Geração de índices de saúde em tempo real

Universidade do Minho Escola de Engenharia Diogo Francisco Araújo Leite da Costa Geração de Índices de Saúde em Tempo Real Junho de 2022 Universidade do Minho Escola de Engenharia Diogo Francisco Araújo Leite da Costa Geração de Índices de Saúde em Tempo Real Dissertação de Mestrado Mestrado Integrado em Engenharia Informática Trabalho efetuado sob a orientação de: Orlando Manuel de Oliveira Belo Junho de 2022 DIREITOS DE AUTOR E CONDIÇÕES DE UTILIZAÇÃO DO TRABALHO POR TERCEIROS Este é um trabalho académico que pode ser utilizado por terceiros desde que respeitadas as regras e boas práticas internacionalmente aceites, no que concerne aos direitos de autor e direitos conexos. Assim, o presente trabalho pode ser utilizado nos termos previstos na licença abaixo indicada. Caso o utilizador necessite de permissão para poder fazer um uso do trabalho em condições não previstas no licenciamento indicado, deverá contactar o autor, através do RepositoriUM da Universidade do Minho. Licença concedida aos utilizadores deste trabalho Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International CC BY-NC-SA 4.0 https://creativecommons.org/licenses/by-nc-sa/4.0/deed.en Este documento foi gerado com o processador (pdf/Xe/Lua)L A T EX e o modelo NOVAthesis (v6.9.15) [30]. ii Agradecimentos Primeiramente gostaria de agradecer a todas as pessoas durante este período académico me acompanharam, que partilharam comigo momentos inesquecíveis e memórias que perduraram pela minha vida. Para a minha família tenho que agradecer porque nos momentos mais díficeis que passámos, sempre me apoiaram a finalizar este curso académico, movendo fundos e mundos para a minha formação. Ao meu orientador e professor Orlando Belo, que me acompanhou durante estes dois anos de dissertação, com várias correspondências, vídeo-chamadas, reuniões e serões noturnos para o melhor trabalho possível sair como fruto. Esteve sempre presente e com o pensamento positivo, mesmo durante o período que parecia que por vezes tudo desabava. Aos meus amigos, e em especial ao Diogo Nogueira, que estiveram comigo e que nunca me deixaram abandonar a ideia da dissertação, lutando para que a luz estivesse sempre no caminho e assim eu ter conseguido percorrer esta fase final do mestrado. A todos que de alguma forma me mostraram uma solução num momento decisivo, agradeço-vos do fundo do coração. Sem as vossas palavras, gestos e ações não teria conseguido. iii Dissertação de Mestrado Assinado por: DIOGO FRANCISCO ARAÚJO LEITE DA COSTA Num. de Identificação: 15284703 Data: 2022.07.11 17:37:41 +0100 Localização: Braga «Who belonged to no one, who belonged to everyone. Who had nothing, who wanted everything.» (Elizabeth Grant) v Resumo Geração de Índices de Saúde em Tempo Real Neste milénio, a sociedade global tem não só criado tecnologias que revolucionaram o mundo e a perceção do mesmo como tem existido uma facilidade muito maior de obter dispositivos que contém uma imensidão de funcionalidades e sensores a um preço cada vez mais baixo. Dessa forma, a monitorização e recolha de indicadores de saúde e médicos em tempo real é algo possível e a sua recolha através dum smartwatch , smartphone ou dispositivo semelhante para posterior informação sobre o estado de saúde atual do utilizador e dessa forma calcular um índice de saúde de bem-estar geral. Como consequência natural, também é importante funcionar como uma ajuda pessoal para alertar em tempo real irregularidades no estado de saúde do utilizador. Toda esta informação utilizada de forma inteligente pode criar uma comunidade de saúde e bem-estar essenciais para os atuais utilizadores e também futuros. Neste trabalho de dissertação idealizámos e implementámos um sistema de índices de bem-estar e saúde capaz de fornecer informação em tempo real sobre uma variedade de métricas de bem-estar sobre o utilizador, em que essa informação é extraída dos sensores do smartwatch do mesmo, fornecendo assim um sistema de notificações para alertar uma variação elevada no bem-estar do indíviduo mas também um histórico do seu índice de bem-estar ao longo do tempo. Palavras-chave: Sistemas de Ajuda Inteligentes, Saúde no Smartwatch , Índices de Bem-Estar, Indicadores de Saúde, Análise de Dados, Mineração de Dados, Reporting , Dashboarding vi Abstract Generation of Health Indexes in Real-Time In this millennium, the global society not only has created technologies that revolutionized the world and the perception of it, but also has been creating an easiness to obtain those devices that contain a vast array of functionalities and sensors at a low price. In that way, monitoring and collecting of health, medical and wellness indicators in real time is now possible to collect through a smartwatch, smartphone, or similar device to then give insightful information about the current health of the user and therefore create a health index of well-being. As a natural consequence, this is important also to serve as a personal help to alert in real time and intelligently irregularities found in the health state of the user. In that way, all this information and data can create a community of health and well-being essential to the current and future users. In this Masters’ Dissertation we idealized and implemented a Health and Wellness Index System capable of providing real-time information about a variety of wellness metrics about the user, in which that information is extracted of the smartwatch’s sensors, giving therefore a notification system to alert a high variation of those metrics and the wellness of the individual, but also providing a timeline of that Health and Wellness Index over time. Keywords: Smart Help Systems, Smartwatch Health, Wellness Indexes, Health Indicators, Data Analysis, Data Mining, Reporting , Dashboarding vii 1 Introdução 1.1 Contextualização Numa era informatizada como a de hoje existe um acesso maior a tecnologias que seriam bastante dispendiosas há menos de uma década atrás, porém, agora são atingíveis para uma comunidade geral, estas tornando-se uma ferramenta com possibilidades abundantes, em especial no ramo médico e da saúde pessoal e interpessoal. Em 2013, num estudo efetuado na população americana, 69% dos adultos indicaram que mediam indicadores de saúde e 21% desses utilizavam dispositivos e/ou aplicações para o fazer [17]. Com tantos comportamentos de saúde modificáveis, como a atividade física ou comportamentos sedentários, que podem ter um impacto em vários aspetos da saúde e bem-estar do utilizador, desde saúde mental a situações cardiovasculares. Com a introdução de tecnologia de corpo acessível, tornouse acessível funcionalidades e ferramentas para estudar estes comportamentos e correlacioná-los a uma escala de massa, de forma a encontrar padrões num vasto conjunto de utilizadores, por forma a os ajudar pessoalmente e, também, partilhar essas descobertas com a comunidade médica em geral [22]. Para aglomerar esses dados, muitas aplicações têm funcionalidades como redes sociais, desafios e competições para motivarem o comportamento saudável do utilizador, mas, também, para acontecer uma utilização da aplicação ou do dispositivo mais frequente de forma a fornecer mais dados sobre o bemestar do utilizador. Segundo um estudo [40] utilizando um dataset da aplicação Argus, esses incentivos para competições aumentavam a atividade física até 23% durante o tempo da mesma, tornando-se assim um sucesso tanto para a parte do utilizador como nas informações extra trazidas. Analisar os dados dos sensores de smartwatches e outros dispositivos torna possível caracterizar 1 CAPÍTULO 1. INTRODUÇÃO indicadores de saúde e construir e, a partir deles, fazer uma análise de dados para responder e fornecer índices de bem-estar e saúde do utilizador. Essa análise pode ser feita de inúmeras maneiras, introduzindo também técnicas de Inteligência Artificial ou de Deep Learning no processo de decifrar as codificações digitais dos sensores dos dispositivos para informação concreta sobre saúde, correlacionando, assim, as duas e melhorando ainda mais a rede neuronal de aprendizagem para futuros inputs [35]. Com algumas dificuldades sobre dados em falha, dado que os utilizadores podem não estar sempre a utilizar o seu dispositivo, ou também devido a casos de preconceito de seleção, dado que, por vezes, a seleção dos utilizadores pode não ser a que represente o género, idade, localização da população geral em interesse, tornando-se informação que podia induzir em erro a Inteligência Artificial [16]. 1.2 Motivação e Objetivos Para este trabalho de dissertação houve um intuito fundamental sob o estudo, análise e conceção de algo que fosse de encontro a uma área de crescimento exponencial com uma área de saúde emergente e sempre necessária. Com isto em mente, concebemos e implementámos um índice de bem-estar e de saúde, que fosse calculado sempre em tempo real, de forma a ter a aptidão de suportar um sistema de ajuda e diagnóstico, para avisar o utilizador sobre possíveis situações de saúde irregulares, possibilitando a prevenção de ocorrências médicas mais graves. Os objetivos para esta conceção e implementação seriam, primeiro, a identificação e caracterização dum conjunto de indicadores médicos importantes para rastrear e analisar em tempo real na saúde do utilizador e , depois, a conceção e implementação dum sistema que efetuasse a recolha desses indicadores médicos a partir de dispositivos móveis e pessoais, como os smartwatches. Tendo isso implementado, pretendia-se fazer a criação de um sistema multidimensional, que albergasse os dados recolhidos de toda a informação dos rastreios para, por fim, ter um sistema de diagnóstico em tempo real que atuasse de acordo as informações que estão a ser analisadas e indicar o índice de saúde do utilizador. 2 1.3. TRABALHO REALIZADO 1.3 Trabalho Realizado Nesta dissertação de mestrado realizou-se um conjunto de trabalhos essenciais para a sua conclusão. Para a aquisição de conhecimento houve um processo extenso de leitura científica e literária para perceber com exatidão como lidar com o problema em mãos. Com uma contextualização, motivação e objetivos delineados, juntando com a base literária e científica revista, conseguiu-se demonstrar a importância que um índice de bem-estar e saúde tem no paradigma atual, e como esse mesmo índice, caso seja fornecido regularmente a um indivíduo, consegue fornecer uma informação de saúde útil e importante. Fundamentando com vários artigos, análises e comparações pudemos delinear as funções e aplicações que um índice composto teria, caso fosse gerado em tempo real num smartwatch que estivesse no pulso de um utilizador. Assim, com estas comparações decidiu-se utilizar os sistemas da Apple , tanto o iPhone como o Apple Watch para realizar a implementação nativa do sistema de índices de bem-estar e saúde. Com a bagagem científica já revista, houve um detalhamento de como o nosso índice de bemestar se iria comportar, quais os conjuntos de informação seriam agregados e como seria mostrado ao utilizador na fase final. Levantando os requisitos do sistema, pudemos separar quais os casos de uso mais importantes e quais as restrições ou nuances que o sistema teve de obedecer e priorizar. Com a parte técnica e lógica finalizadas, existiu a fase de desenhar toda a interface e design que o sistema iria suportar para a sua comunicação com o utilizador. Assim, com as várias mockups detalhadas, o sistema ficou completamente modelado e pronto a ser implementado seguidamente. Na implementação do sistema, realizámos um trabalho paralelo para a criação das duas aplicações nativas para os dois hardwares escolhidos. Utilizando as tecnologias e Application Programming Interfaces (API) oficiais da Apple , criámos um sistema agnóstico de três fases que angariava os dados dos sensores do hardware , que processava esses mesmos dados em informação útil para a criação do índice composto e final e, por fim, a demonstração desses resultados utilizando interfaces interativas para o utilizador visualizar tanto no seu smartphone como no seu smartwatch . 3 CAPÍTULO 1. INTRODUÇÃO 1.4 Estrutura da Dissertação Esta dissertação de mestrado aborda os tópicos fundamentais da criação dum sistema de índices de bem-estar e saúde em tempo real. Para além do primeiro capítulo, no qual fizemos uma breve introdução, esclarecemos os objetivos e as finalidades do projeto, revelámos todos os motivos que levaram à escolha deste tema de estudo, esta dissertação encontra-se organizada da seguinte maneira: •Capítulo 2 - Índice de Bem-Estar e Saúde -, que apresenta um ”estado de arte”, ou seja, numa pesquisa mais aprofundada sobre os índices de bem-estar e saúde, desde a sua contextualização no sistema em si, a sua importância na saúde e bem-estar das pessoas, mas também explicar toda a pesquisa associada à utilização de tecnologia wearable para preencher as finalidades discutidas. Por fim, este capítulo, em conjunto com as informações pesquisadas conclui também o porquê de se escolher os sistemas operativos da Apple e, por consequência, que o hardware escolhido para o smartwatch seja o Apple Watch . •Capítulo 3 - Um Índice de Bem-Estar -, que apresenta uma fundamentação geral do índice de bem-estar escolhido, a caracterização técnica que o sistema de índices tem e quais os microserviços e softwares necessários para a sua implementação, um levantamento essencial sobre os requisitos funcionais e não funcionais do sistema, uma modelação formal com Unified Modeling Language (UML) de algumas partes essenciais ao sistema de índices e, por fim, uma formalização do sistema de interface a ser apresentado ao utilizador, com mockups das interfaces que preenchem todos os requisitos que o sistema toma. •Capítulo 4 - Um Índice de Bem-Estar -, que apresenta a implementação e o desenvolvimento do sistema de índices, agora modelado e fundamentado. Neste foi abordado com afinco toda a arquitetura do sistema, dos seus micro-serviços e das decisões para as tecnologias a usar e como usar. Por conseguinte, explicou-se detalhadamente cada um desses micro-serviços nas secções deste capítulo, criando assim um caminho sobre todo o processo de implementação deste complexo sistema de índices de bem-estar. •Capítulo 5 - Conclusão -, este último capítulo demonstra as conclusões e considerações finais, bem como possíveis trabalhos futuros para dar continuidade ao projeto de dissertação de tese desenvolvido. 4 2 Índices de Saúde e Bem-Estar 2.1 Contextualização A definição de índices é algo que necessita de um pouco de perceção sobre os estudos sociais e estatísticos. É algo que pode ser visto como a junção e aglomeração de vários indicadores estatísticos de forma a conseguir medir e representar uma ideia concreta advinda dum grupo de pontos de dados e de indicadores externos. Dessa forma, é importante na sumarização desses indicadores em índices compostos para depois serem mais facilmente avaliados, superintendidos e confrontados ao longo do tempo ou até mesmo em tempo real. Os índices atualmente têm atualmente uma importância cada vez maior na análise e comparação de crescimento de países, de análise na saúde e bem-estar, em discussões e artigos sobre género e em qualquer outro ramo na ciência que necessite de comparar fenómenos complexos juntando vários indicadores pequenos num só índice composto [21]. Estes índices então têm de ser pensados e feitos como modelos matemáticos e/ou computacionais, porque necessitam desse nível de precisão para que se possa fazer uma modelação cuidada e correta de forma a não induzir em erro a informação que transmite. Assim a sua função pode ser confirmada como benéfica ao invés de existir os vários indicadores anteriores [34]. Em suma um índice irá agrupar um punhado de indicadores num único indicador e a sua evolução pode ser crescente ou decrescente para que possa exercer a sua função de ser algo simples e rápido de entender sobre uma evolução ou regressão no tema em causa. Como tal, poderemos, depois, analisar a sua variação, consoante o tempo e período, de forma a chegar a conclusões e conjeturas sobre o conteúdo em causa [24]. Numa situação na qual seja necessário um cálculo e análise dum certo comportamento ou padrão, 5 CAPÍTULO 2. ÍNDICES DE SAÚDE E BEM-ESTAR existe por vezes a carência de obter um sintetizador de todos os estudos e sondagens que se efetua aos vários indicadores e públicos dessas mesmas sondagens. Nesta equação entram os índices, que podem tomar um papel de destaque em várias discussões, desde comparação de crescimento de países, como a assuntos mais macro, como a melhoria ou pioria de um paciente com problemas de saúde. Assim, os índices irão sumarizar, numa simples escala numérica, uma complexidade de dados e de indicadores mais pequenos, tornando assim um painel de indicadores complicado de se ler numa leitura simples, integrada e sem compartimentações, proporcionando um entendimento mais facilitado para os utilizadores que irão ler de forma natural sem precisarem de necessidades mais ou menos exigentes quanto ao entendimento do conteúdo que criou o índice composto. Assim, os índices compostos com maior ou menos nível de sintetização, vão sempre dar resposta a várias questões que se podem colocar, valorizando assim a informação estatística que está por detrás como suporte e incitando, caso aconteça uma variação significativa, um estudo e análise aprofundada [24]. Na Tabela 1apresentamos uma pequena lista de prós e contras relativos à criação e utilização de índices compostos. Tabela 1: Prós e Contras para Índices Agregados Prós e Contras para Índices Agregados Pros: Contras: Sumarizar indicadores e realidades complexas e multidimensionais para uma visão simples de fazer decisões; Pode dar informações erradas se tiver mal construído e quando for mal-interpretado; Mais fáceis de interpretar do que uma panóplia de vários indicadores separados; Pode convidar a acontecer conclusão simplistas; Dá para verificar mais facilmente a evolução ou regressão; Pode ser mal-usado, para suportar uma decisão errada se o seu processo de construção não for transparente ou faltar princípios estatísticos; Reduz o tamanho visível do conjunto de indicadores, sem retirar a informação útil por detrás; A seleção dos pesos dos indicadores pode causar disputa. Possibilita os utilizadores comparar dimensões complexas de maneira eficaz. Para os trabalhos desta dissertação, precisamos de criar um índice que seja agregado por forma a 6 2.1. CONTEXTUALIZAÇÃO poder fornecer aos futuros utilizadores um sistema de índices que lhes meça corretamente o seu bemestar. Esse índice não pode ser algo complicado de se compreender. Daí a necessidade de ser um índice composto, que agregue as informações num simples número e numa escala de cores, para facilitar a sua avaliação e leitura da informação útil. Seguindo a importância e utilidade que os índices têm na vida das pessoas, nas empresas e, também, alguns governos, podemos nos focar num índice que coloque toda a complexidade direcionada à saúde e ao bem-estar dum indivíduo, num simples índice composto que interligue bem toda a informação sobre tal. O bem-estar , este fenómeno ainda um pouco conceptual tem sido alvo de vários estudos dada a sua dimensão variada e multifacetada, uma vez que está ligada inerentemente ao ser-humano. Os mesmos podem ser proactivos e interagir, ou alternativamente, serem distantes, sem isso afetar categoricamente o seu estado de bem-estar de forma proporcional. Daí os domínios de saúde, educação, trabalho, desporto, religião e psicoterapia serem tão importantes para uma fusão e entendimento do que pode ser o bemestar geral do indivíduo [38]. Seguindo as ideias do Instituto Nacional de Estatística (Figura 1), este fenómeno de bem-estar é multidimensional, daí um índice de bem-estar proporcionar uma visualização unidimensional, com alguma perda na informação, mas tornando-se muito mais fácil de compreender a evolução ou regressão do indivíduo nesse ramo. 7 CAPÍTULO 2. ÍNDICES DE SAÚDE E BEM-ESTAR Imagem extraída de [23] Figura 1: Fatores que influenciam o bem-estar duma pessoa 2.2 Utilização de Tecnologia Wearable na Saúde Os índices na saúde sempre foram tratados e analisados com algum cuidado e suscetibilidade porque representam sempre informação ligada a uma vida humana e a sua saúde. O perigo inerente ao analisar e categorizar essas informações tem de ser com precaução para não induzir a um diagnóstico errado. Um modelo preditivo útil para prever casos de ataque cardíaco em situações de ritmos cardíacos anormais, como é o caso do da Fibrilação auricular [52], pode ser também derivado de mais de 20 índices positivos por forma a indicar a sua predição correta [43]. Um algoritmo como estes [27], mesmo sendo apoiado por diversos estudos mundialmente, tem sempre a dificuldade inerente de não poderem ser analisados em ambiente não-hospitalar, criando assim pequena falha na análise e veracidade do algoritmo em situações normais [43,44]. Do outro lado, a tecnologia wearable trouxe-nos a sua peça mais utilizada, o smartwatch . Para além de mostrarem o tempo, estes pequenos computadores para o nosso pulso têm-se desenvolvido para 8 2.2. UTILIZAÇÃO DE TECNOLOGIA WEARABLE NA SAÚDE máquinas imensamente eficientes, cada vez mais com um número de de sensores cada vez maior. Estes dispositivos, com as suas funcionalidades cada vez mais apelativas, criaram uma cultura para o consumidor querer saber sobre a sua saúde e bem-estar duma forma mais constante, criando um mercado demográfico cada vez maior. A Apple , o maior fabricante de smartwatches atualmente, vendeu mais de trinta e uma milhões de unidades do seu smartwatch em 2019, o que correspondeu a mais de 50% de toda a indústria de relógios suíços e a um aumento de 36% em vendas da própria marca comparado com o ano fiscal anterior [47]. “The Apple Watch will play with your attention, increasing it in some cases and reducing it in others” [25] Os smartwatches são pequenos centros de informação, que trazem ao utilizador notificações de emails , mensagens e mais uma enorme panóplia de aplicações. Aliás, o Apple Watch (e o seu sistema operativo associado WatchOS ) já conta com mais de 10000 aplicações feitas especificamente para o mesmo [15] num mercado que não tem previsão de descer as suas vendas. Por serem acessíveis à maioria das pessoas, tanto na sua interface , como no preço e disponibilidade, fornecem uma possibilidade de monitorizar atividade física e de saúde do utilizador, quase em tempo real [36]. Figura 2: Demografia de wearables nos EUA em 2014 Como podemos observar na Figura 2[33], existe independentemente das demografias aqui mostradas, um interesse cada vez maior em pelo menos algum tipo de wearable . Vemos, claramente que existe uma preferência maior para os smartwatches em indivíduos do género masculino, enquanto pessoas do 9 CAPÍTULO 2. ÍNDICES DE SAÚDE E BEM-ESTAR género feminino preferem um simples tracker ou smartband . O que é importante reter também neste gráfico é que pessoas com maior idade tendem a não querer smartwatches , talvez com uma ilação de que é mais complicado ler o conteúdo que o pequeno ecrã demonstra durante o dia. Também temos que reter uma informação importante desta análise demográfica que é que o mercado de smartwatches na população mais rica, é utilizado menos, em troca de relógios de luxo, uma peça de moda ainda muito enraizada como uma definição de estatuto financeiro [13,32]. É claro que o mercado evoluiu de uma maneira bastante considerável desde há alguns anos. Uma variedade de métricas de saúde tornaram-se disponíveis para atletas de alta competição, os quais usam sensores que coletam uma gama considerável de informações como o ritmo cardíaco, temperatura corporal, o ritmo respiratório, a posição do corpo e o seu movimento. Com isso, é possível verificarem-se várias derivações como o consumo máximo de oxigénio ou a variabilidade do ritmo cardíaco ao longo do dia. O que vemos agora é que as tecnologias que facilmente analisavam essas métricas num nicho de população eram, não só mais caras, como também raras para serem adquiridas pelo público em geral. Figura 3: Dispositivos com sensores por localização corporal - Imagem extraída de [20] Assim estas tecnologias estão a ser colocadas um pouco por cada região do corpo (Figura 3[20]), 10 2.3. FUNÇÕES E APLICAÇÕES temporal de quando adormece. Com a ajuda do microfone incorporado no relógio, também é possível saber o ritmo respiratório durante o sono, como uma métrica de qualidade do mesmo [4]. Assim, esta métrica de sono pode ser utilizada no índice composto de bem-estar e saúde tal que, caso o número de horas de sono diárias seja inferior a seis horas [11], afeta negativamente o índice final. Assim, com cinco fatores bem estudados e cientificamente comprovados o índice composto de bemestar e saúde foi criado com estas 5 métricas: 1. Ritmo cardíaco em repouso; 2. Passos diários; 3. Minutos de exercício físico diário; 4. Horas em pé diárias (pelo menos 5 minutos de pé por hora); 5. Análise do sono; 17 3 Um Índice de Bem-Estar 3.1 Fundamentação do Índice O sistema que foi desenvolvido para esta dissertação tem como base um serviço complexo e intrínseco duma aplicação nativa para o smartphone e smartwatch do utilizador, neste caso utilizando o sistema iOS e WatchOS da fabricante tecnológica Apple . Utilizando estas plataformas, teve-se acesso a um públicoalvo bastante desenvolvido que apenas precisa de se inscrever no projeto, autenticando os seus dados de saúde captados pelos seus dispositivos pessoais. Desta forma, o sistema demonstra no smartwatch , o índice de saúde e bem-estar que o utilizador tem no próprio momento, baseando-se numa compilação de dados tanto atuais como passados. Como forma a complementar à aplicação presente no smartwatch , foi criada uma aplicação mobile para ver as informações, estatísticas e gráficos sobre a saúde e bem-estar do utilizador, ao longo do tempo de utilização. Através da Figura 7, mostrámos a imagem geral do projeto desenvolvido, com uma ideia clara sobre os vários ramos da sociedade e saúde que o mesmo está inserido. Mostrando então o logótipo que representa a solução produzida, criámos uma ficha do projeto (Tabela 4), essencial para descrever sucintamente o software a ser criado. 18 3.1. FUNDAMENTAÇÃO DO ÍNDICE Tabela 4: Ficha do projeto de software Ficha do Projeto Nome WatchHealth Categoria Saúde Digital Idioma Português Faixa Etária Maiores de 18 anos Descrição Uma aplicação que proporciona uma informação em tempo real sobre a saúde e bemestar do utilizador do smartwatch enquanto decorre as suas atividades normais e diárias. Fornece um índice colorido de forma a ser facilmente reconhecível o seu estado e as medidas que pode melhorar, caso seja o caso. Por fim, tem acesso a mais dados desta coleção contínua numa aplicação nativa para o seu smartphone , com a possibilidade de ver históricos e gráficos. Criadores Diogo Costa e Orlando Belo Figura 7: Imagem Geral do Projeto com Logótipo Como referido na secção 2.3, o índice tem de ter várias métricas associadas como forma a agregar no 19 CAPÍTULO 3. UM ÍNDICE DE BEM-ESTAR índice composto e final. Dessa forma, com as informações científicas estudadas no capítulo 2podemos inferir e fundamentar que o índice utilizado nesta aplicação terá cinco subfatores, em que esses têm diferentes pesos no algoritmo final da composição do índice de Bem-Estar e Saúde. Assim, este projeto antes da sua conceptualização e modelação teve como base, um delineamento de como o índice composto devia ser realmente implementado. O índice final tem uma escala de números inteiros, variando entre zero e cinco valores - zero, indica que não satisfez nenhuma métrica, e cinco, que significa que, no momento da análise para o algoritmo, todas as métricas foram satisfeitas. Oalgoritmo para a composição do índice foi desenvolvido desta forma: • Ritmo cardíaco em repouso mais recente necessita de se manter na faixa de sessenta BPM a cento e vinte BPM, para se considerar uma métrica saudável do utilizador adulto. Assim, a primeira parte do índice tem de analisar os sensores do smartwatch com alguma regularidade, dado que esta métrica tem o maior peso no índice composto final, que é de dois pontos em cinco. • A contagem de passos diários é a segunda métrica a ser lida, dado que é um indicador simples de sedentarismo diário, mas também uma medida de energia gasta ao longo do dia. Dessa forma, caso os sensores do smartwatch calculem pelo menos cinco mil passos diários, é adicionado um peso de um ponto aos cinco totais do índice final. • A terceira métrica a ter impacto neste índice são os minutos de exercício físico diário realizados pelo utilizador. Através da análise de vários sensores no relógio, por exemplo os acelerómetros, giroscópios e barómetros, podemos calcular os minutos exatos de exercício ativo tomado pelo utilizador e descartar pequenos movimentos que não o sejam. Assim esta métrica, que é continuamente analisada ao longo do dia, tem de pesar meio ponto dos cinco valores finais. • A quarta métrica é, talvez, a mais complicada de se entender, mas é essencial para uma contabilização correta do sedentarismo e também a mais fácil de se mudar, caso esteja a falhar no dia do utilizador. Através duma análise contínua, o smartwatch calcula quantas horas do dia o utilizador teve, pelo menos, cinco minutos em pé. Esta métrica, não só é cientificamente comprovada como eficaz em 20 3.2. CARACTERIZAÇÃO DO SISTEMA DE ÍNDICES moldar o comportamento do utilizador para uma vida mais saudável, como também essencial no índice composto final. Esta métrica terá um peso de meio valor dos cinco valores. • Por fim, a métrica talvez mais exclusiva do smartwatch usada neste sistema, é a análise de sono extensiva do utilizador que nos fornece não só os períodos que a pessoa está na cama a descansar, mas também os períodos que está efetivamente a dormir. Logo, segundo os estudos analisados anteriormente, deve existir pelo menos seis horas de sono efetivo. Esta métrica deve ter um peso de um valor no índice final. 3.2 Caracterização do Sistema de Índices Para implementar e resolver este projeto de dissertação tem de se analisar quais os recursos informáticos que sejam necessários para a implementação do sistema de índices de bem-estar e saúde. Em termos de engenharia de software , os requisitos fundamentais para este projeto são: • O ecossistema da Apple , que foi usado extensivamente neste projeto. Utilizando a sua linguagem de programação Swift e com uma base ampla de API. Em suma, neste projeto utilizou-se 4 frameworks , nomeadamente: – SwiftUI foi usado para a codificação da interface visual do utilizador, tanto para a aplicação principal do smartphone , como da aplicação complementar do smartwatch . Esta framework tem uma sintaxe declarativa, transformando código em conteúdo visual instantaneamente, modulando mais facilmente a parte visual da parte lógica da aplicação [8]. – HealthKit é a tecnologia essencial para aceder e alterar o repositório privado e secreto dos dados de saúde e fitness captados por todos os dispositivos Apple , incluindo o smartwatch . Foi com esta framework que se criou a parte lógica para fazer a coleta e o armazenamento dos dados dos vários sensores do smartwatch e, por sua vez, analisar e visualizar a informação advinda desses dados [7]. – WatchKit foi a tecnologia que criou todas as ligações entre o hardware e software necessárias para a aplicação ser nativa e natural nos pulsos dos utilizadores. 21 CAPÍTULO 3. UM ÍNDICE DE BEM-ESTAR Com ela, pôde-se criar uma experiência não dependente duma aplicação de smartphone , tornando assim o projeto e aplicação capaz de funcionar apenas com o relógio e fornecer as mesmas capacidades e requisitos [9]. – Core ML é uma API que foi usada para fazer certos cálculos matemáticos por forma a entender os dados crus e transformar em informação útil, tal como a criação do índice de saúde e bem-estar [6]. • A ferramenta XCode , que se tornou essencial para facilitar a programação nativa do software, dada a sua integração API com a linguagem Swift e todas as frameworks da Apple a utilizar, incluindo os simuladores, tanto do smartphone , como do smartwatch . • A ferramenta Sketch , um poderoso editor de gráficos vetoriais, que foi usado primariamente para o design dos protótipos da interface e experiência visual que o utilizador irá interagir [46]. Com um suporte de centenas de bibliotecas e templates da Apple, tornou-se um recurso essencial para desenhar e projetar as ideias visuais, mockups e protótipos deste projeto de dissertação. • O sistema de base de dados relacional, Core Data + SQLite . Este sistema é automaticamente criado num projeto XCode sendo que cria a base de dados Structured Query Language (SQL) e também as classes lógicas para ligação à aplicação, salvaguardando assim os dados para posterior utilização e também uma possível migração para a cloud do utilizador [5]. • A ferramenta Visual Paradigm , que foi utilizada para ajudar na modelação e especificação lógica do projeto, por forma a ser mais fácil a explicação dos vários subsistemas, como, por exemplo, as bases de dados e os restantes componentes lógicos do sistema. Também foi importante para uma demonstração geral dos casos de uso e a sua melhor explicação visual. • As ferramentas RapidMiner Studio e Weka , que foram essenciais para o design e para a manipulação dos variados datasets que usámos para treinar e testar o sistema ML seguindo as regras Cross Industry Standard Process for Data Mining (CRISP-DM) [41]. 22 3.2. CARACTERIZAÇÃO DO SISTEMA DE ÍNDICES Figura 8: Maquete Geral do Sistema Como demonstrado na Figura 8a nossa modelação teve vários componentes comunicando entre si. Com as tecnologias já enumeradas supracitadamente, pudemos modelar e fundamentar quais estariam no backend e quais pertenceriam ao frontend do sistema total. Sendo que a aplicação apenas comunica com o utilizador na sua parte visual, todos estes módulos podem correr em paralelo ou até serem partilhados entre implementações reduzindo assim a quantidade de código em excesso ou repetido. Como visto também na Figura 8, foram necessários uns serviços da Apple adicionais que forneceram ao sistema possibilidades, tal como a autenticação e eliminação de possíveis bots , mas também API que fizeram a conexão entre o hardware , software e a cloud . 23 CAPÍTULO 3. UM ÍNDICE DE BEM-ESTAR 3.3 Levantamento e Análise de Requisitos Um dos passos cruciais para o desenvolvimento duma aplicação nativa para dar suporte ao sistema de índices passa sempre pelo levantamento dos seus requisitos, de uma maneira detalhada e imparcial. Assim este procedimento passou por várias fases começando pela identificação do objetivo para a solução final proposta e toda a pesquisa científica para a angariação dos requisitos totais. Sendo o propósito deste projeto a criação de um sistema transversal de índices de bem-estar e saúde, que execute no sistema operativo iOS e watchOS , esta aplicação tem de ser flexível para se poder concretizar todos os requisitos explicados nesta secção, mas também tem de ter, como requisito basilar, a criação de um índice. Para que este processo de levantamento de requisitos seja o mais simples e conciso possível, dividiu-se os requisitos em dois tipos: funcionais para os casos que sejam funcionalidades que o sistema de índices deve apresentar e não funcionais para alguns aspetos não interativos, como algumas restrições, propriedades ligadas à interface ou até mesmo guidelines impostos pela Apple na utilização dos seus API. 3.3.1 Requisitos Funcionais Estes requisitos foram a base do sistema e tiveram que ser completamente cobertos e imprescindíveis para o sistema de índices criado. Assim seguem-se os requisitos funcionais: •Geração do Índice de Bem-Estar e Saúde. O sistema tem de permitir ao utilizador a geração do índice de bem-estar e saúde, a qualquer hora e momento do dia. •Visualização do Índice de Bem-Estar e Saúde. O sistema deve possibilitar a visualização do índice gerado mais recente, como uma métrica numérica, mas também visual (com um gradiente de cores). •Visualização do Gráfico de Histórico de Índices de Bem-Estar. O sistema deve permitir ao utilizador visualizar um gráfico interativo com os índices de bem-estar gerados recentemente, como uma forma de análise adicional. •Eliminar um Índice de Bem-Estar e Saúde. O sistema deve permitir ao utilizador uma opção de não armazenamento do índice de bem-estar gerado recentemente. •Facultar as informações pessoais obtidas. O sistema deve apresentar visualmente qual a informação pessoal obtida automaticamente através do sistema operativo. 24 3.3. LEVANTAMENTO E ANÁLISE DE REQUISITOS •Perguntar explicitamente sobre as autorizações aos sensores de dados. O sistema, na primeira vez que inicia, deve perguntar detalhadamente quais os sensores irão ser utilizados e quais os dados que obterá com os mesmos. •Fornecer uma aglomeração mais precisa dos sensores. O sistema tem de providenciar uma opção para a leitura de dados dos sensores seja mais precisa, a pedido do utilizador. 3.3.2 Requisitos Não Funcionais Estes requisitos não funcionais foram aspetos que não colidiam com a interação do utilizador, mas que tinham de ser levados em conta, dada as suas restrições, propriedades da interface ou até mesmo guidelines impostos pela Apple aquando a utilização dos seus API. Assim seguem-se os requisitos não funcionais: •Armazenar o Índice de Bem-Estar criado numa Base de Dados. O sistema deve armazenar o valor numérico do índice de bem-estar sempre que o calcula, para posterior análise. •Executar a aprendizagem e algoritmia localmente. O sistema deve efetuar todos os seus cálculos e algoritmos de ML localmente, nunca enviando os dados de saúde do utilizador para um servidor externo. •Limitar o Índice de Bem-Estar nos parâmetros. O sistema deve descartar todos os índices gerados por ML que não estejam nos limites numéricos estipulados. •Ler todos os sensores do hardware do sistema. O sistema tem de poder ler todos os sensores por forma a oferecer uma maior quantidade de dados úteis ao processamento do índice e das suas várias métricas. •Ser independente da parte mobile .O sistema não deve necessitar da aplicação iOS para obter um índice de bem-estar e saúde. Levantados estes requisitos pôde-se começar uma modelação do sistema de índices e, assim, a especificação do comportamento que a implementação final do software , e por consequência, de todo o sistema, deve demonstrar e cumprir. 25 CAPÍTULO 3. UM ÍNDICE DE BEM-ESTAR 3.4 Modelação do Sistema Através da modelação do sistema ficamos com uma ideia geral, ainda que pouco detalhada a nível de código ou programação sobre a forma como o sistema de índices se comporta e como o seu funcionamento se correlaciona com os serviços nele inseridos. A ideia é que o sistema de índices, o WatchHealth seja um sistema com uma interação e aprendizagem simples, mas que nunca falhe aos seus requisitos levantados. Uma vez instalada a aplicação, o sistema automaticamente pede as permissões necessárias para poder aceder aos dados pessoais do utilizador, que já se encontram fornecidos pelo sistema operativo que aglomerou esses dados presentes na conta do utilizador do smartwatch . Assim, com esta informação, (e.g. idade e sexo biológico), pôde-se começar a deduzir alguns parâmetros do nosso sistema e métricas que podem ter de ser modificadas consoante a idade ou sexo biológico do utilizador, de forma a não induzir em erro o algoritmo de ML, que pode necessitar dessa informação para o seu bias nas camadas neuronais. Depois, quando o utilizador abre pela primeira a aplicação no seu smartwatch , o sistema de índices constrói o seu primeiro índice composto, com um valor entre zero e cinco, e, de seguida, mostra o seu valor final numérico ao utilizador, juntamente com uma animação visual que associada a um gradiente de cores, possa tornar a compreensão da informação mais acessível. Figura 9: Diagrama Geral de Casos de Uso 26 3.5. O SISTEMA DE INTERFACE (a) Gráfico Temporal (b) Menu da aplicação Figura 13: Mockups do Gráfico Temporal e do menu da aplicação do smartwatch Na mesma página de menu (Figura 13a), existe um aviso geral sobre as últimas leituras, o que fornece assim, de uma maneira coesa, informação sobre o momento, sobre o dia corrente e do passado recente. A aplicação no smartwatch para ser autónoma tem de oferecer a possibilidade de alterar o seu funcionamento, incluindo a sua desativação temporária. O menu da aplicação (Figura 13b), disponibiliza um conjunto de funcionalidades essenciais para o utilizador, como, por exemplo, a paragem da indexação inteligente dos dados. Além disso, permite ajustar a precisão do sistema de indexação, para os casos esporádicos que possam usufruir dum maior input de dados, tal como treinos/exercícios de atividade física. Para a aplicação do telemóvel fez-se a mesma abordagem, utilizando-se um design de UX que fosse minimalista, mas que, ao mesmo tempo, fornecesse a informação essencial, no momento crucial. Sempre com a ideia de nunca ser intrusiva foram pensadas as mockups para esses momentos, que estão apresentadas nas Figuras 14a,14b,14c. 33 CAPÍTULO 3. UM ÍNDICE DE BEM-ESTAR (a) Notificação com ações rápidas (b) Ícone da aplicação no sistema iOS (c) Visão principal da aplicação Figura 14: Mockups da aplicação iOS Na Figura 14a podemos ver uma notificação similar à da aplicação do relógio (Figura 12a), na qual podemos abrir a aplicação no telemóvel, visualizar o índice no momento exato ou ainda ver o gráfico associado. Para o restante design da aplicação tem-se uma visão limpa e, em concordância com o estilo flat , minimalista, e um simples texto, consoante o nível qualitativo do índice de bem-estar e saúde do utilizador (Figura 14c). Com o mesmo medidor usado na parte do watchOS podemos verificar a mesma informação que o relógio fornece ao utilizador. Porém, agora, essa informação é apresentada numa interface que oferece mais espaço para a informação útil a mostrar. Por fim, na Figura 14b podemos ver o mockup essencial do ícone da aplicação, que foi idealizado em concordância com as diretrizes do sistema operativo mobile , isto é, uma interface simples, mas que se identifica com o propósito e funcionalidade da aplicação. 34 4 Implementação do Sistema de Índices 4.1 Arquitetura Geral Nesta secção iremos analisar as decisões que foram tomadas acerca do processo de implementação do sistema de índices de bem-estar e saúde. A primeira decisão envolveu a linguagem de programação e o ambiente no qual que o sistema iria ser implementado, tendo em consideração que se pretendia uma linguagem poderosa, simples e atual, capaz de permitir a integração de novas ideias no processo e também que fornecesse uma framework diversificada que ajudasse a garantir a segurança dos dados do sistema e uma imagem de interface apelativa. Tendo em consideração que o sistema de índices seria implementado nativamente nos sistemas operativos da Apple iOS e watchOS , respetivamente para smartphone e smartwatch , selecionámos a linguagem Swift . Esta linguagem de programação foi construída com o propósito de fornecer aos programadores uma construção moderna, adotando os mais variados sistemas de segurança, performance e design, e realizada em código aberto. Através dessa linguagem, o sistema de índices poderá ser escalado facilmente das aplicações nativas implementadas para serviços na cloud , aplicações na web , ou até mesmo ser para outros sistemas operativos concorrentes. 35 CAPÍTULO 4. IMPLEMENTAÇÃO DO SISTEMA DE ÍNDICES Figura 15: Arquitetura Three-Tier da implementação Como podemos ver na figura 15, o projeto de implementação do sistema de índices não é um projeto monolítico, ou seja, o sistema não corre de uma maneira singular, mas sim suportado por várias pequenas secções modulares que funcionam de forma autónoma. Este tipo de modelo de modularização foi escolhido propositadamente para a partilha de código-fonte entre as duas aplicações que pretendíamos criar e, também, para garantir o seu distanciamento das mesmas do modelo de dados que suporta o módulo agnóstico. Entrando com mais precisão sobre a modularização mostrada na figura 15, o sistema foi dividido em três partes, o que, se designa uma arquitetura Three-Tier . Esta arquitetura define, numa fase inicial, uma ligação a uma base de dados relacional, que, neste caso, usa a API oficial da Apple : o Core Data . O Core Data é uma framework que está presente em todos os sistemas operativos da Apple , que é capaz de guardar a informação permanente da aplicação em situações de funcionamento offline , ou de sincronizar com a cloud do utilizador os dados pessoais estarem presentes em todos os seus dispositivos pessoais. Além disso, esta framework descreve os dados como código em alto nível, tornando-se não só um gestor da base de dados, como também como o criador do Mapeamento Objeto-Relacional (ORM). Assim, esta técnica fez com que não fosse necessário a criação de queries SQL , nem a criação do modelo físico de uma base de dados, dado que o Core Data age como um sistema de base de dados física e também como um conversor de tipos de objetos para os valores escalares usados nas tabelas relacionais. Outra ferramenta que foi utilizada no desenvolvimento do sistema de índices é a framework HealthKit . Apesar de ser uma caixa negra para o utilizador, esta ferramenta funciona sensivelmente da mesma 36 4.1. ARQUITETURA GERAL maneira que Core Data explicado acima. Com uma abstração de alto nível, as classes dos objetos mapeados do sistema relacional são automaticamente fornecidas pelo compilador, e, assim, acedidas a pedido, de forma personalizada, ao longo da implementação das duas aplicações. Concluindo a fase da angariação de dados, a seguinte fase da stack é o módulo Swift agnóstico a qual as duas aplicações importaram os seus métodos mais importantes. Nesta parte da implementação temos todas as classes que foram compiladas e partilhadas por ambas as aplicações finais do desenvolvimento. As classes que comunicam com as bases de dados desses dispositivos, mas também os métodos e algoritmos que angariam os dados dos sensores, processam e, com técnicas de inteligência artificial, decidem o valor do índice de bem-estar e saúde do utilizador. Este módulo que pode correr tanto em iOS como em watchOS . É a parte do sistema mais importante para este projeto de dissertação.s Por fim, a última fase da stack Three-Tier acolhe a implementação visual das duas aplicações nativas. Utilizando a framework mais recente da Apple , o SwiftUI , foi possível criar uma interface visual e interativa para o utilizador, através da utilização de uma sintaxe declarativa. Ao transformar os mockups com esta sintaxe, apenas foi necessário declarar como a interface funcionaria e, por conseguinte, todo o processo demoroso de implementação de animações, posições de UX, ligações lógicas e controladores dos objetos ficou automaticamente gerido pela framework , sendo ainda possível reutilizar essa mesma sintaxe declarativa para situações de design partilhado entre as aplicações do smartphone (iOS) e smartwatch (watchOS) . Nas secções seguintes, vamos analisar com mais detalhe as várias partes desta stack , mostrando alguns momentos-chave de algoritmos para cada uma delas, explicando sempre o processo de implementação escolhido. 37 CAPÍTULO 4. IMPLEMENTAÇÃO DO SISTEMA DE ÍNDICES 4.2 Angariação dos Dados Para a explicação da fase inicial do sistema de índices teve-se que implementar o modelo lógico de dados explicado na secção 3.4 desta dissertação. Para tal, foi utilizada a framework da Apple , dado que era requerido que a aplicação fosse a mais nativa possível, não só para uma segurança dos dados pessoais do utilizador, mas também para a manipulação de dados de saúde dos sensores medidos nos dispositivos em causa. Esta framework faz com que seja possível fazer a migração simples do modelo lógico para um modelo físico, que fica nativo e, principalmente, otimizado em termos de armazenamento dos dados. Este último aspeto é muito importante, uma vez que, a aplicação do smartwatch tem de ser especialmente pequena e rápida dadas as restrições evidentes impostas pelo hardware que vamos utilizar, que tem pouca bateria e um processador com um escalonamento de prioridades bastante eficiente para durar um dia de utilização. Figura 16: Modelo físico da base de dados privada Conforme podemos ver na figura 16, o modelo de base de dados que suporta ambas as aplicações apenas incorpora duas tabelas, que albergam os dados pessoais do utilizador, retirados da sua opcional conta de registo no sistema, e os registos do valor numérico dos índices de bem-estar e saúde que foram gerados ao longo da execução e instalação da aplicação no smartwatch . A partir desta base o sistema gera automaticamente as classes de ligação dos valores relativos à base de dados com a conversão correta para os tipos de instâncias e classes usados na implementação. Um dos exemplos mencionados como visto na Função 1, todas as queries efetuadas sobre a base de dados são escritas também em Swift , assumindo-se que existe uma classe com o mesmo nome das tabelas presentes na base de dados. Dessa forma, uma simples verificação dum atributo de uma linha da tabela de ”Utilizador”trata-se como uma variável de uma instância da classe ”Utilizador”. Esta abstração 38 4.2. ANGARIAÇÃO DOS DADOS 1/** 2Função para verificar se o utilizador está com a sessão iniciada para o início da app apenas. 3 4Returns: Um Booleano confirmando ou não a sessão iniciada. 5*/ 6import CoreData 7func isLoggedIn() -> Bool { 8 9let fetchRequest:NSFetchRequest<Utilizador> = Utilizador.fetchRequest() 10 fetchRequest.fetchLimit = 1 11 12 let context = container.viewContext 13 14 do { 15 let res =try context.fetch(fetchRequest).first 16 17 if res?.isLoggedIn != nil { 18 return res!.isLoggedIn 19 }else { 20 return false 21 } 22 }catch { 23 return false; 24 } 25 } 26 Função 1: Função exemplo de Core Data e Swift do SQL pode parecer um pouco diferente de outras aplicações, mas poupa bastante tempo na integração do modelo de base de dados com a implementação do sistema em Swift . A parte mais importante da angariação de dados é obviamente a que envolve os dados dos sensores do smartwatch . Por conseguinte, como estes sensores lidam com informação sensível, os sistemas operativos da Apple têm estes dados fechados numa base de dados única e intransmissível para cada utilizador desses sistemas. Para aceder a esses dados, teve-se que utilizar uma framework específica: o HealthKit . Com esta framework extensiva, segue-se o passo de pedir explicitamente e visualmente ao utilizador quais os dados que serão lidos e analisados pela aplicação presente no relógio. 39 CAPÍTULO 4. IMPLEMENTAÇÃO DO SISTEMA DE ÍNDICES 1let healthStore =HKHealthStore() 2 3/// Pedir autorização ao utilizador para aceder aos seus dados de saúde 4func requestAuthorization() { 5 6/// Os tipos de dados a colocar no _HealthKit_. 7//let tiposAEscrever: Set = [] 8 9 10 //let heartRate = HKObjectType.quantityType(forIdentifier: .heartRate)! 11 let restingHeartRate =HKObjectType.quantityType(forIdentifier: .restingHeartRate)! 12 let stepCount =HKObjectType.quantityType(forIdentifier: .stepCount)! 13 let exerciseTime =HKObjectType.quantityType(forIdentifier: .appleExerciseTime)! 14 let standHours =HKObjectType.categoryType(forIdentifier: .appleStandHour)! 15 let sleepAnalysis =HKObjectType.categoryType(forIdentifier: .sleepAnalysis)! 16 17 let biologicalSex =HKObjectType.characteristicType(forIdentifier: .biologicalSex)! 18 let birthDate =HKObjectType.characteristicType(forIdentifier: .dateOfBirth)! 19 20 /// Os tipos de dados a ler do _HealthKit_ para o Índice de Bem-Estar. 21 let tiposALer: Set<HKObjectType> = [restingHeartRate, stepCount, exerciseTime, standHours, sleepAnalysis, biologicalSex, birthDate] 22 23 24 /// Pedir a autorização ao utilizador. 25 healthStore.requestAuthorization(toShare: nil, read: tiposALer) { (success, error) in 26 if !success { 27 // Caso dê erro/não aceite. 28 } 29 } 30 } Função 2: Requerimento de autorização para os sensores em Swift Como toda a base de dados privada de saúde do utilizador é uma caixa negra para o sistema, toda esta tem de ser feita utilizando as regras fornecidas pelo fabricante do smartwatch . Assim, como podemos ver na Função 2, a autorização teve de ser o primeiro passo a dar para todo o sistema funcionar. Podemos dividir os tipos de objetos de saúde do sistema requisita em três grandes áreas: •Tipos característicos. Estes dados de saúde que estão numa divisão do HealthKit . Foram requisitados para influenciar o nosso sistema de ML, principalmente em algumas partes das métricas do índice, tal como os limites aconselhados de sono ou de ritmo cardíaco; –Sexo biológico; –Idade. 40 4.2. ANGARIAÇÃO DOS DADOS •Tipos categóricos. Estes dados são normalmente polimórficos, ou seja, podem ter valores quantitativos. Porém, as amostras guardadas no sistema trazem vários tipos de informação útil extra, nomeadamente: –Horas em pé. Um tipo de dados polimórfico, que é automaticamente gerado sempre que os sensores detetam que o utilizador teve pelo menos cinco minutos em pé durante uma determinada hora. –Análise do sono. Esta análise polimórfica acontece através dos vários sensores do smartwatch que determinam quando é que uma pessoa está na cama e se realmente está a dormir ou não. Com este elemento, pudemos quantificar as amostras temporais do sono já filtradas e contar quantas horas o utilizador do sistema realmente passou a dormir. •Tipos quantitativos. Estes dados são classificados como amostras dos sensores que comummente irão ter algum filtro estatístico ou matemático que sobre eles tenha sido aplicado para fornecer alguma informação útil ao sistema; –Ritmo cardíaco em repouso. Este dado é filtrado para retirar os casos nos quais o ritmo cardíaco suba em situações esperadas, como um aumento de exercício físico ou uma pequena situação de stress . Depois dessa filtragem podemos obter informação de qual é o ritmo cardíaco do utilizador. –Contagem de passos: Este elemento de dados quantitativos é angariado através dos vários sensores do smartwatch e servem para fazer uma estatística da sua variação ao longo do dia. Assim podemos responder à métrica dos passos diários do utilizador para posterior processamento no índice final. –Tempo de exercício: Através de algoritmos de ML, podemos inferir quando os sensores estão realmente a captar dados sobre um exercício do utilizador e, dessa forma, podemos quantificar o tempo da realização de algum tipo de exercício físico. Com estes dados, podemos responder à métrica de saúde na locomoção. Com a angariação destes dados e com a filtragem dos dados dos sensores, conseguiu-se as métricas associadas aos mais variados sensores do smartwatch e assim, satisfazer os requisitos estabelecidos anteriormente para o sistema de índices de bem-estar e saúde. A título de exemplo, a angariação dos dados dos vários acelerómetros e giroscópios do smartwatch para a contabilização dos passos diários do utilizador pode ser vista na Função 3. Nessa implementação 41 CAPÍTULO 4. IMPLEMENTAÇÃO DO SISTEMA DE ÍNDICES de função temos um comando descritivo para qual o tipo de dados que queremos angariar, seguido da criação dum predicado, ou seja, um conjunto de regras estatísticas para fornecermos à nossa query de dados. Com o predicado filtrou-se apenas os dados/passos do utilizador para o dia corrente, fornecendo assim a métrica correta para este tipo de dados. Por conseguinte, a query teve de ser estatística, dado que tem de ser a soma dos vários passos tomados pelo utilizador, usando o smartwatch ou smartphone . 1/// Função que faz a *query* ao **HealthKit** sobre os passos que o utilizador tomou no próprio dia. 2/// - Parameter completion: Esta é uma função em Swift chamada *closure*, ou seja, mandamos uma instrução/função como parâmetro e ela só corre no fim da principal correr. Assim quando esta corre, a completion leva como argumento o resultado para outro sítio. 3func getStepsToday(completion: @escaping (Double) -> Void) { 4let stepsQuantityType =HKQuantityType.quantityType(forIdentifier: .stepCount)! 5 6 7let now = Date() 8let startOfDay = Calendar.current.startOfDay(for: now) 9 10 /// Predicado para as amostras serem apenas desde o início do dia atual, ou seja, os passos diários. 11 let predicate =HKQuery.predicateForSamples( 12 withStart: startOfDay, 13 end: now, 14 options: .strictStartDate 15 ) 16 17 /// A query é estatística porque vamos efetuar a soma cumulativa de todas as amostras/passos deste dia. 18 let query =HKStatisticsQuery( 19 quantityType: stepsQuantityType, 20 quantitySamplePredicate: predicate, 21 options: .cumulativeSum) { 22 _, result, _ in 23 24 guard let result = result, let sum = result.sumQuantity() else { 25 completion(0.0) 26 return 27 } 28 29 completion(sum.doubleValue(for:HKUnit.count())) 30 } 31 32 healthStore.execute(query) 33 } Função 3: Angariação de dados do acelerómetro em Swift Com esta porção de código implementado depois existe a utilização de um closure , um método relativamente recente nas novas linguagens de programação que se resume a enviar como argumento da função principal, uma função também que será encarregue de receber os dados quando estiverem prontos, sem quebrar o normal funcionamento do programa por inteiro. Assim, esta closure recebe o valor da soma cumulativa, caso não exista erros, e no caso contrário simplesmente retorna o valor de 0 42 4.4. ANÁLISE DE DADOS secções verticais, divide-se o menu em dois, usando uma API de Horizontal Stack , que coloca os elementos da mesma alinhados horizontalmente. Nesta Função 6, vê-se a facilidade que é a criação duma interface responsiva, declarando apenas regras e restrições aos módulos visuais, ”desenhando”assim uma UX atual e capaz de se moldar aos vários tamanhos de ecrã, seguindo apenas as instruções e restrições. 49 5 Conclusão e Trabalho Futuro 5.1 Conclusões Neste desenvolvimento da dissertação de mestrado do curso de Mestrado Integrado de Engenharia Informática passámos por uma panóplia de vários conhecimentos adquiridos ao longo da mesma e sobre o tema em questão. Na fase inicial da pesquisa científica e bibliográfica, permitiu-nos tomar conhecimento sobre como contextualizar este problema agora solucionado, mas também uma pesquisa que deu frutos para entender a importância que a saúde e bem-estar podem ter num utilizador se este, tiver mais presente e ativamente disponível para fornecer informação. As tecnologias a serem usadas são fundamentais para distinguir a qualidade da informação e, assim, modificar padrões de vida, comportamentos de saúde e, por consequência, o bem-estar geral do indivíduo. Pesquisando a definição de índices, a sua importância para os estudos sociais e estatísticos da população humana em geral, pudemos inferir que pode ser díficil a sua quantificação com uma composição de vários fatores de saúde num simples valor numérico. Pensando nestes índices compostos como modelos computacionais e inteligentes, debatemos os prós e contras da criação de índices compostos para a saúde e, com isso, criámos um nível de precisão essencial para a modelação do tipo de informação sensível que este sistema necessitou. Pesquisando e comparando diversas tecnologias e hardware e comparando essa informação atual com os mais diversos artigos científicos relacionados com a saúde wearable , conseguimos entender a importância de que um algoritmo bem suportado, pode ajudar na fundação dum sistema inteligente e portátil, capaz de gerar índices de bem-estar para um indivíduo em tempo real. Com a pesquisa financeira e estatística de mercado atual, pudemos inferir que a fabricante a utilizar para a implementação tinha de ser a Apple e os seus dispositivos, respetivamente, o iPhone e Apple Watch . Sendo o maior fabricante 50 5.1. CONCLUSÕES de smartwatches atualmente e com um sistema operativo mobile bastante escalonável e simples de programar, tornou-se claro que os dados e sensores que o Apple Watch tinha para fornecer, combinando com Machine Learning local e veloz, foram a melhor combinação no mercado de hardware existente. O Apple Watch com os seus vários sensores de movimento, microfones e Global Positioning System (GPS) forneceu dados suficientes para a criação de cinco métricas que eficazmente conseguiram analisar o sedentarismo do utilizador e, por consequência, mostrar um índice composto de bem-estar e saúde que incentiva e informa o utilizador a melhorar o seu comportamento de saúde. Com toda a pesquisa científica assegurada passámos para a fundamentação e modelação do nosso sistema de índices de bem-estar. Com a criação de duas aplicações para os dispositivos pessoais do utilizador, criámos um projeto de software que tem como base central um algoritmo conciso e com Inteligência Artificial que analisa as cinco métricas escolhidas e, com o tempo, melhora a sua precisão na geração do índice composto final. Escolhemos quais os recursos de software essenciais para a implementação, em conjunto com um levantamento e análise de requisitos e os seus casos de uso normais. Seguidamente, modelámos as bases de dados que o sistema necessitou, explicando o porquê de algumas escolhas sobre as mesmas e como operá-las. Com todo o backend modelado, demonstrámos um sistema de interface com mockups precisas, prontas para criar uma identidade visual intuitiva e fácil de reconhecer o seu propósito funcional. Com os logótipos, notificações e menus desenhados e explicados, conseguimos modelar um sistema robusto e capaz de oferecer todos os requisitos levantados. A fase de implementação e desenvolvimento foi sem dúvida a fase com mais desafios, mas também a que deu mais satisfação de os ultrapassar, de criar algo recente, algo inovador e que fornecesse valor para o mercado analisado. Implementar um sistema de índices num hardware tão limitador, mas que ao mesmo tempo fornecesse todos os requisitos que o utilizador pudesse precisar, dando informações e avisos em tempo real sobre o seu bem-estar ao longo do dia. Começando por uma arquitetura geral, um entendimento sobre qual a linguagem de programação escolhida e como seria a arquitetura da implementação, escolhemos, respetivamente, o Swift e uma arquitetura de três micro-serviços conectados, mas independentes. Assim, o sistema que foi implementado pode ser facilmente escalado para outros dispositivos e sistemas operativos diferentes. Na fase de angariação de dados, tivemos de perceber quais os sensores forneciam as melhores informações consoante os nossos requisitos e, também, como filtrar esse tipo de informação antes do processamento do índice composto. Na fase do processamento do índice, tivemos de compreender como as aplicações precisavam de correr em concorrência e, só então, colocar o algoritmo ML a correr, sem nunca perturbar o normal funcionamento do resto da aplicação. Como última fase da implementação e da arquitetura escolhida, utilizámos uma framework 51 CAPÍTULO 5. CONCLUSÃO E TRABALHO FUTURO recente da Apple para transformar as mockups previamente desenhadas em interfaces UX responsivas e multi-sistemas. Assim, com pouco código de implementação repetido, pudemos criar duas aplicações distintas, mas com uma identidade visual fácil de reconhecer e, que comunicam naturalmente entre as duas, para fornecer um sistema de índices capaz de em tempo real disponibilizar as informações do bem-estar e saúde do utilizador. 5.2 Trabalho Futuro Como trabalho futuro, existem alguns caminhos fulcrais que podem adicionar valor ao sistema de índices implementado nesta dissertação. Estes caminhos, discutidos pormenorizadamente imediatamente em baixo, encontram-se fundamentados através das limitações existentes, que podem e devem ser melhoradas para que o o sistema final apresente uma coesão e evolução pensada sempre na informação atual de bem-estar e saúde. Vejamos então três possíveis caminhos futuros: • Análise sobre a utilização de sensores de outro hardware com a sua integração no algoritmo que produz o índice final discutido nesta dissertação. Dessa forma, esta solução ficaria mais heterogénea e não tão presa a um ecossistema, ainda que seja robusto, é fechado também. • Expansão da aprendizagem da Inteligência Artificial desta solução, criando assim uma ligação sobre os dados das várias amostras provenientes dos utilizadores do sistema. Este aumento do número de amostras e testes a realizar, desta vez não localmente, poderia exponenciar a capacidade da Inteligência Artificial e as suas métricas do índice de bem-estar. • A criação duma plataforma externa capaz de ligar os dados recolhidos do nosso sistema de índices, para a comunicação dos mesmos a entidades médicas que estejam interessadas na análise do bem-estar e saúde do seu paciente. 52 Bibliografia [1] M. Altini e D. Plews. «What is behind changes in resting heart rate and heart rate variability? A large-scale analysis of longitudinal measurements acquired in free-living». Em: Sensors 21.23 (2021-12). issn: 14248220. doi: 10.3390/s21237932 (ver p. 16). [2] American Heart Association. All About Heart Rate (Pulse) . 2018. url: http://www.heart.org/ HEARTORG/Conditions/HighBloodPressure/GettheFactsAboutHighBloodPressure/ All-About-Heart-Rate-Pulse_UCM_438850_Article.jsp#.WvEBdYjwY2w (ver p. 15). [3] Apple. Monitor your heart rate with Apple Watch - Apple Support . 2018. url: https://support. apple.com/en-us/HT204666 (acedido em 2022-06-14) (ver pp. 15,16). [4] Apple. Registar o sono com o Apple Watch . 2021. url: https://support.apple.com/ptpt/guide/watch/apd830528336/watchos (acedido em 2022-06-14) (ver p. 17). [5] Apple Developer. Core Data . 2008. url: https://developer.apple.com/documentation/ coredata (acedido em 2022-01-23) (ver p. 22). [6] Apple Developer. Core ML . 2017. url: https://developer.apple.com/documentation/ coreml (acedido em 2022-01-19) (ver p. 22). [7] Apple Developer. HealthKit . 2014. url: https://developer.apple.com/documentation/ healthkit (acedido em 2022-01-19) (ver p. 21). [8] Apple Developer. SwiftUI Overview . 2015. url: https://developer.apple.com/xcode/ swiftui/ (acedido em 2022-01-19) (ver p. 21). [9] Apple Developer. WatchKit . 2015. url: https://developer.apple.com/documentation/ watchkit (acedido em 2022-01-23) (ver p. 22). 53 BIBLIOGRAFIA [10] D. R. Bassett et al. Step Counting: A Review of Measurement Considerations and Health-Related Applications . 2017-07. doi: 10.1007/s40279-016-0663-1 (ver p. 15). [11] D. J. Buysse et al. «The Pittsburgh sleep quality index: A new instrument for psychiatric practice and research». Em: Psychiatry Research 28.2 (1989), pp. 193–213. issn: 01651781. doi: 10.1 016/0165-1781(89)90047-4 (ver p. 17). [12] A. Chen. What the Apple Watch’s FDA clearance actually means . 2018. url: https://www. theverge . com / 2018 / 9 / 13 / 17855006 / apple - watch - series - 4 - ekg - fda - approved-vs-cleared-meaning-safe (acedido em 2022-06-14) (ver p. 16). [13] J. Choi e S. Kim. «Is the smartwatch an IT product or a fashion product? A study on factors affecting the intention to use smartwatches». Em: Computers in Human Behavior 63 (2016-10), pp. 777– 786. issn: 07475632. doi: 10.1016/j.chb.2016.06.007 (ver p. 10). [14] D. Curry. Apple Statistics (2021) - Business of Apps . 2021. url: https://www.businessofapps. com/data/apple-statistics/ (acedido em 2021-10-14) (ver pp. 12,13). [15] D. Curry. Apple Watch Has 10,000 Apps: Bests Android Wear, Pebble | Digital Trends . 2015. url: https://www.digitaltrends.com/wearables/apple-watch-apps-comparison/ (acedido em 2021-09-09) (ver p. 9). [16] K. R. Evenson, M. M. Goto e R. D. Furberg. Systematic review of the validity and reliability of consumer-wearable activity trackers . 2015-12. doi: 10 . 1186 / s12966 - 015 - 0314 - 1. url: http://www.ijbnpa.org/content/12/1/159 (ver p. 2). [17] S. Fox e M. Duggan. Tracking for health: Main report . 2010. url: https://www.pewresearch. org/internet/2013/01/28/tracking-for-health/ (ver p. 1). [18] C. E. Garber et al. «Quantity and quality of exercise for developing and maintaining cardiorespiratory, musculoskeletal, and neuromotor fitness in apparently healthy adults: Guidance for prescribing exercise». Em: Medicine and Science in Sports and Exercise 43.7 (2011), pp. 1334–1359. issn: 01959131. doi: 10.1249/MSS.0b013e318213fefb (ver p. 14). [19] K. González, J. Fuentes e J. L. Márquez. Physical inactivity, sedentary behavior and chronic diseases . 2017. doi: 10.4082/kjfm.2017.38.3.111 (ver p. 14). [20] J. Gownder. The Data Digest: Five Urgent Truths About Wearables . 2014. url: https://www. forrester.com/blogs/14-12-09-the_data_digest_five_urgent_truths_ about_wearables/%20http://blogs.forrester.com/jp_gownder/14-12-0954 BIBLIOGRAFIA the_data_digest_five_urgent_truths_about_wearables (acedido em 2021-10-12) (ver p. 10). [21] A. Hawken e G. L. Munck. «Cross-National Indices with Gender-Differentiated Data: What Do They Measure? How Valid Are They?» Em: Social Indicators Research 111.3 (2013-04), pp. 801–838. issn: 03038300. doi: 10.1007/s11205-012-0035-7 (ver p. 5). [22] J. L. Hicks et al. «Best practices for analyzing large-scale health data from wearables and smartphone apps». Em: npj Digital Medicine 2.1 (2019-12), pp. 1–12. issn: 2398-6352. doi: 10.1038/s41 746-019-0121-1. url: https://doi.org/10.1038/s41746-019-0121-1 (ver p. 1). [23] Instituto Nacional de Estatística. Índice de bem-estar : 2004-2016 . Instituto Nacional de Estatística, 2017. isbn: 978-989-25-0436-0. url: https://www.ine.pt/xportal/xmain?xpid=INE& xpgid=ine_publicacoes&PUBLICACOESpub_boui=313010615&PUBLICACOESmodo= 2(ver p. 8). [24] Instituto Nacional de Estatística. «O que é o Índice de Bem-estar (IBE)». Em: (2008), pp. 1–8. url: https://www.ine.pt/xportal/xmain?xpid=INE&xpgid=ine_indbemestar& xlang=pt (ver pp. 5,6). [25] Jeff Carlson. Apple Watch becomes a study on attention | The Seattle Times . 2015. url: https: / / www . seattletimes . com / business / apple - watch - becomes - a - study - on - attention/ (acedido em 2021-09-09) (ver p. 9). [26] X. Kang, B. Huang e G. Qi. «A novel walking detection and step counting algorithm using unconstrained smartphones». Em: Sensors (Switzerland) 18.1 (2018). issn: 14248220. doi: 10.3390 /s18010297 (ver p. 14). [27] W. B. KANNEL et al. «Factors of risk in the development of coronary heart disease–six year followup experience. The Framingham Study.» Em: Annals of internal medicine 55 (1961), pp. 33–50. issn: 00034819. doi: 10.7326/0003-4819-55-1-33 (ver p. 8). [28] A. Khushhal et al. «Validity and Reliability of the Apple Watch for Measuring Heart Rate During Exercise». Em: Sports Medicine International Open 1.06 (2017-10), E206–E211. doi: 10.1055 /s-0043-120195 (ver p. 16). [29] P. Liu et al. «Use of Mobile Health Applications in Low-Income Populations: A Prospective Study of Facilitators and Barriers». Em: Circulation: Cardiovascular Quality and Outcomes (2020), pp. 687– 691. doi: 10.1161/CIRCOUTCOMES.120.007031 (ver p. 12). 55 BIBLIOGRAFIA [30] J. M. Lourenço. The NOVAthesis L A TE X Template User’s Manual . NOVA University Lisbon. 2021. url: https://github.com/joaomlourenco/novathesis/raw/master/template.pdf (ver p. ii). [31] C. E. Matthews et al. «Amount of time spent in sedentary behaviors in the United States, 20032004». Em: American Journal of Epidemiology 167.7 (2008), pp. 875–881. issn: 00029262. doi: 10.1093/aje/kwm390 (ver p. 14). [32] H. Moon e D. E. Sprott. «Ingredient branding for a luxury brand: The role of brand and product fit». Em: Journal of Business Research 69.12 (2016-12), pp. 5768–5774. doi: 10.1016/J. JBUSRES.2016.04.173 (ver p. 10). [33] NPD. The Demographic Divide: Fitness Trackers and Smartwatches Attracting Very Different Segments of the Market, According to The NPD Group . 2015. url: https://connected-intelligence. com/about-us/press-releases/demographic-divide-fitness-trackers-andsmartwatches-attracting-very (ver p. 9). [34] Organisation for Economic Co-operation and Development. Handbook on Constructing Composite Indicators: Methodology and User Guide . OECD, 2008-08, p. 162. isbn: 9789264043459. doi: 10 .1787/9789264043466-en. url: https://composite-indicators.jrc.ec.europa. eu / ?q = 10 - step - guide % 20https : / / www . oecd - ilibrary . org / economics / handbook-on-constructing-composite-indicators-methodology-and-userguide_9789264043466-en (ver p. 5). [35] D. Ravi et al. «Deep learning for human activity recognition: A resource efficient implementation on low-power devices». Em: BSN 2016 - 13th Annual Body Sensor Networks Conference . Institute of Electrical e Electronics Engineers Inc., 2016-07, pp. 71–76. isbn: 9781509030873. doi: 10.1 109/BSN.2016.7516235 (ver p. 2). [36] B. Reeder e A. David. «Health at hand: A systematic review of smart watch uses for health and wellness». Em: Journal of Biomedical Informatics 63 (2016-10), pp. 269–276. issn: 15320464. doi: 10.1016/J.JBI.2016.09.001 (ver p. 9). [37] R. Riemen. The Sensors Behind the Apple Watch® . 2015. url: https://www.eeweb.com/ the-sensors-behind-the-apple-watch/ (acedido em 2022-06-14) (ver p. 14). [38] R. M. Ryan e E. L. Deci. «Self-determination theory and the facilitation of intrinsic motivation, social development, and well-being». Em: American Psychologist 55.1 (2000), pp. 68–78. issn: 0003066X. doi: 10.1037/0003-066X.55.1.68 (ver p. 7). 56 BIBLIOGRAFIA [39] D. R. Seshadri et al. «Accuracy of Apple Watch for Detection of Atrial Fibrillation». Em: Circulation (2020), pp. 702–703. issn: 15244539. doi: 10.1161/CIRCULATIONAHA.119.044126 (ver p. 16). [40] A. Shameli et al. «How gamification affects physical activity: Large-scale analysis of walking challenges in a mobile application». Em: 26th International World Wide Web Conference 2017, WWW 2017 Companion . Vol. 2017. International World Wide Web Conferences Steering Committee, 2019, pp. 455–463. isbn: 9781450349147. doi: 10.1145/3041021.3054172. arXiv: 1702 .07437. url: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5627651/ (ver p. 1). [41] Shearer C. «The CRISP-DM model: the new blueprint for data mining”, Journal of Data Warehousing 5 (2000) ; 5:13—22.» Em: J Data Warehousing 5.4 (2000), pp. 13–22. url: http://crispdm.eu (ver p. 22). [42] K. Shelley e S. Shelley. «Pulse Oximeter Waveform: Photoelectric Plethysmography». Em: Clinical Monitoring: Practical Applications for Anesthesia and Critical Care May (2001), pp. 420–423. url: https://www.researchgate.net/profile/Kirk_Shelley/publication/224765 089_Pulse_Oximeter_Waveform_Photoelectric_Plethysmography/links/0c96 0529365c4977a4000000.pdf (ver p. 15). [43] T. J. Siddiqi et al. «Utility of the CHA2DS2-VASc score for predicting ischaemic stroke in patients with or without atrial fibrillation: a systematic review and meta-analysis». Em: European Journal of Preventive Cardiology (2021-03). issn: 2047-4873. doi: 10.1093/eurjpc/zwab018. url: https://academic.oup.com/eurjpc/advance-article/doi/10.1093/eurjpc/ zwab018/6163157 (ver p. 8). [44] D. E. Singer, M. C. Fang e A. S. Go. «CHA2DS2-VASc Risk Scheme: Not Ready for Clinical Use». Em: CHEST 138.4 (2010-10), p. 1020. issn: 0012-3692. doi: 10.1378/CHEST.10-0875. url: http://journal.chestnet.org/article/S0012369210605600/fulltext%2 0http://journal.chestnet.org/article/S0012369210605600/abstract%20 https://journal.chestnet.org/article/S0012-3692(10)60560-0/abstract (ver p. 8). [45] A. Singh. «4 Ways to Debug your Deep Neural Network». Em: (2019). url: https://blog. cardiogr.am/4-ways-to-debug-your-deep-neural-network-e5edb14a12d7%20 http://cncc.bingj.com/cache.aspx?q=4-ways-to-debug-your-deep-neural57 BIBLIOGRAFIA network&d=4621273249221821&mkt=en-US&setlang=en-US&w=KFr3XomDUsY1 gzO9Ct-8KCcH30MfLbH4%0Ahttps://blog.cardiog (ver p. 11). [46] Sketch B.V. The digital design platform . 2022. url: https : / / www . sketch . com / home/ (acedido em 2022-01-18) (ver p. 22). [47] D. Tewari e A. Patil. Smartwatch market size, share and industry growth . 2020. url: https : //www.alliedmarketresearch.com/smartwatch-market (acedido em 2021-09-13) (ver pp. 9,13). [48] C. Tudor-Locke et al. «How many steps/day are enough? for adults». Em: International Journal of Behavioral Nutrition and Physical Activity 8 (2011-07). issn: 14795868. doi: 10.1186/1479-5 868-8-79 (ver p. 15). [49] C. Tudor-Locke et al. How many steps/day are enough? For children and adolescents . 2011-07. doi: 10.1186/1479-5868-8-78 (ver p. 15). [50] D. E. Warburton, C. W. Nicol e S. S. Bredin. Health benefits of physical activity: The evidence . 2006. doi: 10.1503/cmaj.051351 (ver p. 14). [51] WHO. «Obesity: preventing and managing the global epidemic. Report of a WHO consultation.» Em: World Health Organization - Technical Report Series 894 (2000). issn: 05123054 (ver p. 14). [52] M. Zoni-Berisso et al. «Epidemiology of atrial fibrillation: European perspective». Em: Clinical Epidemiology 6.1 (2014-06), pp. 213–220. doi: 10 . 2147 / CLEP . S47385. url: https : / / www . dovepress . com / epidemiology - of - atrial - fibrillation - european - perspective-peer-reviewed-fulltext-article-CLEP (ver p. 8). Estedocumentofoigeradocomoprocessador(pdf/Xe/Lua)L A T EXeomodeloNOVAthesis(v6.9.15)[1].12cc90221730b8ba41bb3b1f8b517acd [1] J.M.Lourenço.TheNOVAthesisL A T EXTemplateUser’sManual.NOVAUniversityLisbon.2021.URL:https://github.com/joaomlourenco/novathesis/raw/master/template.pdf(verp.58). 58