O uso dos chatbots como suporte ao aprendizado para urgência e emergência: uma revisão integrativa

Auteurs

Mots-clés :

Inteligência Artificial, Serviços Médicos de Emergência, Educação Médica

Résumé

Introdução: Chatbots são softwares capazes de manter uma conversa através do processamento de linguagem natural. Na saúde, os chatbots apoiam diferentes âmbitos. Entretanto, poucos são os estudos que envolvem serviços de urgência e emergência. Objetivo: realizar uma revisão da literatura acerca do uso dos chatbots como ferramentas no auxílio a urgências e emergências, verificando e avaliando seu emprego nesse contexto, e também para ações de treinamento. Métodos: Revisão integrativa realizada com 07 descritores em 05 bases de dados com publicações de 2014 até 2020 nos idiomas português e inglês. Resultados: foram encontrados 1539 estudos, dos quais apenas 14 foram inclusos na revisão, sendo avaliadas as particularidades dos chatbots encontrados, sob os seguintes critérios: assistência remota; feedback; flowchart; notificação; treinamento; emergência. Conclusão: Conclui-se que, por serem de fácil uso, criação e alcance, os chatbots podem ser ferramentas promissoras no auxílio à atenção e treinamento em situações de urgência e emergência. 

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Bibliographies de l'auteur

Carlos Henrique Nascimento Domingues da Silva, Universidade Federal de Pernambuco

Graduando em Medicina pela Universidade Federal de Pernambuco.

Douglas Vieira Dias , Universidade Federal de Pernambuco

Graduando em Medicina pela Universidade Federal de Pernambuco.

Guilherme Augusto Cardoso Soares, Universidade Federal de Pernambuco

Graduando em Medicina pela Universidade Federal de Pernambuco.

Ricardo Fusano Romão , Universidade Federal de Pernambuco

Graduando em Medicina pela Universidade Federal de Pernambuco.

Amadeu Sá Campos Filho , Universidade Federal de Pernambuco

Doutor em Ciência da Computação pelo Centro de Informática da Universidade Federal de Pernambuco (UFPE). Atualmente, é professor de Informática Médica do curso de medicina do Centro de Ciências Médicas da UFPE e também pesquisador em tecnologias Educacionais para Saúde do Núcleo de Telessaúde do Hospital das Clínicas da Universidade. Tem experiência na área de Ciência da Computação e Saúde Digital.

Références

1. Abdul-Kader SA. Survey on Chatbot Design Techniques in Speech Conversation Systems. Int J Adv Comput Sci Appl. 2015;6(7):72–80. doi: http://dx.doi.org/10.5123/s1679-49742017000300023 [citado 2020 Out 6].
2. Weizenbaum J. 1966. ELIZA – a computer program for the study of natural language communication between man and machine. Commun. ACM 9, 1 (Jan 1966), 36-45. doi: https://doi.org/10.1145/365153.365168 [citado 2020 Out 6].
3. Colby KM, Hilf FD, Weber S, Kraemer HC. Turing-like indistinguishability tests for the validation of a computer simulation of paranoid processes. Artif Int 3 (1972), 199-221. doi: https://doi.org/10.1016/0004-3702(72)90049-5. [citado 2020 Out 6].
4. Pinto NP, Garcia ACB. 2019. Uso de Chatbots para Diagnóstico e Tratamento de Portadores de Mal de Alzheimer. Anais Estendidos do XV Simpósio Brasileiro de Sistemas Colaborativos. 2019, Out 03, Rio de Janeiro, Brasil.
5. Bates M. 2019. Health Care Chatbots Are Here to Help. IEEE Pulse 10, 3 (Mai-Jun 2019),12-14. doi: 10.1109/MPULS.2019.2911816. [citado 2020 Out 6].
6. Carvalho L, Albuquerque M, Nogueira R, Lochter J. 2019. Dra. Lara: Assistente Virtual De Apoio E Acompanhamento Ao Pré-Natal. (December 2019), 257–60. doi: 10.33965/ciawi2019_201914C034 [citado 2020 Out 6].
7. Galvão TF, Pereira MG. Revisões sistemáticas da literatura: passos para sua elaboração. Epidemiol. Serv. Saúde [Internet]. 2014 Mar; 23(1): 183-184. Acesso em: http://scielo.iec.gov.br/scielo.php?script=sci_arttext&pid=S1679-49742014000100018&lng=pt. [citado 2020 Out 6].
8. Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gotzsche PC, Ioannidis JP, Clarke M, Devereaux PJ, Kleijnen J, Moher D: The PRISMA statement for reporting systematic reviews and meta-analyses of studies that evaluate health care interventions: explanation and elaboration.PLoS Med 2009,6(7):e1000100. 10.1371/journal.pmed.1000100 [citado 2020 Out 6].
9. Tudor Car L, Dhinagaran DA, Kyaw BM, Kowatsch T, Joty S, Theng YL, Atun R Conversational Agents in Health Care: Scoping Review and Conceptual Analysis J Med Internet Res 2020;22(8): e17158 doi: https://doi.org/10.2196/17158. [citado 2020 Out 6].
10. Hawe GI, Coates G, Wilson DT, Crouch RS. 2012. Supporting Real-Time Decision-Making Under Stress in an Online Training Environment. IEEE Revista Iberoamericana de Tecnologias del Aprendizaje, 12, 1 (Fev. 2017) 52-61. doi: 10.1109/RITA.2017.2659021. [citado 2020 Out 6].
11. Hauser-Ulrich S, Künzli H, Meier-Peterhans D, Kowatsch T. 2020. A Smartphone-Based Health Care Chatbot to Promote Self-Management of Chronic Pain (SELMA): Pilot Randomized Controlled Trial. JMIR Mhealth Uhealth. 2020; 8(4): e15806. DOI: https://doi.org/10.2196/15806. [citado 2020 Out 6].
12. Reitmaier T, Robinson S, Pearson J, Raju DK, Jones M. 2020. An Honest Conversation: Transparently Combining Machine and Human Speech Assistance in Public Spaces. Anais da Conferência CHI 2020 sobre Fatores Humanos em Sistemas Computacionais (CHI '20). Association for Computing Machinery, New York, NY, USA, 1–12. DOI: https://doi.org/10.1145/3313831.3376310. [citado 2020 Out 6].
13. Andrews S, Vincent JB, McCormick J. 2015. Duet: Improvising Spatial Dialogues with an Artificially Intelligent Agent. Anais do 3° Simpósio ACM sobre Interação Espacial do Usuário (SUI '15). Association for Computing Machinery, New York, NY, USA, 57–60. DOI: https://doi.org/10.1145/2788940.2788952. [citado 2020 Out 6]
14. Sahoh B, Choksuriwong A. 2018. Towards Smart Emergency Management: Trends and Challenges of Feature Engineering. 22a Conferência Internacional de Engenharia e Ciência da Computação (ICSEC). Chiang Mai, Thailand, 1-4, DOI: https://doi.org/10.1109/ICSEC.2018.8712690. [citado 2020 Out 6].
15. Wohler M, Loy F, Schulte A. 2014. Mental models as common ground for human-agent interaction in cognitive assistant systems. Anais da Conferência Internacional sobre Interação Humano-Computador Aeroespacial (HCI-Aero '14). Association for Computing Machinery, New York, NY, USA, Article 20, 1-8. DOI: https://doi.org/10.1145/2669592.2669686. [citado 2020 Out 6].
16. Laurel D. Riek. 2017. Healthcare robotics. Commun. ACM 60, 11, 68-78. DOI: https://doi.org/10.1145/3127874. [citado 2020 Out 6].
17. Savoia E, Lin L, Bernard D, Klein N, James LP, Guicciardi S. Public Health System Research in Public Health Emergency Preparedness in the United States (2009-2015): Actionable Knowledge Base. Am J Public Health. 2017; 107(S2): e1-e6. DOI: https://doi.org/10.2105/AJPH.2017.304051. [citado 2020 Out 6].
18. Srivastava M, Suvarna S, Srivastava A, Bharathiraja. 2018. Automated emergency paramedical response system. Health Inf Sci Syst 6, 22. DOI: https://doi.org/10.1007/s13755-018-0061-1. [citado 2020 Out 6].
19. Maalel A, Ouerhani N, Ghezala HB. 2019. SPeCECA: a smart pervasive chatbot for emergency case assistance based on cloud computing. Cluster Comput, 1-12. DOI: https://doi.org/10.1007/s10586-019-03020-1. [citado 2020 Out 6].
20. Chung K, Park RC. 2018. Chatbot-based heathcare service with a knowledge base for cloud computing. Cluster Comput 22, 1925–1937. DOI: https://doi.org/10.1007/s10586-018-2334-5. [citado 2020 Out 6].
21. Vaira L, Bochicchio MA, Conte M, Casaluci FM, Melpignano A. 2018. MamaBot: a System based on ML and NLP for supporting Women and Families during Pregnancy. Anais do 22° Simpósio Internacional de Aplicativos de Eng de Banco de dados (IDEAS 2018). Association for Computing Machinery, New York, NY, USA, 273–277. [citado 2020 Out 6].
22. Vidaković M, Ćosić S, Ćosić O, Kaštelan I, Velikić G. 2019. Adding AI to the Decision Support System used in Patient Health Assessment. Anais da 13ª Conferência Internacional EAI sobre Tecnologias de Computação Pervasiva para Saúde (PervasiveHealth’19) Association for Computing Machinery, New York, NY, USA, 399-402. DOI: https://doi.org/10.1145/3329189.3329246. [citado 2020 Out 6].
23. Arif D, Ahmad A, Bakar MA, Ihtisham MH, Winberg S. 2017. Cost Effective Solution for Minimization of Medical Errors and Acquisition of Vitals By Using Autonomous Nursing Robot. Anais da Conferência Internacional sobre Sistema de Informação e Mineração de Dados de 2017 (ICISDM’17). Association for Computing Machinery, New York, NY, USA, 134-138. DOI: https://doi.org/10.1145/3077584.3077598. [citado 2020 Out 6].

Téléchargements

Publiée

2022-03-14