A fim de comprovar que o modelo conceitual de inferência de situação proposto nesta tese é flexível, o mesmo foi utilizado como base para a construção de um motor de inferência de situações voltado para o domínio da saúde mental. Esta seção descreve de maneira sucinta este trabalho.
Os dispositivos móveis têm sido aplicados à área de saúde mental como parte dos serviços médicos, psicológicos e de saúde em geral, objetivando ajudar no tratamento de transtornos mentais [62]. Exemplos de transtornos mentais incluem, por exemplo, transtornos ligados ao uso de drogas e álcool, transtornos de humor (por exemplo, depressão), e transtornos delirantes. O Ecological Momentary Assessment (EMA) é um mecanismo normalmente usado na psicologia/psiquiatria para solicitar repetidamente a um indivíduo (ou paciente) que responda questões sobre o que ele está fazendo (ou têm feito), ou como ele se sente relativamente a questões de interesse para um tratamento específico que esteja fazendo, durante sua rotina diária. O EMA objetiva avaliar o fluxo de experiências e comportamentos ao longo do tempo, capturando a vida como ela é vivida, momento a momento, hora a hora, dia a dia, como uma forma de caracterizar fielmente indivíduos e de capturar a dinâmica de vivenciar e se comportar ao logo do tempo e em diversos contextos [128]. Já o Ecological Momentary Intervention (EMI) provê um mecanismo para tratamentos em que há a necessidade de realizar intervenções psicológicas10 na vida diária do paciente [69]. Ambos os mecanismos são “ecológicos” por ocorrem em um ambiente natural, e eles são momentâneos devido ao fato de requisitarem auto-avaliações e proverem suporte de tempo real no dia-a-dia do paciente. O EMA e o EMI têm sido implementados como aplicações que executam em dispositivos móveis, por estes fazerem parte da vida cotidiana das pessoas.
A aplicação móvel MoodBuster [139] foi desenvolvida no escopo dos projetos ICT4Depression11 [117] e European Comparative Effectiveness Research on Internet-based
10Intervenção psicológica é toda forma de tentativa de influenciar de maneira transitória ou definitiva
o comportamento humano através do uso de meios psicológicos, ou seja, a influência se dá através de novas formas de comportamento e de experimentar o mundo [69].
Depression Treatment (E-Compared)12 [79]. O MoodBuster é uma aplicação móvel de EMA e EMI para uso em tratamentos de depressão, questionando ao paciente sobre seus estados relacionados a esse transtorno mental. Por exemplo, ele questiona o paciente sobre suas experiências e estados mentais, tais como humor, motivação, ansiedade e qualidade do sono. A Figura 5.8 mostra três exemplos de interfaces gráfica do MoodBuster usadas para requisitar auto-avaliações dos pacientes. A aplicação também apresenta as respostas acumuladas ao longo do tempo em um gráfico, que pode ser consultado também por profissionais envolvidos no tratamento (por exemplo, psicólogos ou psiquiatras). Isso ajuda um paciente a identificar e se preparar para momentos difíceis em que seu humor estiver baixo ou alto.
Figura 5.8:Interfaces do MoodBuster para Requisitar Auto-avaliações dos Pacientes.
Duas questões surgem para serem resolvidas nesse domínio:
1. Qual o melhor momento para solicitar do paciente as informações sobre suas experiências e estados mentais? As solicitações por auto-avaliações de experiências e estados mentais para pacientes podem ser feitas de uma maneira menos intrusiva, de maneira que o próprio paciente possa determinar as situações em que estará disponível para recebê-las;
2. Como conhecer as situações de rotina diária vivenciadas por pacientes? Tendo um melhor conhecimento sobre a rotina diária do paciente, um profissional de saúde
mental poderá discutir as causas e efeitos de sintomas depressivos. Dessa forma, a informação sobre as situações vivenciadas pelo paciente em sua rotina diária pode melhorar a efetividade da terapia. O profissional pode correlacionar as situações vivenciadas pelos pacientes com os dados de suas auto-avaliações de experiências e estados mentais, tentando identificar quais situações de rotina diária tem um impacto positivo ou negativo no estado mental do paciente.
Neste trabalho de doutorado foi desenvolvido uma solução denominada SituMan (Situation Manager) para abordar esses questões, a qual compreende: (i) um motor de inferência baseado no modelo conceitual descrito na seção 5.4 para identificação de situações relacionadas a rotina diária dos pacientes; (ii) um serviço Android onde fica o motor de inferência, e que também é responsável pela coleta dos dados de contexto. Uma API é também disponibilizada neste serviço para possibilitar outras aplicações se tornarem cientes de situação; e (iii) uma aplicação móvel.
O MoodBuster utiliza a API do serviço Android do SituMan para requisitar aos pacientes auto-avaliações em situações mais adequadas para eles. Para isso, o paciente (usualmente com a ajuda do profissional de saúde mental) além de definir os dados de contexto que caracterizam as situações, deve informar em quais tipos de requisição ele estará disponível para responder em cada situação definida. Adicionalmente, todas as situações identificadas dos pacientes são registradas em um sumário de situações, de maneira que seja possível os profissionais de saúde consultá-las em seus atendimentos presenciais e também correlacionar com dados auto-reportados pelos pacientes. A Figura 5.9 mostra as interfaces gráfica do SituMan usadas para o usuário definir suas situações e sua disponibilidade para receber requisições do MoodBuster.
O SituMan possui todos os recursos para definir e identificar situações similares ao SelPri. Entretanto, as informações de contexto utilizadas para identificar situações são: localização, dia da semana, período do dia, e atividade. Os conjuntos nebulosos relacionados aos períodos do dia foram ajustados para serem utilizados no contexto de Portugal (local onde foi realizada a avaliação), com diferentes valores de limiares. A co-localização não foi usada, mas adicionou-se a informação de atividade, na qual o paciente poderia informar as seguintes opções: em veículo, na bicicleta, à pé,
Figura 5.9:Interfaces do SituMan para Definição de Situações e Disponibilidade.
correndo, parado, inclinado e caminhando. A informação de atividade do usuário é obtida a partir do Google Play Services usando a API de reconhecimento de atividades13.