Resumen:
As doenças crônicas não transmissíveis (DCNTs) são a principal causa de mortalidade no mundo, ou seja, 41 milhões de pessoas morrem a cada ano, abrangendo 74% de todas as mortes. Estas doenças crônicas necessitam de tratamento de longo prazo e contínuo que demanda o conhecimento sobre as doenças, exige adaptação às necessidades do tratamento, incorre em gastos e atrasa ou impede o desenvolvimento, principalmente de famílias de baixa e média renda. Ações para a prevenção e acompanhamento das DCNTs devem ser promovidas através do uso de tecnologias de computação ubíqua para fornecer serviços aos indivíduos que auxiliem na educação em saúde, incluindo a autogestão e autocuidado das suas condições de saúde. Através da computação ubíqua é possível integrar tecnologias ao cotidiano dos indivíduos, fazendo uso de smartphones e tablets. Por sua vez, a educação ubíqua torna possível a integração do indivíduo com o seu contexto, auxiliando na aprendizagem contínua e contextualizada. Neste cenário, esta tese propõe o SALUS, um modelo computacional que utiliza históricos de contextos de indivíduos como mecanismo para auxiliar na assistência educacional ubíqua no âmbito da prevenção e acompanhamento das DCNTs. Estas tecnologias permitem ao SALUS adaptar-se aos recursos disponíveis e fornecer serviços personalizados para auxiliar os indivíduos na melhora das suas condições de saúde específicas. O modelo utiliza uma ontologia para representação do conhecimento no domínio da assistência educacional ubíqua em DCNTs. Além disso, explora elementos do contexto dos indivíduos que são utilizados na composição de históricos de contextos. Por fim, a análise de históricos de contextos é usada para personalizar serviços que entregam informações úteis para a educação em saúde dos indivíduos. Estas características são as contribuições do SALUS na área da educação ubíqua aplicada às DCNTs. Para avaliar o modelo, foi criado um protótipo com serviços de recomendação de conteúdo e lugar para indivíduos com ou sem diagnóstico para doenças cardiovasculares. A avaliação teve como objetivo avaliar a corretude das recomendações de conteúdo e lugar indicadas pelo serviço. Uma base de dados pública contento dados de 4239 indivíduos foi utilizada na avaliação, com resultados mostrando uma ocorrência de 28,8% onde o escore de recomendação para conteúdo está entre as faixas alto (escore >60 e ≤80) e muito alto (escore >80), onde 96,18% destes registros possuem escore de risco para doença cardiovascular (CVD) nominal entre elevated e risk>30% (classificação indicada através do cálculo do escore de risco de 10 anos para CVD, definidos no Framingham Heart Study). Em relação ao escore de recomendação para lugar, 25,4% dos registros tiveram valor entre as faixas alto e muito alto, onde 100% destes registros possuem escore de risco para CVD nominal entre elevated e risk>30%. Os resultados obtidos reforçam a hipótese de que é possível definir um modelo computacional para suporte a assistência ubíqua na educação de um indivíduo voltado a prevenção e acompanhamento das DCNTs.