Sistema Integrado de Mensagens para auxiliar na aderência à medicação

• Ano de defesa: 2018
• Autor(a) principal: Silva, Vandermi João da
• Outros Autores: http://buscatextual.cnpq.br/buscatextual/visualizacv.do?metodo=apresentar&id=K4122566J6, https://orcid.org/0000-0002-2166-3351
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal do Amazonas; Instituto de Computação; Brasil; UFAM; Programa de Pós-graduação em Informática
• Palavras-chave em Português: Ambientes inteligentes; Contexto da informação; Adesão a medicamentos; Healthcare; CIÊNCIAS EXATAS E DA TERRA: CIÊNCIA DA COMPUTAÇÃO
• Link de acesso: https://tede.ufam.edu.br/handle/tede/6749

O uso do contexto em aplicações interativas é cada vez mais presente e necessita de um estudo mais aprofundado especialmente nos casos em que os cenários estão em constantes mudanças, por exemplo, os que envolvem Ambient Intelligence (AmI) e computação ubíqua. Os sistemas de automação tradicionais necessitam da intervenção humana e muitas vezes devem ser pré-ajustados usando controles remotos ou mesmo por aplicativos embarcados em dispositivos móveis. No entanto, o contexto do ambiente e preferências do usuário não é levado em consideração. Um sistema que integre os serviços de healthcare necessita acessar diversas bases de dados e a maioria não é contextualizada, dificultando assim a agregação de serviços personalizados a cada usuário do sistema. Técnicas de inteligência computacional e computação ubíqua somada a uma base de dados contextual podem facilitar a disponibilização de serviços customizados de acordo com as características do usuário e dados provenientes de sensores. Este trabalho tem como objetivo especificar, construir e validar um Sistema Integrado de Mensagens para Auxiliar na Aderência à Medicação baseado em dados contextualizados de pacientes, por meio de um sistema automatizado, que considera os dados da receita médica, o ambiente e os dados de sensores e de dispositivos móveis da residência. O sistema possui uma camada de razão composta por algoritmos de árvore de decisão para auxiliar médicos e equipes de saúde no acompanhamento da adesão de medicamentos com acurácia de 96%.