Um quadro de revisão sistemática e avaliação para sistemas adaptativos de saúde baseados em IoB

Revisão sistemáticaNível 1 · Evidência consolidadaFrontiers in digital health21 ago 20260 citações

O que aconteceu

A convergência da Internet das Coisas (IoT), inteligência artificial (AI) e análise comportamental contribuíram para o surgimento da Internet de Comportamentos (IoB) como um quadro para intervenções de saúde digital personalizadas e conscientes do contexto. Este estudo analisa e sintetiza sistematicamente as arquiteturas, as tecnologias de sensoriamento, os métodos de análise comportamental, as abordagens de machine learning, as estratégias de intervenção e as práticas de avaliação subjacentes aos sistemas de coaching em saúde adaptativos habilitados pela IoB. Seguindo as diretrizes PRISMA 2020, foi realizada uma revisão sistemática da literatura em IEEE Xplore, Scopus, Web of Science, PubMed e ACM Digital Library. Um total de 75 estudos elegíveis revisados por pares publicados entre 2015 e 2025 atendeu aos critérios de elegibilidade pré-definidos e foram incluídos na síntese final de evidências. Com base em padrões arquitetônicos, tecnológicos e metodológicos recorrentes identificados em todos os estudos incluídos, esta revisão propõe uma arquitetura de referência sintetizada e um referencial de avaliação para o IoB possibilitou o coaching adaptativo em saúde. Esses quadros de síntese conceitual informados por evidências destinam-se a orientar futuras pesquisas e implementação, em vez de servir como padrões universalmente validados. Pesquisas futuras devem priorizar a validação longitudinal e multi-site, conjuntos de dados representativos, relatórios reprodutíveis, integração clínica interoperável, análise de preservação da privacidade e avaliação combinada de resultados técnicos, comportamentais e clinicamente significativos.

O que encontraram

A síntese identificou o sensoriamento vestível e multimodal, arquiteturas de nuvem de borda, modelagem comportamental orientada por IA e intervenções adaptativas justas em tempo (JITAIs) como componentes tecnológicos e de intervenção recorrentes. Observou-se suporte empírico comparávelmente mais forte para monitoramento contínuo, reconhecimento de padrões comportamentais e fisiológicos, monitoramento remoto do paciente, cuidados com idosos e aplicações de doenças crônicas selecionadas. Em contraste, as evidências para o treinamento adaptativo avançado, gêmeos digitais, cuidados de saúde habilitados para metaversos, simulação comportamental e sistemas emergentes de IA ou modelo de linguagem grande (MLM) foram mais heterogêneos e frequentemente derivados de avaliações de protótipo, simulação ou estágio inicial. Ao longo da base de evidências, foi observada variação substancial nos desenhos, populações, conjuntos de dados, tipos de intervenção, configurações de validação e medidas de desfecho, limitando a comparação direta entre estudos e conclusões sobre eficácia comparativa. As principais limitações incluíram insuficiente validação longitudinal e clínica, reprodutibilidade incompleta, interoperabilidade fragmentada, métricas de avaliação heterogêneas e desafios de privacidade e governança não resolvidos.

Tradução automática do resumo original, publicado em Frontiers in digital health sob licença CC BY. Os números são conferidos contra o original; siglas e termos técnicos podem variar.