Proposta para validação de um kit de monitoramento remoto de pacientes – uma revisão de escopo / Proposal for validation of a remote patient monitoring kit - a scoping review

Olávio Gonçalves de Almeida, Dalton Matsuo Tavares, Stella Jacyszyn Bachega, Samuel Henrique França Leite

Abstract


Dispositivos para o monitoramento remoto de pacientes possuem capacidade para coletar dados do paciente. Tendo isso em vista, este trabalho tem como objetivo apresentar uma proposta para um modelo de validação dos dados coletados a partir de um sensor conectado a uma plataforma de monitoramento remoto. O modelo foi escolhido após uma revisão de escopo feita na literatura, buscando identificar quais métodos são utilizados para fazer a validação e análise de dados provenientes de sensores de monitoramento remoto. O modelo selecionado recebe como entrada os dados coletados pelo sistema e identifica os outliers presentes no conjunto de dados. Em relação ao modelo selecionado, foi possível identificar que o mesmo é capaz de lidar adequadamente com a detecção de outliers no cenário proposto.


Keywords


métodos de validação, monitoramento remoto.

References


BASU, S.; MECKESHEIMER, M. Automatic outlier detection for time series: an application

to sensor data. Knowledge and Information Systems, Springer, v. 11, n. 2, p. 137–154, 2007.

Disponível em: . Acesso em: 15 set. 2021.

CARVALHO, S. T.; ERTHAL, M.; MARELI, D.; SZTAJNBERG, A.; COPETTI, A.; LOQUES, O.; JANEIRO-RJ-BRASIL, R. de. Monitoramento remoto de pacientes em ambiente domiciliar. XXVIII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribu?dos-Salao de Ferramentas, Gramado, RS, Brasil, p. 1005–1012, 2010. Disponível em: . Acesso em: 15 set. 2021.

CHEN, Y.; JIANG, S.; YANG, J.; SONG, K.; WANG, Q. Grey bootstrap method for data

validation and dynamic uncertainty estimation of self-validating multifunctional sensors. Chemometrics and Intelligent Laboratory Systems, Elsevier, v. 146, p. 63–76, 2015. Disponível

em: . Acesso em: 15 set. 2021.

FAWZY, A.; MOKHTAR, H. M.; HEGAZY, O. Outliers detection and classification in wireless sensor networks. Egyptian Informatics Journal, Elsevier, v. 14, n. 2, p. 157–164, 2013. Disponível em: . Acesso em: 15 set. 2021.

FENG, J.; TURKSOY, K.; SAMADI, S.; HAJIZADEH, I.; LITTLEJOHN, E.; CINAR, A.

Hybrid online sensor error detection and functional redundancy for systems with time-varying

parameters. Journal of Process Control, Elsevier BV, v. 60, p. 115–127, dez. 2017. Disponível

em: . Acesso em: 15 set. 2021.

GHASEMIGOL, M.; GHAEMI-BAFGHI, A.; YAGHMAEE-MOGHADDAM, M. H.;

GHORBEL, O.; AYEDI, W.; SNOUSSI, H.; ABID, M. Fast and efficient outlier detection

method in wireless sensor networks. IEEE sensors journal, IEEE, v. 15, n. 6, p. 3403–3411,

Disponível em: . Acesso em: 15 set. 2021.

GUO, X.; WANG, D.; CHEN, F. An anomaly detection based on data fusion algorithm in

wireless sensor networks. International Journal of Distributed Sensor Networks, SAGE

Publications Sage UK: London, England, v. 11, n. 5, p. 943532, 2015. Disponível em:

//journals.sagepub.com/doi/full/10.1155/2015/943532>. Acesso em: 15 set. 2021.

LEVAC, D.; COLQUHOUN, H.; O’BRIEN, K. K. Scoping studies: advancing the methodology. Implementation science, BioMed Central, v. 5, n. 1, p. 69, 2010. Disponível em: . Acesso em: 15 set. 2021.

MORRISSEY, J. Remote patient monitoring: how mobile devices will curb chronic conditions.

Med Econ, 2014. Disponível em: . Acesso em: 15 set. 2021.

MOSHTAGHI, M.; LECKIE, C.; KARUNASEKERA, S.; RAJASEGARAR, S. An adaptive elliptical anomaly detection model for wireless sensor networks. Computer Networks, Elsevier BV, v. 64, p. 195–207, maio 2014. Disponível em:

>. Acesso em: 15 set. 2021.

NISHA, B. U.; UMAMAHESWARI, N.; VENKATESH, R.; ABDULLAH, R. Statistical based outlier detection in data aggregation for wireless sensor networks. Journal of Theoretical and Applied Information Technology, v. 59, p. 770–780, 01 2014. Disponível em:

//www.jatit.org/volumes/Vol59No3/27Vol59No3.pdf>. Acesso em: 15 set. 2021.

RAVICHANDRAN, J.; ARULAPPAN, A. I. Data validation algorithm for wireless sensor

networks. International Journal of Distributed Sensor Networks, SAGE Publications Sage

UK: London, England, v. 9, n. 12, p. 634278, 2013. Disponível em:

com/doi/full/10.1155/2013/634278>. Acesso em: 15 set. 2021.

SHEN, Z.; WANG, Q. Failure detection, isolation, and recovery of multifunctional self-validating sensor. IEEE Transactions on Instrumentation and Measurement, IEEE, v. 61, n. 12, p. 3351–3362, 2012. Disponível em: .

Acesso em: 15 set. 2021.

SHEN, Z.; WANG, Q. Data validation and validated uncertainty estimation of multifunctional

self-validating sensors. IEEE Transactions on Instrumentation and Measurement, IEEE,

v. 62, n. 7, p. 2082–2092, 2013. Disponível em:

>. Acesso em: 15 set. 2021.

SHEN, Z.; WANG, Q. Status self-validation of a multifunctional sensor using a multivariate

relevance vector machine and predictive filters. Measurement Science and Technology, IOP

Publishing, v. 24, n. 3, p. 035103, 2013. Disponível em:

/0957-0233/24/3/035103/meta>. Acesso em: 15 set. 2021.

TITOUNA, C.; ALIOUAT, M.; GUEROUI, M. Outlier detection approach using bayes classifiers in wireless sensor networks. Wireless Personal Communications, Springer Nature, v. 85, n. 3, p. 1009–1023, jun. 2015. Disponível em: . Acesso em: 15 set. 2021.

YANG, P.; STANKEVICIUS, D.; MAROZAS, V.; DENG, Z.; LIU, E.; LUKOSEVICIUS, A.;

DONG, F.; XU, L.; MIN, G. Lifelogging data validation model for internet of things enabled

personalized healthcare. IEEE Transactions on Systems, Man, and Cybernetics: Systems,

IEEE, v. 48, n. 1, p. 50–64, 2018. Disponível em:

tp=&arnumber=7516690>. Acesso em: 15 set. 2021.

YAO, H.; CAO, H.; LI, J. Comprehensive outlier detection in wireless sensor network with fast

optimization algorithm of classification model. International Journal of Distributed Sensor

Networks, SAGE Publications, v. 11, n. 7, p. 398761, jan. 2015. Disponível em:

org/10.1155/2015/398761>. Acesso em: 15 set. 2021.

YUAN, J.; ZHOU, H.; CHEN, H. Subjective logic-based anomaly detection framework in

wireless sensor networks. International Journal of Distributed Sensor Networks, SAGE

Publications Sage UK: London, England, v. 8, n. 1, p. 482191, 2012. Disponível em:

//journals.sagepub.com/doi/pdf/10.1155/2012/482191>. Acesso em: 15 set. 2021.

YUAN, J.; ZHOU, H.; CHEN, H. Subjective logic-based anomaly detection framework in

wireless sensor networks. International Journal of Distributed Sensor Networks, SAGE

Publications, v. 8, n. 1, p. 482191, jan. 2012. Disponível em:

>. Acesso em: 15 set. 2021.

ZHANG, Y.; HAMM, N.; MERATNIA, N.; STEIN, A.; VOORT, M. van de; HAVINGA,

P. Statistics-based outlier detection for wireless sensor networks. International Journal of

Geographical Information Science, Informa UK Limited, v. 26, n. 8, p. 1373–1392, ago. 2012.

Disponível em: . Acesso em: 15 set. 2021.




DOI: https://doi.org/10.34117/bjdv7n10-214

Refbacks

  • There are currently no refbacks.