DCARE: um modelo computacional para acompanhamento de pessoas com a doença de Alzheimer baseado em históricos de contextos e predições de contextos

O envelhecimento da população gera a incidência de doenças características do avanço da idade, dentre elas, o Alzheimer. Os pacientes dessa doença, que afeta as funções cerebrais, necessitam de apoio para conseguir manter o máximo de independência e segurança durante essa etapa da vida, pois a cura e a reversão dos sintomas ainda não foram descobertas. As tecnologias de monitoramento diário são uma opção de ferramenta para minimizar os impactos causados no cotidiano dessas pessoas, garantindo uma maior segurança dos pacientes e para que os cuidadores possam monitorar suas atividades, implementando uma certa independência. Neste contexto, este trabalho tem o objetivo de propor um modelo para monitoramento a pacientes com Alzheimer, buscando sintetizar as necessidades e características que compõem uma melhor abordagem para sua validação. A principal contribuição científica deste trabalho é a especificação de um modelo que realiza predição de contextos do usuário para acompanhamento de pessoas com a doença de Alzheimer durante o dia a dia, com a promoção de acessibilidade a uma ferramenta para cuidados a saúde e segurança dos pacientes, além de contribuir com o desenvolvimento de um simulador de datasets com cenários atividades diárias de pacientes com a doença de Alzheimer. Com base no método de pesquisa experimental, buscou-se entender a doença e encontrar soluções para minimizar seu impacto no monitoramento diário dos pacientes. Para entender o problema, foram coletados através de pesquisa bibliográfica, dados sobre o Alzheimer e as principais dificuldades enfrentadas pelos pacientes. A partir destas informações, ocorreu a busca por tecnologias que atendessem as necessidades especificadas. As funcionalidades empregadas foram avaliadas e pontos de melhorias foram identificados. A estrutura do projeto realiza a identificação de dados fisiológicos do paciente recebidos de uma aplicação externa, associando-os a ontologia do modelo, assim realizando a geração dos Históricos de Contextos. Seguindo o fluxo de execução, são utilizadas técnicas de Predições de Contextos, que se baseiam nos dados de Históricos de Contextos para geração de predição de comportamentos futuros dos pacientes, e assim realizar alerta de sinal de perigo ao cuidador. O desenvolvimento dos cenários utilizados na construção do modelo foi realizado com base em entrevistas com especialistas em cuidados com pacientes com a doença de Alzheimer. A partir dos testes realizados, com a quantidade de dados gerada pelo simulador desenvolvido, chamado DCARE Dataset Simulator, os resultados das predições mostraram que o modelo atingiu taxa geral de acurácia de 97,44%