Sistemas de prevenção de cuidados de saúde

A tomada de decisão na saúde pode-se tornar um processo complexo e moroso. A complexidade associada ao processo de decisão na saúde advém da diversidade de opções clinicamente razoáveis, ou seja, nenhuma opção se sobrepõem _a outra, visto que cada uma possui os seus riscos e benefícios, que são normalmente interpretados de modo diferente entre os indivíduos. Desta forma, cabe ao paciente e _a sua equipa médica optarem pela opção que melhor se enquadra na situação clínica do paciente Para tornar este processo menos complexo, cada vez mais se utiliza as chamadas "ferramentas de decisão", que se caraterizam por fornecer informação sobre as diferentes opções clínicas, traduzindo-se numa diminuição da dificuldade da tomada de decisão. De uma forma geral, as ferramentas de decisão são desenvolvidas com o intuito de facilitar a tomada de decisão, através do aumento do conhecimento científico sobre um determinado problema (tomada de decisão informada) e uma mudança de atitude do paciente face aos seus cuidados de saúde. Na realização da presente dissertação foi desenvolvido um sistema de informação na web, que engloba informação relativa ao rastreio do cancro da próstata. Este sistema também surge acoplado a um conjunto de componentes de decisão, que têm como objetivo auxiliar os indivíduos no processo de decisão para a realização do rastreio do cancro da próstata, assim como a prevenção de doenças relacionadas com a próstata. A implementação desta aplicação web teve como base as necessidades do indivíduo, ou seja informações clínicas sobre possíveis riscos e benefícios associados ao rastreio, assim como fornecer uma maior interatividade com o utilizador. A primeira versão da aplicação já foi testada e avaliada através da participação de um conjunto de indivíduos que compõem o público-alvo para este tipo de aplicações. Os resultados obtidos permitiram concluir que os requisitos definidos para esta aplicação, permitem o aumento do conhecimento do indivíduo e o auxílio na tomada de decisão para a realização do rastreio do cancro da próstata.

Development and Assessment of an E-Learning Course on Breast Imaging for Radiographers: A Stratified Randomized Controlled Trial

Background: Mammography is considered the best imaging technique for breast cancer screening, and the radiographer plays an important role in its performance. Therefore, continuing education is critical to improving the performance of these professionals and thus providing better health care services. Objective: Our goal was to develop an e-learning course on breast imaging for radiographers, assessing its efficacy , effectiveness, and user satisfaction. Methods: A stratified randomized controlled trial was performed with radiographers and radiology students who already had mammography training, using pre- and post-knowledge tests, and satisfaction questionnaires. The primary outcome was the improvement in test results (percentage of correct answers), using intention-to-treat and per-protocol analysis. Results: A total of 54 participants were assigned to the intervention (20 students plus 34 radiographers) with 53 controls (19+34). The intervention was completed by 40 participants (11+29), with 4 (2+2) discontinued interventions, and 10 (7+3) lost to follow-up. Differences in the primary outcome were found between intervention and control: 21 versus 4 percentage points (pp), P<.001. Stratified analysis showed effect in radiographers (23 pp vs 4 pp; P=.004) but was unclear in students (18 pp vs 5 pp; P=.098). Nonetheless, differences in students’ posttest results were found (88% vs 63%; P=.003), which were absent in pretest (63% vs 63%; P=.106). The per-protocol analysis showed a higher effect (26 pp vs 2 pp; P<.001), both in students (25 pp vs 3 pp; P=.004) and radiographers (27 pp vs 2 pp; P<.001). Overall, 85% were satisfied with the course, and 88% considered it successful. Conclusions: This e-learning course is effective, especially for radiographers, which highlights the need for continuing education.

Sistema de apoio à decisão do rastreio do cancro da mama

O estudo do rastreio do cancro da mama funciona não só como um benefício, mas também como um método que pode causar controvérsias nas mulheres consideradas saudáveis antes de se submeterem ao rastreio. Assim, a necessidade do utente adquirir conhecimento sobre as vantagens e desvantagens do rastreio do cancro da mama é fundamental para decidir se, se submete ou não, a este rastreio. A decisão do paciente é crucial na decisão final e as consequências já devem ser do seu conhecimento. Com este estudo, pretendeu-se o desenvolvimento de um Sistema de Informação (SI) na Web, que funcione como auxiliar no processo de tomada de decisão para a realização do rastreio do cancro da mama. A decisão do componente do SI é fundamental, com o objetivo de auxiliar os utilizadores no processo de tomada de decisão para a realização do rastreio do cancro da mama. O desenvolvimento da plataforma “Decidir”, apresenta-se numa aplicação crucial no domínio médico da decisão do rastreio do cancro da mama, onde referências às suas controvérsias e benefícios são fundamentais para um melhor cuidado de saúde. Para esse efeito foram implementadas duas ferramentas para ajudar na decisão de realizar ou não o rastreio do cancro da mama. A primeira ferramenta resulta na decisão pessoal de cada indivíduo (paciente/profissionais de saúde), que pode ser variável, conforme um conjunto de proposições relevantes no aspeto pessoal e clínico para a tomada de decisão do rastreio nesta área.

Sol-Gel Chemistry in Biosensing Devices of Electrical Transduction: Application to CEA Cancer Biomarker

Sol-gel chemistry allows the immobilization of organic molecules of biological origin on suibtable solid supports, permitting their integration into biosensing devices widening the possibility of local applications. The present work is an application of this principle, where the link between electrical receptor platform and the antibody acting as biorecognition element is made by sol-gel chemistry. The immunosensor design was targeted for carcinoembryonic antigen (CEA), an important biomarker for screening the colorectal cancer, by electrochemical techniques, namely electrochemical impedance spectroscopy (EIS) and square wave voltammetry (SVW). The device displayed linear behavior to CEA in EIS and in SWV assays ranging from 0.50 to 1.5ng/mL, and 0.25 to 1.5ng/mL, respectively. The corresponding detection limits were 0.42 and 0.043 ng/mL. Raman spectroscopy was used to characterize the surface modifications on the conductive platform (FTO glass). Overall, simple sol-gel chemistry was effective at the biosensing design and the presented approach can be a potential method for screening CEA in point-of-care, due to the simplicity of fabrication, short response time and low cost. - See more at: http://www.eurekaselect.com/127192/article#sthash.m1AWhINx.dpuf

The potential of molecular imprinting as a biosensing devices for monitoring the CEA cancer biomarker

6th Graduate Student Symposium on Molecular Imprinting

Sol-gel biomimetic material designed to target CEA cancer biomarker

1st ASPIC International Congress

A disposable glass-based immunosensor for monitoring the cancer biomarker CEA in urine

NanoPT 2014 International Conference, in Portugal, on February 12-14. Poster presentation based on topic Nanobio/Nanomedicine

High-Content Analysis of Breast Cancer Using Single-Cell Deep Transfer Learning

High-content analysis has revolutionized cancer drug discovery by identifying substances that alter the phenotype of a cell, which prevents tumor growth and metastasis. The high-resolution biofluorescence images from assays allow precise quantitative measures enabling the distinction of small molecules of a host cell from a tumor. In this work, we are particularly interested in the application of deep neural networks (DNNs), a cutting-edge machine learning method, to the classification of compounds in chemical mechanisms of action (MOAs). Compound classification has been performed using image-based profiling methods sometimes combined with feature reduction methods such as principal component analysis or factor analysis. In this article, we map the input features of each cell to a particular MOA class without using any treatment-level profiles or feature reduction methods. To the best of our knowledge, this is the first application of DNN in this domain, leveraging single-cell information. Furthermore, we use deep transfer learning (DTL) to alleviate the intensive and computational demanding effort of searching the huge parameter's space of a DNN. Results show that using this approach, we obtain a 30% speedup and a 2% accuracy improvement.