Apollo EFP: Um Modelo para Cuidado Ubíquo Aplicado à Prevenção de Quedas de Idosos
Resumo
Segundo dados oficiais, a queda acidental é o principal motivo de morbidade por causas externas não intencionais a pessoas com mais de 60 anos. Este artigo apresenta um modelo para cuidado ubíquo aplicado à prevenção de quedas de idosos. O algoritmo de classificação adotado baseia- se em limiares relativos, para isso, propõe-se o Índice de Risco de Queda (IRQ). A principal contribuição científica deste trabalho reside na análise preventiva do risco de quedas, considerando o perfil, o histórico de saúde e o contexto do idoso em ambientes inteligentes. Foram realizadas avaliações de usabilidade e aceitação por 2 idosos em um cenário real. Os resultados indicam a aprovação de 87% na facilidade percebida de uso e 100% na utilidade percebida. Além disso, foram realizados testes por simulação de 5 estados posturais por 10 idosos com perfis diferentes, resultando em uma acurácia média do algoritmo de prevenção e detecção de eventos relacionados a quedas de 96%.
Palavras-chave:
Elderly, Fall, Prevention, Detection, Ubiquitous Care
Referências
Acampora, G.; Cook, D.; Rashidi, P. (2013). A Survey on Ambient Intelligence in Healthcare, Proceedings of the IEEE, Vol. 101, Issue 12, Dezembro, 2013. Disponível em: https://doi.org/10.1109/JPROC.2013.2262913.
Anvisa (2019). Protocolo para prevenção de quedas. Disponível em: http://www20.anvisa.gov.br/segurancadopaciente/index.php/publicacoes/item/preven cao-de-quedas. Acesso em 15 março 2019.
Barbosa, J.; Tavares, J.; Cardoso, I.; Mota, B.; Martini, B. (2018). TrailCare: an Indoor and Outdoor Context-aware System to Assist Wheelchair Users. International Journal of Human-Computer Studies, vol. 116, pp. 1-14, 2018. doi: https://doi.org/10.1016/j.ijhcs.2018.04.001
Connely, K.; Mayora, O.; Favela, J. (2017). The Future of Pervasive Health. IEEE Pervasive Computing, No. 16, Issue 1, pp. 16-20. Disponível em: https://doi.org/10.1109/MPRV.2017.17.
Cunha, A. e Lourenço, R. (2014). Quedas em idoso: prevalências e fatores associados. In: Revista Hospital Universitário Pedro Ernesto, Vol. 12, No 2 - Envelhecimento e quedas. Disponível em: http://revista.hupe.uerj.br/detalhe_artigo.asp?id=468.
Datasus (2019). Estatísticas de saúde no Brasil, Disponível em: http://tabnet.datasus.gov.br/cgi/tabcgi.exe?sim/cnv/obt10uf.def. Acesso em 15 março 2019.
Dey, Anind K. (2001). Understanding and Using Context, In: Personal and Ubiquitous Computing, Vol. 5, pp. 4-7, Fevereiro, 2001. doi: http://dx.doi.org/10.1007/s007790170019.
Faisal, H.; Muhammad, E.; Muhammad A.; Asra, K. (2018). Elderly Assistance Using Wearable Sensors by Detecting Fall and Recognizing Fall Patterns. ACM International Joint Conference and 2018 International Symposium on Pervasive and Ubiquitous Computing and Wearable Computers (UbiComp '18). ACM, New York, NY, USA, 770-777. DOI: https://doi.org/10.1145/3267305.3274129
Kau, Lih-Jen e Chen, Chih-Sheng (2015). A Smart Phone-Based Pocket Fall Accident Detection, Positioning, and Rescue System, In: Journal of Biomedical and Health Informatics, Vol. 19, N. 1, Janeiro, 2015.
Ramezani, R.; Xiao, Y.; Naeim, A. (2018). Sensing-Fi: Wi-Fi CSI and accelerometer fusion system for fall detection. IEEE EMBS International Conference on Biomedical & Health Informatics (BHI), Las Vegas, NV, 2018, pp. 402-405. doi: 10.1109/BHI.2018.8333453.
Sadri, Fariba (2011). Ambient Intelligence: A Survey, ACM Computing Survey, Vol. 43, Issue 4, 2011. doi: http://doi.org/10.1145/1978802.1978815.
Satyanarayanan, M. (2001). Pervasive Computing: Vision and Challenges, In: IEEE Personal Communications. pp. 10-17. 2001. 8 (4), pp. 10–17. Disponível em: http://dx.doi.org/10.1109/98.943998.
Tavares, J.; Barbosa, J.; Cardoso, I.; Costa, C.; Yamin, A.; Real, R. (2016). Hefestos: an intelligent system applied to ubiquitous accessibility. Universal Access in the Information Society, pp. 1–19, 2016. doi: http://dx.doi.org/10.1007/s10209-015- 0423-2.
Weiser, M. (1991). The computer for the 21st century. In Scientific American, pp. 94- 104, Setembro, 1991. 265 (3), pp. 94–104. doi: http://dx.doi.org/10.1145/329124.329126.
WHO (2019). World Health Organization. Disponível em: http://www.who.int/. Acesso em: 15 março 2019.
Yoon, C. e Kim, S. (2007): Convenience and TAM in a ubiquitous computing environment: the case of wireless LAN. Electron. Commer. Res. Appl. 6(1), 102–112 (2007). doi:10.1016/j.elerap.2006.06.009.
Anvisa (2019). Protocolo para prevenção de quedas. Disponível em: http://www20.anvisa.gov.br/segurancadopaciente/index.php/publicacoes/item/preven cao-de-quedas. Acesso em 15 março 2019.
Barbosa, J.; Tavares, J.; Cardoso, I.; Mota, B.; Martini, B. (2018). TrailCare: an Indoor and Outdoor Context-aware System to Assist Wheelchair Users. International Journal of Human-Computer Studies, vol. 116, pp. 1-14, 2018. doi: https://doi.org/10.1016/j.ijhcs.2018.04.001
Connely, K.; Mayora, O.; Favela, J. (2017). The Future of Pervasive Health. IEEE Pervasive Computing, No. 16, Issue 1, pp. 16-20. Disponível em: https://doi.org/10.1109/MPRV.2017.17.
Cunha, A. e Lourenço, R. (2014). Quedas em idoso: prevalências e fatores associados. In: Revista Hospital Universitário Pedro Ernesto, Vol. 12, No 2 - Envelhecimento e quedas. Disponível em: http://revista.hupe.uerj.br/detalhe_artigo.asp?id=468.
Datasus (2019). Estatísticas de saúde no Brasil, Disponível em: http://tabnet.datasus.gov.br/cgi/tabcgi.exe?sim/cnv/obt10uf.def. Acesso em 15 março 2019.
Dey, Anind K. (2001). Understanding and Using Context, In: Personal and Ubiquitous Computing, Vol. 5, pp. 4-7, Fevereiro, 2001. doi: http://dx.doi.org/10.1007/s007790170019.
Faisal, H.; Muhammad, E.; Muhammad A.; Asra, K. (2018). Elderly Assistance Using Wearable Sensors by Detecting Fall and Recognizing Fall Patterns. ACM International Joint Conference and 2018 International Symposium on Pervasive and Ubiquitous Computing and Wearable Computers (UbiComp '18). ACM, New York, NY, USA, 770-777. DOI: https://doi.org/10.1145/3267305.3274129
Kau, Lih-Jen e Chen, Chih-Sheng (2015). A Smart Phone-Based Pocket Fall Accident Detection, Positioning, and Rescue System, In: Journal of Biomedical and Health Informatics, Vol. 19, N. 1, Janeiro, 2015.
Ramezani, R.; Xiao, Y.; Naeim, A. (2018). Sensing-Fi: Wi-Fi CSI and accelerometer fusion system for fall detection. IEEE EMBS International Conference on Biomedical & Health Informatics (BHI), Las Vegas, NV, 2018, pp. 402-405. doi: 10.1109/BHI.2018.8333453.
Sadri, Fariba (2011). Ambient Intelligence: A Survey, ACM Computing Survey, Vol. 43, Issue 4, 2011. doi: http://doi.org/10.1145/1978802.1978815.
Satyanarayanan, M. (2001). Pervasive Computing: Vision and Challenges, In: IEEE Personal Communications. pp. 10-17. 2001. 8 (4), pp. 10–17. Disponível em: http://dx.doi.org/10.1109/98.943998.
Tavares, J.; Barbosa, J.; Cardoso, I.; Costa, C.; Yamin, A.; Real, R. (2016). Hefestos: an intelligent system applied to ubiquitous accessibility. Universal Access in the Information Society, pp. 1–19, 2016. doi: http://dx.doi.org/10.1007/s10209-015- 0423-2.
Weiser, M. (1991). The computer for the 21st century. In Scientific American, pp. 94- 104, Setembro, 1991. 265 (3), pp. 94–104. doi: http://dx.doi.org/10.1145/329124.329126.
WHO (2019). World Health Organization. Disponível em: http://www.who.int/. Acesso em: 15 março 2019.
Yoon, C. e Kim, S. (2007): Convenience and TAM in a ubiquitous computing environment: the case of wireless LAN. Electron. Commer. Res. Appl. 6(1), 102–112 (2007). doi:10.1016/j.elerap.2006.06.009.
Publicado
12/07/2019
Como Citar
TAVARES, João; MOTA, Bruno; BARBOSA, Jorge; YAMIN, Adenauer ; REAL, Rodrigo .
Apollo EFP: Um Modelo para Cuidado Ubíquo Aplicado à Prevenção de Quedas de Idosos. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO UBÍQUA E PERVASIVA (SBCUP), 11. , 2019, Belém.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
ISSN 2595-6183.
DOI: https://doi.org/10.5753/sbcup.2019.6584.
