RESUMO Objetivo: descrever o processo de desenvolvimento e validação de um aplicativo móvel para dosagem de medicamentos em serviços neonatais e pediátricos. Método: estudo metodológico baseado no modelo de design instrucional com 5 etapas: análise, concepção, desenvolvimento, implementação e avaliação. As primeiras 3 fases de desenvolvimento foram realizadas por um engenheiro de computação. Os índices de validade de conteúdo e de aparência foram medidos por enfermeiros clínicos (n=20) e engenheiros de sistemas de informática (n=18), respectivamente, e a avaliação de usabilidade foi medida com estudantes de enfermagem (n=61). Resultados: após a fase de desenvolvimento, o aplicativo móvel MATYMAR V 1.0 foi disponibilizado em plataforma gratuita para utilização no Sistema Android. O índice de validade de concordância de conteúdo foi de 1,0 enquanto a aparência apresentou variações. A avaliação da usabilidade do aplicativo, realizada por 61 estudantes de enfermagem, foi positiva para o cálculo de doses de medicamentos nos serviços neonatais e pediátricos. Conclusões: o modelo utilizado foi eficaz para o desenvolvimento do aplicativo, que foi bem avaliado por enfermeiros clínicos e engenheiros de sistemas quanto ao conteúdo e aparência por meio da validação do índice de concordância, bem como da avaliação de usabilidade pelos alunos. É um aplicativo útil e funcional para cálculo de doses, passando de uma forma convencional a um sistema tecnológico, tornando o processo de dosagem mais seguro e confiável, além de reduzir tempo. Objetivo pediátricos Método etapas análise concepção computação n=20 n20 n 20 (n=20 n=18, n18 n=18 , 18 (n=18) respectivamente n=61. n61 n=61 . (n=61) Resultados 10 1 0 1. Android 1, variações 6 Conclusões alunos tecnológico confiável tempo n=2 n2 2 (n=2 n1 n=1 (n=18 n6 n=6 (n=61 n= (n= (n=1 (n=6 (n

RESUMEN Objetivo: Describir el proceso de desarrollo y validación de una aplicación móvil para la dosificación de medicamentos en los servicios de neonatos y pediatría. Método: Estudio metodológico basado en el modelo de diseño instruccional con 5 etapas: análisis, diseño, desarrollo, implementación y evaluación. Las 3 primeras fases del desarrollo fueron a cargo de un ingeniero de informática. Se midió el índice de validez de contenido y apariencia por enfermeras clínicas (n=20) e ingenieros de sistemas computacionales (n=18), respectivamente, y la evaluación de la usabilidad con alumnos de enfermería (n=61). Resultados: Después de la fase de desarrollo, se contó con la app móvil MATYMAR V 1.0 disponible en una plataforma gratuita para su uso en el Sistema Android. El índice de validez de concordancia del contenido fue de 1,0 mientras que la apariencia presentó variaciones. La evaluación de la usabilidad de la app, realizada por 61 alumnos de enfermería, fue positiva para el cálculo de dosis de medicamentos en los servicios de neonatos y pediatría. Conclusiones: El modelo utilizado resultó eficaz para el desarrollo de la app, que fue bien evaluada por los enfermeros clínicos e ingenieros de sistemas en cuanto al contenido y apariencia a través de la validación del índice de concordancia, así como la evaluación de la usabilidad por los alumnos. Es una app útil y funcional para el cálculo de dosis pasando de una forma convencional a un sistema tecnológico haciendo el proceso de dosificación más seguro y confiable, y con disminución del tiempo. Objetivo pediatría Método etapas análisis informática n=20 n20 n 20 (n=20 n=18, n18 n=18 , 18 (n=18) respectivamente n=61. n61 n=61 . (n=61) Resultados 10 1 0 1. Android 1, variaciones 6 Conclusiones confiable tiempo n=2 n2 2 (n=2 n1 n=1 (n=18 n6 n=6 (n=61 n= (n= (n=1 (n=6 (n

ABSTRACT Objective: to describe the process of developing and validating a mobile application for medication dosing in neonatal and pediatric services. Method: a methodological study based on the instructional design model with 5 stages: analysis, design, development, implementation, and evaluation. The first 3 phases of development were conducted by a computer engineer. The content and appearance validity index were measured by clinical nurses (n=20) and computer systems engineers (n=18), respectively, and the usability was evaluated with nursing students (n=61). Results: after the development phase, the MATYMAR V 1.0 mobile app was made available on a free platform to use on the Android system. The content validity index was 1.0, while the appearance index showed variations. The usability evaluation of the app, conducted by 61 nursing students, was positive for medication dose calculations in neonatal and pediatric services. Conclusions: the model used proved effective for developing the app, which received positive evaluations from clinical nurses and systems engineers in terms of content and appearance through the concordance index validation, as well as from nursing students in the usability evaluation. It is a useful and functional app for dose calculation, transitioning from a conventional method to a technological system, making the dosing process safer, more reliable, and time-efficient. Objective services Method stages analysis implementation engineer n=20 n20 n 20 (n=20 n=18, n18 n=18 , 18 (n=18) respectively n=61. n61 n=61 . (n=61) Results phase 10 1 0 1. system variations 6 Conclusions validation calculation safer reliable timeefficient. timeefficient time efficient. efficient time-efficient n=2 n2 2 (n=2 n1 n=1 (n=18 n6 n=6 (n=61 n= (n= (n=1 (n=6 (n

Resumo A síndrome da transfusão de gêmeos (TTTS) é o resultado do fluxo sanguíneo desigual através das anastomoses vasculares da placenta (conexão dos vasos sanguíneos) ligando as duas circulações fetais. Anastomoses vasculares na placenta compartilhada estão presentes em praticamente todos os gêmeos monocoriônicos (MCs), mas apenas em cerca de 10% levam à síndrome de transfusão de gêmeos. Sem intervenção, a condição costuma ser fatal para ambos os gêmeos. Uma alternativa para o tratamento do TTTS é o procedimento a laser placentário, conhecido como cirurgia fetal, que geralmente consiste em dividir a placenta em duas por meio da cauterização a laser dos vasos sanguíneos entre os fetos, equilibrando assim os fluxos sanguíneos. Atualmente, a cirurgia fetoscópica é um procedimento muito realizado no país, portanto a classificação da anastomose é fundamental para esta cirurgia, que é o tratamento mais recomendado. Devido ao seu grau de complexidade, esta intervenção cirúrgica apresenta múltiplas dificuldades: os fetos movimentam-se durante o procedimento, a orientação do vídeo utilizado não é adequada para uma análise mais precisa e o campo de visão gerado pelo fetoscópio é muito pequeno; portanto, é necessário um instrumento que ajude o médico novato a diferenciar e classificar as anastomoses de forma mais adequada. O objetivo deste trabalho, portanto, é apresentar o desenvolvimento de uma ferramenta computacional que contribua para a classificação automática de anastomose em um vídeo fetoscópico por meio de redes neurais convolucionais de forma a servir de suporte para o médico iniciante em seu estágio de treinamento. Para isso, um DataSet (conjunto de imagens) foi construído a partir de vídeos fetoscópicos não classificados que foram então catalogados em três categorias, selecionadas em conjunto com os especialistas, usando uma ferramenta computacional especialmente projetada (VideoLabel). A técnica de aumento de dados serviu para construir imagens artificiais a partir das reais já classificadas, uma vez que o número de imagens rotuladas não era suficiente; Neste contexto, a arquitetura AlexNet foi selecionada para realizar uma transferência de aprendizagem e para treinamento, que rendeu resultados com uma eficácia superior a 90%. Esses dados permitem concluir que, na ausência de uma ferramenta que possibilitasse o treinamento de novos médicos na identificação de anastomoses, o seu treinamento demoraria mais, pois seria realizado in loco em cada cirurgia fetal. No entanto, esta pesquisa gerou o desenho de um software com o qual é viável a classificação automática de anastomoses de um vídeo fetoscópico utilizando uma rede neural convolucional, com resultados promissores como ferramenta de apoio a médicos em estágio de formação.

Abstract Twin-twin transfusion syndrome (TTTS) is the result of uneven blood flow through placental vascular anastomosis (blood vessel connection) that link the two fetal circulations. Vascular anastomosis in the shared placenta are present in virtually all monocorionic twin pregnancies (MCs), but in only about 10% lead to twin-twin transfusion syndrome. Without intervention, the condition is often fatal for both twins. An alternative to TTTS treatment is the placental laser procedure known as fetal surgery, which consists, in a very general way, of splitting the placenta in two, by laser cauterization of blood vessels between fetuses, thus balancing blood flows. Currently fetoscopic surgery is a procedure that is performed frequently in Mexico and the appropriate classification of anastomosis is vital for this surgery, since it represents the most recommended treatment. However, die to its degree of complexity, this surgical intervention presents multiple difficulties, such as fetuses moving during the procedure, the orientation of the video used is not suitable for a more accurate analysis, the field of view generated by the fetus is very small. Therefore, it is necessary to have a tool that helps the doctor to be able to differentiate and classify anastomosis in a more appropriate way. The objective of this work is to present the development of a computational tool that contributes to the automatic classification of anastomosis within a fetoscopic video through convolutional neural networks in a way that serves as a support for the unexperienced doctor in his training stage. A DataSet (image set) was built from fetoscopic videos first unclassified, then cataloged into three categories, selected in conjunction with experts, using an computational tool specifically created for this purpose (VideoLabel). The data augmentation technique served to build artificial images from the actual ones already classified, since the number of tagged images were not sufficient; in the same context, the AlexNet architecture was selected to perform a learning transfer and be trained to obtain results above 90% effectiveness in the classifications made by the computational tool created. This data allows us to conclude that if we did not have a tool that would allow first-time physicians to train in the identification of anastomosis as a practice prior to fetal surgery, their training will take longer since it is done in situ in each fetal surgery. As a result of this research, the design of a software was generated with which it is feasible to automatically classify anastomosis from a fetoscopic video through a convolutional neural network with promising results as a tool to support doctors in their training stage, allowing them to carry out their training in a more agile and less timely way.

resumen está disponible en el texto completo