorar o uso de ambientes de saúde pelos pacientes e adaptar a alocação de profissionais de saúde para atender às suas necessidades. O HealCity usa dados de sinais vitais (IoT) em técnicas de previsão para antecipar quando a demanda por um determinado ambiente excederá sua capacidade e sugere ações para alocar profissionais de saúde de acordo. Além disso, introduzimos o conceito de Elasticidade Multinível de Recursos Humanos em Cidades Inteligentes, gerenciando assim os recursos humanos em diferentes níveis de uma cidade inteligente. Um algoritmo também é desenvolvido para gerenciar e identificar automaticamente o hospital apropriado para um possível paciente futuro. O HealCity foi avaliado com quatro ambientes hospitalares e obteve resultados promissores: comparado a hospitais com alocações estática de profissionais, ele reduziu o tempo de espera para atendimento em até 87,62%

Referências

Apornak, A., Raissi, S., Keramati, A., and Khalili-Damghani, K. (2021). Optimizing human resource cost of an emergency hospital using multi-objective bat algorithm. International Journal of Healthcare Management, 14(3):873–879.

Capocci, N., Nascimento, B., Lopes, F., Rodrigues, E., and Maiellaro, J. (2017). Simulation as a hospital management support tool. Indep. J. Manag. Prod., 8(5):798–811.

Fadhel et al. (2024). Comprehensive systematic review of information fusion methods in smart cities and urban environments. Information Fusion, 107:102317.

Fischer, G. S., Rodrigues, V. F., da Rosa Righi, R., da Costa, C. A., Policarpo, L. M., and Silva, R. G. G. (2024). Looking at smart cities through the lens of a pandemic era: A systematic literature review. Int. J. Technol. Manage., 94(3-4).

Graham, B., Bond, R., Quinn, M., and Mulvenna, M. (2018). Using data mining to predict hospital admissions from the emergency department. IEEE Access, 6:10458–10469.

Hafezalkotob, A., Fardi, K., Aickelin, U., Chaharbaghi, S., and Akbarzadeh Khorshidi, H. (2022). A cooperative robust human resource allocation problem for healthcare systems for disaster management. Computers & Industrial Engineering, 170:108283.

Rodrigues, V. F., Righi, R. R., Costa, C. A., Zeiser, F. A., Eskofier, B., Maier, A., and Kim, D. (2023). Digital health in smart cities: Rethinking the remote health monitoring architecture on combining edge, fog, and cloud. Health Technol., 13(3):449–472.

Wang, M. and Zhou, T. (2023). Does smart city implementation improve the subjective quality of life? evidence from china. Technology in Society, 72:102161.