Iyubanit Rodríguez Ramírez

Prof. Supervisora: Valeria Herskovic

Colaborador: Dr. Mauricio Campos, Traumatología PUC

Interfaces para el monitoreo de pacientes con dolor

Agenda• Motivación• Marco Teórico• Estado del arte• Pregunta de Investigación• Hipótesis• Solución Propuesta• Limitaciones• Estado de la Investigación

Motivación: Dolor

Sensación desagradable que puede ir desde una leve

molestia hasta la agonía. Dolor puede ser agudo y crónico

4. Cheng et al. 2003. Concept Analysis of Pain

.

Motivación: Medición del dolor

8. Horgas et al. 2012. Assessing pain in older adults with dementia, 9. Jackso et al. 2006. Development of a pictorial scale of pain intensity, 18. Serif et al. 2005. Visualizing pain data for wheelchair user, 22. The National Initiative on Pain Control. 2001. Pain Assessment Scales

Motivación

7. Hammal et al. 2014. Towards Multimodal Pain Assessment for Research and Clinical Use

Una persona siente dolor

El médico hace el diagnóstico

Información sólo de la consulta

Información sesgada

InconvenientesNo toma en cuenta

factores individuales

Tratamientos inadecuados Frustración del paciente

Motivación

“Es importante conocer el dolor que siente el paciente durante la rutina diaria y no sólo en los exámenes de laboratorio…”

Dr. Mauricio Campos

Dra. Laura Tupper

“…Solo el paciente será el indicado de decir cuánto dolor tiene.”

Motivación

El dolor es motivo del 40% de consultas en la atención primaria

cada año

El 20% de estos pacientes ha

experimentado dolor por más de 6 meses

11. Clínica las condes. 2004. Gestión en rehabilitación

Situación actual

Motivación

El dolor es un problema crítico en el sistema de salud

7. Hammal et al. 2014. Towards Multimodal Pain Assessment for Research and Clinical Use

Afecta calidad de vida del individuo

Diagnóstico de enfermería más

frecuente

Causa efectos físicos,

emocionales y familiares

Aumenta los costos del

individuo y la sociedad

Marco teórico

Interfaz Humano

Computador

Computación Psicología

Semiótica

Lenguaje Sociología Diseño

Ingeniería

Ergonomía

PacienteBiologíaPsicologíaCognición

EnfermedadAntecedentes personalesEnfermedad actual

Medio ambiente Social

Cultural

Dolor

Area de aplicación

Narcisa, F. La Interacción Humano-Computadora (MODIHC)Montoya, P. 2005. Celebro y dolor

Interfaz humano

computador

Medicina: Dolor

Medio ambiente

Wearable

Contexto

Auto-reporte

Area de aplicación

Percepción

MonitoreoInvestigación que implica el estudio repetido de una pregunta en el tiempo, requiere recopilación continua de datos

3. Braveman. 2003. Monitoring Equity in Health and Healthcare14. Min et al.2014. Toss ‘N’ Turn: Smartphone as Sleep and Sleep Quality Detector11. Khurana et al. 2014. NeckGraffe: A Postural Awareness System

ContextoSituación física y social en el que están integrados dispositivos computacionales, para adquirir y utilizar información acerca del ambiente y así proporcionar servicios que son apropiados para el entorno en particular

2. Bardram. 2004. Applications of Context-Aware Computing in Hospital Work 15. Mohammedali et al. 2011. A Context-Sensitive Device to Help People with Autism Cope with Anxiety

WearableIntegra capacidades de cómputo a dispositivos que se llevan en el cuerpo, tales como ropa o accesorios

16. Motti at al. 2014. Wearable Computing, 23. Zaragoza et al. 2013. Ubiquitous monitoring and assessment of childhood obesity, 1. Ananthanarayan et al. 2013. PT Viz: Towards a Wearable Device for Visualizing Knee,

Experiencia del usuarioGrado en el que un sistema puede ser utilizado por determinados usuarios para conseguir objetivos específicos con efectividad, eficiencia y satisfacción en un contexto de uso especificado

24. ISO. 2009. Human-centred design process for interactive systems

DISEÑO USABILIDAD

ACCESIBILIDAD

Estado del arte

Estado del arte

Interfaces para medir el dolor

Auto-reporte Detección automática

Escalas de

medición

Visualización del cuerpo

humano

Expresionesfaciales

Monitoreo del paciente

Interfaces para medir el dolor

Dibujo y texto

10. Jang et al. 2014. BodyDiagrams: Improving Communication of Pain Symptoms through Drawing

Esta en línea, se puede usar

desde la casa

LimitanteEl paciente solo reporta el dolor, no toma en cuenta el

contexto y tiene curva de aprendizaje

Interfaces para medir el dolor

Expresión facial

6. Hammal et al . 2012. Automatic detection of pain intensity 17. Prkachin et al. 2008. The structure, reliability and validity of pain expression

Expresiones únicas para el dolor

LimitanteEsta aplicación se utiliza en el centro hospitalario

Interfaces para medir el dolor

Sistema portátilDetermina si el paciente siente

dolor de espalda baja. Movimiento

LimitanteNo usa otras variables de contexto y no aplican el

auto-reporte. La muestra es pequeña

12. Lee et al. 2011. A Portable Inertial Sensing-based Spinal Motion Measurement System for Low Back Pain Assessment

Necesidad encontrada

Aplicación

Permitir el auto-reporte

Monitorear el contexto

Mejorar la experiencia

No afectar la rutina

Evaluar con usuarios reales

Pregunta de investigación

¿Se puede utilizar la información de contexto para mejorar la experiencia

del usuario para auto-reportar dolor?

Hipótesis

Una interfaz wearable que incluya información del contexto mejora la

experiencia del paciente al auto-reportar el dolor

Solución propuesta

Información contexto

Auto-reporte

Solución propuesta

Estudio con pacientes sobre dispositivos wearable

Diseñar y validar prototipos wearable

Medir el grado de aceptación del dispositivo por los pacientes y doctores

Fases de la investigación

Estudio de usuarios

Estudio técnico

Diseño e implementaci

ón de un prototipo 1

Evaluación del prototipo 1

Diseño e implementaci

ón de un prototipo 2

Evaluación del prototipo

2

Diseño e implementaci

ón de solución

Evaluación de la

solución

Fase 1 Fase 2 Fase 3 Fase 4

Limitaciones

Disposición de pacientes y doctores

Elección y recolección la información de contexto adecuadamente

Privacidad de los participantes

Almacenamiento de información de contexto

Estado de la investigación

Revisión de la literatura

Entrevistas a doctores

Realización del documento de la candidatura

Cronograma

Actividad I 2015 II 2015 I 2016 II 2016 I 2017 II 2017Búsqueda sistematizada

Protocolos de ética

Estudio de usuarios y técnico

Paper revisión sistemática

Diseño e implementación: Prototipo 1

Evaluación prototipo 1

Paper experiencia prototipo 1 Diseño e implementación: Prototipo 2

Evaluación prototipo 2

Paper experiencia prototipo 2

Diseño e implementación: solución

Evaluación soución

Paper experiencia solución

Desarrollo de la tesis

Muchas Gracias

¿Preguntas?

Referencias

1. Ananthanarayan, S., Sheh, M., Chien, A., Profita, H. and Siek, K. 2013. PT Viz: Towards a Wearable Device for Visualizing Knee Rehabilitation Exercises. In CHI. Paris, France.

2. Bardram., B. 2004. Applications of Context-Aware Computing in Hospital Work – Examples and Design Principles. In ACM Symposium on Applied Computing. Nicosia, Cyprus.

3. Braveman, P. 2003. Monitoring Equity in Health and Healthcare: A Conceptual Framework. J Health Popul Nutr. Vol. 21, 181–192.

4. Cheng S.F., Foster R.L. and Huang C.Y. 2003. Concept Analysis of Pain. In Tzu Chi Nursing Journal, 20-30.5. Hammal, Z. and Cohn, J.F . 2012. Automatic detection of pain intensity. In Proceedings of the 14th ACM International

Conference on Multimodal Interaction, New York, USA.6. Hammal, Z. and Kunz, M. 2012. Pain monitoring: A dynamic and context-sensitive system. Pattern Recognition, Vol. 45 (4),

1265-1280.7. Hammal, Z. and Cohn J.F. 2014. Towards Multimodal Pain Assessment for Research and Clinical Use. In Proceedings of the

2014 Workshop on Roadmapping the Future of Multimodal Interaction Research including Business Opportunities and Challenges, New York, USA.

8. Horgas, A.L. 2012. Assessing pain in older adults with dementia. New York: University College of Nursing.9. Jackson, D., Horn, S., Kersten, P. and Turner-Stokes, L. 2006. Development of a pictorial scale of pain intensity for patients

with communication impairments: initial validation in a general population. Clinical Medicine. Vol. 6, 580-585. 10. Jang, A., Maclean, D. and Herr, J. 2014. BodyDiagrams: Improving Communication of Pain Symptoms through Drawing. In

CHI, Toronto, Canada.11. Khurana, R.,Marinelli, E., Saraf, T. and Li, S. 2014. NeckGraffe: A Postural Awareness System . In CHI. Toronto, Cánada.12. Lee, J.K., G. T. Desmoulin, G.T., Khan, A. H. and Park, E. 2011. A Portable Inertial Sensing-based Spinal Motion Measurement

System for Low Back Pain Assessment. In 33rd Annual International Conference of the IEEE EMBS Boston, Massachusetts USA, 4733-4740.

Referencias13. McNaney, R., Vines, J., Roggen, D., Balaam, M., Zhang, P., Poliakov, I. and Olivier, P. 2014. Exploring the

Acceptability of Google Glass as an Everyday Assistive Device for People with Parkinson’s. In CHI. Toronto, Cánada.

14. Min, J., Doryab, A., Wiese, J., Amini, S., Zimmerman, J. and Hong, J.2 014. Toss ‘N’ Turn: Smartphone as Sleep and Sleep Quality Detector . In CHI. Toronto, Cánada.

15. Mohammedali, M., Phung, D., Adams, B. and Venkatesh, S. 2011. A Context-Sensitive Device to Help People with Autism Cope with Anxiety. In CHI. Vancouver, Canada.

16. Motti ,V., Kohn, S. And Caine, K. 2014. Wearable Computing: A Human-centered View of Key Concepts, Application Domains, and Quality Factors. In MobileHCI. Toronto, Cánada.

17. Prkachin, K.M. and Solomon, P.E. 2008. The structure, reliability and validity of pain expression: Evidence from patients with shoulder pain. Pain, vol. 139, 267-274.

18. Serif, T., ghinea, G. and Frank, A. 2005. Visualizing pain data for wheelchair users: a ubiquitous approach. Journal of Mobile Multimedia. Vol. 1, 161-177.

19. Singh, A., Klapper, A., Jia,J., Fidalgo, A., Tajadura-Jiménez, A., Kanakam, N., Bianchi-Berthouze, N. and Williams, A. 2014. Motivating People with Chronic Pain to do Physical Activity: Opportunities for Technology Design. In CHI. Toronto, Cánada.

20. Siter, J., Feese, S., Arnrich, B., Tröster, G., Amft, O., Macrea, L. and Maurer, K. 2013. Evaluating Daily Life Activity Using Smartphones as Novel Outcome Measure for Surgical Pain Therapy. In Proceedings of the 8th International Conference on Body Area Networks, 153-156.

21. Spyridonis, F., Hansen, J., Gronli, TM. And Ghinea, G. 2013. PainDroid: An Android-based Virtual Reality Application for Pain Assessment. Multimedia Tools and Applications. Vol. 72 (1), 191-206.

22. The National Initiative on Pain Control. 2001. Pain Assessment Scales. [online]. Available: https://www.painedu.org/Downloads/NIPC/Pain_Assessment_Scales.pdf

23. Zaragoza, I., Jaime Guixeres, J., Alcañiz, M., Cebolla, A., Saiz, J. and Alvarez, J. 2013. Ubiquitous monitoring and assessment of childhood obesity. In Pers Ubiquit Computing.

24. ISO. 2009. Human-centred design process for interactive systems. ISO FDIS 9241-210.