Ana Cecília Coimbra finaliza o seu Doutoramento

Tema da Tese: Improving Clinical Problem List with Evidence Based Medicine, Patient Oriented Medical Records and Intelligence

Autor: Ana Cecília Sousa da Rocha Coimbra

Programa Doutoral: Programa Doutoral em Engenharia Biomédica

Orientadores: José Manuel Ferreira Machado; António Carlos da Silva Abelha

Data: 07/05/2021  

Abstract: As listas de problemas clínicos são muito importantes na prestação de cuidados de saúde, principalmente em termos de precisão. A presente tese tem como base um conjunto de estudos realizados no Centro Hospitalar Universitário do Porto (CHUP), onde o principal objetivo é o de melhorar as listas de problemas clínicos.

O primeiro estudo foca-se nos passos iniciais do desenvolvimento de um sistema de registo clínico inovador que utiliza openEHR e terminologia SNOMED CT. Este sistema irá permitir a criação de registos estruturados através da utilização de arquétipos, terá também definidos protocolos baseados nas guidelines HL7 versão 3.

O segundo e terceiro estudo centram-se na codificação dos relatórios de alta. A codificação dos relatórios de alta permite um melhor agrupamento de episódios nos Grupo de Diagnóstico Homogéneos, daí a importância de tornar este processo o mais eficiente possível e com o mínimo de erros. Deste modo foi desenvolvida uma plataforma para que os médicos possam facilmente codificar os referidos episódios, tendo em background processos de gestão para auxiliar o workflow de todo o processo de codificação.

O quarto e último estudo refere-se ao desenvolvimento de uma plataforma capaz de disponibilizar consentimentos informados personalizados, onde os médicos podem adaptar os consentimentos aos diferentes tipos de casos que encontram. A metodologia adotada é a Design Science Research (DSR) suportada por uma filosofia pragmática. Ao longo do desenvolvimento do projeto um conjunto de grupos de foco irão contribuir para a continua avaliação do sistema.

Palavras-Chave: Lista de Problemas Clínicos; Arquétipos; Sistemas Inteligentes; Machine Learning; ICD-10-CM; Grupos de Diagnósticos Homogéneos; Consentimento Informado.