A decision-making mechanism for context inference in pervasive healthcare environments

Copetti, Alessandro; Leite, Julius; Loques, Orlando; Neves, Mário Fritsch

doi:10.1016/j.dss.2012.10.010

Cited by 22 publications

(6 citation statements)

References 16 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…No trabalho de [Copetti et al 2013] a Lógica Fuzzy foi usada para modelar variáveis relacionadas a dados fisiológicos associados, em alto nível, com o comportamento. Nesse trabalho, alterações nos sinais vitais (elevação da frequência cardíaca) influenciados por mudanças no comportamento (ex: realização de uma atividade como varrer) puderam ser tolerados como dentro da normalidade.…”

Section: Trabalhos Relacionados Em Reconhecimento Da Atividadeunclassified

“…Com esse acoplamento da atividade com a intensidade, a qual denominamos Atividade-Intensidade, é possível representar melhor o conhecimento de profissionais de saúde, na forma de sistemas de decisão com regras de especialistas. Exemplos de regras em um sistema de decisão, como apresentado em [Copetti et al 2013], podem ser estabelecidos: a) se a atividade é doméstica, a intensidade é vigorosa e a frequência cardíaca é alta, então a situação do Paciente é de alerta (e não de emergência). Com isso, as alterações nos sinais vitais influenciadas por mudanças no comportamento poderiam ser toleradas com base em regras que levem esses fatores em consideração.…”

Section: Introductionunclassified

See 1 more Smart Citation

Abordagem Atividade-Intensidade para o Reconhecimento de Atividades

Gomes¹,

Torres²,

Mocaiber³

et al. 2016

Anais Do VIII Simpósio Brasileiro De Computação Ubíqua E Pervasiva (SBCUP 2016)

Self Cite

View full text Add to dashboard Cite

No monitoramento em saúde pervasivo, uma aplicação essencial no acompanhamento do dia a dia da pessoa é o reconhecimento de atividades. Apesar dos diversos estudos sobre esse tema, um parâmetro pouco considerado é o reconhecimento da intensidade. Neste trabalho, propomos o acoplamento da atividade com a intensidade, a qual denominamos Atividade-Intensidade, em dados obtidos de acelerômetros, para melhor descrever as atividades diárias de um paciente. Adicionalmente, investigamos iniciativas de Lógica Fuzzy no reconhecimento de atividades. Os resultados mostraram a viabilidade da classificação e o bom desempenho do reconhecimento Atividade-Intensidade.

show abstract

Section: Trabalhos Relacionados Em Reconhecimento Da Atividadeunclassified

Section: Introductionunclassified

Abordagem Atividade-Intensidade para o Reconhecimento de Atividades

Gomes¹,

Torres²,

Mocaiber³

et al. 2016

Anais Do VIII Simpósio Brasileiro De Computação Ubíqua E Pervasiva (SBCUP 2016)

Self Cite

View full text Add to dashboard Cite

show abstract

“…Diferentemente do modelo MSVH, os trabalhos [2,9] exploram raciocínio probabilístico, dado o grau de incerteza de se inferir o estado clínico de um paciente correlacionando sinais vitais diferentes. Os demais trabalhos, assim como as regras do modelo MSVH, trabalham com sinais vitais tomados individualmente.…”

Section: Trabalhos Relacionadosunclassified

Modeling and Inference Based on the Semantics of Monitoring of Human Vital Signs

Bastos

Júnior

Bulcão-Neto

2014

Proceedings of the 20th Brazilian Symposium on Multimedia and the Web

View full text Add to dashboard Cite

This paper contributes with a knowledge representation model of the human vital sign monitoring activity based on Semantic Web specifications for ontologies and Horn-like rules. The proposed model is founded in interviews with intensive care units professionals, medical and nursing literature, and the reuse of existing ontologies. As a result, this work contributes with an ontology describing vital signs, actors and temporal information involved in monitoring, a set of requirements underlying to that model, and dozens of Horn-like rules describing alarms and the respective abnormal values for each vital sign. INTRODUÇÃOUnidades de Terapia Intensiva (UTIs) possuem um aparelho, parametrizado com informações do paciente para monitoramento de seus sinais vitais, chamado monitor multiparamétrico. A maioria desses aparelhos não armazena o histórico de leituras de sinais vitais do paciente e, em função disso, em instantes de tempo pré-definidos, profissionais de enfermagem as registram manualmente em fichas impressas. Portanto, para analisar sinais vitais coletados, médicos recorrer comumente às anotações dessas fichas, sujeitas a erros de registro e de interpretação desses dados.Além disso, os disparos de alarmes, sonoros e/ou luminosos, produzidos por monitores multiparamétricos ocorrem quando há desvios de normalidades dos sinais do paciente, ou problemas técnicos, como a desconexão acidental de sensores ligados a este.Nesse ínterim, a pesquisa descrita neste artigo está inserida no desenvolvimento de uma infraestrutura computacional que possa realizar as mesmas funções de um monitor multiparamétrico, incluindo: (i) a manutenção do histórico de aferições de sinais vitais por paciente para posteriores consultas da equipe de Saúde; (ii) a dedução dos estados de pacientes segundo aferições de cada sinal vital individual; e (iii) a produção de alarmes relacionados aos estados de pacientes em que os sinais vitais não seguem valores considerados normais para a população em geral, ou para um indivíduo em particular.Para que essa infraestrutura possa realizar as funções supracitadas, os autores desenvolveram um modelo de representação de conhecimento de Monitoramento de Sinais Vitais Humanos (MSVH), apoiado no potencial de expressividade e formalidade de especificações recentes de ontologias e regras da Web Semântica.Este artigo descreve o processo de desenvolvimento do modelo MSVH, que inclui um estudo sobre sinais vitais com profissionais de Saúde e a construção e a validação do modelo em si. Ao construir o modelo MSVH, pode-se contribuir não apenas para o desenvolvimento da infraestrutura descrita, mas também de aplicações relacionadas a monitoramento de sinais vitais. DESENVOLVIMENTO DO MODELO 2.1 Delimitação do escopoPara a construção do modelo MSVH foram realizadas reuniões com profissionais da área da Saúde intensivistas de um Hospital Universitário de grande porte de um estado brasileiro, aos quais também foram aplicados questionários elaborados pelos autores deste trabalho. Também foram consultadas literaturas de Me...

show abstract

“…In order to have the system used at the cot-side, as well as to help achieve regulatory approval, we need to identify the most intuitive and synergetic way to convey the system output information to neonatal caregivers. In this context, when the developed technology approaches cot-side implementation, it becomes important to build a viable interface between the new engineering component and established medical environments [23–25] . The NICU environment ( Fig.…”

Section: Introductionmentioning

confidence: 99%

Clinical implementation of a neonatal seizure detection algorithm

Temko

Marnane

Boylan

et al. 2015

Decision Support Systems

View full text Add to dashboard Cite

Technologies for automated detection of neonatal seizures are gradually moving towards cot-side implementation. The aim of this paper is to present different ways to visualize the output of a neonatal seizure detection system and analyse their influence on performance in a clinical environment. Three different ways to visualize the detector output are considered: a binary output, a probabilistic trace, and a spatio-temporal colormap of seizure observability. As an alternative to visual aids, audified neonatal EEG is also considered. Additionally, a survey on the usefulness and accuracy of the presented methods has been performed among clinical personnel. The main advantages and disadvantages of the presented methods are discussed. The connection between information visualization and different methods to compute conventional metrics is established. The results of the visualization methods along with the system validation results indicate that the developed neonatal seizure detector with its current level of performance would unambiguously be of benefit to clinicians as a decision support system. The results of the survey suggest that a suitable way to visualize the output of neonatal seizure detection systems in a clinical environment is a combination of a binary output and a probabilistic trace. The main healthcare benefits of the tool are outlined. The decision support system with the chosen visualization interface is currently undergoing pre-market European multi-centre clinical investigation to support its regulatory approval and clinical adoption.

show abstract

A decision-making mechanism for context inference in pervasive healthcare environments

Cited by 22 publications

References 16 publications

Abordagem Atividade-Intensidade para o Reconhecimento de Atividades

Abordagem Atividade-Intensidade para o Reconhecimento de Atividades

Modeling and Inference Based on the Semantics of Monitoring of Human Vital Signs

Clinical implementation of a neonatal seizure detection algorithm

Contact Info

Product

Resources

About