metadataTrad.dc.contributor.author |
Büttenbender, Paulo César; |
metadataTrad.dc.contributor.authorLattes |
http://lattes.cnpq.br/6952532753374337; |
metadataTrad.dc.contributor.advisor |
Barbosa, Jorge Luis Victória; |
metadataTrad.dc.contributor.advisorLattes |
http://lattes.cnpq.br/6754464380129137; |
metadataTrad.dc.publisher |
Universidade do Vale do Rio dos Sinos; |
metadataTrad.dc.publisher.initials |
Unisinos; |
metadataTrad.dc.publisher.country |
Brasil; |
metadataTrad.dc.publisher.department |
Escola Politécnica; |
metadataTrad.dc.language |
pt_BR; |
metadataTrad.dc.title |
Eigenroutines: modelo computacional para identificação de padrões comportamentais em pessoas com transtornos neuropsiquiátricos utilizando histórico de contextos; |
metadataTrad.dc.description.resumo |
Por muito tempo os transtornos neuropsiquiátricos foram negligenciados pelos órgãos de saúde pública, em grande parte devido a baixa mortalidade diretamente atribuída aos mesmos. O pouco interesse refletiu em baixo investimento em pesquisa e em práticas médicas, e como consequência transtornos neuropsiquiátricos estão hoje entre as doenças com maior impacto socioeconômico. Considerando que parte destes transtornos são passíveis de diagnóstico por alterações no comportamento rotineiro do paciente e que smartphones e wearables estão cada vez mais presentes na sociedade, é natural imaginar que o uso destes dispositivos possa auxiliar nos diagnósticos, nos tratamentos e num melhor entendimento destes transtornos e como eles afetam a população, através de perfis epidemiológicos. A computação ubíqua, mais precisamente na aplicação e uso de históricos de contextos é uma forma de aplicação de recursos computacionais que utiliza os sensores dos dispositivos móveis como fonte de dados sobre comportamento. Nesse modelo computacional o dispositivo constantemente captura informações de contexto, como acelerômetro, chamadas, mensagens, luminosidade e localização, para então formar uma série de contextos numa linha do tempo, como se fossem retratos de cada momento. Essa série de retratos podem identificar variações no comportamento, que como consequência, podem auxiliar no gerenciamento de transtornos neuropsiquiátricos, e quando utilizado em escala suficiente, poderia construir perfis epidemiológico dos transtornos gerenciados. Este trabalho propõe um modelo para identificação de padrões de comportamento em pessoas com transtornos neuropsiquiátricos baseado em históricos de contextos de forma que o acompanhamento de um indivíduo possa ser utilizado como base no tratamento de outros indivíduos, sendo que se utilizado em escala o modelo poderá ser capaz de montar perfis epidemiológicos dos transtornos em tratamento na plataforma. O modelo é baseado na premissa de que a disseminação e utilização em massa de dispositivos móveis criou uma oportunidade de utilizar estes dispositivos como ferramenta de identificação de comportamento, e que estes podem ser utilizados para suportar o gerenciamento dos transtornos neuropsiquiátricos. E que além do gerenciamento de apenas um indivíduo, tal abordagem permitiria: (1) comparar e adaptar o tratamento de um indivíduo com sintomas semelhantes em outro indivíduo em tratamento, e (2) construir perfis epidemiológicos dos transtornos mentais utilizando as informações sóciodemográficas e de tratamento existentes na plataforma. Este trabalho apresenta o modelo, a arquitetura, um protótipo e avaliação do modelo, bem como estuda os limites e necessidades de utilização em larga escala para que os perfis possam ser construídos. As principais contribuições são: (1) o auxílio ao diagnóstico baseado em julgamento clínico utilizando históricos de contexto de indivíduos em fase final de tratamento e indivíduos na fase inicial como forma de sugestão de caminho ao profissional de saúde, (2) a inclusão do profissional de saúde mental como agente chave na definição de intervenções e da opinião clínica como parte da escolha de algoritmos adaptativos para diagnóstico, e (3) a construção de perfis epidemiológicos psiquiátricos utilizando o histórico de contextos e diagnósticos dos profissionais.; |
metadataTrad.dc.description.abstract |
Neuropsychiatric disorders have been neglected by public health attention during a large period of time, often due to low mortality that was directly related to mental health problems. This behavior translated into low investments in research and medical practices. As consequence neuropsychiatric disorders are between the diseases with largest economic and social burden. Considering that a good part of these disorders can be identified based on patient behavior, and that smartphones and wearables are every day more available in the overall society, it is fair to imagine that the usage of these devices could help in the diagnosis process, in treatment and in a better understanding of these disorders and how they affect the society through a set of epidemiological profiles. Ubiquitous computing, more specifically in the application and usage of context history, is a way of taking advantage of mobile devices sensors as a data source of human behavior. In this computational model, the device is frequently recording information about the user’s context, such as accelerometer, incoming and outgoing calls, messages, ambient luminosity and location, so that it can derive a set of contexts in a timeline, as if they were snapshots of each moment. This set of snapshots can identify behavior changes, that can be used in the management of neuropsychiatric disorders, and if applied in a large scale, could be enough to build epidemiological profiles of the managed disorders. This thesis proposes a model to identify behavioral patterns in people with neuropsychiatric disorders based on context history so that the treatment of a given patient can be used as basis for the treatment of other patients, and that when used in scale, this model could be capable to building epidemiological profiles of disorders being managed and treated in the platform. The model is based in the hypothesis that the ubiquitous availability of mobile devices and the massive usage of them have created an opportunity to use these devices as a way of identifying behavior, and that it could be used to support the management of neuropsychiatric disorders. And that beyond the management of a single person, this approach could: (1) compare and adapt the treatment of a given person based on another person with similar symptoms that is or have been under treatment, and (2) build epidemiological profiles of mental disorders using the social and demographic data as well as the diagnosis and treatment data available in the platform. This thesis describes the model, architecture, a prototype and well as the usage of the model, studies the limits and the necessity of a large-scale usage so that the profiles can be built. The major contribution are: (1) diagnosis support based on clinical judgement using context history of patients in advanced treatment stages with the history of patients in the initial phase, (2) the inclusion of mental health professional as a key resource in the definition of interventions and in considering the professionals clinical judgment as part of the algorithm definition in the diagnosis process and (3) the building of psychiatric epidemiological profiles using context history and mental health professionals diagnosis.; |
metadataTrad.dc.subject |
Computação ubíqua; Sensibilidade de contextos; Histórico de contextos; Análise de similaridade; Ubiquitous computing; Context-aware computing; Context history; Similarity analysis; |
metadataTrad.dc.subject.cnpq |
ACCNPQ::Ciências Exatas e da Terra::Ciência da Computação; |
metadataTrad.dc.type |
Tese; |
metadataTrad.dc.date.issued |
2020-04-07; |
metadataTrad.dc.description.sponsorship |
Nenhuma; |
metadataTrad.dc.rights |
openAccess; |
metadataTrad.dc.identifier.uri |
http://www.repositorio.jesuita.org.br/handle/UNISINOS/9357; |
metadataTrad.dc.publisher.program |
Programa de Pós-Graduação em Computação Aplicada; |