REVISÃO SISTEMÁTICA: FISIOTERAPIA NA ERA DO BIG DATA
DOI:
https://doi.org/10.25194/rebrasf.v10i2.1508Abstract
Introdução: A Fisioterapia é considerada uma ciência nova, contudo, com o número de especialidades reconhecidas e o aumento do conhecimento há um aumento do crescimento dos dados históricos e consequentemente da literatura científica. Para a produção de evidências de grandes bancos de dados de saúde são organizados e sistematizados através do Big Data a fim de gerar informação. O presente estudo tem como objetivo revisar a Fisioterapia na Era do Big Data. Método: O presente estudo consiste em uma revisão sistemática realizada em janeiro de 2022 em bases de dados. Foram utilizados os descritores “Big Data” e “Physiotherapy” com o empregador booleano “and”. Em um primeiro momento foram analisados títulos e resumos, e em um segundo momento foi realizada leitura na íntegra confirmando a inclusão do manuscrito. Resultado e Discussão: A busca inicial apontou um total de 61 títulos. Após a remoção dos duplicados e aplicar os critérios de inclusão um total de 10 estudos foram utilizados. Há uma diversidade de aplicações da IA e a saúde para inúmeras finalidades. Contudo, foi observado que não há delineamento específico nos estudos. Os estudos, em geral, possuem o mesmo objetivo e surgem para discutir o impacto da IA e a saúde. Considerações Finais: Com a finalidade de direcionar e apoiar o raciocínio clínico, a IA surge para agregar na atuação do profissional de saúde como uma ferramenta que o direciona a redução dos erros médicos assim como dos custos financeiros direcionando o diagnóstico e o tratamento com segurança.
References
ARNADOTTIR, Solveig A.; JONSSON, Brynjolfur Gauti. Outpatient physical therapy population has been aging faster than the general population: a total population register-based study. BMC Health Services Research, v. 21, n. 1, p. 1-9, 2021.
BRASIL. Lei n. 6.316, de 17 de dezembro de 1975. Cria o Conselho Federal e os Conselhos Regionais de Fisioterapia e Terapia Ocupacional e dá outras providências. Diário Oficial da União, Brasília, DF, 18 dez. 1975. Seção I, p. 16805-16807.
CHIAVEGATTO FILHO, Alexandre Dias Porto.Uso de big data em saúde no Brasil: perspectivas para um futuro próximo. Epidemiol. Serv. Saúde [online]. 2015, vol.24, n.2, pp.325-332. ISSN 1679-4974.
DICKSON, Cameron; HYPPÖNEN, Elina. Precision health: a primer for physiotherapists. Physiotherapy, v. 107, p. 66-70, 2020.
FILOS, Dimitris et al. Exploring Associations Between Children’s Obesogenic Behaviors and the Local Environment Using Big Data: Development and Evaluation of the Obesity Prevention Dashboard. JMIR mHealth and uHealth, v. 9, n. 7, p. e26290, 2021.
HIGH, Kevin P. et al. Use of functional assessment to define therapeutic goals and treatment. Journal of the American Geriatrics Society, v. 67, n. 9, p. 1782-1790, 2019.
João A. Ruaro et al. Panorama e perfil da utilização da CIF no Brasil – uma década de história Rev Bras Fisioter, São Carlos, v. 16, n. 6, p. 454-62, nov./dez. 2012 ©Revista Brasileira de Fisioterapia
KOOIJMAN, Margit K. et al. Do therapist effects determine outcome in patients with shoulder pain in a primary care physiotherapy setting?. Physiotherapy, v. 107, p. 111-117, 2020.
Liew SL, Zavaliangos-Petropulu A, Jahanshad N, Lang CE, Hayward KS, Lohse KR, Juliano JM, Assogna F, Baugh LA, Bhattacharya AK, Bigjahan B, Borich MR, Boyd LA, Brodtmann A, Buetefisch CM, Byblow WD, Cassidy JM, Conforto AB, Craddock RC, Dimyan MA, Dula AN, Ermer E, Etherton MR, Fercho KA, Gregory CM, Hadidchi S, Holguin JA, Hwang DH, Jung S, Kautz SA, Khlif MS, Khoshab N, Kim B, Kim H, Kuceyeski A, Lotze M, MacIntosh BJ, Margetis JL, Mohamed FB, Piras F, Ramos-Murguialday A, Richard G, Roberts P, Robertson AD, Rondina JM, Rost NS, Sanossian N, Schweighofer N, Seo NJ, Shiroishi MS, Soekadar SR, Spalletta G, Stinear CM, Suri A, Tang WKW, Thielman GT, Vecchio D, Villringer A, Ward NS, Werden E, Westlye LT, Winstein C, Wittenberg GF, Wong KA, Yu C, Cramer SC, Thompson PM. The ENIGMA Stroke Recovery Working Group: Big data neuroimaging to study brain-behavior relationships after stroke. Hum Brain Mapp. 2020 Apr 20. doi: 10.1002/hbm.25015. Epub ahead of print. PMID: 32310331.
LIEW, Sook‐Lei et al. The ENIGMA Stroke Recovery Working Group: Big data neuroimaging to study brain–behavior relationships after stroke. Human brain mapping, 2020.
MUKOMA, John N.; MATHERI, Joseph M.; TAWA, Nassib. Prevalence and clinical characteristics associated with peripheral neuropathy amongst persons on HAART in Busia County, Kenya. The South African Journal of Physiotherapy, v. 76, n. 1, 2020.
OTTENBACHER, Kenneth J.; GRAHAM, James E.; FISHER, Steve R. Data science in physical medicine and rehabilitation: opportunities and challenges. Physical Medicine and Rehabilitation Clinics, v. 30, n. 2, p. 459-471, 2019.
RAYWOOD, Emma et al. Protocol for Project Fizzyo, an analytic longitudinal observational cohort study of physiotherapy for children and young people with cystic fibrosis, with interrupted time-series design. BMJ open, v. 10, n. 10, p. e039587, 2020.
SANCHES, E.L. Histórico de fisioterapia no Brasil e no mundo. Rev. Atual. Bras. Fisioter., São. Paulo, p.29-36,1984.
ZHAO, Yating et al. A New Design Scheme for Intelligent Upper Limb Rehabilitation Training Robot. International journal of environmental research and public health, v. 17, n. 8, p. 2948, 2020.
