Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Botega, Leonardo Castro | - |
Autor(es): dc.contributor | Fujita, Mariangela Spotti Lopes | - |
Autor(es): dc.creator | Ferreira, Allan | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:09:55Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:09:55Z | - |
Data de envio: dc.date.issued | 2024-04-23 | - |
Data de envio: dc.date.issued | 2024-04-23 | - |
Data de envio: dc.date.issued | 2024-03-01 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/255303 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/255303 | - |
Descrição: dc.description | A evolução dos registros eletrônicos de saúde revelou um desafio crítico diretamente ligado à interoperabilidade dos dados, causado pela falta de padrões unificados entre os sistemas de saúde. Este estudo enfrentou tal desafio ao desenvolver um modelo de arquitetura da informação chamado FHIR-FLOW, que utiliza o padrão Fast Healthcare Interoperability Resources (FHIR) e incorpora tecnologias avançadas de aprendizado de máquina, especificamente, Modelos de Linguagem Grande (LLM) e o modelo BERT, para o reconhecimento eficaz de entidades e extração de recursos FHIR. A pesquisa fundamentou-se na análise detalhada de dados de alergia, provenientes dos prontuários eletrônicos do Hospital Sírio Libanês, aliada a uma extensa revisão bibliográfica sobre interoperabilidade, destacando-se pela integração da Ciência da Informação (CI) através do uso de uma matriz de metadados de negócios, que foi importante para estruturar e interpretar os dados de saúde de maneira coerente, assegurando uma base sólida para a construção e validação do modelo. Os resultados obtidos com o FHIR-FLOW indicaram melhorias na interoperabilidade que facilitam a comunicação entre sistemas de saúde diversos. A implementação das técnicas de LLM e BERT, adicionadas do Snowstorm (um classificador de termos utilizado na camada terminológica), permitiu uma interpretação e processamento precisos das terminologias médicas. Em cenários generalistas, o modelo alcançou taxas de acerto superiores a 66%, enquanto em cenários específicos de alergia, a precisão ultrapassou os 90%. Tais achados evidenciam a eficácia do modelo não apenas na melhoria da interoperabilidade e na comunicação entre sistemas, e este avanço significativo para os cuidados de saúde na era digital enfatiza a contribuição da Ciência da Informação, especialmente no que tange ao desenvolvimento e aplicação de estruturas de dados. O sucesso do FHIR-FLOW ressalta a importância de abordagens inovadoras na superação dos desafios de interoperabilidade, servindo como referência para futuras pesquisas e práticas na área. | - |
Descrição: dc.description | The evolution of electronic health records has revealed a critical challenge directly linked to data interoperability, caused by the lack of unified standards across healthcare systems. This study addressed this challenge by developing an information architecture model called FHIR-FLOW, which uses the FHIR (Fast Healthcare Interoperability Resources) standard and incorporates advanced machine learning technologies, specifically Large Language Models (LLM) and the BERT model. for effective entity recognition and FHIR feature extraction. The research was based on the detailed analysis of allergy data from the electronic medical records of Hospital Sírio Libanês, combined with an extensive bibliographic review on interoperability, highlighting the integration of Information Science through the use of a business metadata matrix, It was important to structure and interpret health data in a coherent way, ensuring a solid basis for model construction and validation. The results obtained with FHIR-FLOW indicated improvements in interoperability that facilitate communication between different health systems. The implementation of LLM and BERT techniques, added to Snowstorm (a term classifier used in the terminological layer), allowed accurate interpretation and processing of medical terminologies. In general scenarios, the model achieved accuracy rates above 66%, while in allergyspecific scenarios, accuracy exceeded 90%. Such findings highlight the effectiveness of the model not only in improving interoperability and communication between systems, and this significant advance for healthcare in the digital era emphasizes the contribution of Information Science, especially with regard to the development and application of information structures. data. The success of FHIR-FLOW highlights the importance of innovative approaches in overcoming interoperability challenges, serving as a reference for future research and practices in the area. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Estadual Paulista (UNESP) | - |
Direitos: dc.rights | info:eu-repo/semantics/openAccess | - |
Palavras-chave: dc.subject | Arquitetura da informação | - |
Palavras-chave: dc.subject | Interoperabilidade | - |
Palavras-chave: dc.subject | FHIR | - |
Palavras-chave: dc.subject | Interoperability | - |
Palavras-chave: dc.subject | Information architecture | - |
Título: dc.title | Modelo de arquitetura para interoperabilidade de dados de saúde utilizando padrão FHIR | - |
Título: dc.title | Modelo de arquitectura para la interoperabilidad de datos sanitarios utilizando el estándar FHIR | - |
Título: dc.title | Architecture model for health data interoperability using the FHIR standard | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: