Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Presentación viernes 15 de mayo-Iyubanit Rodríguez

Interfaces para el monitoreo de pacientes con dolor

Related Books

Free with a 30 day trial from Scribd

See all
  • Be the first to comment

  • Be the first to like this

Presentación viernes 15 de mayo-Iyubanit Rodríguez

  1. 1. Iyubanit Rodríguez Ramírez Prof. Supervisora: Valeria Herskovic Colaborador: Dr. Mauricio Campos, Traumatología PUC Interfaces para el monitoreo de pacientes con dolor
  2. 2. Agenda • Motivación • Marco Teórico • Estado del arte • Pregunta de Investigación • Hipótesis • Solución Propuesta • Limitaciones • Estado de la Investigación
  3. 3. Motivación: Dolor Sensación desagradable que puede ir desde una leve molestia hasta la agonía. Dolor puede ser agudo y crónico 4. Cheng et al. 2003. Concept Analysis of Pain .
  4. 4. Motivación: Medición del dolor 8. Horgas et al. 2012. Assessing pain in older adults with dementia, 9. Jackso et al. 2006. Development of a pictorial scale of pain intensity, 18. Serif et al. 2005. Visualizing pain data for wheelchair user, 22. The National Initiative on Pain Control. 2001. Pain Assessment Scales
  5. 5. Motivación 7. Hammal et al. 2014. Towards Multimodal Pain Assessment for Research and Clinical Use Una persona siente dolor El médico hace el diagnóstico Información sólo de la consulta Información sesgada Inconvenientes No toma en cuenta factores individuales Tratamientos inadecuados Frustración del paciente
  6. 6. Motivación “Es importante conocer el dolor que siente el paciente durante la rutina diaria y no sólo en los exámenes de laboratorio…” Dr. Mauricio Campos Dra. Laura Tupper “…Solo el paciente será el indicado de decir cuánto dolor tiene.”
  7. 7. Motivación El dolor es motivo del 40% de consultas en la atención primaria cada año El 20% de estos pacientes ha experimentado dolor por más de 6 meses 11. Clínica las condes. 2004. Gestión en rehabilitación Situación actual
  8. 8. Motivación El dolor es un problema crítico en el sistema de salud 7. Hammal et al. 2014. Towards Multimodal Pain Assessment for Research and Clinical Use Afecta calidad de vida del individuo Diagnóstico de enfermería más frecuente Causa efectos físicos, emocionales y familiares Aumenta los costos del individuo y la sociedad
  9. 9. Marco teórico
  10. 10. Interfaz Humano Computador Computación Psicología Semiótica Lenguaje Sociología Diseño Ingeniería Ergonomía Paciente Biología Psicología Cognición Enfermedad Antecedentes personales Enfermedad actual Medio ambiente Social Cultural Dolor Area de aplicación Narcisa, F. La Interacción Humano-Computadora (MODIHC) Montoya, P. 2005. Celebro y dolor
  11. 11. Interfaz humano computador Medicina: Dolor Medio ambiente Wearable Contexto Auto-reporte Area de aplicación Percepción
  12. 12. Monitoreo Investigación que implica el estudio repetido de una pregunta en el tiempo, requiere recopilación continua de datos 3. Braveman. 2003. Monitoring Equity in Health and Healthcare 14. Min et al.2014. Toss ‘N’ Turn: Smartphone as Sleep and Sleep Quality Detector 11. Khurana et al. 2014. NeckGraffe: A Postural Awareness System
  13. 13. Contexto Situación física y social en el que están integrados dispositivos computacionales, para adquirir y utilizar información acerca del ambiente y así proporcionar servicios que son apropiados para el entorno en particular of an anxiety attack, automatically sense the context at the time of the attack, and enable some level of intervention—either by delivery of video stimulus (e.g., social stories, which are used to teach social skills through concrete, idiosyncratic video narratives [6]), or by contacting a carer or friend. The use of context to modulate the device’s response is motivated by the location- or time-correlated nature of many anxiety triggers. Default behaviour would cover response for attacks without a recognized or available context. Consider a scenario by way of demonstration: John has just begun university, and must travel to the campus by train. He waits at the station, with the anxiety application running on the smartphone in his pocket. The train arrives, accompanied by a cacophony of screeching wheels, clanging level-crossing bells, and ensuing rush to board. John is transfixed by panic. He presses the panic button on the smartphone. It calls his CHI 2011 • Work-in-Progress of an anxiety attack, automatically the time of the attack, and enable s intervention—either by delivery of v social stories, which are used to tea through concrete, idiosyncratic vide by contacting a carer or friend. The modulate the device’s response is m location- or time-correlated nature triggers. Default behaviour would co attacks without a recognized or ava Consider a scenario by way of demo just begun university, and must tra by train. He waits at the station, wi application running on the smartpho The train arrives, accompanied by a screeching wheels, clanging level-cr ensuing rush to board. John is trans presses the panic button on the sm mum, and she endeavours to talk h experience. It also records the time level. The train moves on, leaving h station. John knows the noise trigge attack, but the cause of an attack is The next day, John returns to the s She uses the anxiety application to as a train arrives amidst the noise, and he boards it. The following day station alone. The train comes, he f tighten, he presses the panic button aware of the location, plays the vide recorded at the same place. He see do; that he has done it before. He w Figure 1. Above—active support screen, with button inputs for indicating panic, warning, and okay; Below— CHI 2011 • Work-in-Progress 2. Bardram. 2004. Applications of Context-Aware Computing in Hospital Work 15. Mohammedali et al. 2011. A Context-Sensitive Device to Help People with Autism Cope with Anxiety
  14. 14. Wearable Integra capacidades de cómputo a dispositivos que se llevan en el cuerpo, tales como ropa o accesorios earable Device for Visualizing Knee abilitation Exercises Miranda Sheh, AliceChien, Halley Profita, KatieSiek epartment of Computer Science niversity of Colorado Boulder eh, alice.chien, halley.profita, ksiek} @colorado.edu ualizing knee apy program. on have lim- of movement n exploratory ee bend. We atients to get and some of ur current de- m surgery as face device Figure 1. Physical Therapy Prototype for Knee Rehabilitation. Inset showsextended leg with view of thebend sensor. patients who haveor arecurrently attending physical therapy 16. Motti at al. 2014. Wearable Computing, 23. Zaragoza et al. 2013. Ubiquitous monitoring and assessment of childhood obesity, 1. Ananthanarayan et al. 2013. PT Viz: Towards a Wearable Device for Visualizing Knee,
  15. 15. Experiencia del usuario Grado en el que un sistema puede ser utilizado por determinados usuarios para conseguir objetivos específicos con efectividad, eficiencia y satisfacción en un contexto de uso especificado 24. ISO. 2009. Human-centred design process for interactive systems
  16. 16. Estado del arte
  17. 17. Estado del arte Interfaces para medir el dolor Auto-reporte Detección automática Escalas de medición Visualización del cuerpo humano Expresiones faciales Monitoreo del paciente
  18. 18. Interfaces para medir el dolor (c) Grouped leg pain drawings. (d) Changing theduration and starting time. Figure 3: Pain annotations using BodyDiagrams. BodyDiagrams is a web appli Rails. Theannotation UI iswritt with graphics rendered using SV sion state and persists user data. User Scenario We illustrate a sample use of B pothetical user Mark, who is a examples. Mark has been exper occasional musclestrain in hisle these are related, and whether t alleviate his symptoms. Upon opening BodyDiagrams a der, Mark seesanoverlay tutoria with the tool (Figure 3a). After on the close button in the right disappears. Mark starts with h back pain. Heswitches to thepo ing the rotation panel. Mark tou the pain occurs precisely betwe zooms into the model: the high precisely locate the regions of in hecan seethemodel’sskeletal s neath theskin. 1157 Dibujo y texto 10. Jang et al. 2014. BodyDiagrams: Improving Communication of Pain Symptoms through Drawing Esta en línea, se puede usar desde la casa Limitante El paciente solo reporta el dolor, no toma en cuenta el contexto y tiene curva de aprendizaje
  19. 19. Interfaces para medir el dolor Expresión facial 6. Hammal et al . 2012. Automatic detection of pain intensity 17. Prkachin et al. 2008. The structure, reliability and validity of pain expression Expresiones únicas para el dolor Limitante Esta aplicación se utiliza en el centro hospitalario
  20. 20. Interfaces para medir el dolor Sistema portátil Determina si el paciente siente dolor de espalda baja. Movimiento Limitante No usa otras variables de contexto y no aplican el auto-reporte. La muestra es pequeña 12. Lee et al. 2011. A Portable Inertial Sensing-based Spinal Motion Measurement System for Low Back Pain Assessment
  21. 21. Necesidad encontrada Aplicación Permitir el auto-reporte Monitorear el contexto Mejorar la experiencia No afectar la rutina Evaluar con usuarios reales
  22. 22. Pregunta de investigación ¿Se puede utilizar la información de contexto para mejorar la experiencia del usuario para auto-reportar dolor?
  23. 23. Hipótesis Una interfaz wearable que incluya información del contexto mejora la experiencia del paciente al auto- reportar el dolor
  24. 24. Solución propuesta Información contexto Auto-reporte
  25. 25. Solución propuesta Estudio con pacientes sobre dispositivos wearable Diseñar y validar prototipos wearable Medir el grado de aceptación del dispositivo por los pacientes y doctores
  26. 26. Fases de la investigación Estudio de usuarios Estudio técnico Diseño e implementación de un prototipo 1 Evaluación del prototipo 1 Diseño e implementación de un prototipo 2 Evaluación del prototipo 2 Diseño e implementación de solución Evaluación de la solución Fase 1 Fase 2 Fase 3 Fase 4
  27. 27. Limitaciones Disposición de pacientes y doctores Elección y recolección la información de contexto adecuadamente Privacidad de los participantes Almacenamiento de información de contexto
  28. 28. Estado de la investigación Revisión de la literatura Entrevistas a doctores Realización del documento de la candidatura
  29. 29. Cronograma Actividad I 2015 II 2015 I 2016 II 2016 I 2017 II 2017 Búsqueda sistematizada Protocolos de ética Estudio de usuarios y técnico Paper revisión sistemática Diseño e implementación: Prototipo 1 Evaluación prototipo 1 Paper experiencia prototipo 1 Diseño e implementación: Prototipo 2 Evaluación prototipo 2 Paper experiencia prototipo 2 Diseño e implementación: solución Evaluación soución Paper experiencia solución Desarrollo de la tesis
  30. 30. Muchas Gracias ¿Preguntas?
  31. 31. Referencias 1. Ananthanarayan, S., Sheh, M., Chien, A., Profita, H. and Siek, K. 2013. PT Viz: Towards a Wearable Device for Visualizing Knee Rehabilitation Exercises. In CHI. Paris, France. 2. Bardram., B. 2004. Applications of Context-Aware Computing in Hospital Work – Examples and Design Principles. In ACM Symposium on Applied Computing. Nicosia, Cyprus. 3. Braveman, P. 2003. Monitoring Equity in Health and Healthcare: A Conceptual Framework. J Health Popul Nutr. Vol. 21, 181–192. 4. Cheng S.F., Foster R.L. and Huang C.Y. 2003. Concept Analysis of Pain. In Tzu Chi Nursing Journal, 20-30. 5. Hammal, Z. and Cohn, J.F . 2012. Automatic detection of pain intensity. In Proceedings of the 14th ACM International Conference on Multimodal Interaction, New York, USA. 6. Hammal, Z. and Kunz, M. 2012. Pain monitoring: A dynamic and context-sensitive system. Pattern Recognition, Vol. 45 (4), 1265-1280. 7. Hammal, Z. and Cohn J.F. 2014. Towards Multimodal Pain Assessment for Research and Clinical Use. In Proceedings of the 2014 Workshop on Roadmapping the Future of Multimodal Interaction Research including Business Opportunities and Challenges, New York, USA. 8. Horgas, A.L. 2012. Assessing pain in older adults with dementia. New York: University College of Nursing. 9. Jackson, D., Horn, S., Kersten, P. and Turner-Stokes, L. 2006. Development of a pictorial scale of pain intensity for patients with communication impairments: initial validation in a general population. Clinical Medicine. Vol. 6, 580-585. 10. Jang, A., Maclean, D. and Herr, J. 2014. BodyDiagrams: Improving Communication of Pain Symptoms through Drawing. In CHI, Toronto, Canada. 11. Khurana, R.,Marinelli, E., Saraf, T. and Li, S. 2014. NeckGraffe: A Postural Awareness System . In CHI. Toronto, Cánada. 12. Lee, J.K., G. T. Desmoulin, G.T., Khan, A. H. and Park, E. 2011. A Portable Inertial Sensing-based Spinal Motion Measurement System for Low Back Pain Assessment. In 33rd Annual International Conference of the IEEE EMBS Boston, Massachusetts USA, 4733-4740.
  32. 32. Referencias 13. McNaney, R., Vines, J., Roggen, D., Balaam, M., Zhang, P., Poliakov, I. and Olivier, P. 2014. Exploring the Acceptability of Google Glass as an Everyday Assistive Device for People with Parkinson’s. In CHI. Toronto, Cánada. 14. Min, J., Doryab, A., Wiese, J., Amini, S., Zimmerman, J. and Hong, J.2 014. Toss ‘N’ Turn: Smartphone as Sleep and Sleep Quality Detector . In CHI. Toronto, Cánada. 15. Mohammedali, M., Phung, D., Adams, B. and Venkatesh, S. 2011. A Context-Sensitive Device to Help People with Autism Cope with Anxiety. In CHI. Vancouver, Canada. 16. Motti ,V., Kohn, S. And Caine, K. 2014. Wearable Computing: A Human-centered View of Key Concepts, Application Domains, and Quality Factors. In MobileHCI. Toronto, Cánada. 17. Prkachin, K.M. and Solomon, P.E. 2008. The structure, reliability and validity of pain expression: Evidence from patients with shoulder pain. Pain, vol. 139, 267-274. 18. Serif, T., ghinea, G. and Frank, A. 2005. Visualizing pain data for wheelchair users: a ubiquitous approach. Journal of Mobile Multimedia. Vol. 1, 161-177. 19. Singh, A., Klapper, A., Jia,J., Fidalgo, A., Tajadura-Jiménez, A., Kanakam, N., Bianchi-Berthouze, N. and Williams, A. 2014. Motivating People with Chronic Pain to do Physical Activity: Opportunities for Technology Design. In CHI. Toronto, Cánada. 20. Siter, J., Feese, S., Arnrich, B., Tröster, G., Amft, O., Macrea, L. and Maurer, K. 2013. Evaluating Daily Life Activity Using Smartphones as Novel Outcome Measure for Surgical Pain Therapy. In Proceedings of the 8th International Conference on Body Area Networks, 153-156. 21. Spyridonis, F., Hansen, J., Gronli, TM. And Ghinea, G. 2013. PainDroid: An Android-based Virtual Reality Application for Pain Assessment. Multimedia Tools and Applications. Vol. 72 (1), 191-206. 22. The National Initiative on Pain Control. 2001. Pain Assessment Scales. [online]. Available: https://www.painedu.org/Downloads/NIPC/Pain_Assessment_Scales.pdf 23. Zaragoza, I., Jaime Guixeres, J., Alcañiz, M., Cebolla, A., Saiz, J. and Alvarez, J. 2013. Ubiquitous monitoring and assessment of childhood obesity. In Pers Ubiquit Computing. 24. ISO. 2009. Human-centred design process for interactive systems. ISO FDIS 9241-210.

×