The purpose of this research is to identify studies that applied computing in the assistance of noncommunicable diseases (NCDs). The text presents the results of a systematic mapping study that used eight different data sources known in the academic field regarding both data science and health science, including papers published between 2008 and 2018. The search resulted in 20819 papers and 51 were selected for analysis. The results characterize the use of computing in the promotion of education in NCDs. Diabetes was the chronic disease prioritized (60.78%). About 49.02% of the solutions used data from the individuals to assist in their health conditions. In addition, 58.82% produced outcome measures by means of experiments. Resumo. O objetivo desta pesquisa é identificar estudos que apliquem a computação na assistência em doenças crônicas não transmissíveis (DCNTs).O texto apresenta os resultados de um mapeamento sistemático realizado em oito bases de dados conhecidas no âmbito acadêmico nas áreas de ciência da computação e ciências da saúde incluindo publicações entre 2008 e 2018. A busca resultou em 20819 artigos e 51 foram selecionados para análise. Os resultados caracterizam o uso da computação na promoção da educação em DCNTs. Diabetes foi a doença crônica priorizada (60,78%). Cerca de 49,02% das soluções usaram dados dos indivíduos no auxílio as condições de saúde. Além disso, 58,82% produziram resultados mensuráveis por experimentos.
The ubiquitous learning can contribute to prevention of noncommunicable chronic diseases (NCDs) through a contextualized and personalized education oriented to control of risk factors. This article presents SALUS, a computational model for ubiquitous educational assistance oriented to NCDs. SALUS applies dynamic profiles, analysis of similarity and pattern analysis of contexts histories. An evaluation was conducted through a simulated environment using MIMIC III dataset for the creation of groups of individuals and content recommendation. Five groups were created in each of the three criteria used. At least 65% of the individuals have similarity between the analyzed variables. Resumo.A educação ubíqua pode contribuir para a prevenção das doenças crônicas não transmissíveis (DCNTs) através de uma assistência educacional contextualizada e personalizada para controle dos fatores de risco. Este artigo apresenta o SALUS, um modelo computacional para assistência educacional ubíqua orientado a DCNTs. SALUS utiliza perfis dinâmicos, análise de similaridade e análise de padrões de históricos de contextos. Uma avaliação foi conduzida através de um ambiente simulado usando dados do MIMIC III para a formação de grupos e recomendação de conteúdos. Cinco grupos foram formados em cada um dos três critérios utilizados. Ao menos 65% dos indivíduos possuem similaridade entre as variáveis analisadas.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.