Your browser doesn't support javascript.
loading
Mostrar: 20 | 50 | 100
Resultados 1 - 2 de 2
Filtrar
Adicionar filtros








Intervalo de ano
1.
Rev. Psicol. Saúde ; 12(1): 115-126, jan.-abr. 2020.
Artigo em Inglês | LILACS-Express | LILACS | ID: biblio-1092163

RESUMO

Depression represents a common public health problem in the world. Depression in the elderly appears to follow a vulnerability-stress model, with an interaction between individual vulnerabilities, including genetic factors, age-related cognitive and neurobiological changes, and a variety of stressful events that occur more frequently in advanced ages, such as grief, financial problems, and reduction in autonomy/functionality. In the last decades, several studies have indicated that exercise can be effective in preventing or reducing depressive symptoms, both in healthy and psychiatric populations. Due to the scientific community's interest in the efficacy and safety of physical exercise as complementary therapy for depressed elderly patients, we conduct an opinion study on the subject. Despite the researchers' efforts, in the last decades little progress has been made in verifying the efficacy of exercise in geriatric depression.


A depressão representa um problema comum de saúde pública no mundo. A depressão em idosos parece seguir um modelo de vulnerabilidade-estresse, com uma interação entre vulnerabilidades individuais, incluindo fatores genéticos, mudanças cognitivas e neurobiológicas relacionadas à idade, e uma variedade de eventos estressantes que ocorrem mais frequentemente em idades avançadas, como luto, problemas financeiros e redução da autonomia/funcionalidade. Nas últimas décadas, vários estudos indicaram que o exercício pode ser eficaz na prevenção ou redução dos sintomas depressivos, tanto em populações saudáveis como psiquiátricas. Devido ao interesse da comunidade científica na eficácia e segurança do exercício físico como terapia complementar para idosos deprimidos; realizamos um estudo de opinião sobre o assunto. Apesar dos esforços dos pesquisadores, nas últimas décadas pouco progresso foi feito na verificação da eficácia do exercício na depressão geriátrica.


La depresión representa un problema común de salud pública en el mundo. La depresión en los ancianos parece seguir un modelo de vulnerabilidad-estrés, con una interacción entre las vulnerabilidades individuales, incluidos factores genéticos, cambios cognitivos y neurobiológicos relacionados con la edad, y una variedad de eventos estresantes que ocurren con mayor frecuencia en edades avanzadas, como el duelo, problemas financieros y reducción de la autonomía/funcionalidad. En las últimas décadas, varios estudios han indicado que el ejercicio puede ser eficaz para prevenir o reducir los síntomas depresivos, tanto en poblaciones sanas como psiquiátricas. Debido al interés de la comunidad científica en la eficacia y seguridad del ejercicio físico como terapia complementaria para pacientes ancianos deprimidos, realizamos un estudio de opinión sobre el tema. A pesar de los esfuerzos de los investigadores, en las últimas décadas se ha avanzado poco en la verificación de la eficacia del ejercicio en la depresión geriátrica.

2.
Rev. Psicol. Saúde ; 11(2): 145-152, maio-ago. 2019. ilus, tab
Artigo em Inglês | LILACS-Express | LILACS | ID: biblio-1020434

RESUMO

Developing an approach to predict happiness based on individual conditions and actions could enable us to select daily behaviors for enhancing well-being in life. Therefore, we propose a novel approach of applying machine learning, a branch of the field of artificial intelligence, to a variety of information concerning people's lives (i.e., a lifelog). We asked a participant (a healthy young man) to record 55 lifelog items (e.g., positive mood, negative events, sleep time etc.) in his daily life for about eight months using smartphone apps and a smartwatch. We then constructed a predictor to estimate the degree of happiness from the multimodal lifelog data using a support vector machine, which achieved 82.6% prediction accuracy. This suggests that our approach can predict the behaviors that increase individuals' happiness in their daily lives, thereby contributing to improvement in their happiness. Future studies examining the usability and clinical applicability of this approach would benefit from a larger and more diverse sample size.


Desenvolver uma abordagem para prever a felicidade com base em condições e ações individuais pode nos permitir selecionar comportamentos diários para melhorar o bem-estar na vida. Portanto, propomos uma nova abordagem de aplicação da aprendizagem de máquina, um ramo do campo da inteligência artificial, para uma variedade de informações sobre a vida das pessoas (ou seja, um lifelog). Pedimos a um participante (um jovem saudável) que registrasse 55 itens de vida útil (por exemplo, humor positivo, eventos negativos, tempo de sono etc.) em sua vida diária por cerca de oito meses usando aplicativos de smartphones e um relógio inteligente. Em seguida, construímos um preditor para estimar o grau de felicidade dos dados de vida multimodal usando uma máquina de vetores de suporte, que atingiu 82,6% de precisão de previsão. Isso sugere que nossa abordagem pode prever os comportamentos que aumentam a felicidade dos indivíduos em suas vidas diárias, contribuindo para uma melhoria em sua felicidade. Estudos futuros examinando a usabilidade e a aplicabilidade clínica dessa abordagem se beneficiariam de um tamanho de amostra maior e mais diversificado.


El desarrollar un enfoque para predecir la felicidad, basado en las condiciones y acciones individuales, nos permitiría seleccionar comportamientos habituales para mejorar el bienestar en la vida. Por lo tanto, proponemos un novedoso enfoque de aplicación del aprendizaje automático, una rama del campo de la Inteligencia Artificial, a una variedad de información de la vida de las personas (es decir, un lifelog). Se le pidió a un participante (un sujeto joven sano) que registrara 55 elementos de lifelog (por ejemplo, humor positivo, eventos negativos, tiempo de sueño etc.) en su vida diaria, durante aproximadamente ocho meses, usando aplicaciones de teléfonos inteligentes, y un reloj inteligente. Posteriormente, construimos un predictor para estimar el grado de felicidad, a partir de los datos lifelog multimodales, utilizando un equipo de vectores de soporte, que logró una precisión de predicción del 82.6%. Estos datos sugieren que nuestro enfoque, puede predecir los comportamientos que incrementan la felicidad de las personas en su vida diaria, contribuyendo así, a una mejora en su felicidad. Los futuros estudios que examinen la usabilidad, y la aplicabilidad clínica de este enfoque, se beneficiarían al analizar un tamaño de muestra más grande, y más diversa.

SELEÇÃO DE REFERÊNCIAS
DETALHE DA PESQUISA