Tecnologia Vestível na Detecção e Avaliação de Distúrbios Respiratórios Relacionados ao Sono (ReSTech)

Nos últimos anos, os distúrbios do sono ganharam importância devido à sua alta prevalência e impacto na vida diária, afetando a capacidade das pessoas de realizar tarefas diárias e reduzindo a qualidade de vida. Esses distúrbios incluem dificuldades em adormecer, interrupções respiratórias e má qualidade do sono, sendo particularmente significativos os distúrbios respiratórios relacionados ao sono (SRBD), como a apneia obstrutiva do sono (AOS). A AOS, que envolve obstruções repetidas das vias aéreas durante o sono, é especialmente comum em idosos, indivíduos obesos e homens, mas permanece frequentemente subdiagnosticada.

A SRBD não só perturba o sono, mas também aumenta o risco de doenças crónicas como diabetes, hipertensão e acidentes vasculares cerebrais, ao mesmo tempo que cria um fardo económico devido à maior procura de recursos médicos. Os seus efeitos na saúde física e mental levam à fadiga, à redução da produtividade, aos acidentes de trabalho e até à incapacidade, realçando a necessidade de ferramentas de diagnóstico e gestão mais eficientes.

Embora a polissonografia (PSG) seja o padrão ouro para o diagnóstico de distúrbios do sono, seu alto custo e natureza invasiva limitam sua acessibilidade. Dispositivos vestíveis, como pulseiras e relógios, oferecem uma alternativa mais acessível e não invasiva, fornecendo dados em tempo real sobre sono, frequência cardíaca e atividade. Embora promissores, esses dispositivos ainda requerem mais pesquisas para confirmar sua precisão na detecção de SRBD. Este projeto visa avaliar a eficácia dos wearables como ferramentas complementares no diagnóstico e tratamento destas doenças. Especificamente, tem os seguintes objetivos específicos: (1) Avaliar a precisão, especificidade e sensibilidade de dispositivos vestíveis, como pulseiras e relógios, na medição da saturação de oxigênio no sangue, frequência cardíaca e atividade, em comparação com a poligrafia noturna. (2) Analisar a eficácia destes dispositivos na identificação de indivíduos com potenciais distúrbios respiratórios relacionados ao sono (SRBD) utilizando técnicas de aprendizagem não supervisionadas. (3) Avaliar o impacto e o desempenho de um modelo de Inteligência Artificial para detectar e classificar potenciais SRBD.