Resumo:
Avanços em computação ubíqua estão permitindo o surgimento de oportunidades em diversas áreas, entre elas está a área da saúde. Nessa área surgem diversas aplicações que utilizam computação ubíqua para cuidados com a saúde, chamadas de aplicações de Cuidados Ubíquos. Conforme pesquisa realizada, foram encontrados vários modelos que possibilitam cuidados ubíquos para os usuários, tais como planejamento alimentar, controle de ingestão de alimentos calóricos, sugestão de restaurantes, acompanhamento diário dos alimentos ingeridos e suporte na seleção de menus conforme restrições para uma dieta segura. Entretanto, nenhum dos modelos considerados fornece suporte de maneira ubíqua a usuários que sofrem de alergia alimentar. Assim, a proposta deste trabalho é a de desenvolver um modelo ubíquo, baseado em ciência de situação, de detecção de risco de ingestão dos oito ingredientes alergênicos (soja, ovo, leite, trigo, peixe, crustáceo, amêndoas oriundas de árvores e amendoim) e seus derivados, que são responsáveis por mais de 90% dos casos de alergias alimentares. A maior contribuição do modelo Allergy Detector para a comunidade científica consiste em empregar a ciência de situação para o propósito específico de dar suporte a usuários na área de alergia alimentar. Além disso, o modelo apresenta também uma importante contribuição para a sociedade, dando suporte a usuários que sofrem de alergia aos oito principais alergênicos, apontando as proteínas contidas nesses alimentos ou em seus derivados, sendo essas informações obtidas da base dados apresentada no site da União Internacional de Sociedades de Imunologia (WHO/IUIS). Utilizou-se o modelo de Endsley como base para poder-se aplicar a técnica de ciência de situação, que a partir da utilização dos contextos de perfil e de localização, somados à correlação desses dois contextos, permite realizar as inferências necessárias. E que a partir da correlação desses dois contextos, o modelo consegue identificar se existem pratos com alergênicos à saúde do usuário. Essa correlação só é possível graças à ontologia criada, que armazena todas as informações sobre os pratos e ingredientes desses pratos do restaurante identificado, bem como as informações das proteínas alergênicas contidas nos oito principais alergênicos. O modelo proposto teve três avaliações, sendo uma avaliação através de um estudo de caso, outra quanto ao desempenho do aplicativo e uma terceira avaliação relativa à usabilidade do modelo. Para o estudo de caso utilizou-se o protótipo criado e confirmou-se a expectativa de que a aplicação de ciência de situação, baseada no modelo de Endsley, possibilitaria que o modelo de forma ubíqua detectasse riscos ao usuário da presença de alergênicos nos pratos servidos nos restaurantes. Enquanto que para avaliação do desempenho, coletou-se os tempos médios de respostas para requisições entre os principais serviços, bem como mediu-se o consumo de CPU durante os conjuntos de requisições aplicadas, constando-se que o tempo médio de resposta cresce linearmente até um determinado número de requisições e após isso apresenta um comportamento exponencial e quanto ao consumo de CPU, constatou-se que os serviços pouco oneraram as plataformas PaaSs. Como última avaliação mediu-se a usabilidade do modelo através de experimentos de campo com 10 voluntários, que atestaram que o modelo atendeu a todos os construtos medidos e a partir dos resultados de análise estatística, pode-se confirmar que o modelo de medição proposto é coerente com as Hipóteses identificadas sobre influência entre construtos.