Pontuações de Rastreamento em Hospitais: Uma Proposta de Avaliação Baseada em Históricos de Contexto

  • Rogério Albandes UCPEL
  • Roger Machado IFSUL
  • Adenauer Yamin UCPEL

Resumo


Nos medicos a mobilidade faz parte de seu cotidiano, assim, é
possível que esses profissionais fiquem períodos de tempo sem contato com as
equipes que lhes dao suporte no tratamento dos pacientes. Longos lapsos de
tempo entre comunicaçöes podem provocar retardos na realização de procedi-
mentos, na prescrição de drogas, etc. Com base nesse cenário, este trabalho tem
por objetivo a concepção de uma proposta que integra: (i) uma plataforma para
aquisição de sinais vitais; (ii) um ambiente para processamento contextual, que
atraves de regras personalizáveis faça a inferência da situação dos pacientes;
e (iii) uma interface de visualização textual e gráfica desses sinais, que possa
ser acessada pela IoT. Como fonte de sinais vitais, esta sendo utilizada a base
de dados MIMIC-III, amplamente aceita pela comunidade internacional para
esse fim. Por sua vez, uma avaliação preliminar da proposta junto a profissionais de saude, empregando entrevistas, obteve retorno positivo, apontando para
continuidade da pesquisa.

Palavras-chave: aquisição de sinais vitais, processamento contextual, regras personalizadas

Referências

Ahmed, M. U. (2017). An intelligent healthcare service to monitor vital signs in daily life–a case study on health-iot. Int. J. Eng. Res. Appl.(IJERA), 7(3):43–55.

Albandes, R. (2019). Node mcu [online]. Último acesso 23 Abril 2020.

Bleyer, A. J., Vidya, S., Russell, G. B., Jones, C. M., Sujata, L., Daeihagh, P., and Hire, D. (2011). Longitudinal analysis of one million vital signs in patients in an academic medical center. Resuscitation, 82(11):1387–1392.

Cha, S.-H. (2007). Comprehensive survey on distance/similarity measures between probability density functions. City, 1(2):1.

Commission, A. et al. (1999). Critical to success: the place of efficient and effective critical care services within the acute hospital. Audit Commission London.

Costa Dias, E. (2015). Condições de trabalho e saúde dos médicos: uma questão negligenciada e um desafio para a associação nacional de medicina do trabalho. Rev. bras. med. trab, 13(2).

Davis, F. D., Bagozzi, R. P., and Warshaw, P. R. (1989). User acceptance of computer technology: a comparison of two theoretical models. Management science, 35(8):982– 1003.

Dridi, A., Sassi, S., and Faiz, S. (2017). A smart iot platform for personalized healthcare monitoring using semantic technologies. In Tools with Artificial Intelligence (ICTAI), 2017 IEEE 29th International Conference on, pages 1198–1203. IEEE.

Jaiswal, K., Sobhanayak, S., Turuk, A. K., Bibhudatta, S. L., Mohanta, B. K., and Jena, D. (2018). An iot-cloud based smart healthcare monitoring system using container based virtual environment in edge device. In 2018 International Conference on Emer- ging Trends and Innovations In Engineering And Technological Research (ICETIETR), pages 1–7. IEEE.

Karthikeyan, S., Devi, K. V., and Valarmathi, K. (2015). Internet of things: Hospice appliances monitoring and control system. In Green Engineering and Technologies (IC-GET), 2015 Online International Conference on, pages 1–6. IEEE.

Lopes, J. L., Geyer, C. F. R., Barbosa, J. L., Pernas, A. M., and Yamin, A. C. (2014). A middleware architecture for dynamic adaptation in ubiquitous computing. Journal of Universal Computer Science, 20(9):1327–1351.

Maia, P., Baffa, A., Cavalcante, E., Delicato, F. C., Batista, T., and Pires, P. F. (2015). Uma plataforma de middleware para integração de dispositivos e desenvolvimento de aplicaçoes em e-health.

Perera, C., Zaslavsky, A., Christen, P., and Georgakopoulos, D. (2014). Context aware computing for the internet of things: A survey. IEEE Communications Surveys and Tutorials, 16(1):414–454.

Pires, P. F., Cavalcante, E., Barros, T., Delicato, F. C., Batista, T., and Costa, B. (2014). A platform for integrating physical devices in the internet of things. Proceedings of the 12th IEEE International Conference on Embedded and Ubiquitous Computing, pages 234–241.

Rufino, G. P., Gurgel, M. G., Pontes, T. d. C., and Freire, E. (2012). Avaliação de fatores determinantes do tempo de internação em clínica médica. Revista Brasileira Clínica Médica, 10(4):291–297.

Sezer, O. B., Dogdu, E., and Ozbayoglu, A. M. (2018). Context-aware computing, learning, and big data in internet of things: a survey. IEEE Internet of Things Journal, 5(1):1–27.

Souza, R., Lopes, J., Geyer, C., Cardozo, A., Yamin, A., and Barbosa, J. (2018). An architecture for iot management targeted to context awareness of ubiquitous applications. Journal of Universal Computer Science, 24(10):1452–1471.

Streiner, D. L. (2003). Starting at the beginning: an introduction to coefficient alpha and internal consistency. Journal of personality assessment, 80(1):99–103.

Taber, K. S. (2018). The use of cronbach’s alpha when developing and reporting research instruments in science education. Research in Science Education, 48(6):1273–1296.
Publicado
30/06/2020
ALBANDES, Rogério; MACHADO, Roger; YAMIN, Adenauer. Pontuações de Rastreamento em Hospitais: Uma Proposta de Avaliação Baseada em Históricos de Contexto. In: SEMINÁRIO INTEGRADO DE SOFTWARE E HARDWARE (SEMISH), 47. , 2020, Cuiabá. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2020 . p. 198-209. ISSN 2595-6205. DOI: https://doi.org/10.5753/semish.2020.11329.