Odin: Um Modelo para coleta adaptativa de sinais vitais

  • Jorge Aranda UNISINOS
  • Lucas Dias UNISINOS
  • Juliano Carvalho Universidade Feevale
  • Adenauer Yamin Universidade Católica de Pelotas
  • Mauricio Tavares Contronic Sistemas Automáticos
  • Jorge Barbosa UNISINOS

Resumo


Com o avanço da tecnologia para embarcados e de comunicação, surgiram os dispositivos vestíveis que monitoram sinais vitais de um usuário. Este artigo propõe um modelo de coleta de sinais vitais chamado Odin. O Odin em comparação aos trabalhos relacionados é o único que apresenta uma coleta adaptativa de sinais vitais, permitindo a geração de históricos de contextos otimizados. A adaptação atua no tempo de espera entre coletas e na ativação ou desativação de sensores de um vestível. O Odin foi avaliado através de uma simulação baseada em controle de requests aperfeiçoando os parâmetros de coleta, essa otimização resultou em um aumento no tempo de duração da bateria em 214%, comparado a uma coleta sem adaptação.

Palavras-chave: Internet of Things, Ubiquitous computing, Ehealth, MultiAgents

Referências

Barbosa, J. L. V. (2015). Ubiquitous computing: Applications and research opportunities. In 2015 IEEE International Conference on Computational Intelligence and Computing Research (ICCIC), 1-8. https://doi.org/10.1109/ICCIC.2015.7435625

Barbosa, J., Tavares, J., Cardoso, I., Alves, B., & Martini, B. (2018). TrailCare: An indoor and outdoor Context-aware system to assist wheelchair users. International Journal of Human-Computer Studies, 116:1–14. https://doi.org/https://doi.org/10.1016/j.ijhcs.2018.04.001

Choi, A., Shin, H. (2018). Longitudinal Healthcare Data Management Platform of Healthcare IoT Devices for Personalized Services. Journal of Universal Computer Science, 24:1153–1169. https://doi.org/10.3217/jucs-024-09.

Dey, A., Salber, D. and Abowd, G. (2001). A conceptual framework and a toolkit for supporting the rapid prototyping of context-aware application, Human-Computer Interaction, 16(2): 97–166. http://dx.doi.org/10.1207/S15327051HCI16234_02.

Fernandes, C. O., Lucena, C. J. P. De. (2017). A Software Framework for Remote Patient Monitoring by Using Multi-Agent Systems Support. Journal of MedicalInternet Research Medical https://doi.org/10.2196/medinform.6693 Informatics, 5(1): e9.

Ferrigo, S. F., Costa, C. A., Righi, R. R. (2017). Um Middleware para Gerenciamento de Sensores de Saúde Corporais em Dispositivos Móveis. In: 9o Simpósio Brasileiro de Computação Ubíqua e Pervasiva (SBCUP), 868-877, 2017, São Paulo. Anais do CSBC 2017, 2017.

Furberg, R. D., Taniguchi, T., Aagaard, B., Ortiz, A. M., Hegarty-Craver, M., Gilchrist, K. H., & Ridenour, T. A. (2017). Biometrics and Policing: A Protocol for Multichannel Sensor Data Collection and Exploratory Analysis of Contextualized Psychophysiological Response During Law Enforcement Operations. Journal of Medical Internet Research Protocols, 6(3): e44. https://doi.org/10.2196/resprot.7499

Jones, V., Halteren, A., Widya, I., Dokovsky, N., Koprinkov, G., Bults, R., Micheli- Tzanakou, E. (2006). Mobihealth: Mobile Health Services Based on Body Area Networks (pp. 219–236). https://doi.org/10.1007/0-387-26559-7_16

Ministério da Saúde. Secretaria de Gestão do Trabalho e da Educação na Saúde. Departamento de Gestão da Educação na Saúde. Projeto de Profissionalização dos Trabalhadores da Área de Enfermagem (2003). 2aedição, 1a reimpressão. - Brasília: Ministério da Saúde; Rio de Janeiro: Fiocruz, 2003.ISBN 85-334-0539-1. Disponível em: . Acesso em: 17 Mar. 2019.

Niazi, M., & Hussain, A. (2011). Agent-based computing from multi-agent systems to agent-based Models: a visual survey. Scientometrics, 6:479–499. https://doi.org/10.1007/s11192-011-0468-9

Padgham, L., Winikoff, M. (2004). Developing Intelligent Agent Systems: A Practical Guide. New York, NY, USA: John Wiley & Sons, Inc.

SAP. Standardized Technical Architecture Modeling, (2007). Disponível em: . Acesso em: 17 Mar. 2019.

Satyanarayanan, M. (2001). Pervasive computing: vision and challenges. IEEE Personal Communications, 8(4), 10–17. https://doi.org/10.1109/98.943998

Silva, A.P.N., Aquino-Junior, G.S., Xavier-Júnior, J., Barreto, C.A.S. (2018). A cardiac arrhythmia monitoring platform based on feature selection and classification methods. In:10 o SBCUP – Simpósio Brasileiro de Computação Ubíqua e Pervasiva, 9-19. 2018.

Wagner, André; Barbosa, Jorge L. V.; Barbosa, Débora N. F. (2014). A model for profile management applied to ubiquitous learning environments. Expert Systems with Applications, v. 41, p. 2023-2034, 2014.

United Nations Department of Economic and Social Affairs. (2017). World Population Prospects The 2017 Revision Key Findings and Advance Tables. Disponível em: . Acesso em: 17 Mar. 2019.
Publicado
12/07/2019
Como Citar

Selecione um Formato
ARANDA, Jorge; DIAS, Lucas ; CARVALHO, Juliano ; YAMIN, Adenauer; TAVARES, Mauricio ; BARBOSA, Jorge. Odin: Um Modelo para coleta adaptativa de sinais vitais. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO UBÍQUA E PERVASIVA (SBCUP), 11. , 2019, Belém. Anais do XI Simpósio Brasileiro de Computação Ubíqua e Pervasiva. Porto Alegre: Sociedade Brasileira de Computação, july 2019 . ISSN 2595-6183. DOI: https://doi.org/10.5753/sbcup.2019.6585.