Mostra de Extensão, Ciência e Tecnologia da Unisc

A área da saúde tem proporcionado nas últimas décadas oportunidades para o surgimento de inovações tecnológicas, que auxiliando, aprimorando e inovando nos procedimentos e na organização, vem aumentando a qualidade de vida da população. As máquinas para este trabalho por sua vez se tornam cada vez mais baratas, rápidas e assertivas, excitando assim o seu mercado, que agora cada vez mais, busca por automações seguras para os processos de análises de diagnósticos. Isso acarreta em um número grande de dados para o médico analisar e recolher, tanto na entrada dos pacientes, quanto na saída. Uma grande demanda é por dispositivos vestíveis que ajudam no prognóstico de pacientes da fisioterapia. Mesmo com toda esta tecnologia disponível e difundida, ainda temos poucos usos destes dispositivos. A captura e análise dos dados são peças fundamentais neste assunto, já que após a captação dessas informações, por meio de um wearable, é necessário analisar, processar e transformar esta informação em algo benéfico para o diagnóstico do paciente. Assim, unindo a IoT (Internet of Things) com dispositivos vestíveis a métodos de análise de dados, é possível potencializar a prevenção de doenças e avaliar o desempenho de determinados tratamentos. Desta forma, o objetivo deste trabalho é pesquisar, comparar as melhores e mais adequadas opções e desenvolver um sistema para analisar e processar os dados provindos das smartbands. Atualmente sendo aplicado na Clínica de Fisioterapia da UNISC - Fisiounisc, no contexto do projeto "Vigilância, Prevenção e Reabilitação em Doenças Cardiorrespiratórias- UNISC/ CNPq ", o presente projeto busca trazer relatórios rápidos através da captura de dados de cada atividade pelo celular e o envio para a plataforma web criada no contexto do projeto "Data4Care - Uma plataforma de Tecnologia de Informação para apoio à qualificação de serviços em saúde individual e coletiva". Deste modo, os profissionais de saúde e o grupo têm acesso aos dados, onde tais profissionais podem realizar estudos empíricos e o grupo criar uma coleção de dados para a elaboração de modelos preditivos da recuperação do paciente, além de gerar gráficos de desempenho para diagnosticar os benefícios e/ou malefícios de um determinado processo fisioterápico. Para realizar a implementação desta análise e processamento dos dados será utilizado a linguagem de programação Python. Reunidas as informações do paciente e fazendo uma análise delas, será possível ao longo do tempo avaliar o condicionamento físico deste, observando uma melhora ou piora no problema que está sendo tratado. Este análise, trará em números a efetividade do tratamento e a média de tempo de recuperação para pacientes que se encaixem em um determinado grupo de características.