Sistema de avaliação do ritmo respiratório baseado em células de carga
Date
2018-08-21Author
Piva, Guilhermo Offmaister
Orientador
Adami, André Gustavo
Metadata
Show full item recordAbstract
O estado de saúde de um indivíduo pode ser descrito quantitativamente por um conjunto de domínios, composto por indicadores indiretos e diretos. Os principais indicadores diretos são emoção, dor, mobilidade e cognição. Contudo, o sono é um dos principais indicadores para monitorar variações na saúde. Entre os distúrbios do sono, a apneia é uma das mais comuns e pode ser descrita pelo cessar da respiração. Estudos apontam que a prevalência da Síndrome de Apneia-Hipopneia Obstrutiva do Sono (SAHOS) chega a 38% da população adulta em geral, sendo mais recorrente (90%) em homens com idade avançada (60 - 85 anos) e/ou obesos. Pessoas com SAHOS não diagnosticada tem predisposição a morte súbita durante o sono. A polissonografia é o padrão ouro para diagnostico dos distúrbios do sono, entretanto o procedimento é caro e inconveniente, visto que é necessário que o paciente passe a noite em um laboratório especial, conectado a diversos instrumentos. Fica evidente a necessidade do monitoramento não intrusivo e contínuo da atividade respiratória como ferramenta para identificação e predição de situações de alto risco a vida. Este trabalho propõe a comparação de métodos capazes de avaliar o ritmo respiratório de forma contínua e não intrusiva, através de camas instrumentadas com células de carga. O sistema desenvolvido compara três técnicas através do erro de estimativa da atividade respiratória e a parcela efetivamente utilizada dos sinais de extensometria disponíveis na base de dados de referência. A base de dados utilizada contém 59 amostras coletadas em uma clínica de sono. Com intuito de estimar o ritmo respiratório somente nas parcelas livres de artefatos de movimento, a rotina de pré-processamento detecta a presença de sujeitos na cama com e classifica os segmentos em movimento e não movimento. As técnicas foram comparadas utilizando diferentes tamanhos de janelas de análise, com objetivo de encontrar a configuração que minimize o erro quadrático médio e maximize o tempo útil. A melhor configuraçãoo produziu 3,379% de erro quadrático médio e 69,769% de tempo útil (sic).