1) O documento discute a modelagem de conceitos clínicos e psicológicos relacionados ao diagnóstico de demências para auxiliar no diagnóstico médico computadorizado. 2) É apresentada uma revisão sistemática da literatura sobre testes neurológicos utilizados no diagnóstico de suspeita de demência em atenção primária. 3) O teste Free and Cued Selective Reminding é destacado e seus componentes são modelados em arquétipos segundo as especificações do framework openEHR para modelagem de sistemas

1. Modelagem dos Conceitos Clínicos e
Psicológicos de Demências para o Diagnóstico
Auxiliado por Computador
Michele M. V. Ferreira Timothy W. Cook Luciana T. Cavalini
Psicóloga, Mestranda Colaborador Internacional Profa. UFF
Laboratório Associado INCT-MACC “Multilevel Healthcare Information Modeling”
LA-MLHIM UFF/UERJ

2. Demência
• Problema de saúde pública
– Crescente com o envelhecimento populacional
– Incapacitante (paciente e cuidadores)
• O diagnóstico raramente é oportuno
– Incerteza diagnóstica na atenção primária
– Desconhecimento dos critérios de suspeita
– Testes de confirmação não disponíveis
– Diagnóstico desalentador

3. Situação Ideal: Rede de Assistência
Atenção Primária: Atenção Secundária:
Suspeita Diagnóstica Confirmação Diagnóstica
Seguimento Integral Seguimento Especializado

4. Modelagem Tradicional = Papel
Extrato de Informação S1: Extrato de Informação S2:
- Perda de memória - MMSE = 8
- Irritabilidade - Amiloide LCR +
- ID: DA? DV? - ID: DA

5. Modelagem Multinível
Extrato de Informação S1: Extrato de Informação S1:
- Perda de memória - Perda de memória
- Irritabilidade - Irritabilidade
- ID: DA? DV? - ID: DA? DV?
Extrato de Informação S2:
- MMSE = 8
- Amiloide LCR +
- ID: DA

6. Modelagem Multinível
Extrato de Informação S1: Extrato de Informação S1:
- Perda de memória - Perda de memória
- Irritabilidade - Irritabilidade
- ID: DA? DV? - ID: DA? DV?
Extrato de Informação S2: Extrato de Informação S2:
- MMSE = 8 - MMSE = 8
- Amiloide LCR + - Amiloide LCR +
- ID: DA - ID: DA

7. Modelagem Multinível
Extrato de Informação S1: Extrato de Informação S2: Extrato de Informação S1:
- Perda de memória -Sintomas de impregnação? - Perda de memória
- Irritabilidade - Irritabilidade
- ID: DA? DV? - ID: DA? DV?
Extrato de Informação S2: Extrato de Informação S2:
- MMSE = 8 - MMSE = 8
- Amiloide LCR + - Amiloide LCR +
- ID: DA - ID: DA

8. Modelagem Multinível
Extrato de Informação S1: Extrato de Informação S1: Extrato de Informação S1: Extrato de Informação S1:
- Perda de memória -Sintomas de impregnação? - Perda de memória -Sintomas de impregnação?
- Irritabilidade - Irritabilidade Extrato de Informação S2:
- ID: DA? DV? - ID: DA? DV? -Ajuste da medicação
Extrato de Informação S2: Extrato de Informação S2:
- MMSE = 8 - MMSE = 8
- Amiloide LCR + - Amiloide LCR +
- ID: DA - ID: DA
Outra questão: manutenção do sistema

9. Objetivos
• Levantamento sistemático dos conceitos
clínicos utilizados para diagnóstico de suspeita
de demências (em atenção primária)
• Modelagem dos conceitos segundo as
especificações de modelagem multinível de
sistemas de informação em saúde

10. Método
• Revisão Sistemática
– De acordo com os critérios Cochrane
– Bases: PubMed, ISI Web of Science, Scopus,
Embase, Bireme (LILACS)
– MeSH Terms: Memory Disorders,
Neuropsychological Tests, Primary Health Care
• Especificações openEHR
– Modelagem dos conceitos: arquétipos
– Ocean® Archetype Editor®

11. Resultados (1)
• Revisão Sistemática: 7 artigos
• Teste mais citado (inclusive nas referências
cruzadas):
– Free and Cued Selective Reminding Test
• Sem tradução validada em português
• Vários módulos e métodos de aplicação

12. Resultados (2)
• Arquétipo da classe EVALUATION
• Estrutura: ITEM_TREE
• Cada formulário do teste (A, B e C): CLUSTER contendo 16 ELEMENT (um
para cada cartão apresentado ao paciente)
• Tipo de dados de cada ELEMENT: DV_COUNT
– Valor mínimo inclusive = 0
– Valor máximo inclusive = 3
• Para registro do resultado do FCSRT: Um CLUSTER contendo 2
ELEMENT
– Um ELEMENT com tipo de dados DV_COUNT
– Um ELEMENT com tipo de dados DV_TEXT (para o registro da
fórmula de cálculo do resultado)

14. Conclusões
• A modelagem multinível é adequada para a modelagem do conhecimento de
conceitos diagnósticos de demência
– Adequação dos sistemas para as mudanças constantes dos critérios
diagnósticos
– Adaptação do aplicativo aos diferentes workflows de cada serviço
• Viabilidade e praticidade de instrumentos validados
• Um problema: diferentes versões para um mesmo instrumento
– openEHR só permite um arquétipo por conceito
– Especificações MLHIM: os Concept Constraint Definitions (CCD) são
identificados por uuid, permitindo mais de um modelo por conceito

15. Agradecimento Especial:
Sergio Freire (UERJ)
Muito Obrigada!
lutricav@vm.uff.br
Nosso código e nossa
documentação estão em:
http://www.mlhim.org
https://launchpad.net/mlhim