Spelling suggestions: "subject:"cistemas supervise?rio web"" "subject:"cistemas supervisar?rio web""
1 |
Fuzzy angel: uma arquitetura distribu?da de telemedicina para monitoramento de pacientes com esclerose lateral amiotr?ficaMorais, Antonio Higor Freire de 20 November 2015 (has links)
Submitted by Automa??o e Estat?stica (sst@bczm.ufrn.br) on 2016-07-20T22:02:47Z
No. of bitstreams: 1
AntonioHigorFreireDeMorais_TESE.pdf: 1781383 bytes, checksum: 12a1bd589f80bcd6303ef2f9725860f1 (MD5) / Approved for entry into archive by Arlan Eloi Leite Silva (eloihistoriador@yahoo.com.br) on 2016-07-21T20:58:48Z (GMT) No. of bitstreams: 1
AntonioHigorFreireDeMorais_TESE.pdf: 1781383 bytes, checksum: 12a1bd589f80bcd6303ef2f9725860f1 (MD5) / Made available in DSpace on 2016-07-21T20:58:48Z (GMT). No. of bitstreams: 1
AntonioHigorFreireDeMorais_TESE.pdf: 1781383 bytes, checksum: 12a1bd589f80bcd6303ef2f9725860f1 (MD5)
Previous issue date: 2015-11-20 / A Esclerose Lateral Amiotr?fica (ELA) ? uma doen?a neurodegenerativa caracterizada pela fraqueza muscular progressiva que leva o paciente ? morte, geralmente devido a complica??es respirat?rias. Assim, ao passo que a doen?a progride o paciente precisar? de ventila??o n?o-invasiva (VNI) e monitoramento constante. Esta tese apresenta uma arquitetura distribu?da para monitoramento domiciliar de ventila??o noturna n?o-invasiva (VNNI) em pacientes com ELA. A implementa??o desta arquitetura utilizou um computador de placa ?nica (Single Board Computer) e dispositivos m?veis localizados na casa do paciente para mostrar mensagens de alerta para os cuidadores do paciente e um servidor web para monitoramento remoto pela equipe de sa?de. A arquitetura utilizou um software baseado em l?gica fuzzy e vis?o computacional para capturar os dados da tela do ventilador mec?nico e gerar mensagens de alerta com instru??es para os cuidadores. O experimento de monitoramento foi realizado com 29 pacientes por 7 horas cont?nuas diariamente durante 5 dias gerando um total de 126000 amostras para cada vari?vel monitorada com uma taxa de amostragem de uma amostra por segundo. A arquitetura do sistema foi avaliada com rela??o a taxa de acerto para reconhecimento de caracteres e respectiva corre??o atrav?s de um algoritmo para detec??o e corre??o de erros. Al?m disso, a equipe de sa?de avaliou o sistema com rela??o aos intervalos de tempo em as mensagens de alertas foram geradas e se as estas estavam corretas. Dessa forma, o sistema apresentou uma m?dia geral de acertos de 98,72%, e no pior caso 98,39%. Quanto ?s mensagens a serem geradas, o sistema tamb?m concordou em 100% com a avalia??o geral, tendo havido discord?ncia em apenas dois casos com um dos avaliadores. / The Amyotrophic Lateral Sclerosis (ALS) is a neurodegenerative disease characterized by progressive muscle weakness that leads the patient to death, usually due to respiratory complications. Thus, as the disease progresses the patient will require noninvasive ventilation (NIV) and constant monitoring. This paper presents a distributed architecture for homecare monitoring of nocturnal NIV in patients with ALS. The implementation of this architecture used single board computers and mobile devices placed in patient?s homes, to display alert messages for caregivers and a web server for remote monitoring by the healthcare staff. The architecture used a software based on fuzzy logic and computer vision to capture data from a mechanical ventilator screen and generate alert messages with instructions for caregivers. The monitoring was performed on 29 patients for 7 con-tinuous hours daily during 5 days generating a total of 126000 samples for each variable monitored at a sampling rate of one sample per second. The system was evaluated regarding the rate of hits for character recognition and its correction through an algorithm for the detection and correction of errors. Furthermore, a healthcare team evaluated regarding the time intervals at which the alert messages were generated and the correctness of such messages. Thus, the system showed an average hit rate of 98.72%, and in the worst case 98.39%. As for the message to be generated, the system also agreed 100% to the overall assessment, and there was disagreement in only 2 cases with one of the physician evaluators.
|
Page generated in 0.0794 seconds