Teses sobre Telessaúde e Saúde Digital realizadas na UFSC são premiadas em evento nacional
Premiação ocorreu no Rio de Janeiro (Divulgação)
Duas teses desenvolvidas na Universidade Federal de Santa Catarina (UFSC) foram premiadas no XII Congresso Brasileiro de Telessaúde e Saúde Digital – CBTMS 2025, realizado em 16 e 17 de outubro, no Rio de Janeiro.
O estudo PROV-Health: método para gerenciamento de dados de proveniência em sistemas de informação em saúde, de autoria de Márcio José Sembay com a orientação de Douglas Macedo, ficou em primeiro lugar na categoria Melhor Tese no Prêmio Professor György Miklós Böhm, criado pela Associação Brasileira de Telemedicina e Telessaúde (ABTMS). A tese foi realizada no Programa de Pós-Graduação em Ciências da Informação (PGCIN/UFSC).
Em segundo lugar no prêmio ficou a pesquisa Enfermagem de precisão e inteligência artificial: variáveis preditoras e modelos de decisão da internação de pacientes infectados pela COVID-19 em Unidade de Terapia Intensiva, desenvolvida por Greici Capellari Fabrizzio, com orientação de Alacoque Lorenzini Erdmann. A pesquisa foi realizada no Programa de Pós-Graduação em Enfermagem (PPGENF/UFSC).
Sistemas de informação em saúde
A tese de Márcio, desenvolvida no Laboratório de Telemedicina (LabTelemed) da UFSC, aborda a complexidade dos Sistemas de Informação em Saúde (SIS), que armazenam grandes volumes de dados em seus repositórios descentralizados, tornando um desafio o gerenciamento e a interoperabilidade desses dados.
O pesquisador desenvolve e apresenta um método para gerenciamento, chamado PROV-Health. “Foram realizados experimentos em um cenário de saúde real com dados reais, os quais possibilitaram identificar além de benefícios, desafios e ameaças durante sua experimentação. O método foi avaliado via formulário eletrônico enviado a especialistas da área, os quais destacaram pontos importantes para reflexão na estrutura do método”, pontua.
O PROV-Health também foi registrado no Instituto Nacional da Propriedade Intelectual (INPI). A pesquisa aponta que ele simplificou a forma de gerenciar dados de proveniência de SIS descentralizados em uma estratégia computacional que utiliza a rede interna da instituição de saúde, de forma segura e que favorece a tomadas de decisões.
Enfermagem de Precisão e Inteligência Artificial
O estudo de Greici aplica algoritmos de inteligência artificial para identificação de variáveis relacionados à enfermagem de precisão para predição da admissão de pacientes com COVID-19 em Unidade de Terapia Intensiva (UTI). A ideia foi, a partir da identificação do melhor modelo, desenvolver um aplicativo para estimar o risco de internação de pacientes com COVID-19 em UTI.
O estudo teve quatro etapas, com um projeto piloto realizado de março de 2020 a abril de 2021 e, depois, com uma amostra de 547 pacientes de cinco hospitais universitários. A tese ainda deu origem a um aplicativo web via Streamlit, no Python, a partir do modelo que apresentou a melhor performance.
O estudo conclui que é possível predizer a internação de pacientes infectados pela COVID-19 em Unidade de Terapia Intensiva com as variáveis disponíveis, a partir do referencial teórico baseado na Enfermagem de Precisão.
O produto final foi registrado como programa de computador denominado COVID-19 UTI PREDICTOR, no Departamento de Inovação (Sinova) da UFSC e INPI.
