Acurácia do teste de labirinto no rastreamento de déficits cognitivos em idosos

This study intended to evaluate the maze test accuracy in cognitive deficit screening in elderly with or without neuropsychological pathology. The sample included 40 healthy young (18-25 years old; mean- 21 ± 1.6), 40 healthy old (60-77 years old; mean- 67 ± 5.1) and 18 patients with probable diagnosis of Alzheimer s disease initial stage (52-90 years old; mean- 78 ± 9.2). Data analysis was made using Anova with Tukey s post hoc, multiple linear regression analysis and ROC curve analysis. According to Tukey s test Alzheimer patients spent more time (46843 ± 37926 ms) to execute the test than healthy young (5482 ± 2873 ms; p= 0.0001) and elderly (17978 ± 13700; p= 0.0001); healthy young executed test n lower time (p= 0.035). According to the regression analysis of age, education level and cognitive performance of the three groups, the cognitive performance was the predictor of the execution time. When analyzing young and elderly only age was the predictor and the cognitive performance was the only factor to influence the test of old aged healthy and patients. The ROC curve analysis indicated 72% accuracy for young and elderly and 36% for healthy and elderly patients. The maze execution time represented a better balance between sensibility (75%) and the specificity (61%) was near 13575 ms, indicating that those subjects that execute the maze in a time higher to this value may show cognitive deficit related to the executive function. According to the results it is suggested that the maze test used in this study shows a good accuracy in the cognitive deficit tracking and may discriminate age changes

A Short Physical Performance Battery (SPPB) como preditora da fragilidade em idosos residentes na comunidade

Introduction: The SPPB provides information about physical function and is a predictor of adverse events in the elderly. Frailty is a multidimensional syndrome that increases susceptibility to diseases and disability. However it may be possible to prevent or postpone frailty if is identified early. Our objective is to analyze SPPB s ability in screening for frailty a community-dwelling young elderly from cities with distinct socioeconomic conditions. Methods: Data were originated from community dwelling adults (65-74 years old) in Canada (Saint Bruno; n = 60) and Brazil (Santa Cruz; n = 64). SPPB was used to assess physical performance. Frailty was defined as the presence of ≥ 3 of these criteria: weight loss, exhaustion, weakness, mobility limitation and low physical activity. One point was given for each criterion met, totalizing a frailty score ranged from 0 to 5. The Linear Regression and Receiver Operating Characteristics analyses were performed to evaluate the SPPB s screening ability. Results: Mean age was 69.48, 10.0% of the Saint Bruno s sample and 28.1% of Santa Cruz s were frail (p = 0.001), the SPPB score means were 9.6 and 8.5 respectively (p = 0.01). SPPB correlated with the frailty score (R2 = 0.33), with better results for Saint Bruno. A cutoff of 9 in SPPB had good sensitivity and specificity in discriminating frail from non frail in Saint Bruno (AUC = 0.81) but showed fair results in Santa Cruz (AUC = 0.61). Conclusion: The SPPB has moderate ability in predicting frailty among older adult s population, and is an useful test to identify people with good functionality and low frailty when SPPB scores are ≥9

An automated approach for performance deviation analysis of evolving software systems

A manutenção e evolução de sistemas de software tornou-se uma tarefa bastante crítica ao longo dos últimos anos devido à diversidade e alta demanda de funcionalidades, dispositivos e usuários. Entender e analisar como novas mudanças impactam os atributos de qualidade da arquitetura de tais sistemas é um pré-requisito essencial para evitar a deterioração de sua qualidade durante sua evolução. Esta tese propõe uma abordagem automatizada para a análise de variação do atributo de qualidade de desempenho em termos de tempo de execução (tempo de resposta). Ela é implementada por um framework que adota técnicas de análise dinâmica e mineração de repositório de software para fornecer uma forma automatizada de revelar fontes potenciais – commits e issues – de variação de desempenho em cenários durante a evolução de sistemas de software. A abordagem define quatro fases: (i) preparação – escolher os cenários e preparar os releases alvos; (ii) análise dinâmica – determinar o desempenho de cenários e métodos calculando seus tempos de execução; (iii) análise de variação – processar e comparar os resultados da análise dinâmica para releases diferentes; e (iv) mineração de repositório – identificar issues e commits associados com a variação de desempenho detectada. Estudos empíricos foram realizados para avaliar a abordagem de diferentes perspectivas. Um estudo exploratório analisou a viabilidade de se aplicar a abordagem em sistemas de diferentes domínios para identificar automaticamente elementos de código fonte com variação de desempenho e as mudanças que afetaram tais elementos durante uma evolução. Esse estudo analisou três sistemas: (i) SIGAA – um sistema web para gerência acadêmica; (ii) ArgoUML – uma ferramenta de modelagem UML; e (iii) Netty – um framework para aplicações de rede. Outro estudo realizou uma análise evolucionária ao aplicar a abordagem em múltiplos releases do Netty, e dos frameworks web Wicket e Jetty. Nesse estudo foram analisados 21 releases (sete de cada sistema), totalizando 57 cenários. Em resumo, foram encontrados 14 cenários com variação significante de desempenho para Netty, 13 para Wicket e 9 para Jetty. Adicionalmente, foi obtido feedback de oito desenvolvedores desses sistemas através de um formulário online. Finalmente, no último estudo, um modelo de regressão para desempenho foi desenvolvido visando indicar propriedades de commits que são mais prováveis a causar degradação de desempenho. No geral, 997 commits foram minerados, sendo 103 recuperados de elementos de código fonte degradados e 19 de otimizados, enquanto 875 não tiveram impacto no tempo de execução. O número de dias antes de disponibilizar o release e o dia da semana se mostraram como as variáveis mais relevantes dos commits que degradam desempenho no nosso modelo. A área de característica de operação do receptor (ROC – Receiver Operating Characteristic) do modelo de regressão é 60%, o que significa que usar o modelo para decidir se um commit causará degradação ou não é 10% melhor do que uma decisão aleatória.

An automated approach for performance deviation analysis of evolving software systems

A manutenção e evolução de sistemas de software tornou-se uma tarefa bastante crítica ao longo dos últimos anos devido à diversidade e alta demanda de funcionalidades, dispositivos e usuários. Entender e analisar como novas mudanças impactam os atributos de qualidade da arquitetura de tais sistemas é um pré-requisito essencial para evitar a deterioração de sua qualidade durante sua evolução. Esta tese propõe uma abordagem automatizada para a análise de variação do atributo de qualidade de desempenho em termos de tempo de execução (tempo de resposta). Ela é implementada por um framework que adota técnicas de análise dinâmica e mineração de repositório de software para fornecer uma forma automatizada de revelar fontes potenciais – commits e issues – de variação de desempenho em cenários durante a evolução de sistemas de software. A abordagem define quatro fases: (i) preparação – escolher os cenários e preparar os releases alvos; (ii) análise dinâmica – determinar o desempenho de cenários e métodos calculando seus tempos de execução; (iii) análise de variação – processar e comparar os resultados da análise dinâmica para releases diferentes; e (iv) mineração de repositório – identificar issues e commits associados com a variação de desempenho detectada. Estudos empíricos foram realizados para avaliar a abordagem de diferentes perspectivas. Um estudo exploratório analisou a viabilidade de se aplicar a abordagem em sistemas de diferentes domínios para identificar automaticamente elementos de código fonte com variação de desempenho e as mudanças que afetaram tais elementos durante uma evolução. Esse estudo analisou três sistemas: (i) SIGAA – um sistema web para gerência acadêmica; (ii) ArgoUML – uma ferramenta de modelagem UML; e (iii) Netty – um framework para aplicações de rede. Outro estudo realizou uma análise evolucionária ao aplicar a abordagem em múltiplos releases do Netty, e dos frameworks web Wicket e Jetty. Nesse estudo foram analisados 21 releases (sete de cada sistema), totalizando 57 cenários. Em resumo, foram encontrados 14 cenários com variação significante de desempenho para Netty, 13 para Wicket e 9 para Jetty. Adicionalmente, foi obtido feedback de oito desenvolvedores desses sistemas através de um formulário online. Finalmente, no último estudo, um modelo de regressão para desempenho foi desenvolvido visando indicar propriedades de commits que são mais prováveis a causar degradação de desempenho. No geral, 997 commits foram minerados, sendo 103 recuperados de elementos de código fonte degradados e 19 de otimizados, enquanto 875 não tiveram impacto no tempo de execução. O número de dias antes de disponibilizar o release e o dia da semana se mostraram como as variáveis mais relevantes dos commits que degradam desempenho no nosso modelo. A área de característica de operação do receptor (ROC – Receiver Operating Characteristic) do modelo de regressão é 60%, o que significa que usar o modelo para decidir se um commit causará degradação ou não é 10% melhor do que uma decisão aleatória.