Please use this identifier to cite or link to this item: http://repositorio.ufcspa.edu.br/jspui/handle/123456789/1151
Files in This Item:
File Description SizeFormat 
[DISSERTAÇÃO] Bykowski, Ana Paula MartinsTexto integral3,99 MBAdobe PDFView/Open
Title: Construção de redes bayesianas para apoio à decisão fisioterapêutica na reabilitação oncológica
Authors: Bykowski, Ana Paula Martins
metadata.dc.contributor.advisor: Macagnan, Fabrício Edler
metadata.dc.contributor.advisor-co: Flores, Cecília Dias
Issue Date: 2019
Keywords: Reabilitação
Oncologia
Sistemas de Apoio a Decisões Clínicas
Inteligência Artificial
[en] Rehabilitation
[en] Medical Oncology
[en] Decision Support Systems, Clinical
[en] Artificial Intelligence
Abstract: Introdução: O aumento da sobrevida de pacientes com câncer impõe novos desafios, tanto em volume de demanda, quanto em complexidade de manejo. Com vistas ao avanço no processo de reabilitação funcional oncológica, tomamos por base uma avaliação física funcional, para o desenvolvimento de um sistema de apoio à decisão clínica para reabilitação oncológica. Objetivos: Construir um sistema de apoio à decisão para recomendação de condutas fisioterapêuticas apropriadas à reabilitação de pacientes oncológicos hospitalizados, que simule a opinião de um especialista da área. Métodos: Este é um estudo metodológico, que apresenta todas as etapas de construção de um sistema de apoio à decisão clínica, criado através de um sistema de recomendação bayesiano em saúde. As etapas incluem a modelagem do conhecimento especialista, modelagem da interface do sistema e o sistema no dispositivo móvel. Além disso, o estudo contou com a avaliação do sistema por especialistas para análise da qualidade técnica das recomendações e da funcionalidade do sistema, e uma avaliação automatizada de 170 casos provenientes do banco de dados, onde houve inserção automática dos dados clínicos no sistema, simulando seu uso por um profissional. Resultados: Através da avaliação da qualidade técnica das recomendações, verificamos grande predomínio de concordância total com as recomendações disparadas pelo sistema (79% das respostas) e pela avaliação da funcionalidade, observamos mais relatos de necessidade de ajustes no sistema (55% das respostas) voltados, principalmente, a inserção dos dados clínicos e a necessidade de orientações operacionais para o manuseio correto do sistema. Os resultados produzidos pela avaliação automatizada apontaram para um número maior de recomendações disparadas pelo sistema em comparação ao número de condutas fisioterapêuticas descritas nos prontuários eletrônicos dos pacientes. O total geral de recomendações disparadas pelo sistema (somando todos os níveis de probabilidade de recomendação) foi de 1.144, enquanto o número total de condutas efetivamente evoluídas nos prontuários (para todos os níveis de probabilidade de recomendação) foi de 565. Conclusão: Entendemos que o uso do sistema de apoio à decisão clínica para reabilitação oncológica é viável e promissor para a qualificação do cuidado ao paciente. Os resultados gerados, a partir das avaliações, indicam uma compatibilidade entre o raciocínio humano e o algoritmo, o que reforça a possibilidade da sua implementação. Seu uso auxilia o profissional diante da complexidade que envolve o paciente oncológico, possibilitando a individualização e a adaptação da reabilitação em ambiente hospitalar.
metadata.dc.description.abstract-en: Introduction: Increased survival of cancer patients poses new challenges, in volume of demand and in management complexity. With a view to advancing the process of functional oncological rehabilitation, we based a functional physical evaluation for the development of a clinical decision support system for cancer rehabilitation. Objectives: Build a decision support system for the recommendation of appropriate physiotherapeutic procedures for the rehabilitation of hospitalized cancer patients, which simulates the opinion of a specialist in the field. Methods: This is a methodological study, which presents all the steps of building a clinical decision support system, created through a Bayesian health recommendation system. The steps include modeling expert knowledge, modeling the system interface and the system on the mobile device. In addition, the study included the evaluation of the system by specialists to analyze the technical quality of the recommendations and the functionality of the system, and an automated evaluation of 170 cases from the database, where there was automatic insertion of clinical data into the system, simulating its use by a professional. Results: Through the evaluation of the technical quality of the recommendations, we found a great predominance of total agreement with the recommendations triggered by the system (79% of the answers) and by the evaluation of the functionality, we observed more reports of the need for adjustments in the system 55% of the answers), mainly focused at the insertion of clinical data and the need for operational guidelines for the correct handling of the system. The results produced by the automated evaluation pointed to a greater number of recommendations triggered by the system in comparison to the number of physiotherapeutic conducts described in the electronic patient records. The overall total of recommendations triggered by the system (totaling all levels of recommendation probability) was 1.144, while the total number of effectively evolved medical records (for all levels of likelihood of recommendation) was 565. Conclusion: We understand that the use of the clinical decision support system for cancer rehabilitation is feasible and promising for the qualification of patient care. The results generated, from the evaluations, indicate a compatibility between the human reasoning and the algorithm, which reinforces the possibility of its implementation. Its use assists the professional in the face of the complexity that involves the oncologic patient, making possible the individualization and adaptation of the rehabilitation in hospital environment.
Description: Dissertação (Mestrado)-Programa de Pós-Graduação em Ciências da Reabilitação, Fundação Universidade Federal de Ciências da Saúde de Porto Alegre.
metadata.dc.rights: Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional
metadata.dc.relation.requires: Adobe Reader
metadata.dc.date.date-insert: 2020-01-10
metadata.dc.type: Dissertação
Appears in Collections:PPGCR - Dissertações



Creative Commons
This item is licensed under a Creative Commons License