Performance analysis of pretrained convolutional neural network models for ophthalmological disease classification / Análise de desempenho de modelos de rede neural convolucional pré-treinados para classificação de doenças oftalmológicas

ABSTRACT Purpose: This study aimed to evaluate the classification performance of pretrained convolutional neural network models or architectures using fundus image dataset containing eight disease labels. Methods: A publicly available ocular disease intelligent recognition database has been used for the diagnosis of eight diseases. This ocular disease intelligent recognition database has a total of 10,000 fundus images from both eyes of 5,000 patients for the following eight diseases: healthy, diabetic retinopathy, glaucoma, cataract, age-related macular degeneration, hypertension, myopia, and others. Ocular disease classification performances were investigated by constructing three pretrained convolutional neural network architectures including VGG16, Inceptionv3, and ResNet50 models with adaptive moment optimizer. These models were implemented in Google Colab, which made the task straight-forward without spending hours installing the environment and supporting libraries. To evaluate the effectiveness of the models, the dataset was divided into 70%, 10%, and 20% for training, validation, and testing, respectively. For each classification, the training images were augmented to 10,000 fundus images. Results: ResNet50 achieved an accuracy of 97.1%; sensitivity, 78.5%; specificity, 98.5%; and precision, 79.7%, and had the best area under the curve and final score to classify cataract (area under the curve = 0.964, final score = 0.903). By contrast, VGG16 achieved an accuracy of 96.2%; sensitivity, 56.9%; specificity, 99.2%; precision, 84.1%; area under the curve, 0.949; and final score, 0.857. Conclusions: These results demonstrate the ability of the pretrained convolutional neural network architectures to identify ophthalmological diseases from fundus images. ResNet50 can be a good architecture to solve problems in disease detection and classification of glaucoma, cataract, hypertension, and myopia; Inceptionv3 for age-related macular degeneration, and other disease; and VGG16 for normal and diabetic retinopathy.

RESUMO Objetivo: Avaliar o desempenho de classificação de modelos ou arquiteturas de rede neural convolucional pré--treinadas usando um conjunto de dados de imagem de fundo de olho contendo oito rótulos de doenças diferentes. Métodos: Neste artigo, o conjunto de dados de reconhecimento inteligente de doenças oculares publicamente disponível foi usado para o diagnóstico de oito rótulos de doenças diferentes. O banco de dados de reconhecimento inteligente de doenças oculares tem um total de 10.000 imagens de fundo de olho de ambos os olhos de 5.000 pacientes para oito categorias que contêm rótulos saudáveis, retinopatia diabética, glaucoma, catarata, degeneração macular relacionada à idade, hipertensão, miopia, outros. Investigamos o desempenho da classificação de doenças oculares construindo três arquiteturas de rede neural convolucional pré-treinadas diferentes, incluindo os modelos VGG16, Inceptionv3 e ResNet50 com otimizador de Momento Adaptativo. Esses modelos foram implementados no Google Colab o que facilitou a tarefa sem gastar horas instalando o ambiente e suportando bibliotecas. Para avaliar a eficácia dos modelos, o conjunto de dados é dividido em 70% para treinamento, 10% para validação e os 20% restantes utilizados para teste. As imagens de treinamento foram expandidas para 10.000 imagens de fundo de olho para cada tal. Resultados: Observou-se que o modelo ResNet50 alcançou acurácia de 97,1%, sensibilidade de 78,5%, especificidade de 98,5% e precisão de 79,7% e teve a melhor área sob a curva e pontuação final para classificar a categoria da catarata (área sob a curva=0,964, final=0,903). Em contraste, o modelo VGG16 alcançou uma precisão de 96,2%, sensibilidade de 56,9%, especificidade de 99,2% e precisão de 84,1%, área sob a curva 0,949 e pontuação final de 0,857. Conclusão: Esses resultados demonstram a capacidade das arquiteturas de rede neural convolucional pré-treinadas em identificar doenças oftalmológicas a partir de imagens de fundo de olho. ResNet50 pode ser uma boa solução para resolver problemas na detecção e classificação de doenças como glaucoma, catarata, hipertensão e miopia; Inceptionv3 para degeneração macular relacionada à idade e outras doenças; e VGG16 para retinopatia normal e diabética.

Machine learning in predicting severe acute respiratory infection outbreaks / Aprendizado de máquina na previsão de surtos de síndrome respiratória aguda grave / Aprendizaje automático en la predicción de brotes de síndrome respiratorio agudo grave

Abstract: Severe acute respiratory infection (SARI) outbreaks occur annually, with seasonal peaks varying among geographic regions. Case notification is important to prepare healthcare networks for patient attendance and hospitalization. Thus, health managers need adequate resource planning tools for SARI seasons. This study aims to predict SARI outbreaks based on models generated with machine learning using SARI hospitalization notification data. In this study, data from the reporting of SARI hospitalization cases in Brazil from 2013 to 2020 were used, excluding SARI cases caused by COVID-19. These data were prepared to feed a neural network configured to generate predictive models for time series. The neural network was implemented with a pipeline tool. Models were generated for the five Brazilian regions and validated for different years of SARI outbreaks. By using neural networks, it was possible to generate predictive models for SARI peaks, volume of cases per season, and for the beginning of the pre-epidemic period, with good weekly incidence correlation (R2 = 0.97; 95%CI: 0.95-0.98, for the 2019 season in the Southeastern Brazil). The predictive models achieved a good prediction of the volume of reported cases of SARI; accordingly, 9,936 cases were observed in 2019 in Southern Brazil, and the prediction made by the models showed a median of 9,405 (95%CI: 9,105-9,738). The identification of the period of occurrence of a SARI outbreak is possible using predictive models generated with neural networks and algorithms that employ time series.

Resumo: Surtos de síndrome respiratória aguda grave (SRAG) ocorrem anualmente, com picos sazonais variando entre regiões geográficas. A notificação dos casos é importante para preparar as redes de atenção à saúde para o atendimento e internação dos pacientes. Portanto, os gestores de saúde precisam ter ferramentas adequadas de planejamento de recursos para as temporadas de SRAG. Este estudo tem como objetivo prever surtos de SRAG com base em modelos gerados com aprendizado de máquina usando dados de internação por SRAG. Foram incluídos dados sobre casos de hospitalização por SRAG no Brasil de 2013 a 2020, excluindo os casos causados pela COVID-19. Estes dados foram preparados para alimentar uma rede neural configurada para gerar modelos preditivos para séries temporais. A rede neural foi implementada com uma ferramenta de pipeline. Os modelos foram gerados para as cinco regiões brasileiras e validados para diferentes anos de surtos de SRAG. Com o uso de redes neurais, foi possível gerar modelos preditivos para picos de SRAG, volume de casos por temporada e para o início do período pré-epidêmico, com boa correlação de incidência semanal (R2 = 0,97; IC95%: 0,95-0,98, para a temporada de 2019 na Região Sudeste). Os modelos preditivos obtiveram uma boa previsão do volume de casos notificados de SRAG; dessa forma, foram observados 9.936 casos em 2019 na Região Sul, e a previsão feita pelos modelos mostrou uma mediana de 9.405 (IC95%: 9.105-9.738). A identificação do período de ocorrência de um surto de SRAG é possível por meio de modelos preditivos gerados com o uso de redes neurais e algoritmos que aplicam séries temporais.

Resumen: Brotes de síndrome respiratorio agudo grave (SRAG) ocurren todos los años, con picos estacionales que varían entre regiones geográficas. La notificación de los casos es importante para preparar las redes de atención a la salud para el cuidado y hospitalización de los pacientes. Por lo tanto, los gestores de salud deben tener herramientas adecuadas de planificación de recursos para las temporadas de SRAG. Este estudio tiene el objetivo de predecir brotes de SRAG con base en modelos generados con aprendizaje automático utilizando datos de hospitalización por SRAG. Se incluyeron datos sobre casos de hospitalización por SRAG en Brasil desde 2013 hasta 2020, salvo los casos causados por la COVID-19. Se prepararon estos datos para alimentar una red neural configurada para generar modelos predictivos para series temporales. Se implementó la red neural con una herramienta de canalización. Se generaron los modelos para las cinco regiones brasileñas y se validaron para diferentes años de brotes de SRAG. Con el uso de redes neurales, se pudo generar modelos predictivos para los picos de SRAG, el volumen de casos por temporada y para el inicio del periodo pre-epidémico, con una buena correlación de incidencia semanal (R2 = 0,97; IC95%: 0,95-0,98, para la temporada de 2019 en la Región Sudeste). Los modelos predictivos tuvieron una buena predicción del volumen de casos notificados de SRAG; así, se observaron 9.936 casos en 2019 en la Región Sur, y la predicción de los modelos mostró una mediana de 9.405 (IC95%: 9.105-9.738). La identificación del periodo de ocurrencia de un brote de SRAG es posible a través de modelos predictivos generados con el uso de redes neurales y algoritmos que aplican series temporales.

Artificial intelligence to predict bed bath time in Intensive Care Units / Inteligencia artificial para predecir la hora del baño en cama en Unidades de Cuidados Intensivos / Inteligência artificial para predição do tempo de banho no leito em Unidades de Terapia Intensiva

ABSTRACT Objectives: to assess the predictive performance of different artificial intelligence algorithms to estimate bed bath execution time in critically ill patients. Methods: a methodological study, which used artificial intelligence algorithms to predict bed bath time in critically ill patients. The results of multiple regression models, multilayer perceptron neural networks and radial basis function, decision tree and random forest were analyzed. Results: among the models assessed, the neural network model with a radial basis function, containing 13 neurons in the hidden layer, presented the best predictive performance to estimate the bed bath execution time. In data validation, the squared correlation between the predicted values and the original values was 62.3%. Conclusions: the neural network model with radial basis function showed better predictive performance to estimate bed bath execution time in critically ill patients.

RESUMEN Objetivos: evaluar el rendimiento predictivo de diferentes algoritmos de inteligencia artificial para estimar el tiempo de ejecución del baño en cama en pacientes críticos. Métodos: estudio metodológico, que utilizó algoritmos de inteligencia artificial para predecir el tiempo de baño en cama en pacientes críticos. Se analizaron los resultados de modelos de regresión múltiple, redes neuronales perceptrón multicapa y función de base radial, árbol de decisión y random forest. Resultados: entre los modelos evaluados, el modelo de red neuronal con función de base radial, que contiene 13 neuronas en la capa oculta, presentó el mejor desempeño predictivo para estimar el tiempo de ejecución del baño en cama. En la validación de datos, la correlación al cuadrado entre los valores predichos y los valores originales fue del 62,3%. Conclusiones: el modelo de red neuronal con función de base radial mostró mejor rendimiento predictivo para estimar el tiempo de ejecución del baño en cama en pacientes críticos.

RESUMO Objetivos: avaliar a performance preditiva de diferentes algoritmos de inteligência artificial para estimar o tempo de execução do banho no leito em pacientes críticos. Métodos: estudo metodológico, que utilizou algoritmos de inteligência artificial para predizer o tempo de banho no leito em pacientes críticos. Foram analisados os resultados dos modelos de regressão múltipla, redes neurais perceptron multicamadas e função de base radial, árvore de decisão e random forest. Resultados: entre os modelos avaliados, o modelo de rede neural com função de base radial, contendo 13 neurônios na camada oculta, apresentou melhor performance preditiva para estimar o tempo de execução do banho no leito. Na validação dos dados, o quadrado da correlação entre os valores preditos e os valores originais foi de 62,3%. Conclusões: o modelo de rede neural com função de base radial apresentou melhor performance preditiva para estimar o tempo de execução do banho no leito em pacientes críticos.

Development of a convolutional neural network for diagnosing osteoarthritis, trained with knee radiographs from the ELSA-Brasil Musculoskeletal / Desenvolvimento de rede neural convolucional para o diagnóstico radiográfico de osteoartrite dos joelhos no ELSA-Brasil Musculoesquelético

Abstract Objective: To develop a convolutional neural network (CNN) model, trained with the Brazilian "Estudo Longitudinal de Saúde do Adulto Musculoesquelético" (ELSA-Brasil MSK, Longitudinal Study of Adult Health, Musculoskeletal) baseline radiographic examinations, for the automated classification of knee osteoarthritis. Materials and Methods: This was a cross-sectional study carried out with 5,660 baseline posteroanterior knee radiographs from the ELSA-Brasil MSK database (5,660 baseline posteroanterior knee radiographs). The examinations were interpreted by a radiologist with specific training, and the calibration was as established previously. Results: The CNN presented an area under the receiver operating characteristic curve of 0.866 (95% CI: 0.842-0.882). The model can be optimized to achieve, not simultaneously, maximum values of 0.907 for accuracy, 0.938 for sensitivity, and 0.994 for specificity. Conclusion: The proposed CNN can be used as a screening tool, reducing the total number of examinations evaluated by the radiologists of the study, and as a double-reading tool, contributing to the reduction of possible interpretation errors.

Resumo Objetivo: Desenvolver um modelo computacional - rede neural convolucional (RNC) - treinado com radiografias da linha de base do Estudo Longitudinal de Saúde do Adulto Musculoesquelético (ELSA-Brasil Musculoesquelético), para a classificação automática de osteoartrite dos joelhos. Materiais e Métodos: Trata-se de um estudo transversal abrangendo todos os exames da linha de base do ELSA-Brasil Musculoesquelético (5.660 radiografias dos joelhos em incidência posteroanterior). Os exames foram interpretados por médico radiologista com treinamento específico e calibração previamente publicada. Resultados: A RNC desenvolvida apresentou área sob a curva característica de operação do receptor de 0,866 (IC 95%: 0,842-0,882). O modelo pode ser calibrado para alcançar, não simultaneamente, valores máximos de 0,907 para acurácia, 0,938 para sensibilidade e 0,994 para especificidade. Conclusão: A RNC desenvolvida pode ser utilizada como ferramenta de triagem, reduzindo o número total de exames avaliados pelos radiologistas do estudo, e/ou como ferramenta de segunda leitura, contribuindo com a redução de possíveis erros de interpretação.

Application of state-of-the-art computer technology to strength training in tennis instruction / Aplicação da tecnologia de computação de ponta no treinamento de força no ensino de treinamento de tênis / Aplicación de tecnología informática más avanzada en el entrenamiento de fuerza en la enseñanza del entrenamiento de tenis

ABSTRACT Introduction: Strength training plays a unique role in improving muscle strength and stability in athletes. Initially used in rehabilitation, it is now widely used in competitive sports. Objective: To combat the problem of physical exercise capacity and body posture maintenance when tennis players complete several complex movements in training, this article reviews the research on strength training in various countries from the core concept. Methods: Based on the main bones, joints, and muscle groups in the core area, the kinematic characteristics, and the physiological mechanism of these muscle groups, the research model of applying strength training in teaching tennis was established. The application of state-of-the-art computer technology in strength training can be based on data feedback from athletes and their training in tennis training. It can be used for real-time or faster data processing and analysis: data processing is closer to the data source than in an external data center or done in the cloud to reduce lag time. Results: Based on the data, we can carry out the corresponding training plans to help the athletes win the championship. With the methods of literature review, experiment, and comparative analysis, this paper studies the influence of strength training on body shape characteristics, the impact of strength training on technical accuracy characteristics, and the effect of strength training on physical health indicators. Conclusion: The results show that the accuracy of the experimental data is improved by 20%, and the authenticity of the data is more robust, thus of practical value. Level of evidence II; Therapeutic studies - investigation of treatment outcomes.

RESUMO Introdução: O treinamento de força tem um papel único na melhoria da força e estabilidade dos músculos dos atletas. Inicialmente utilizado em reabilitação, atualmente está sendo bastante utilizado em esportes competitivos. Objetivo: No intuito de combater o problema relacionado ao exercício da capacidade física e à manutenção da postura corporal no momento em que os tenistas completam vários movimentos complexos no treinamento, este artigo analisa a pesquisa sobre o treinamento de força em vários países a partir do conceito do core. Métodos: Baseado nos principais ossos, articulações e grupos musculares na área do core, nas características cinemáticas e mecanismo fisiológico desses grupos musculares, foi estabelecido o modelo de pesquisa de aplicação do treinamento de força no ensino do treinamento de tênis. A aplicação da tecnologia de computação de ponta no treinamento de força pode ser baseada no feedback de dados dos atletas e seu treinamento na prática de tênis. Pode ser usado para processamento e análise de dados em tempo real ou mais rápido: o processamento de dados está mais próximo da fonte de dados do que em um centro de dados externo ou feito na nuvem para reduzir o tempo de atraso. Resultados: Com base nos resultados dos dados, podemos realizar os planos de treinamento correspondentes para ajudar os atletas a vencer o campeonato. Com os métodos de revisão de literatura, experiência e análise comparativa, este artigo estuda a influência do treinamento de força nas características de forma do corpo, o impacto do treinamento de força nas características de precisão técnica e o efeito do treinamento de força nos indicadores de saúde física. Conclusão: Os resultados mostram que a precisão dos dados experimentais é aperfeiçoada em 20%, e a autenticidade dos dados é mais robusta, portanto, apresenta valor prático. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.

Resumen Introducción: El entrenamiento de fuerza tiene un papel único en la mejora de la fuerza y la estabilidad de los músculos de los deportistas. Inicialmente se utilizaba en la rehabilitación, pero en la actualidad se está extendiendo su uso en los deportes de competición. Objetivo: Para combatir el problema relacionado con el ejercicio de la capacidad física y el mantenimiento de la postura corporal cuando los tenistas completan varios movimientos complejos en el entrenamiento, este artículo analiza la investigación sobre el entrenamiento de la fuerza en varios países a partir del concepto básico. Métodos: Sobre la base de los principales huesos, articulaciones y grupos musculares de la zona central, las características cinemáticas y el mecanismo fisiológico de estos grupos musculares, se estableció el modelo de investigación de la aplicación del entrenamiento de fuerza en la enseñanza del tenis. La aplicación de la tecnología informática más avanzada en el entrenamiento de la fuerza puede basarse en la retroalimentación de los datos de los deportistas y su entrenamiento en la formación del tenis. Puede utilizarse para el procesamiento y el análisis de datos en tiempo real o más rápido: el procesamiento de datos está más cerca de la fuente de datos que en un centro de datos externo o se realiza en la nube para reducir el tiempo de retraso. Resultados: A partir de los resultados de los datos, podemos llevar a cabo los correspondientes planes de entrenamiento para ayudar a los atletas a ganar el campeonato. Con los métodos de revisión de la literatura, experimento y análisis comparativo, este trabajo estudia la influencia del entrenamiento de fuerza en las características de la forma corporal, el impacto del entrenamiento de fuerza en las características de precisión técnica y el efecto del entrenamiento de fuerza en los indicadores de salud física. Conclusión: Los resultados muestran que la precisión de los datos experimentales mejora en un 20%, y la autenticidad de los datos es más robusta, por lo que tiene valor práctico. Nivel de evidencia II; Estudios terapéuticos - investigación de los resultados del tratamiento.

Application analysis of digital neural network-based data mining method in maximizing the performance of sports training / Análise de aplicação do método de mineração de dados baseado em rede neural digital na maximização do desempenho do treinamento esportivo / Análisis de la aplicación del método de minería de datos basado en redes neuronales digitales para maximizar el rendimiento del entrenamiento deportivo

ABSTRACT Introduction: In today's rapid development of science and technology, digital network data mining technology is developing as fast as the expansion of the frontiers of science and technology allows, with a very broad application level, covering most of the civilized environment. However, there is still much to explore in the application of sports training. Objective: Analyze the feasibility of data mining based on the digital network of sports training, maximizing athletes' training. Methods: This paper uses the experimental analysis of human FFT, combined with BP artificial intelligence network and deep data mining technology, to design a new sports training environment. The controlled test of this model was designed to compare advanced athletic training modalities with traditional modalities, comparing the athletes' explosive power, endurance, and fitness. Results: After 30 days of physical training, the athletic strength of athletes with advanced fitness increased by 15.33%, endurance increased by 15.85%, and fitness increased by 14.23%. Conclusion: The algorithm designed in this paper positively impacts maximizing athletes' training. It may have a favorable impact on training outcomes, as well as increase the athlete's interest in the sport. Level of evidence II; Therapeutic studies - investigating treatment outcomes.

RESUMO Introdução: No rápido desenvolvimento atual de ciência e tecnologia, a tecnologia de mineração de dados de rede digital desenvolve-se tão rápido quanto a expansão das fronteiras da ciência e tecnologia permitem, com um nível de aplicação muito amplo, cobrindo a maior parte do ambiente civilizado. No entanto, ainda há muito para explorar da aplicação no treinamento esportivo. Objetivo: Análise de viabilidade da mineração de dados com base na rede digital da formação esportiva, maximizar o treinamento dos atletas. Métodos: Este trabalho utiliza a análise experimental da FFT humana, combinada com a rede de inteligência artificial da BP e tecnologia de mineração profunda de dados, para projetar um novo ambiente de treinamento esportivo. O teste controlado deste modelo foi projetado para comparar modalidades avançadas de treinamento atlético com as modalidades tradicionais, comparando o poder explosivo, resistência e condição física do atleta. Resultados: Após 30 dias de treinamento físico, a força atlética dos esportistas com aptidão física avançada aumentou 15,33%, a resistência aumentou 15,85%, e o condicionamento físico aumentou 14,23%. Conclusão: O algoritmo desenhado neste artigo tem um impacto positivo na maximização do treinamento dos atletas. Pode ter um impacto favorável nos resultados do treinamento, bem como aumentar o interesse do atleta pelo esporte. Nível de evidência II; Estudos terapêuticos - investigação dos resultados do tratamento.

RESUMEN Introducción: En el rápido desarrollo actual de la ciencia y la tecnología, la tecnología de extracción de datos de redes digitales se desarrolla tan rápido como lo permiten las fronteras en expansión de la ciencia y la tecnología, con un nivel de aplicación muy amplio que abarca la mayor parte del entorno civilizado. Sin embargo, aún queda mucho por explorar de la aplicación en el entrenamiento deportivo. Objetivo: Análisis de viabilidad de la minería de datos basada en la red digital de entrenamiento deportivo, maximizar la formación de los atletas. Métodos: Este trabajo utiliza el análisis experimental de la FFT humana, combinado con la red de inteligencia artificial BP y la tecnología de minería de datos profunda, para diseñar un nuevo entorno de entrenamiento deportivo. La prueba controlada de este modelo se diseñó para comparar las modalidades de entrenamiento atlético avanzado con las modalidades tradicionales, comparando la potencia explosiva, la resistencia y la forma física del atleta. Resultados: Después de 30 días de entrenamiento físico, la fuerza atlética de los atletas con un estado físico avanzado aumentó en un 15,33%, la resistencia aumentó en un 15,85% y el estado físico aumentó en un 14,23%. Conclusión: El algoritmo diseñado en este trabajo tiene un impacto positivo en la maximización del entrenamiento de los atletas. Puede tener un impacto favorable en los resultados del entrenamiento, así como aumentar el interés del atleta por el deporte. Nivel de evidencia II; Estudios terapéuticos - investigación de los resultados del tratamiento.

Systematic Review Support software system: web-based solution for managing duplicates and screening eligible studies / Sistema "Apoio à Revisão Sistemática": solução web para gerenciamento de duplicatas e seleção de artigos elegíveis

ABSTRACT Objective: To describe the main functions of the "Systematic Review Support" web-based system for removing duplicate articles and aiding eligibility analysis during the process of conducting systematic review studies. Methods: The system was developed based on the incremental build model using the Agile methodology. The software is proprietary source code and was published on a proprietary platform. The architecture of the production environment allows the infrastructure used to increase or decrease according to demand. The system functions are presented with insertion of screenshots of the interfaces of the version for personal computers during the simulation of a systematic review. Results: After importing the files containing the abstracts retrieved from the Pubmed, Embase, and Web of Science databases, the system identifies and removes duplicates for later reading and analysis of title and abstract, a stage which can be performed by one or more reviewers independently. After unblinding of reviewers, the decisions on the eligibility of the studies are compared automatically to help the researchers reach a consensus on any disagreements. Results can be filtered and a PDF produced containing the eligible studies. Conclusion: Version 1.0 of the system is available on the web (sysrev.azurewebsites.net) to assist researchers in the initial stages of systematic reviews.

RESUMO Objetivo: Descrever as principais funcionalidades do sistema "Apoio à Revisão Sistemática" na identificação e exclusão de artigos duplicados e no auxílio na análise de elegibilidade durante a condução de estudo de revisão sistemática. Métodos: O sistema foi desenvolvido com base em um modelo de processo incremental, utilizando-se metodologia Ágil. É de código fechado e foi publicado em plataforma proprietária. O ambiente de produção onde o sistema foi implantado possui arquitetura que permite que a infraestrutura utilizada aumente ou diminua conforme a demanda. As funcionalidades foram apresentadas com inserção de imagens das interfaces da versão para computadores, simulando uma revisão sistemática. Resultados: Após a importação dos resumos recuperados nas bases de dados PubMed, Embase e Web of Science, o sistema permite a identificação e eliminação de duplicatas para posterior leitura e análise de título e resumo, etapa que pode ser realizada por mais de um revisor de maneira independente. Após a quebra do cegamento entre os revisores, as respostas sobre a elegibilidade dos estudos podem ser comparadas automaticamente para facilitar a resolução de divergências pelos pesquisadores. É possível filtrar os resultados e gerar um arquivo PDF com os estudos elegíveis. Conclusão: A versão 1.0 do sistema "Apoio à Revisão Sistemática" encontra-se disponível na web (sysrev.azurewebsites.net) para auxiliar pesquisadores nas etapas iniciais de um estudo de revisão sistemática.

Experimental research on forecasting index of biological image aerobic exercise analysis of artificial neural network / Pesquisa experimental sobre índice de previsão de imagem biológica análise de exercício aeróbio de rede neural artificial / Investigación experimental sobre índice de pronóstico de imágenes biológicas análisis de ejercicio aeróbico de redes neuronales artificiales

ABSTRACT Objective: The paper uses artificial neural network images to explore the effects of aerobic exercise on the gamma rhythm of theta period in the awake hippocampal CA1 area of APP/PS1/tau mice and the low-frequency gamma rhythm of the sleep state hippocampal CA1 area SWR period. Methods: Clean grade 6-month-old APP/PS1/tau mice were randomly divided into quiet group (AS) and exercise group (AE), C57BL/6J control group mice were randomly divided into quiet group (CS) and exercise group (CE). The AE group and the CE group performed 12-week treadmill exercise, 5d/week, 60min/d, the first 10min exercise load was 12m/min, the last 50min was 15m/min treadmill slope was 0°. Eight-arm maze detection of behavioral changes in mice; multi-channel in vivo recording technology to record the electrical signals of the awake state and sleep state in the hippocampal CA1 area, MATLAB extracts the awake state theta period and sleep state SWR period, multi-window spectrum estimation method Perform time-frequency analysis and power spectral density analysis. Results: 12 weeks of aerobic exercise can significantly improve the working memory and reference memory of the AS group, increase the gamma energy in theta period of the awake hippocampus CA1 area and the low-frequency gamma energy in the sleep state CA1 area SWR period. Conclusions: Aerobic exercise can improve the neural network state of the AD model and increase the gamma energy in theta period of the hippocampus CA1 area, and the low-frequency gamma energy in the SWR period is one of the neural network mechanisms for its overall behavioral improvement. Level of evidence II; Therapeutic studies - investigation of treatment results.

RESUMO Objetivo: o artigo usa imagens de redes neurais artificiais para explorar os efeitos do exercício aeróbio no ritmo gama do período teta na área CA1 do hipocampo desperto de camundongos APP/PS1/tau e o ritmo gama de baixa frequência da área CA1 do hipocampo do estado de sono Período SWR. Métodos: Camundongos APP/PS1/tau de grau limpo de 6 meses de idade foram divididos aleatoriamente em grupo quieto (AS) e grupo de exercício (AE), os camundongos do grupo controle C57BL/6J foram divididos aleatoriamente em grupo quieto (CS) e grupo de exercício (CE). O grupo AE e o grupo CE realizaram 12 semanas de exercício em esteira, 5d/semana, 60min/d, a primeira carga de exercício de 10min foi de 12m/min, a última de 50min foi de 15m/min e a inclinação da esteira foi de 0 °. Detecção de labirinto de oito braços de mudanças comportamentais em camundongos; tecnologia de gravação in vivo multicanal para registrar os sinais elétricos do estado de vigília e do estado de sono na área CA1 do hipocampo, MATLAB extrai o período de tempo teta do estado de vigília e o período de tempo SWR do estado de sono, método de estimativa de espectro de múltiplas janelas. e análise de densidade espectral de potência. Resultados: 12 semanas de exercícios aeróbicos podem melhorar significativamente a memória de trabalho e a memória de referência do grupo AS, aumentar a energia gama no período teta da área CA1 do hipocampo acordado e a energia gama de baixa frequência na área CA1 do estado de sono período SWR. Conclusões: O exercício aeróbico pode melhorar o estado da rede neural do modelo AD e aumentar a energia gama no período teta da área CA1 do hipocampo e a energia gama de baixa frequência no período SWR é um dos mecanismos da rede neural para seu comportamento geral. Nível de evidência II; Estudos terapêuticos- investigação dos resultados do tratamento.

RESUMEN Objetivo: El artículo utiliza imágenes de redes neuronales artificiales para explorar los efectos del ejercicio aeróbico en el ritmo gamma del período theta en el área CA1 del hipocampo despierto de ratones APP/PS1/tau y el ritmo gamma de baja frecuencia del área CA1 del hipocampo en estado de sueño. Período de ROE. Métodos: Se dividieron aleatoriamente ratones APP/PS1/tau de 6 meses de edad de grado limpio en grupo tranquilo (AS) y grupo de ejercicio (AE), los ratones del grupo de control C57BL/6J se dividieron aleatoriamente en grupo tranquilo (CS) y grupo de ejercicio (CE). El grupo de EA y el grupo de EC realizaron 12 semanas de ejercicio en cinta rodante, 5 días a la semana, 60 min/d, la primera carga de ejercicio de 10 min fue de 12 m/min, los últimos 50 min fueron de 15 m/min y la pendiente de la cinta fue de 0 °. Detección en laberinto de ocho brazos de cambios de comportamiento en ratones; tecnología de grabación in vivo multicanal para registrar las señales eléctricas del estado despierto y del estado de sueño en el área CA1 del hipocampo, MATLAB extrae el período de tiempo theta del estado despierto y el período de tiempo de SWR del estado de suspensión, método de estimación de espectro de múltiples ventanas Realizar análisis de tiempo-frecuencia y análisis de densidad espectral de potencia. Resultados: 12 semanas de ejercicio aeróbico pueden mejorar significativamente la memoria de trabajo y la memoria de referencia del grupo AS, aumentar la energía gamma en el período theta del área CA1 del hipocampo despierto y la energía gamma de baja frecuencia en el período SWR del área CA1 del estado de sueño. Conclusiones: El ejercicio aeróbico puede mejorar el estado de la red neuronal del modelo AD y aumentar la energía gamma en el período theta del área del hipocampo CA1 y la energía gamma de baja frecuencia en el período SWR es uno de los mecanismos de la red neuronal para su comportamiento general. Nivel de evidencia II; Estudios terapéuticos- investigación de los resultados del tratamiento.

Analysis of biolo artificial neural network in prediction of aerobic exercise index based on algorithm / Análise de rede neural artificial na predição do índice de exercício aeróbio baseada em algorítimo / Análisis de red neuronal artificial en la predicción del índice de ejercicio aeróbico

ABSTRACT Objective: To study the relationship between aerobic activity and cardiac autonomic nerve activity by artificial neural network algorithm and biological image fusion; because of the artificial neural network model (ANN) problems, biological image processing technology is introduced based on ANN. Methods: An Ann under biological image intelligence algorithm is proposed, a classifier suitable for electrocardiograph (ECG) screening is designed, and an ECG signal screening system is successfully established. Moreover, the data set of normal recovered ECG signals of the subjects during the experimental period is constructed, and a classifier is used to extract the characteristic data of a normal ECG signal during the experimental period. Results: The changes in resting heart rate and other physical health indicators are analyzed by combining resting physiological indicators, namely heart rate, body weight, body mass index and body fat rate. The results show that the self-designed classifier can efficiently process the ECG images, and long-term regular activities can improve the physical conditions of most people. Most subjects' body weight and body fat rate decrease with the extension of experiment time, and the resting heart rate decreases relatively. Conclusions: Certain indicators can be used to predict a person's dynamic physical health, which indicates that the experimental research of index prediction in this research has a good effect, which not only extends the application of artificial neural network but also lays a foundation for the research and implementation of ECG intelligent testing wearable devices. Level of evidence II; Therapeutic studies - investigation of treatment results.

RESUMO Objetivo: Com o objetivo de estudar a relação entre atividade aeróbia e atividade nervosa autonômica cardíaca por algoritmo de rede neural artificial e fusão biológica de imagens, tendo em vista os problemas existentes no modelo de rede neural artificial (RNA), é introduzida a tecnologia de processamento biológico de imagens com base em ANN. Métodos: um algoritmo de inteligência biológica de imagem Ann é proposto, um classificador adequado para triagem eletrocardiográfica (ECG) é projetado e um sistema de triagem de sinal de ECG é estabelecido com sucesso. Além disso, o conjunto de dados de sinais de ECG normais recuperados dos sujeitos durante o período experimental é construído e um classificador é usado para extrair os dados característicos de um sinal de ECG normal durante o período experimental. Resultados: As alterações na frequência cardíaca em repouso e outros indicadores de saúde física são analisadas pela combinação de indicadores fisiológicos de repouso, a saber, frequência cardíaca, peso corporal, índice de massa corporal e índice de gordura corporal. Os resultados mostram que o classificador autodesenhado pode processar com eficiência as imagens de ECG, e as atividades regulares de longo prazo podem melhorar as condições físicas da maioria das pessoas. O peso corporal e a taxa de gordura corporal da maioria dos indivíduos diminuem com a extensão do tempo do experimento, e a freqüência cardíaca em repouso diminui relativamente. Conclusões: Certos indicadores podem ser usados para prever a saúde física dinâmica de uma pessoa, o que indica que a pesquisa experimental de predição de índice nesta pesquisa tem um bom efeito, que não apenas estende a aplicação da rede neural artificial, mas também estabelece uma base para a pesquisa e implementação de dispositivos vestíveis de teste inteligente de ECG. Nível de evidência II; Estudos terapêuticos- investigação dos resultados do tratamento.

RESUMEN Objetivo: Para estudiar la relación entre la actividad aeróbica y la actividad del nervio autónomo cardíaco mediante el algoritmo de red neuronal artificial y la fusión de imágenes biológicas, ante los problemas existentes en el modelo de red neuronal artificial (ANN), se introduce la tecnología de procesamiento de imágenes biológicas basada en ANA. Métodos: Se propone un algoritmo de inteligencia de imagen biológica de Ann, se diseña un clasificador adecuado para el cribado electrocardiógrafo (ECG) y se establece con éxito un sistema de cribado de señales de ECG. Además, se construye el conjunto de datos de las señales de ECG recuperadas normales de los sujetos durante el período experimental, y se utiliza un clasificador para extraer los datos característicos de una señal de ECG normal durante el período experimental. Resultados: Los cambios en la frecuencia cardíaca en reposo y otros indicadores de salud física se analizan combinando indicadores fisiológicos en reposo, a saber, frecuencia cardíaca, peso corporal, índice de masa corporal y tasa de grasa corporal. Los resultados muestran que el clasificador de diseño propio puede procesar de manera eficiente las imágenes de ECG, y las actividades regulares a largo plazo pueden mejorar las condiciones físicas de la mayoría de las personas. El peso corporal y la tasa de grasa corporal de la mayoría de los sujetos disminuyen con la extensión del tiempo del experimento, y la frecuencia cardíaca en reposo disminuye relativamente. Conclusiones: Ciertos indicadores pueden usarse para predecir la salud física dinámica de una persona, lo que indica que la investigación experimental de predicción de índices en esta investigación tiene un buen efecto, lo que no solo extiende la aplicación de la red neuronal artificial sino que también sienta las bases para la investigación. e implementación de dispositivos portátiles de prueba inteligente de ECG. Nivel de evidencia II; Estudios terapéuticos- investigación de los resultados del tratamiento.

The application mode of athletes in the calculation of cloud motion capture technology in football / Modo de aplicação de cálculo da tecnologia de captura de movimentos na nuvem no futebol / Modo de aplicación de los jugadores en el cálculo de la tecnología de captura de movimiento en la nube de fútbol

ABSTRACT Motion capture is a common problem in sports. It is mainly used to measure and capture running distance in football matches. Use of cloud computing motion capture algorithm in football running distance test, for lack of cloud computing algorithm using motion capture in the application. Data are obtained by experiment to verify the effectiveness and feasibility of the improved cloud computing motion capture algorithm in running distance in football. The final conclusion is that, compared with the original cloud computing motion capture algorithm, the optimized cloud computing motion capture algorithm can significantly reduce the number of cycles in the test of football running distance.

RESUMO A captura de movimento é um problema comum nos esportes. É usado principalmente para medir e capturar a distância de corrida em jogos de futebol. Este estudo aborda o uso do algoritmo de captura de movimento por computação em nuvem no teste de distância de corrida de futebol, por falta do algoritmo de computação em nuvem usando a captura de movimento na aplicação. Os dados são obtidos por experimento para verificar a eficácia e viabilidade do algoritmo melhorado de captura de movimento por computação em nuvem no teste de distância de corrida no futebol. A conclusão final é que, em comparação com o algoritmo original de captura de movimento por computação em nuvem, o algoritmo otimizado de captura de movimento por computação em nuvem pode reduzir significativamente o número de ciclos no teste de distância de corrida no futebol.

RESUMEN La captura de movimiento es un problema común en los deportes. Es usado principalmente para medir y capturar la distancia de corrida en juegos de fútbol. Este estudio aborda el uso del algoritmo de captura de movimiento por computación en nube en el test de distancia de corrida de fútbol, por falta del algoritmo de computación en nube usando la captura de movimiento en la aplicación. Los datos son obtenidos por experimento para verificar la eficacia y viabilidad del algoritmo mejorado de captura de movimiento por computación en nube en el test de distancia de corrida en el fútbol. La conclusión final es que, en comparación con el algoritmo original de captura de movimiento por computación en nube, el algoritmo optimizado de captura de movimiento por computación en nube puede reducir significativamente el número de ciclos en el test de distancia de corrida en el fútbol.

Research on athletes' psychological regulation ability based on back propagation (bp) neural network algorithm / Investigação sobre a habilidade de controle psicológico de atletas com base no algoritmo de rede neural backpropagation / Investigación sobre la capacidad de ajuste psicológico de los atletas basada en el algoritmo de red neuronal bp

ABSTRACT Athletes' psychological control ability directly affects competitions. Therefore, it is necessary to supervise the athletes' game psychology. Athletes' game state supervision model is constructed through the facial information extraction algorithm. The homography matrix and the calculation method are introduced. Then, two methods are introduced to solve the rotation matrix from the homography matrix. After the rotation matrix is solved, the method of obtaining the facial rotation angle from the rotation matrix is introduced. The two methods are compared in the simulation data, and the advantages and disadvantages of each algorithm are analyzed to determine the method used in this paper. The experimental results show that the model prediction accuracy reaches 70%, which can effectively supervise the psychological state of athletes. This research study is of great significance to improve the performance of athletes in competitions and improve the application of back propagation (BP) neural network algorithm.

RESUMO A capacidade de controle psicológico de atletas afeta diretamente as competições. Portanto, é muito necessário supervisionar a psicologia de jogo desses indivíduos. O modelo de supervisão do estado de jogo dos atletas é construído através do algoritmo de extração de informações faciais. A matriz de homografia e o método de cálculo são introduzido. Em seguida, são introduzidos dois métodos para resolver a matriz de rotação a partir da matriz de homografia. Após a resolução da matriz de rotação, introduz-se o método de obtenção do ângulo de rotação facial a partir dessa matriz. Os dois métodos são comparados nos dados da simulação, e as vantagens e desvantagens de cada algoritmo são analisadas para determinar o método utilizado neste estudo. Os resultados experimentais mostram que a precisão da previsão do modelo atinge 70%, sendo possível efetivamente supervisionar o estado psicológico dos atletas. O presente estudo é de grande importância para melhorar o desempenho dos atletas em competições e melhorar a aplicação do algoritmo de rede neural backpropagation (BP).

RESUMEN La capacidad de control psicológico de atletas afecta directamente las competencias. Por lo tanto, es muy necesario supervisar la psicología de juego de esos individuos. El modelo de supervisión del estado de juego de los atletas es construido por medio del algoritmo de extracción de informaciones faciales. La matriz de homografía y el método de cálculo son introducidos. Enseguida, son introducidos dos métodos para resolver la matriz de rotación a partir de la matriz de homografía. Después de la resolución de la matriz de rotación, se introduce el método de obtención del ángulo de rotación facial a partir de esa matriz. Los dos métodos son comparados en los datos de la simulación, y las ventajas y desventajas de cada algoritmo son analizadas para determinar el método utilizado en este estudio. Los resultados experimentales muestran que la precisión de la previsión del modelo alcanza 70%, siendo posible efectivamente supervisar el estado psicológico de los atletas. El presente estudio es de gran importancia para mejorar el desempeño de los atletas en competencias y mejorar la aplicación del algoritmo de red neuronal backpropagation (BP).

Analysis of the influence of biochemical indexes of athletes under training based on the internet of things and cloud computing / Análise da influência dos índices bioquímicos dos atletas em treinamento com base na internet das coisas e na computação em nuvem / Análisis de la influencia de los índices bioquímicos de los atletas en el período de entrenamiento basado en internet de las cosas y la computación en nube

ABSTRACT For athletes under training, it is more efficient to use the Internet of Things (IoT) and cloud computing methods to collect and process biochemical indicators, and this study is about research based on the IoT and cloud computing technology for athletes under training. The problems are put forward in this study. The requirements of related algorithm design and the communication model properties are comprehensively analyzed. Scheduling the link and allocating the transmit power of the nodes are comprehensively considered, with design and analysis of wireless sensor network scheduling algorithm. The factors influencing the scheduling efficiency of the algorithm are analyzed, considering the node density and the influence of different power allocation schemes on the scheduling result. This study shows that the algorithm of this thesis can collect the biochemical index data of athletes during training period. As the number of nodes increases, the running results will gradually move towards the optimal value. This research study is of important theoretical significance for the application of IoT and cloud computing technology and the improvement of athlete training effect.

RESUMO Para os indicadores bioquímicos dos atletas durante o treino, é mais eficiente usar a internet das coisas e métodos de computação em nuvem para coletar e processar indicadores bioquímicos durante o treino de atletas. Este estudo se baseia na tecnologia da internet das coisas IoT e na computação em nuvem voltada para atletas durante o período de treino. Os problemas são apresentados neste documento. Os requisitos de concepção de algoritmos relacionados e propriedades do modelo de comunicação são amplamente analisados. A programação do link e a alocação da potência de transmissão dos nodos são considerados de forma abrangente, com projeto e análise do algoritmo de programação da rede de sensores sem fio. Os fatores que influenciam a eficiência de programação do algoritmo são analisados, considerando a densidade do nodo e a influência de diferentes sistemas de alocação de energia no resultado da programação. A pesquisa Mostra que o algoritmo desta tese pode coletar os dados do índice bioquímico dos atletas durante o período de treino. À medida que o número de nodos aumenta, os resultados de execução tenderão gradualmente para o valor ideal. Esta pesquisa tem um significado teórico importante para a aplicação da tecnologia da internet das coisas e computação em nuvem e para a melhoria do efeito dos treinos realizados por atletas.

RESUMEN Para los indicadores bioquímicos de los atletas durante el entrenamiento, es más eficiente usar la internet de las cosas y métodos de computación en nube para recolectar y procesar indicadores bioquímicos durante el entrenamiento de atletas. Este estudio se basa en la tecnología de la internet de las cosas IoT y en la computación en nube dedicada a atletas durante el período de entrenamiento. Los problemas son presentados en este documento. Los requisitos de concepción de algoritmos relacionados y propriedades del modelo de comunicación son ampliamente analizados. La programación del link y la destinación de la potencia de transmisión de los nodos son considerados de forma abarcadora, con proyecto y análisis del algoritmo de programación de la red de sensores inalámbrica. Los fatores que influencian la eficiencia de programación del algoritmo son analizados, considerando la densidad del nodo y la influencia de diferentes sistemas de destinación de energía en el resultado de la programación. La investigación muestra que el algoritmo de esta tesis puede recolectar los datos del índice bioquímico de los atletas durante el período de entrenamiento. A medida que el número de nodos aumenta, los resultados de ejecución tenderán gradualmente hacia el valor ideal. Esta investigación tiene un significado teórico importante para la aplicación de la tecnología de la internet de las cosas y computación en nube y para la mejora del efecto de los entrenamientos realizados por atletas.

Impact of public health emergencies on the comprehensive education of medical students in colleges and universities from the perspective of narrative medicine / Impacto das emergências de saúde pública na formação integral de estudantes de medicina sob a perspectiva da medicina narrativa / El impacto de las emergencias de salud pública en la alfabetización integral de estudiantes de medicina desde la perspectiva de la medicina narrativa

ABSTRACT The impact of traditional public health emergencies on the comprehensive education of medical students in colleges and universities is mainly reflected in the test of comprehensive literacy. Based on this, this paper studies the construction of a public health emergency impact analysis platform from a medical perspective and cloud computing. From the platform's database construction, event collection methods, impact evaluation rules and other aspects to achieve accurate analysis of the impact of emergencies, using the cloud computing method for comprehensive analysis and evaluation, the algorithm can analyze and intelligently classify information data on the Internet in the process of multiple input, and respond to potential public health emergencies according to cloud computing technology, in order to analyze the impact on the comprehensive quality of medical students. The experimental results show that the public health emergency analysis platform has the advantages of high feasibility and high data utilization, and can effectively improve the impact of public health emergencies on the comprehensive literacy of medical students.

RESUMO O impacto das tradicionais emergências de saúde pública sobre a formação integral de estudantes de medicina em faculdades e universidades reflete-se principalmente no teste de formação integral. Com base nisso, este documento estuda a construção da plataforma de análise de impacto de emergência de saúde pública sob a perspectiva médica e computação em nuvem. A partir da construção da base de dados da plataforma, foram desenvolvidos métodos de coleta de eventos, regras de avaliação de impacto e outros aspectos para obter uma análise precisa do impacto das emergências, usando o método de computação em nuvem para análise e avaliação. O algoritmo pode realizar a análise e classificação inteligente de dados de informação na Internet no processo de introdução múltipla, e responder a possíveis emergências de saúde pública de acordo com a tecnologia de computação em nuvem a fim de analisar o impacto sobre a qualificação dos estudantes de medicina. Os resultados experimentais mostram que a plataforma de análise de emergências de saúde pública tem as vantagens de alta viabilidade e alta utilização de dados, pode melhorar efetivamente o impacto das emergências de saúde pública na formação integral dos estudantes de medicina.

RESUMEN El impacto de las emergencias de salud pública tradicionales en la educación integral de los estudiantes de medicina en los colegios y universidades se refleja principalmente en la prueba de comprensión de textos. Con base en esto, este trabajo estudia la construcción de una plataforma de análisis de impacto de emergencias en salud pública desde una perspectiva médica y de computación en la nube. A partir de la construcción de la base de datos de la plataforma, los métodos de recolección de eventos, las reglas de evaluación de impacto y otros aspectos para lograr un análisis preciso del impacto de las emergencias, utilizando el método de computación en la nube para un análisis y evaluación integral, el algoritmo puede analizar y clasificar de manera inteligente los datos de información en Internet en el proceso de entrada múltiple. También puede responder a potenciales emergencias de salud pública de acuerdo con la tecnología de computación en la nube, con el fin de analizar el impacto en la calidad integral de los estudiantes de medicina. Los resultados experimentales muestran que la plataforma de análisis de emergencias de salud pública tiene las ventajas de alta viabilidad y alta utilización de datos, y puede mejorar de manera efectiva el impacto de las emergencias de salud pública en la comprensión de textos de los estudiantes de medicina.

Meu Estágio Enfermagem: criação e avaliação de um protótipo de aplicativo para apoio no estágio curricular supervisionado em enfermagem / My Nursing Internship: creation and evaluation of an application prototype to support the supervised curricular internship in nursing

Introdução: O estágio curricular supervisionado é um importante instrumento utilizado na formação dos profissionais de enfermagem, que visa proporcionar aos alunos o aperfeiçoamento das técnicas de enfermagem e o desenvolvimento de uma visão crítica e reflexiva da profissão. Entretanto, não são poucas as dificuldades enfrentadas pelas envolvidos ao longo deste processo, incluindo questões burocráticas, organizativas e pedagógicas. Algumas dessas dificuldades podem ser amenizadas com o uso de tecnologias educacionais digitais especialmente desenvolvidas para esse fim, uma vez que permitem acesso a informações com bases científicas, controle de horários, realização de registros e cálculos, entre outras atividades pertinentes ao estágio. Objetivo: Desenvolver e avaliar um protótipo de aplicativo educacional para apoiar alunos e docentes durante os estágios. Método: Trata-se de uma pesquisa aplicada, exploratória e descritiva, de produção tecnológica. No desenvolvimento do protótipo do aplicativo, utilizou-se como referencial metodológico o Design Thinking, para os momentos de inspiração, implementação e ideação, precedido de revisão da literatura sobre as dificuldades enfrentadas pelos alunos e docentes durante os ECS. Posteriormente, foi desenvolvida a primeira versão do protótipo para interação com especialistas em inovação e tecnologia e alunos de enfermagem, resultando na nova versão submetida à avaliação de nove juízes docentes enfermeiros, nove especialistas em informática e nove alunos do curso técnico em enfermagem. Na avaliação do protótipo foram utilizados os instrumentos System Usability Scale, Net Promoter Score e de Avaliação da Qualidade Adaptado de Sperandio (2008). Na análise dos dados foram empregadas técnicas de estatísticas descritivas. Para concordância entre os avaliadores, adotou-se a análise AC1, de acordo com Gwet (2008). Resultados: Foi desenvolvido um protótipo de aplicativo de média fidelidade, com as seguintes funcionalidades: disponibilização das escalas de estágio, chat de comunicação entre docentes e alunos, registro de presença no estágio com geolocalização, disponibilização das técnicas de enfermagem, checklist das técnicas realizadas, recurso para cálculos de medicação e gotejamento, registros de enfermagem, consulta dos planos de trabalho docente, informações para segurança do paciente, código de ética e normas e rotinas dos estágios. Com base nas avaliações foi possível considerar a viabilidade do protótipo de aplicativo. As avaliações do score SUS alcançaram o melhor resultado possível, com valores de 91,4 e 91,9 entre os alunos e enfermeiros docentes, respectivamente. O NPS ficou na zona de excelência com média de respostas 94,4. Na avaliação da qualidade nos itens funcionalidade, confiabilidade, usabilidade, eficiência, manutenibilidade e portabilidade, a média das respostas dos enfermeiros docentes, alunos e especialistas em informática ficou dentro do esperado. Importantes sugestões foram feitas e permitirão novas implementações a partir da visão dos usuários finais. A avaliação dos especialistas em informática identificou a necessidade de melhorias, sobretudo nos itens confiabilidade, eficiência, manutenibilidade e portabilidade. A avaliação da concordância evidenciou a discordância dos avaliadores, o que reitera a necessidade de aperfeiçoar versões futuras do protótipo, bem como de considerar novas avaliações. Conclusão: O protótipo de aplicativo desenvolvido tem potencial para colaborar no desenvolvimento dos ECS em enfermagem, além de apresentar caráter inovador. Além disso, considera-se relevante a avaliação futura dos aspectos pedagógicos, não contemplados neste estudo

Introduction: The supervised curricular internship is an important instrument used in the training of nursing professionals, which aims to provide students with the improvement of nursing techniques and the development of a critical and reflective view of the profession. However, there are many difficulties faced by those involved throughout this process, including bureaucratic, organizational and pedagogical issues. Some of these difficulties can be alleviated with the use of digital educational technologies specially developed for this purpose, as they allow access to scientifically based information, control of schedules, carrying out records and calculations, among other activities relevant to the internship. Objective: Develop and evaluate an educational application prototype to support students and faculty during internships. Method: This is an applied, exploratory and descriptive research of technological production. In the development of the application prototype, Design Thinking was used as a methodological framework, for moments of inspiration, implementation and ideation, preceded by a literature review on the difficulties faced by students and teachers during the ECS. Subsequently, the first version of the prototype was developed for interaction with innovation and technology specialists and nursing students, resulting in the new version being evaluated by nine nurse faculty judges, nine informatics specialists and nine students from the technical nursing course. In the evaluation of the prototype, the instruments System Usability Scale, Net Promoter Score and Quality Assessment Adapted from Sperandio (2008) were used. In the data analysis descriptive statistics techniques were used. For agreement between the evaluators, the AC1 analysis was adopted, according to Gwet (2008). Results: A prototype of a medium-fidelity application was developed, with the following features: availability of internship schedules, communication chat between professors and students, registration of internship attendance with geolocation, availability of nursing techniques, checklist of performed techniques, resource for medication and drip calculations, nursing records, consultation of teacher work plans, patient safety information, code of ethics and internship rules and routines. Based on the evaluations, it was possible to consider the feasibility of the application prototype. The evaluations of the SUS score achieved the best possible result, with values of 91.4 and 91.9 among students and teaching nurses, respectively. NPS was in the zone of excellence with an average of 94.4 responses. In assessing the quality of the items functionality, reliability, usability, efficiency, maintainability and portability, the average of the responses of professors, students and computer specialists was within expectations. Important suggestions were made and will allow new implementations from the end users' perspective. The assessment of computer specialists identified the need for improvements, especially in the items reliability, efficiency, maintainability and portability. The agreement assessment evidenced the evaluators' disagreement, which reiterates the need to improve future versions of the prototype, as well as to consider new assessments. Conclusion: The developed application prototype has the potential to collaborate in the development of ECS in nursing, in addition to presenting an innovative character. In addition, the future assessment of pedagogical aspects not covered in this study is considered relevant

Inteligência Artificial em Cardiologia: Conceitos, Ferramentas e Desafios - Quem Corre é o Cavalo, Você Precisa ser o Jóquei / Artificial Intelligence in Cardiology: Concepts, Tools and Challenges - The Horse is the One Who Runs, You Must Be the Jockey

Resumo Os recentes avanços ao nível de hardware e a crescente exigência de personalização dos cuidados associados às necessidades urgentes de criação de valor para os pacientes contribuíram para que a Inteligência Artificial (IA) promovesse uma mudança significativa de paradigma nas mais diversas áreas do conhecimento médico, em particular em Cardiologia, por sua capacidade de apoiar a tomada de decisões e melhorar o desempenho diagnóstico e prognóstico. Nesse contexto, o presente trabalho faz uma revisão não-sistemática dos principais trabalhos publicados sobre IA em Cardiologia, com foco em suas principais aplicações, possíveis impactos e desafios.

Abstract The recent advances at hardware level and the increasing requirement of personalization of care associated with the urgent needs of value creation for the patients has helped Artificial Intelligence (AI) to promote a significant paradigm shift in the most diverse areas of medical knowledge, particularly in Cardiology, for its ability to support decision-making and improve diagnostic and prognostic performance. In this context, the present work does a non-systematic review of the main papers published on AI in Cardiology, focusing on its main applications, potential impacts and challenges.

Multi-categorical classification using deep learning applied to the diagnosis of gastric cancer / Classificação multicategórica utilizando aprendizagem profunda aplicada ao diagnóstico de adenocarcinoma gástrico

ABSTRACT Introduction: Pathologists currently face a substantial increase in workload and complexity of their diagnosis work on different types of cancer. This is due to the increased incidence and detection of neoplasms, associated with diagnostic subspecialization and the advent of personalized medicine. There are numerous treatments available for different types of cancer, and the diagnosis must be dispensed quickly and accurately for each case. Deep learning is a tool that has been used in daily life, including image detection, and there is growing interest in its application in Medicine and especially in Pathology, where it has a revolutionary potential. Objective: In this article, we present deep learning, in particular convolutional neural networks, as a potential technique for the analysis of digitized images of histopathological slides, detecting identifiable patterns in an automated manner, introducing the possibility of applying this technology as an auxiliary tool in the diagnosis of neoplasms, especially in gastric cancer, the object of this preliminary study. Method: From a database of digitized images of histopathological slides representative of gastric cancer, we identified three morphological patterns of neoplasia, as well as non-neoplastic tissue patterns, with which we train a convolutional neural network algorithm, designed to identify and categorize similar images within these standards, in an automated manner. Results: The results of identification and automatic classification in the defined categories were satisfactory, with ROC curves above 0.9. Conclusion: The results show the potential application of convolutional neural networks for digitized slides of gastric cancer, in accordance with international literature findings.

RESUMEN Introducción: Los patólogos enfrentan actualmente un aumento sustancial de su trabajo diagnóstico en diferentes tipos de cáncer. Eso ocurre debido al incremento de la incidencia y de la detección de neoplasias, además de la subespecialización diagnóstica y del advenimiento de la medicina personalizada. Hay numerosos tratamientos disponibles para diferentes tipos de cáncer, y el diagnóstico debe ser realizado con celeridad y precisión para cada caso. El aprendizaje profundo es una herramienta que ha sido empleada en el día a día, incluso en la detección de imágenes, y hay creciente interés en su aplicación en Medicina, especialmente en Patología, área en la que presenta potencial revolucionario. Objetivo: En este artículo presentamos el aprendizaje profundo, en especial las redes neuronales convolucionales, como una técnica potencial para el análisis de imágenes digitalizadas de portaobjetos histopatológicos, detectando patrones identificables de forma automatizada, introduciendo la posibilidad de empleo de esa tecnología como herramienta auxiliar en el diagnóstico de neoplasias, principalmente en el adenocarcinoma gástrico, objeto de este estudio preliminar. Métodos: A partir de una base de datos de imágenes digitalizadas de portaobjetos histopatológicos representativos de adenocarcinoma gástrico, identificamos tres patrones morfológicos de la neoplasia, así como patrones de tejidos no neoplásicos, con los cuales entrenamos un algoritmo de red neuronal convolucional, creado para identificar y categorizar imágenes semejantes dentro de eses patrones, de modo automatizado. Resultados: Los resultados de identificación y clasificación automática en las categorías definidas se mostraron satisfactorios, con curvas ROC por encima de 0,9. Conclusión: Los resultados muestran el potencial de aplicación de las redes neuronales convolucionales en portaobjetos digitalizados de adenocarcinoma gástrico, en conformidad con la literatura internacional.

RESUMO Introdução: Os patologistas enfrentam atualmente um aumento substancial na carga e na complexidade de seu trabalho diagnóstico em diferentes tipos de câncer. Isso ocorre devido ao aumento da incidência e da detecção de neoplasias, além da subespecialização diagnóstica e do advento da medicina personalizada. Existem inúmeros tratamentos disponíveis para diferentes tipos de câncer, e o diagnóstico deve ser dado com celeridade e precisão para cada caso. A aprendizagem profunda é uma ferramenta que vem sendo empregada no dia a dia, inclusive na detecção de imagens, e há crescente interesse em sua aplicação na Medicina, especialmente na Patologia, área em que apresenta potencial revolucionário. Objetivo: Neste artigo, apresentamos a aprendizagem profunda, em específico as redes neurais convolucionais, como uma potencial técnica para a análise de imagens digitalizadas de lâminas histopatológicas, detectando padrões identificáveis de forma automatizada, introduzindo a possibilidade de aplicação dessa tecnologia como ferramenta auxiliar no diagnóstico de neoplasias, principalmente no adenocarcinoma gástrico, objeto deste estudo preliminar. Métodos: A partir de um banco de dados de imagens digitalizadas de lâminas histopatológicas representativas de adenocarcinoma gástrico, identificamos três padrões morfológicos da neoplasia, bem como padrões de tecidos não neoplásicos, com os quais treinamos um algoritmo de rede neural convolucional, criado com a finalidade de identificar e categorizar imagens similares dentro desses padrões, de forma automatizada. Resultados: Os resultados de identificação e classificação automática nas categorias definidas mostraram-se satisfatórios, com curvas ROC acima de 0,9. Conclusão: Os resultados evidenciam o potencial de aplicação das redes neurais convolucionais em lâminas digitalizadas de adenocarcinoma gástrico, consoantes com a literatura internacional.

Evaluation of user embracement software with pediatric risk classification / Evaluación del software para el acogimiento con clasificación de riesgo en pediatria / Avaliação de software para acolhimento com classificação de risco em pediatria

ABSTRACT Objective: to evaluate functional performance and technical quality of user embracement software with pediatric risk classification. Method: descriptive exploratory study developed based on the quality requirements set forth in ISO/IEC 25010. The evaluated characteristics were: functional adequacy, reliability, usability, performance efficiency, compatibility, safety, maintainability and portability. Eight specialists from the area of informatics and 13 from nursing participated in the evaluation. The characteristics were considered adequate when they reached more than 70% of indication as very and/or completely appropriate in the evaluations of each group of specialists. Results: The results obtained from the evaluation of informatics and nursing specialists were: functional adequacy (100.0%, 96.2%), reliability (82.6%, 88.5%), usability (84.9%; 98.7%), performance efficiency (93.4%; 96.2%), compatibility (85.0%, 98.1%), safety (91.7%, 100.0%), and, yet, maintainability (95.0%) and portability (87.5%) evaluated by the first ones. Conclusion: the software was considered adequate regarding technical quality and functional performance.

RESUMEN Objetivo: evaluar el desempeño funcional y la calidad técnica del software para el acogimiento con clasificación de riesgo en pediatría. Método: estudio exploratorio descriptivo, fundamentado en los requisitos de calidad dispuestos en la norma ISO/IEC 25.010. Las siguientes características fueron evaluadas: adecuación funcional, confiabilidad, facilidad de uso, eficiencia del desempeño, compatibilidad, seguridad, manutención y portabilidad. En la evaluación participaron 8 expertos en el área de informática y 13 en enfermería. Se consideradon adecuadas las características cuando habían alcanzado más del 70,0% de indicación como "muy y/o completamente apropiadas" en las evaluaciones de cada grupo de expertos. Resultados: Los resultados obtenidos a partir de la evaluación de los expertos en informática y en enfermería fueron respectivamente: adecuación funcional (100,0%; 96,2%); confiabilidad (82,6%; 88,5%); facilidad de uso (84,9%; 98,7%); eficiencia del desempeño (93,4%; 96,2%); compatibilidad (85,0%; 98,1%); seguridad (91,7%; 100,0%); y también manutención (95,0%) y portabilidad (87,5%) evaluados por los primeros. Conclusión: se observó que el software es adecuado en relación con la calidad técnica y el rendimiento funcional.

RESUMO Objetivo: avaliar desempenho funcional e qualidade técnica de software para acolhimento com classificação de risco em pediatria. Método: estudo exploratório descritivo desenvolvido com base nos quesitos de qualidade dispostos na norma ISO/IEC 25010. As características avaliadas foram: adequação funcional, confiabilidade, usabilidade, eficiência de desempenho, compatibilidade, segurança, manutenibilidade e portabilidade. Participaram da avaliação oito especialistas da área de informática e 13 de enfermagem. As características foram consideradas adequadas quando atingiram mais de 70,0% de indicação como muito e/ou completamente apropriadas nas avaliações de cada grupo de especialistas. Resultados: Os resultados obtidos a partir da avaliação dos especialistas de informática e de enfermagem foram respectivamente: adequação funcional (100,0%; 96,2%), confiabilidade (82,6%; 88,5%), usabilidade (84,9%; 98,7%), eficiência de desempenho (93,4%; 96,2%), compatibilidade (85,0%; 98,1%), segurança (91,7%; 100,0%), e, ainda, manutenibilidade (95,0%) e portabilidade (87,5%) avaliados pelos primeiros. Conclusão: o software foi considerado adequado em relação à qualidade técnica e ao desempenho funcional.

Aplicativo móvel ''Fala nova, treino fácil'': inovação no tratamento de fala na fissura labiopalatina / Mobile application '' New speech, easy training '': innovation in the treatment of cleft palate speech

Introdução: durante a fonoterapia para alterações de fala na fissura labiopalatina, há necessidade de estratégias que motivem o paciente promovendo adesão ao tratamento. Aplicativos de dispositivos móveis são uma importante ferramenta para este fim. Objetivo: desenvolver um aplicativo que auxilie na execução dos treinos e o uso do novo padrão de fala de pacientes com fissura labiopalatina. Métodos: a criação e a execução de um aplicativo de dispositivo móvel foram planejadas pela equipe de Fonoaudiologia que elegeu as opções que auxiliariam no processo terapêutico como: cadastrar lista de exercícios, inserir alertas para uso do novo padrão de fala e apresentar lista dos exercícios realizados. Já a equipe de computação realizou elaborou e aprimorou o sistema, levantou e organizou requisitos iniciais e genéricos, planejou o desenvolvimento e uso dos recursos (hardware e software). Resultados: o aplicativo desenvolvido para o sistema android e foi denominado ''Fala nova, treino fácil''. Para sua utilização o paciente deve fazer download do aplicativo na "play store''. A primeira tela do aplicativo apresenta três ícones, sendo um de acesso apenas do terapeuta e dois de interesse do paciente, informando os exercícios a serem realizados e sua evolução. O fonoaudiólogo tem a opção de cadastrar cada exercício (frequência diária e semanal), cadastrar alarmes para lembrar o paciente de utilizar a nova fala, e checar o desempenho do paciente. Conclusão: o aplicativo possibilita o monitoramento dos treinos realizados fora do atendimento presencial, motivando o paciente a dar continuidade à prática da fala nova fora do ambiente de terapia.

Introduction: during cleft palate speech therapy there is a need for strategies that motivate the patient and promote adherence to treatment. Mobile apps are an important tool for this purpose. Objective: To develop an application to help execution of speech exercises fostering use of new speech patterns established during speech therapy in cleft lip and palate. Methods: the creation and execution of a mobile device application were planned by the Speech-Language-Pathology team, who proposed functions for the App that would help in the therapeutic process, including: registry of exercises, inserting alerts for use of the new speech and checklist of activities. The computer team developed and improved the system, raised and organized its requirements, planned the development and use of resources (hardware and software). Results: the application was developed for the Android system and has been called ''New Speech, Easy Training''. To access the App, the patient downloads the application in the play store in the Android system of his phone or tablet. The first screen presents three icons: one for the therapist and two for the patient, informing the exercises and their evolution. The therapist can register each exercise (daily and weekly frequency), can program alarms to remind the patient to use the new speech, and can check the patient's performance. Conclusion: the application favors monitoring patients' performance during the home practices, motivating the patient to continue the use of new speech outside the therapy environment.

Tecnologia computacional para gerenciar o cuidado e indicadores relacionados à lesão por pressão / Computational technology to manage care and indicators related to pressure injury

A maioria dos casos de Lesões por Pressão são evitáveis desde que os pacientes em risco sejam identificados precocemente e haja uma correta definição de estratégias de prevenção. Quando as medidas preventivas não são suficientes e surge uma lesão é imprescindível uma correta avaliação e monitoramento da sua evolução. No entanto, a avaliação e monitoramento baseados apenas no olhar e documentação manual do profissional de saúde são subjetivos e muitas vezes imprecisos. As Tecnologias da Informação e Comunicação podem auxiliar nesse sentido, pois essas ferramentas possibilitam a divulgação e atualização de conhecimentos, além de possuírem ferramentas que apoiam a tomada de decisão na prática clínica. Neste espoco, esta pesquisa teve por objetivo desenvolver e avaliar um sistema computacional para gerenciar o cuidado e os indicadores relacionados às lesões por pressão. Trata-se de um estudo aplicado, metodológico e descritivo do tipo coorte prospectivo. A pesquisa foi realizada em etapas que envolveram o desenvolvimento de um sistema computacional, composto por um aplicativo e um sistema web, e testar na prática clínica essa ferramenta. O aplicativo auxilia na avaliação beira-leito do risco do paciente para desenvolver lesão por pressão, sugere cuidados preventivos personalizados e, se o paciente possuir lesão, auxilia na avaliação e registro do estado da lesão por meio de um algoritmo de processamento de imagens. O sistema web, realiza o armazenamento e processamento dos dados baseado nas avaliações beira-leito, nesse sistema é possível consultar estatísticas, tais como incidência, área de tecidos lesado, tempo médio de permanência na unidade, entre outras. Para testar na prática clínica, utilizou-se o sistema em duas Unidades de Terapia Intensiva durante o período de 60 dias, nesse período 126 pacientes foram acompanhados desde sua internação até alta, transferência ou óbito. A pesquisa demonstrou que, apesar das unidades estudadas apresentarem taxas de incidências semelhantes, quando considerado o tempo de internação dos pacientes e área da lesão, observou-se uma significativa diferença entre as unidades. Ainda, nos testes realizados com os usuários finais, o sistema computacional se mostrou altamente preciso e confiável, comprovando sua qualidade técnica e funcional. Neste sentido, o sistema computacional desta pesquisa pode ser uma ferramenta potencial para auxiliar na assistência aos pacientes institucionalizados e no monitoramento de indicadores relacionados as lesões por pressão. Ainda, espera-se que este trabalho contribua para a ampliação de pesquisas cujos objetos de estudo sejam o desenvolvimento de softwares para a saúde

Most cases of Pressure Injury are preventable as long as patients at risk are early identified and strategies for prevention are correctly defined. When preventive measures are not enough and an injury arises, a correct assessment and monitoring of its evolution is essential. However, evaluation and monitoring based only on the healthcare professional's observation and manual record is subjective and often inaccurate. The Information and Communication Technologies can help this issue, since these tools allow the dissemination and updating of knowledge, besides having tools that support decision making in clinical practice. In this context, this research aimed to develop and evaluate a computational system to manage care and indicators related to pressure injuries. It is an applied, methodological and descriptive study of the prospective cohort type. The research was carried out in stages that involved the development of a computational system, composed of an application and a web system, and the test in the clinical practice of this tool. The application assists in assessing the patient's risk of developing pressure injury, suggests personalized preventive care and, if the patient has an injury, assists in assessing and recording the lesion's condition through a digital image processing algorithm. The web system performs data storage and processing based on bedside assessments, which makes it possible to consult statistics such as incidence, area of damaged tissue, average time of permanence in the unit, among others. In the clinical practice test, the system was used in two Intensive Care Units during a 60-day period. During this period, 126 patients were followed from their hospitalization until discharge, transference or death. The research showed that, although the units studied presented similar incidence rates, when considering the length of hospital stay and the area of the lesion, a significant difference was observed between the units. Furthermore, in the tests performed with the application users, the computational system proved to be highly accurate and reliable, proving its technical and functional quality. In this sense, the computational system of this research can be a potential tool to assist healthcare professionals to care of patients and to monitor indicators related to pressure injuries. Still, it is expected that this work contributes to the expansion of research whose objectives are the development of healthcare softwares

Semigrupos cuánticos de Markov: Pasado, presente y futuro / Quantum Markov semigroups (QMS): past, present and future panorama / Semigrupos quánticos de Markov: Pasado, pressente e futuro

Resumen Los semigrupos cuánticos de Markov (SCM) son una extensión no conmutativa de los semigrupos de Markov definidos en probabilidad clásica. Ellos representan una evolución sin memoria de un sistema microscopico acorde a las leyes de la física cuántica y a la estructura de los sistemas cuánticos abiertos. Esto significa que la dinámica reducida del sistema principal es descrita por un espacio de Hilbert separable complejo 𝔥 por medio de un semigrupo 𝒯=(𝒯 t ) t ≥0, el cual actúa sobre una subálgebra de von Neumann 𝔐 del álgebra 𝔓(𝔥) de todos los operadores lineales acotados definidos en 𝔥. Por simplicidad, algunas veces asumiremos que 𝔐=(𝔥). El semigrupo 𝓣 corresponde al cuadro de Heisenberg en el sentido que dado cualquier observable x, 𝓣t(x) describe su evolución en el tiempo t. De esta forma, dada una matriz de densidad p, su dinámica (cuadro de Schrödinger) es dada por el semigrupo predual 𝓣 *t (P) , donde tr(P𝓣 t (x))= tr (𝓣 *t (P)x), tr(.) denota la operación traza. En este trabajo ofrecemos una exposición de varios resultados básicos sobre SCM. Además discutimos aplicaciones de SCM en teoría de la información cuántica y computación cuántica.

Abstract Quantum Markov semigroups (SCM) are a non-commutative extension of the Markov semigroups defined in classical probability. They represent an evolution without memory of a microscopic system according to the laws of quantum physics and the structure of open quantum systems. This means that the reduced dynamics of the main system is described by a complex separable Hilbert space 𝔥 by means of a semigroup 𝓣=(𝓣t)t≥0, acting on a von Neumann algebra 𝔓(𝔥) of the linear operators defined on 𝔥. For simplicity, we will sometimes assume that 𝔐=(𝔥). The semigroup 𝓣 corresponds to the Heisenberg picture in the sense that given any observable x, 𝓣t(x) describes its evolution at time t. Thus, given a density matrix p, its dynamics (Schrödinger's picure) is given by the predual semigroup 𝓣*t(≥), where tr(P𝓣 t (x))= tr (𝓣 *t (P)x), tr(.) denote trace of a matrix. In this paper we offer an exposition of several basic results on SCM. We also discuss SCM applications in quantum information theory and quantum computing.

Resumo Os semigrupos quânticos de Markov (SCM) são uma extensão não-comutativa de semigrupos de Markov semigroups definidos na probabilidade clássica. Eles representam uma evolução sem memória de um sistema microscópico acorde com as leis da física quântica e da estrutura de sistemas quânticos abertos. Isto significa que a dinâmica reduzida do sistema principal é descrita por um espaço de Hilbert h complexo separável por um semigroup , que actua sobre um subálgebra de von Neumann M del algebra B(h) de todos os operadores lineares limitados definidos em h. Por simplicidade, por vezes, assumir que M=B(h).. O semigroup T corresponde à imagem Heisenberg no sentido de que, dado qualquer observável x, descreve a evolução no tempo t. Assim, dada uma densidade ρ matriz, dinâmica (caixa de Schrödinger) que é dada pelo semigroupo predual , em que , tr(⋅) denota a operação de traçado. Neste trabalho, oferecemos uma exposição de vários resultados básicos sobre SCM. Além disso, discutimos aplicações de SCM em teoria da informação quântica e computação quântica.