RESUMO
Objetivo: Este artigo apresenta uma Revisão de Escopo (RE) para identificar estratégias preditivas na detecção do agravamento do quadro clínico de pacientes com a COVID-19. Método: A RE foi conduzida com a busca de trabalhos indexados em seis fontes de busca usando uma string de busca, critérios de inclusão e exclusão. Resultados: Mediante a execução do protocolo da RE, 329 estudos foram retornados, dos quais 9 foram selecionados ao final da análise. Na avaliação dos estudos, foi possível identificar os algoritmos utilizados na construção dos modelos de predição, as linguagens e ferramentas, a origem dos dados, bem como as variáveis mais relevantes. Conclusão: A partir dos resultados alcançados, pode-se concluir que modelos preditivos estão sendo desenvolvidos com o objetivo de auxiliar os profissionais de saúde na detecção de fatores relacionados ao agravamento da doença, mas poucos estão sendo disponibilizados, o que dificulta a utilização em um contexto real.
Objective: This article presents a Scope Review (ScR) to identify predictive strategies for detecting the worsening of the clinical picture of patients with COVID-19. Method: ScR was performed by identifying indexed articles in six search sources through a search string, inclusion, and exclusion criteria. Results: When the protocol was executed, 329 studies returned, from which 9 were summarized at the end of the analysis. Through the evaluation of the studies, it was possible to identify the algorithms used in the construction of the predictive models, the programming languages and tools, the origin of the data, as well as the most relevant variables. Conclusion: Based on the results, we conclude that predictive models developed to help health professionals detect factors related to the worsening of the disease, but few are available, which makes it complicated to use in real work contexts.
Objetivo: Este artículo presenta una Revisión del Alcance (RA) para identificar estrategias predictivas para detectar el empeoramiento del cuadro clínico de los pacientes con COVID-19. Método: La RA se realizó en la búsqueda de trabajos indexados en seis fuentes de búsqueda mediante una cadena de búsqueda, criterios de inclusión y exclusión. Resultados: Tras la ejecución del protocolo ER, se devolvieron 329 estudios, de los cuales se seleccionaron 9 al final del análisis. A través de la evaluación de los estudios, fue posible identificar los algoritmos utilizados en la construcción de los modelos de predicción, los lenguajes y herramientas, el origen de los datos, así como las variables más relevantes. Conclusión: De los resultados obtenidos se puede concluir que se están desarrollando modelos predictivos con el objetivo de ayudar a los profesionales de la salud en la detección de factores relacionados con el agravamiento de la enfermedad, pero pocos se están poniendo a disposición, lo que dificulta su uso. en un contexto real.
Assuntos
Humanos , Exacerbação dos Sintomas , Aprendizado de Máquina , Previsões , COVID-19/diagnósticoRESUMO
Objective: This article presents a Scoping Review (ScR) identify the approaches to automatically generate test cases from Cyber-Physical Systems (CPS) models, more specifically, Medical Cyber-Physical Systems (MCPS) models. Method: ScR was performed by identifying indexed articles in five electronic databases using a specific search string and selection criteria, defined in a review protocol. Results: When protocol was executed, 467 studies were returned, from which 12 were summarized. Several formal and semi-formal notations used in CPS modeling were identified, as well as tools for generating test cases for such systems. Furthermore, we present an overview of the state-of-the-art regarding automatic test case generation for such systems models. Conclusion: Based on the results, we conclude there is a research gap with regard to tools for the fully automatic test case generation in MCPS.
Objetivo: Este artigo apresenta uma Revisão de Escopo (RE) para identificar as abordagens para gerar automaticamente casos de testes a partir de modelos de Sistemas Físico-Cibernéticos (SFC), mais especificamente, Sistemas Médicos Físico-Cibernéticos (SMFC). Método: A RE foi realizada pela identificação de trabalhos indexados em cinco bases eletrônicas de dados usando termos de busca e critérios de inclusão, definidos em um protocolo de revisão. Resultados: Ao executar o protocolo foram retornados 467 estudos, dos quais sumarizaram-se 12. Foram identificadas várias notações formais e semi-formais usadas na modelagem de SFC, bem como ferramentas para gerar casos de teste para esses sistemas. Além disso, foi apresentada uma visão geral do estado da arte em relação à geração automática de casos de teste para esses modelos de sistemas. Conclusão: Com base nos resultados obtidos, conclui-se que ainda há uma lacuna de pesquisa no que diz respeito às ferramentas para a geração totalmente automática de casos de teste para SMFC.
Objectivo: En este artículo se presenta una Revisión de Alcance (RA) para identificar los enfoques para generar automáticamente casos de prueba a partir de modelos de Sistemas Físico-Cibernéticos (SFC), más específicamente, Sistemas Médicos Físico-Cibernéticos (SMFC). Método: La RA se realizó mediante la identificación de artículos indexados en cinco bases de datos electrónicas utilizando términos de búsqueda y criterios de selección, definidos en un protocolo de revisión. Resultados: Al ejecutar el protocolo se devolvieron 467 estudios, de los cuales se resumieron 12. Se han identificado varias notaciones formales y semiformales utilizadas en el modelado de SFC y SMFC, así como herramientas para generar casos de prueba para estos sistemas. Además, se presentó una descripción general del estado del arte en relación a la generación automática de casos de prueba para estos modelos de sistema. Conclusión: Con base a los resultados obtenidos, se concluye que hay una brecha de investigación con respecto a las herramientas para la generación de casos de prueba totalmente automática en MCPS.