Prototipagem de aplicativo móvel utilizando Inteligência Artificial para apoio ao diagnóstico da tuberculose infantil

RESUMO

Objetivos:  desenvolver protótipo de aplicativo móvel utilizando Inteligência Artificial (IA) para a predição e apoio ao diagnóstico da tuberculose pulmonar em crianças – TB Kids.

Métodos:  pesquisa de desenvolvimento tecnológico do tipo prototipagem, baseada no modelo Rational Unified Process e suas quatro etapas: concepção, elaboração, construção e transição. O desenvolvimento do protótipo TB Kids ocorreu no período de novembro de 2022 a julho de 2023.

Resultados:  o protótipo TB Kids possui funcionalidades de avaliação de risco, avaliação nutricional, prova tuberculínica, investigação de antibioticoterapia e de contatos, interpretação de radiografias de tórax através da IA com gráfico de risco e tomada de decisão, de orientações complementares e registro do quadro clínico.

Conclusões:  o protótipo de aplicativo móvel de alta fidelidade é de consistente interface, respondendo com criatividade e inovação ao Objetivo de Desenvolvimento Sustentável 3 e à carência de softwares de predição utilizando IA no diagnóstico de crianças com risco para tuberculose.

Descritores:
Aplicativos Móveis; Inteligência Artificial; Tuberculose Pulmonar; Criança; Diagnóstico

ABSTRACT

Objectives:  to develop a mobile application prototype using Artificial Intelligence (AI) to predict and support the diagnosis of pulmonary tuberculosis in children – TB Kids.

Methods:  technological development research of the prototyping type, based on the Rational Unified Process model and its four stages: conception, elaboration, construction and transition. The development of the TB Kids prototype took place from November 2022 to July 2023.

Results:  the TB Kids prototype has features for risk assessment, nutritional assessment, tuberculin skin test, investigation of antibiotic therapy and contacts, interpretation of chest X-rays through AI with risk graph and decision-making, complementary guidance and recording of the clinical picture.

Conclusions:  the high-fidelity mobile application prototype has a consistent interface, responding with creativity and innovation to Sustainable Development Goal 3 and the lack of prediction software using AI in the diagnosis of children at risk for tuberculosis.

Descriptors:
Mobile Applications; Artificial Intelligence; Tuberculosis, Pulmonary; Child; Diagnosis

RESUMEN

Objetivos:  desarrollar un prototipo de aplicación móvil utilizando Inteligencia Artificial (IA) para predecir y apoyar el diagnóstico de tuberculosis pulmonar en niños – TB Kids.

Métodos:  investigación de desarrollo tecnológico del tipo prototipado, basado en el modelo de Rational Unified Process y sus cuatro etapas: concepción, elaboración, construcción y transición. El desarrollo del prototipo de TB Kids se llevó a cabo desde noviembre de 2022 hasta julio de 2023.

Resultados:  el prototipo TB Kids cuenta con funcionalidades para evaluación de riesgos, evaluación nutricional, prueba cutânea de tuberculina, investigación de terapia antibiótica y contactos, interpretación de radiografías de tórax mediante IA con gráfico de riesgo y toma de decisiones, orientación adicional y registro del cuadro clínico.

Conclusiones:  el prototipo de aplicación móvil de alta fidelidad tiene una interfaz consistente, respondiendo con creatividad e innovación al Objetivo de Desarrollo Sostenible 3 y a la falta de software de predicción que utilice IA en el diagnóstico de niños en riesgo de tuberculosis.

Descriptores:
Aplicaciones Móviles; Inteligencia Artificial; Tuberculosis Pulmonar; Niño; Diagnóstico

INTRODUÇÃO

Ao declararem os Objetivos de Desenvolvimento Sustentável (ODS), em 2015, a Organização das Nações Unidas (ONU) mobilizou acordos internacionais e uma série de políticas regionais e nacionais para transformar o mundo por meio da Agenda 30. Os 17 objetivos recobrem diferentes dimensões da vida no planeta e, em especial, a vida humana com mais justiça e qualidade. O terceiro objetivo talvez seja aquele que de forma mais direta remete à saúde, “Assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades”, que inclui o controle de doenças que sobrecarregam os sistemas de saúde e reproduzem disparidades geopolíticas e inequidades em saúde. Este objetivo se divide em nove metas, sendo a terceira diretamente dirigida à tuberculose (TB) (3.3 - Até 2030, acabar com a epidemia de AIDS, TB, malária e doenças tropicais negligenciadas, além de combater a hepatite, doenças transmitidas pela água e outras doenças transmissíveis)(¹).

Com a finalidade de monitorar os indicadores dos ODS, a Organização Mundial da Saúde (OMS) desenvolveu um quadro com 14 indicadores que estão associados à TB, reconhecendo que indicadores sociais, econômicos e relacionados à saúde interatuam na incidência dessa doença(²). Os investimentos em ações para o controle da TB decorrem de seus expressivos avanços e dificuldade de controle de uma doença que poderia ser prevenida ou curada. Estima-se que a infecção por TB atinja um quarto da população mundial e a evolução para a doença se aproxime de 10 milhões de pessoas diagnosticadas anualmente, com 1 milhão em crianças. Cerca de 1,3 milhões de mortes são associadas à TB por ano, estando entre as dez causas mais graves de morte infantil(³).

O Ministério da Saúde (MS) lançou, em 2022, o protocolo de enfermagem para a prática avançada do profissional diante da TB, ampliando o acesso e todas as dimensões do cuidado e detecção qualificada para a doença. O protocolo intensifica e reconhece a ampliação da prática avançada do enfermeiro quanto às ações integrais e assertivas para TB, sendo elas direcionadas à detecção precoce da TB ativa e infecção latente da tuberculose (ILTB), otimização do manejo clínico dos casos confirmados, efetividade do tratamento diretamente observado e vigilância em saúde dos casos. Tais ações necessitam de estratégias articuladas e monitoramento contínuo pela equipe da Atenção Primária à Saúde(⁴).

A enfermagem tem sido decisiva no controle, rastreio e diagnóstico de casos de TB. O Plano Nacional pelo Fim da TB destaca que o enfermeiro tem um protagonismo determinante na construção de estratégias de eliminação da doença. Das propostas pontuadas, destacaram-se a participação integral desse profissional na implementação de novas tecnologias para o diagnóstico e tratamento da doença, intensificação da busca ativa, qualificação de ações de enfrentamento para TB e um melhor fortalecimento de ações de controle para os grupos vulneráveis(⁴, ⁵).

Em 2024, o tema do Dia Mundial da TB foi “Sim! Nós podemos acabar com a TB!” em um manifesto para motivar a meta da OMS de eliminar a TB como problema de saúde pública até 2035, o que significa enfrentar os desafios que se desdobram nos cenários de cada país. Mesmo considerando resultados de estagnação ou retrocesso na luta contra a TB impactados pela pandemia de COVID-19(⁶, ⁷, ⁸), existem desafios persistentes na resposta à TB relacionados a grupos populacionais específicos, como indígenas, crianças, pessoas privadas de liberdade e moradores de rua(⁹, ¹⁰, ¹¹), além dos desafios relacionados ao rastreio, diagnóstico precoce e tratamento preventivo(¹²).

O panorama atual da TB no Brasil e no mundo alerta sobre a exigência de forte empenho e investimento para o alcance das metas do ODS 3 até 2030, pois os avanços alcançados ainda estão longe do pleno sucesso. Isso inclui consistente atuação em termos de qualificação de serviços e profissionais, além do uso de novas tecnologias.

As diretrizes de enfrentamento para o manejo da TB destacam o uso da radiografia de tórax como recomendação consolidada para detecção da doença. A radiografia é um instrumento de triagem sensível (sensibilidade combinada de 98%) e efetiva. Embora não defina a confirmação do diagnóstico de TB por carência de especificidade, ela possui uma função considerável na detecção da doença em crianças expostas(²).

Nos últimos anos, a Inteligência Artificial (IA) e software de detecção assistida por computador foram desenvolvidos para aumentar e automatizar a interpretação da radiografia digital de tórax na triagem de TB(¹³). Em uma busca na literatura por estudos sobre IA voltados para análises de radiografias torácicas e TB, foram identificados 110 resultados, dos quais 21 foram publicados nos últimos cinco anos(¹³, ¹⁴, ¹⁵). É importante salientar que somente dois dos 21 artigos incluíram estudos com algoritmos validados para crianças <15 anos, evidenciando a necessidade de estudos clínicos de IA no segmento de imagem pediátrica(¹⁶, ¹⁷).

Muitos países têm buscado acelerar a adoção de aplicativos móveis em saúde, como foi demonstrado durante a pandemia de COVID-19, quando tecnologias móveis que viabilizassem serviços de saúde representavam alternativas diante do deficiente acesso à assistência multiprofissional à saúde por pessoas desassistidas em áreas remotas ou longe de instituições hospitalares(¹⁸).

As ações de controle da TB pulmonar, para além de sua prevenção, são focadas principalmente em duas ações essenciais: o diagnóstico precoce dos casos e o tratamento oportuno da doença. O reconhecimento precoce dos sintomas de TB em crianças é primordial para a realização de testes e tratamentos adequados. Todavia, a identificação em tempo hábil da TB nessa faixa etária tem sido um grande desafio, devido à complexidade do diagnóstico (sintomas e sinais clínicos muitas vezes inespecíficos). Nesse sentido, é importante aperfeiçoar e produzir novas tecnologias de diagnóstico precoce da doença capazes de viabilizar manejo efetivo e redução do tempo entre o diagnóstico e início do tratamento, já que crianças correm um risco maior de progressão para as formas graves(¹⁹).

Diante disso, questiona-se: quais as ferramentas/funcionalidades e conteúdos devem conter aplicativo móvel para o apoio ao diagnóstico de casos de TB em crianças?

OBJETIVOS

Desenvolver protótipo de aplicativo móvel utilizando IA para a predição e apoio ao diagnóstico da TB pulmonar em crianças.

MÉTODOS

Considerações éticas

Este projeto utilizou banco de imagens público, não necessitando de submissão ao comitê de ética.

Tipo de estudo

Trata-se de pesquisa de desenvolvimento tecnológico do tipo prototipagem, utilizando um sistema de IA para interpretação de radiografias torácicas juntamente com um escore de diagnóstico de pontuação validado proposto pelo MS(⁴). Foi utilizado o Rational Unified Process (RUP), que é uma metodologia de processo interativo e flexível, inovador em relação ao modelo linear, por permitir a acomodação de novos requisitos, mudanças de objetivos ou solução de riscos ao longo do processo(²⁰).

Local e equipe técnica do estudo

O desenvolvimento do protótipo TB Kids ocorreu no período de novembro de 2022 a julho de 2023 em Manaus, Amazonas, Brasil, junto ao Programa de Pós-Graduação em Enfermagem em Saúde Pública da Universidade do Estado do Amazonas (UEA).

A equipe técnica da produção da tecnologia foi composta por duas enfermeiras, que foram idealizadoras do projeto, dois bolsistas de iniciação científica, um engenheiro de software, um designer e um enfermeiro do Núcleo do Programa de Controle de Tuberculose da Secretaria Municipal. Foram realizadas reuniões semanais, presenciais ou por via plataforma virtual Google Meet com a equipe de programação, a fim de garantir o alinhamento e o progresso contínuo do desenvolvimento do protótipo.

Etapas do estudo

A metodologia RUP possui quatro fases (concepção, elaboração, construção e transição), contendo várias interações em cada fase e com um ciclo completo de desenvolvimento, desde a análise de requisitos até implementação, testes e versão final executável.

A etapa de concepção incluiu: a) compreensão do produto, foco principal e abordagem; b) estruturação dos conteúdos e funcionalidades, assim como a aprovação dos requisitos e interfaces; c) definição do design do protótipo (iconografia, tipografia e paleta de cores) e criação da logomarca do aplicativo.

Todo o processo foi operacionalizado por meio do sprint planning meeting, que consistiu em reuniões semanais entre pesquisadores, equipe de TI e do serviço de saúde para construção do conteúdo do projeto, levando em consideração as diretrizes e documentos oficiais do MS para o controle da TB. De forma não linear, a busca na literatura, as reuniões, as visitas aos serviços de saúde e as consultas aos documentos foram realizadas ao longo de todo o processo, mantendo-se uma abordagem contínua e atualizada. Durante a revisão de escopo, foi utilizada a metodologia do JBI(²¹), que apresentou um modelo estruturado para identificar e validar conteúdos e funcionalidades de acordo com a literatura científica.

Na etapa de elaboração, houve a criação das telas do aplicativo, seguida de testes em tempo real para acompanhamento de erros, aperfeiçoamento e reformulação. O objetivo foi eliminar os principais riscos e desenvolver uma arquitetura estável para o aplicativo, o que envolveu a produção do link entre as fases front-end e back-end e o treinamento da IA para leitura e interpretação de imagens radiológicas. O gerenciamento utilizou a metodologia scrum, garantindo o controle de todo o processo de criação das telas, do cadastro/login, menu de navegação até a utilização da IA e criação do quadro educativo.

Diagramas de casos de usos foram usados para descrever as funcionalidades e suas interações com os usuários, as sequências de ações e variantes para um determinado ator, fornecendo resultados observáveis, de modo a expressar e documentar os comportamentos de como o usuário interage com o sistema(²⁰, ²²).

Na etapa de construção, foi realizada a apresentação do protótipo e suas etapas de desenvolvimento e construção, que consiste no protótipo TB Kids e teste de usabilidade, realizado pela equipe de desenvolvimento com o objetivo de identificar erros ou acrescentar informações de acordo com as avaliações. Para os testes de usabilidade, foram utilizados um instrumento tipo checklist proposto Krone (2013) e teste de usabilidade envolvendo usuários de Nielsen (Norma ISO9 241-11)(²³, ²⁴).

Neste estudo, não foi contemplada a etapa de transição (implementação da tecnologia e registro do produto), fundamental para a disseminação e utilização do aplicativo na prática clínica e na saúde pública.

RESULTADOS

O TB Kids refere-se a um protótipo de alta fidelidade de aplicativo tipo híbrido para as plataformas Android e iOS utilizando IA, capaz de avaliar crianças com sintomas respiratórios de TB e presumir o risco potencial para a doença, utilizando um sistema de IA que identifica alterações pulmonares sugestivas para a doença e avalia a probabilidade de uma criança ter TB pulmonar por meio do cálculo de escore clínico validado pelo MS(⁴).

É direcionado a profissionais médicos e enfermeiros que atuam em áreas remotas e de difícil acesso a outros tipos de diagnósticos. Além disso, é uma ferramenta de apoio na tomada de decisão, condutas e orientações relacionadas à TB infantil baseadas em evidências, escore de classificação de risco validado e leitura em tempo real de radiografias de tórax.

Para compreensão do produto, foco principal e abordagem, foi realizado levantamento de formas, cores e tipografias utilizadas em elementos visuais diversos, bem como distribuição, arranjo e diagramação de elementos em interfaces de sistemas e aplicativos presentes no mercado mundial.

Foram detalhados os conteúdos relevantes identificados na etapa de revisão do escopo, bem como as funcionalidades. Os requisitos e as interfaces foram aprovados com o objetivo de proporcionar uma experiência de usuário agradável e intuitiva. As funcionalidades e interfaces incluídas estão apresentadas no Quadro 1.

Quadro 1
Descrição das telas, conteúdos e funcionalidades do protótipo TB Kids

Protótipo TB Kids
TELAS	CONTEÚDO	FUNCIONALIDADE
Cadastro do profissional/login	Nome do profissional, local que atua, número de telefone e senha.	Login do profissional para acesso e disponibilidade do software.
Telas do escore de risco
Tela 1 do escore Avaliação nutricional	Preencher dados referentes ao peso, altura, idade e sexo. O cálculo será gerado através do aplicativo com base no gráfico de interpretação do crescimento, e apresentará os seguintes resultados: magreza, magreza acentuada, eutrofia, risco de sobrepeso, sobrepeso, obesidade. - Desnutrição grave (peso < percentil 10) corresponde a 5 pontos. - Peso ≥ percentil 10 corresponde a 0 pontos.	Investigar a sinalização de risco para desnutrição conforme informações. - Pesos entre os percentis 10 e 3 caracterizam uma situação de risco ou de alerta nutricional. - Pesos entre o percentil 3 e o percentil 0,1 representam peso baixo para a idade (ou ganho insuficiente de peso). - Valores abaixo do percentil 0,1 representam peso muito baixo para a idade.
Tela 2 do escore Tela de sintomas da criança	- Criança teve febre ou sintomas como tosse, adinamia, expectoração, emagrecimento, sudorese por duas semanas ou mais. Resposta sim: 15 pontos. - Assintomático ou com sintomas há menos de duas semanas. Resposta sim: 0 pontos.	Investigar os sintomas para TB ativa.
Tela 3 do escore Realização de antibioticoterapia	- Criança teve infecção respiratória com melhora após uso de antibióticos para germes comuns ou sem antibióticos? Diminuir 15 pontos.	Avaliar para esse quadro se a criança melhorou após o uso de antibióticos comuns; caso não, houve TB presumida.
Tela 4 do escore Instigação do contato de adultos com TB	Investigar se a criança foi contato próximo nos últimos dois anos de caso índice para TB ativa corresponde a 10 pontos. Ocasional ou negativo corresponde a 0 ponto.	Registrar e investigar fatores de risco com forte predisposição para TB.
Tela 5 do escore Análise da prova tuberculínica	Criança realizou o PPD? PT≥10 mm/10 pontos. PT entre 5 e 9 mm/5 pontos. PT 5 ≤ mm/0 pontos. Ausência dos critérios acima.	Registrar e investigar fatores com forte predisposição para TB.
Tela 6 do escore Análise do quadro radiológico	- Capturar a imagem da radiografia para identificação através da IA: presença de adenomegalia hilar ou padrão miliar e/ou condensação ou infiltrado (com ou sem escavação). Tempo: inalterado por ≥ duas semanas. - Presença de condensação ou infiltrado (com ou sem escavação)? Tempo: ≥ duas semanas. Resposta sim: 15 pontos. - Condensação ou infiltrado de qualquer tipo por menos de duas semanas. Resposta sim: 5 pontos. - Radiografia normal. Diminuir 5 pontos.	Realizar a leitura da radiografia de tórax, em tempo real, da criança investigada, pelo aplicativo, através do sistema de IA. Serão analisadas por IA as alterações radiológicas das imagens; logo, o escore será preenchido automaticamente, gerando uma pontuação e tomada de decisão.
Tela 7 do escore Resultado com a apresentação do gráfico com a mensuração do risco e indicação da conduta	Geração de gráfico de risco apresentando os resultados e análise de cada item pontuado com a mensuração do risco e indicação da conduta de acordo com a pontuação. Apresentação dos resultados através do gráfico de risco e exposição da criança para TB.	Apresentação dos resultados através do gráfico de risco e exposição da criança para TB de acordo com análise de pontuação. Risco alto para TB: >40; risco moderado: entre 30 e 35; e risco baixo: > 25. Direcionamento conforme o resultado. Escore alto - iniciar o tratamento. O esquema básico em crianças (< de 10 anos de idade) é composto por três fármacos, na fase intensiva (RHZ), e dois fármacos, na fase de manutenção (RH), com apresentações farmacológicas individualizadas (comprimidos e/ou suspensão). Escore moderado: orientação iniciar tratamento a critério médico. Escore baixo: será orientado a outras opções de exames para investigação.
Telas do quadro clínico da criança
Tela do resultado do quadro clínico e radiológico da criança	Gráfico de risco, resultado do escore, histórico da avaliação da criança, dados nutricionais, sintomas e armazenamento de imagens.	Visualização do registro e armazenamento da avaliação de cada criança para acompanhamento do profissional e desfecho.
Telas de orientação complementar
Tela de orientação complementar	Esquema básico de tratamento.	Será disponibilizado um quadro com esquemas de fármacos e fluxogramas orientando cada conduta de tratamento.
Tela de método diagnóstico complementar	lavado gástrico, PCR, lavado bronco-alveolar, BAAR, swab.	Orientação quanto à execução e direcionamento de exames que auxiliem na tomada de decisão.
Tela de eventos adversos	Possíveis eventos adversos que ocorrem na criança durante o tratamento.	Auxiliar o profissional quanto aos eventos adversos que ocorrem durante o uso da medicação.
Tela de fluxograma de conduta	Fluxograma de conduta para investigação e avaliação de TB ativa e ILTB.	Direciona o profissional de acordo com os critérios para TB ativa ou ILTB.
Manuais do Ministério da Saúde	Manuais de recomendações para TB.	Profissional poderá ter acesso às condutas mais atualizadas.

• Fonte: adaptado de Sant’ Anna et al. (2006) e Ministério da Saúde (2019).

Para avaliação de risco para TB, foi utilizado o instrumento recomendado pelo MS para escore de classificação de risco para apoio ao diagnóstico da TB pulmonar em crianças e adolescentes, dividido em quatro itens: quadro clínico-radiológico; contato de adulto com TB; prova tuberculínica; e estado nutricional. Cada resposta dada a esses itens é convertida em uma pontuação específica(⁴).

Para interface de avaliação do Índice de Massa Corporal (IMC) da criança, foi utilizado o gráfico de percentil utilizado pelo MS, empregando as medidas de peso, altura, sexo e idade da criança, obtidas no exame físico, transformadas em algoritmos e traduzidos para a linguagem do software(²⁵).

Na definição do designer do protótipo, os ícones escolhidos são representações visuais de conceitos-chave relacionados ao aplicativo, como criança, radiografia, pulmão, gotas e gráficos. Esses ícones foram selecionados para comunicar de forma direta o objetivo do aplicativo, que é auxiliar na identificação e diagnóstico precoce da TB em crianças, utilizando tecnologia de predição e apoio clínico.

Na etapa de elaboração, foi criado fluxo de informação para o direcionamento e definição dos atores que irão interagir com os sistemas e as funções do TB Kids, a fim de alinhar a programação do mundo real com a linguagem computacional utilizando diagrama de caso de uso e seus requisitos de interface com o usuário.

Utilizando o scrum para o gerenciamento do projeto, foram elaborados os mockups para a organização e compreensão da dinâmica do aplicativo. Portanto, esta etapa reúne o front-end, back-end, treinamento da IA e produção das telas com suas interfaces.

No desenvolvimento do front-end, houve a concatenação proposta pelo designer e sua adaptação com as funções destinadas à resposta do usuário, através de cálculos e representações abstratas de variáveis que são enviadas posteriormente ao servidor e banco de dados, como também folhas de estilos visuais que definem as diretrizes gráficas em listas de definições que unem valores, medidas, tamanhos, cores e demais parâmetros estéticos. Nesta fase, a experiência de usuário foi analisada através de testes internos em diferentes tipos de aparelhos celulares.

No desenvolvimento do back-end, foram definidos as tabelas e métodos de comunicação entre usuário e servidor, otimizando ao máximo o uso de dados e organizando as informações para serem acessadas em consultas por usuários cadastrados no sistema e por análises realizadas com potenciais pacientes. O diagrama de linguagem de modelagem unificada traçou a dinâmica e o fluxo do software, descrevendo as suas funcionalidades e conteúdo.

O treinamento das imagens utilizando IA seguiu os critérios de filtragem, edição e utilização das imagens de radiografias de tórax, a fim de categorizar e alimentar a plataforma de treinamento neural da IA. Paralelamente, foi gerada solução dinâmica e local (offline) para utilização dos resultados obtidos pela IA, por meio da exportação de bibliotecas orientadas ao uso em linguagem Javascript, projetadas para serem facilmente atualizadas e integradas em navegadores de internet e aplicativos. Foi utilizado o banco de dados públicos de imagem digital padrão para TB, criado pela Biblioteca Nacional de Medicina em colaboração com o Departamento de Saúde e Serviços Humanos, Condado de Montgomery, Maryland, EUA, disponível em https://openi.nlm.nih.gov/faq#collection/https://nihcc.app.box.com/v/Ches-tXray-NIHCC. A amostra dessa primeira etapa contou com 799 imagens de radiografias de tórax, tratadas e categorizadas como normais e anormais, com manifestações de TB, sendo 138 do banco de imagens de Montgomey (EUA) (80 imagens de radiografias de tórax normais/sem alterações pulmonares e 58 casos de imagens radiológicas com manifestações para TB) e 662 do banco de imagens da China (326 casos de radiografias normais/sem alterações pulmonares e 336 casos indicando alterações radiológicas para TB)(²⁶).

Para o treinamento da IA do protótipo TB Kids, foi escolhida a plataforma Teachable Machine, integrada ao restante do sistema através da importação do modelo treinado no formato TM, utilizando a tecnologia TensorFlow para javaScript. TensorFlow é uma biblioteca de código aberto para computação numérica e aprendizado de máquina em grande escala. O TensorFlow foi responsável por agrupar uma série de modelos e algoritmos de aprendizado de máquina e aprendizado profundo (redes neurais). Todos os algoritmos relacionados à predição de imagens e aprendizado de máquina estão relacionados ao Tensorflow e à plataforma Teachable Machine(²⁷).

O passo inicial para o treinamento ser iniciado foi a padronização das imagens coletadas, eliminando todo resíduo textual das imagens e formatando-as em uma proporção 1:1 (um para um) de 224px/224px. O segundo passo foi a elaboração de categorias na plataforma de treinamento, para que a IA pudesse, através de suas redes neurais, aprender a diferenciar pulmões saudáveis de pulmões com TB (Figura 1). O terceiro passo foi o treinamento, exportação do modelo e implementação da conexão dinâmica na plataforma Teachable Machine.

Figura 1
Categorização das imagens para treinamento da Inteligência Artificial

Uma vez treinada a IA, o sistema precisava de integração com interfaces gráficas. O quarto passo foi a adequação do modelo a uma estrutura de dados que permitisse validação e teste de resultados. Utilizando a plataforma VSCode e as linguagens Javascript, css, php e html, foi elaborada uma aplicação web capaz de utilizar o modelo e analisar os resultados a partir da comparação com o aprendizado de máquina prévio. Todas as radiografias foram devidamente divididas, tratadas e categorizadas antes de serem utilizadas no treinamento.

A etapa de construção consiste na apresentação do protótipo TB Kids, o qual poderá ser acessado por meio de link. Para acesso, é necessário realizar cadastro e criar senha, que será armazenada de forma criptografada no banco de dados. Internamente, as aplicações compartilham o mesmo banco de dados, permitindo, assim, a interoperabilidade e a integridade dos dados.

A tela Splash Screen do TB Kids traz informações sobre o aplicativo, tais como o objetivo do software, população-alvo, como ele será utilizado, dando as boas-vindas ao profissional que irá acessá-lo (Figura 2).

Figura 2
Telas do protótipo TB Kids

Na Figura 2, na segunda tela (painel de controle), o usuário terá acesso às quatro funcionalidades principais do aplicativo. Após navegar pelas telas 1 a 5 de escore de risco, respondendo às questões específicas, o profissional terá a opção de anexar a imagem ou apontar a câmera para a radiografia que gostaria de realizar a leitura. O aplicativo irá iniciar a análise e gerar um resultado de diagnóstico da imagem e, caso identifique anormalidades, irá indicar alteração pulmonar detectada como resultado.

Ainda, mostra também a tela de resultado do escore gerado de acordo com a pontuação do grau de risco que a criança possui para TB. A interpretação segue o manual do MS: pontuação acima ou igual ≥ a 40 pontos: diagnóstico muito provável (iniciar tratamento); 30 a 35 pontos: diagnóstico possível (iniciar tratamento a critério médico); ≤ a 25 pontos: diagnóstico pouco provável (investigar e utilizar outros métodos)(⁴).

O TB Kids apresenta também a opção de orientação complementar de possíveis condutas conforme o resultado: escore alto - iniciar o tratamento e terá disponível ao profissional o esquema básico de tratamento em crianças de acordo com o seu peso e idade (< de 10 anos de idade), composto por três fármacos na fase intensiva (RHZ) e dois na fase de manutenção (RH), com apresentações farmacológicas individualizadas (comprimidos e/ou suspensão); escore baixo - será orientado a outras opções de exames para investigação (lavado gástrico, PCR, lavado bronco-alveolar, BAAR, swab), e cada exame terá vídeos orientando o profissional na sua execução. Também são acessíveis orientações para possíveis eventos adversos durante o tratamento e algoritmos de diagnóstico de ILTB, compreendendo a importância de uma avaliação integral e efetiva para a TB nessa faixa etária.

A avaliação resultou em sete heurísticas violadas das dez propostas por Nielsen(²⁴), e foram identificados 38 problemas nas 22 telas do protótipo TB Kids, descritos na Tabela 1.

Tabela 1
Heurísticas violadas, problemas de usabilidade e as severidades encontradas nas telas do protótipo, Manaus, Amazonas, Brasil, 2023

Heurística violada	Problemas de usabilidade (porcentagem)	Severidades					Total
		0	1	2	3	4
H1- Visibilidade do estado do sistema	7 (18,42%)			7			7
H2- Correspondência entre a interface do sistema e o mundo real	2 (5,26%)					2	2
H3- Controle e liberdade do usuário	7 (18,42%)				1		1
H4- Consistência e padrão	10 (26,32%)		1				1
H5- Prevenção de erros	2 (5,26%)		1	1			2
H7- Eficiência e flexibilidade de uso	2 (5,26%)		2				2
H8- Estética e design minimalistas	8 (21,05%)		8				8
Total por heurística	38 (100%)		12	8	1	2	38

Os resultados demostraram que “consistência e padrão” e “estética e design minimalistas” foram as heurísticas mais violadas, com dez (26,32%) e oito (21, 05%) problemas de usabilidade, seguidas por “visibilidade do estado do sistema” e “controle e liberdade do usuário”, com sete (18,42%) itens violados em cada heurística avaliada.

O protótipo foi testado por quatro avaliadores, e seus principais comentários fazendo uso das heurísticas foram: necessidade de melhoria do design, com alteração da paleta de cores do protótipo; as telas estavam poluídas e escuras, sem seguir padrões; máscara da data de nascimento ausente; necessidade de inserir botões de avançar e voltar nas telas, permitindo ao usuário controle de suas ações; houve também ausência de etapas sinalizadas nas telas de escore de risco e campos preenchidos nos botões nas telas de avaliação de PPD, necessitando serem desmarcados pelo profissional.

O problema de usabilidade que recebeu o maior grau de se-veridade(⁴) foi a heurística “correspondência entre a interface do sistema e o mundo real”, indicando que o protótipo não gerava a pontuação correta no escore de risco e, consequentemente, interferia no resultado do diagnóstico. Outro item avaliado nesse mesmo grau foi a imprecisão ao gerar resultados na tela de avaliação do cálculo de IMC da criança; o erro foi corrigido imediatamente em ambos os itens, e foram realizados os retestes pelos avaliadores.

Quantos às correções do protótipo, foram realizadas mudanças no design, com alterações das cores do protótipo, tornando a tecnologia mais intuitiva e com menos poluição de conteúdo, organização dos conteúdos por tópico em uma linguagem de fácil compreensão. Foram inseridas explicações sobre o gráfico, e na tela inicial, o protótipo possuía informações de uso. Após a correção do bug, obteve-se a pontuação correta em cada item avaliado, gerando resultado compatível. Foram também adicionados os botões de avançar e voltar, sinalizados e centralizados em cada tela. Quanto ao cálculo de IMC, houve ajuste conforme o cálculo de percentil de acordo com o MS, sendo atualizado e testado, e para a tela de avaliação de PPD, foram removidos os campos pré-demarcados, sendo ajustados os campos para preenchimento.

DISCUSSÃO

Sem tratamento, a taxa de mortalidade da TB é elevada (50%), enquanto a taxa de cura com os tratamentos recomendados pela OMS é de cerca de 85%, o que demonstra a importância do acesso ao diagnóstico de forma precoce, aliado a ações multissetoriais sobre fatores determinantes da TB, como pobreza, subnutrição, infeção pelo VIH, tabagismo e diabetes(²). O conhecimento dos prestadores de cuidados de saúde sobre o rastreio e a detecção de casos de TB infantil é determinante para as melhores atitudes e práticas, e efetividade da investigação de contatos nas unidades de saúde e comunidade, o que tem relação com a disponibilidade de recursos e oferta de formação específica(⁹).

São reconhecidos o protagonismo da enfermagem no en-frentamento da TB e a importância da informação tecnicamente fundamentada para ampliar o potencial das experiências no cotidiano dos serviços, em especial quando essas ferramentas fortalecem a autonomia do profissional em seu trabalho, são de fácil aplicabilidade e são produzidas de forma participativa(²⁷). Com um treinamento adequado, o aplicativo TB Kids pode se tornar uma ferramenta valiosa para apoio ao diagnóstico desse profissional na luta contra a doença em crianças na região amazônica e em outras áreas afetadas pela TB. Entre os estudos desenvolvidos utilizando imagens para alimentação de IA, ainda é desafiante ter um banco de imagens de radiografias torácicas de crianças com diagnóstico para TB(¹⁵, ¹⁶).

A atualização da Resolução n° 736, de 17 de janeiro de 2024, pelo Conselho Federal de Enfermagem a respeito do processo de enfermagem prevê por parte do enfermeiro a autonomia na avaliação por meio de exames de imagem, sendo um suporte importante para condutas, desfechos e diagnósticos de enfermagem para esse profissional(²⁸).

A tecnologia TB Kids pode ser uma ferramenta crucial de apoio na interpretação e no julgamento clínico do enfermeiro, por ser direcionada a cuidados ordenados e à tomada de decisão mais assertiva de um paciente em risco para TB. Ao oferecer suporte sensível na identificação de alterações radiológicas expressivas para a doença, promove um apoio ao diagnóstico de forma sistemática e criteriosa, permitindo mensurar (pontuações) as chances de uma criança ser acometida pela TB, propor a melhor conduta terapêutica possível para essa população e diminuir os riscos potenciais de agravo e de diagnóstico tardio.

Os recursos educacionais e materiais de apoio adicionados ao aplicativo TB Kids visam fortalecer o conhecimento e a capacitação de enfermeiros e profissionais de saúde no enfrentamento da TB em crianças. Ao fornecer essas informações, o aplicativo busca melhorar a qualidade do atendimento e reduzir as fragilidades enfrentadas pelos profissionais no cuidado a crianças com diagnóstico presuntivo de TB.

Outro diferencial da tecnologia é a possibilidade de o enfermeiro ser direcionado também a condutas de investigação diagnóstica para a forma latente da doença. O profissional será direcionado a algoritmos e fluxogramas de investigação tanto para TB ativa quanto para ILTB, salientando a importância de tecnologias completas e que abordem todas as formas da doença, uma vez que a detecção da forma latente é um fator decisivo para interrupção da cadeia de trasmissão e eliminação da TB(²⁹).

O TB Kids, ao fornecer uma ferramenta tecnológica avançada como apoio ao diagnóstico da TB em crianças, poderá contribuir para a eliminação da TB e colaborar diretamente para efetivação das metas dos ODS. A eliminação da TB requer um compromisso renovado com a equidade, a justiça social e o uso de tecnologias inovadoras. A integração desses elementos em políticas de saúde pública e em programas específicos, como o TB Kids, pode não apenas acelerar o progresso em direção ao ODS 3, mas também contribuir para um desenvolvimento sustentável e inclusivo.

É importante considerar, durante o desenvolvimento de aplicativos móveis para o apoio ao diagnóstico, as recentes mudanças na Lei Geral de Proteção de Dados (LGPD), com o estabelecimento de regras claras sobre tratamento de dados pessoais e padronização de normas. Quanto às crianças, a LGPD diz que é necessário, para tratar os dados pessoais da criança, o consentimento específico dos responsáveis(³⁰).

Cabe ressaltar que a abordagem de treinamento com um conjunto diversificado e representativo de imagens é crucial para garantir a precisão e a confiabilidade dos resultados obtidos pelo aplicativo TB Kids. A qualidade e a quantidade de imagens são fatores determinantes para o desempenho do sistema de IA.

Ainda, o teste de usabilidade realizado confere um nível de expertise intrínseco ao processo, garantindo uma análise aprofundada e especializada do sistema. A utilização do checklist estruturado e da classificação de severidade de Nielsen oferece uma metodologia sistemática e rigorosa para a identificação, registro e priorização de falhas, proporcionando uma base sólida para a implementação de melhorias substanciais no sistema avaliado(²⁴).

A utilização de ferramentas como o TB Kids se alinha diretamente com o ODS 3 da ONU, que visa assegurar uma vida saudável e promover o bem-estar para todos, em todas as idades. O TB Kids não apenas apoia os profissionais de saúde no diagnóstico e tratamento da TB infantil, mas também contribui para a redução das disparidades na saúde e o fortalecimento dos sistemas de saúde.

Limitações do estudo

Uma limitação do estudo foi o fato de a etapa de transição não ser contemplada. Em momento futuro, pretende-se realizar o treinamento dos usuários e o registro do produto na Agência de Inovação e Tecnologia da UEA, para posterior disponibilização nas lojas virtuais. Portanto, para as etapas de avaliação de confiabilidade e desempenho do aplicativo, espera-se realizar a coleta de radiografias de crianças de maneira prospectiva em unidades de referências no Estado.

Contribuições para as áreas da enfermagem, saúde ou políticas públicas

O protótipo desenvolvido é uma ferramenta criativa e inovadora que responde à atual carência de ferramentas disponíveis que utilizam IA para diagnóstico de crianças com potencial risco para TB, representando, assim, uma importante contribuição para o enfrentamento da TB pulmonar infantil na Atenção Primária à Saúde. Essa tecnologia traz benefícios, como uma considerável redução do tempo de diagnóstico e aumento na precisão das avaliações clínicas, facilitando a identificação precoce de casos de TB em crianças. Além disso, ao integrar funcionalidades de IA, o protótipo apoia os profissionais de enfermagem na identificação e no monitoramento contínuo dos pacientes, contribuindo para seguimento adequado e manejo eficaz da doença. Dessa forma, ele fortalece as práticas de enfermagem e melhora a qualidade do cuidado oferecido na Atenção Primária à Saúde.

CONCLUSÕES

O protótipo TB Kids é uma proposta transformadora para atuação da enfermagem no controle da TB infantil, já que tecnologias que utilizam IA para apoio ao diagnóstico da TB para essa população são restritas e a maior amplitude de atuação do enfermeiro neste campo precisa ser consolidada. Além da avaliação para TB ativa, tem como diferencial a possibilidade de investigação para a forma latente da doença como uma ferramenta completa e dinâmica que oferece ao profissional uma aplicação para continuidade e qualidade da assistência. Outro avanço que a tecnologia carrega é a de propor aos profissionais o acesso a materiais educativos para capacitação e aperfeiçoamento do conhecimento, sabendo que tecnologias com suporte educacional são dispositivos fundamentais para a qualidade do cuidado, além de foco privilegiado da intervenção de enfermagem.

Conclui-se que o protótipo TB Kids representa um avanço significativo no enfrentamento da TB pulmonar infantil. A escassez de ferramentas digitais de apoio ao diagnóstico para crianças torna o TB Kids uma ferramenta inovadora e potencializadora no contexto da saúde pública. Contudo, validar ferramentas inteligentes para uso em cenários reais é desafiador, visto que persiste como limitação a disponibilidade de bancos de imagens acurados para essa faixa etária. Dessa maneira, mais estudos se fazem necessários, e as contribuições deste produto tecnológico não pretendem substituir especialistas humanos.

• FOMENTO
  Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq), Processo n° 408158/2021-2/CNPq e Fundação de Amparo à Pesquisa do Estado do Amazonas (FAPEAM) – bolsa de mestrado.

Referências bibliográficas

• ¹ United Nations (UN). Sustainable development goals: 17 goals to transform our world [Internet]. 2015 [cited 2024 Jun 03]. Available from: https://www.un.org/en/exhibits/page/sdgs-17-goals-transform-world
  » https://www.un.org/en/exhibits/page/sdgs-17-goals-transform-world
• ² Organização Mundial da Saúde (OMS). Global tuberculosis report 2023 [Internet]. Geneva: World Health Organization; 2023 [cited 2024 Jun 03]. 75 p. Available from: https://www.who.int/teams/global-programme-on-tuberculosis-and-lung-health/tb-reports/global-tuberculosis-report-2023
  » https://www.who.int/teams/global-programme-on-tuberculosis-and-lung-health/tb-reports/global-tuberculosis-report-2023
• ³ Aynalem YA, Getacher L, Ashene YE, Yirga Akalu T, Yideg Yitbarek G, Yeshanew Ayele F, et al. Incidence of tuberculosis and its predictors among under-five children with severe acute malnutrition in North Shoa, Amhara region, Ethiopia: a retrospective follow-up study. Front Pediatr. 2023;11:1134822. https://doi.org/10.3389/fped.2023.1134822
  » https://doi.org/10.3389/fped.2023.1134822
• ⁴ Ministério da Saúde (BR). Secretaria De Vigilância Em Saúde, Departamento De Vigilância Das Doenças Transmissíveis. Manual de recomendações para o controle da tuberculose no Brasil [Internet]. 2019[cited 2024 Nov 14]. Available from: https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/svsa/tuberculose/manual-de-recomendacoes-e-controle-da-tuberculose-no-brasil-2a-ed.pdf/view
  » https://www.gov.br/saude/pt-br/centrais-de-conteudo/publicacoes/svsa/tuberculose/manual-de-recomendacoes-e-controle-da-tuberculose-no-brasil-2a-ed.pdf/view
• ⁵ Temoteo RCA, Carvalho JBL, Lira ALBC, Lima MA, Sousa YG. Nursing in adherence to treatment of tuberculosis and health technologies in the context of primary care. Esc Anna Nery. 2019;23(3):e20180321. https://doi.org/10.1590/2177-9465-ean-2018-0321
  » https://doi.org/10.1590/2177-9465-ean-2018-0321
• ⁶ Nash K, Lai J, Sandhu K, Chandan JS, Shantikumar S, Ogunlayi F, et al. Impact of national COVID-19 restrictions on incidence of notifiable communicable diseases in England: an interrupted time series analysis. BMC Public Health 2022;22(1):2318. https://doi.org/10.1186/s12889-022-14796-0
  » https://doi.org/10.1186/s12889-022-14796-0
• ⁷ Coutinho I, Alves LC, Werneck GL, Trajman A. The impact of the COVID-19 pandemic in tuberculosis preventive treatment in Brazil: a retrospective cohort study using secondary data. Lancet Reg Health Am. 2023;19:100444. https://doi.org/10.1016/jJana.2023.100444
  » https://doi.org/10.1016/jJana.2023.100444
• ⁸ Berra TZ, Ramos ACV, Alves YM, Tavares RBV, Tartaro AF, Nascimento MC, et al. Impact of COVID-19 on Tuberculosis Indicators in Brazil: a time series and spatial analysis study. Trop Med Infect Dis. 2022;7(9):247. https://doi.org/10.3390/tropicalmed7090247
  » https://doi.org/10.3390/tropicalmed7090247
• ⁹ An Y, Teo AKJ, Huot CY, Tieng S, Khun KE, Pheng SH, et al. Knowledge, attitude, and practices regarding childhood tuberculosis detection and management among healthcare providers in Cambodia: a cross-sectional study. BMC Infect Dis. 2022;22(1):317. https://doi.org/10.1186/s12879-022-07245-1
  » https://doi.org/10.1186/s12879-022-07245-1
• ¹⁰ Lima IB, Nogueira LMV, Trindade LNM, Rodrigues ILA, André SR, Sousa AI. Geoespacialização da tuberculose e os programas de transferência de renda entre indígenas em território endêmico. Rev Bras Enferm. 2023;76(suppl 2):e20220216. https://doi.org/10.1590/0034-7167-2022-0216pt
  » https://doi.org/10.1590/0034-7167-2022-0216pt
• ¹¹ Camillo AJG, Ferreira MRL, Bossonario PA, Andrade RLP, Saita NM, Rezende CEM, et al. Fatores associados ao óbito por tuberculose e HIV/aids em presídios: revisão integrativa. Acta Paul Enferm. 2022;35:eAPE01606. https://doi.org/10.37689/acta-ape/2022AR016066
  » https://doi.org/10.37689/acta-ape/2022AR016066
• ¹² Satyanarayana S, Pretorius C, Kanchar A, Garcia Baena I, Den Boon S, Miller C, et al. Scaling up TB screening and TB preventive treatment globally: Key actions and healthcare service costs. Trop Med Infect Dis. 2023;8(4):214. https://doi.org/10.3390/tropicalmed8040214
  » https://doi.org/10.3390/tropicalmed8040214
• ¹³ Naidoo J, Shelmerdine SC, Charcape CFU, Sodhi AS. Artificial intelligence in paediatric tuberculosis. Pediatr Radiol. 2023;53(9):1733-45. https://doi.org/10.1007/s00247-023-05606-9
  » https://doi.org/10.1007/s00247-023-05606-9
• ¹⁴ Codlin AJ, Dao TP, Vo LNQ, Forse RJ, Van Truong V, Dang HM, et al. Independent evaluation of 12 artificial intelligence solutions for the detection of tuberculosis. Sci Rep. 2021;11(1):23895. https://doi.org/10.1038/s41598-021-03265-0
  » https://doi.org/10.1038/s41598-021-03265-0
• ¹⁵ Zhou W, Cheng G, Zhang Z, Zhu L, Jaeger S, Lure FYM, et al. Deep learning-based pulmonary tuberculosis automated detection on chest radiography: large-scale independent testing. Quant Imaging Med Surg. 2022;12(4):2344-55. https://doi.org/10.21037/qims-21-676
  » https://doi.org/10.21037/qims-21-676
• ¹⁶ Tang Y-X, Tang Y-B, Peng Y, Yan K, Bagheri M, Redd BA, et al. Automated abnormality classification of chest radiographs using deep convolutional neural networks. NPJ Digit Med. 2020;3(1):70. https://doi.org/10.1038/s41746-020-0273-z
  » https://doi.org/10.1038/s41746-020-0273-z
• ¹⁷ Nafisah SI, Muhammad G. Tuberculosis detection in chest radiograph using convolutional neural network architecture and explainable artificial intelligence. Neural Comput Appl. 2024;36(1):111-31. https://doi.org/10.1007/s00521-022-07258-6
  » https://doi.org/10.1007/s00521-022-07258-6
• ¹⁸ Nie L, Oldenburg B, Cao Y, Wang R. Continuous usage intention of mobile health services: model construction and validation. BMC Health Serv Res. 2023;23(1):442. https://doi.org/10.1186/s12913-023-09393-9
  » https://doi.org/10.1186/s12913-023-09393-9
• ¹⁹ Mathiasen VD, Kruse A, Wejse C, Andersen PH, Nygaard U, Holm M. Tuberculosis among children and adolescents. Ugeskrift Laeger [Internet]. 2020[cited 2024 Jun 25];182(10):09190492. Available from: https://europepmc.org/article/med/32138825
  » https://europepmc.org/article/med/32138825
• ²⁰ Booch G, Rumbaugh J, Jacobson I. The unified modeling language reference manual. Addison-Wesley Reading; 1999.
• ²¹ Peters MDJ, Godfrey C, McInerney P, Munn Z, Tricco AC, Khalil, H. Scoping Reviews. In: Aromataris E, Lockwood C, Porritt K, Pilla B, Jordan Z, editors. JBI Manual for Evidence Synthesis. JBI; 2024. https://doi.org/10.46658/JBIMES-24-09
  » https://doi.org/10.46658/JBIMES-24-09
• ²² Ucán-Pech J-P, Aguilar-Vera R-A, Díaz-Mendoza J-C, Gómez-Gómez O-S. Faltas en el aprendizaje del modelado de clases y casos de uso: una revision sistemática. Rev Cient. 2023;46(1):93-106. https://doi.org/10.14483/23448350.19655
  » https://doi.org/10.14483/23448350.19655
• ²³ Pressman R; Maxim B. Engenharia do Software. 8 ed. Brasil: McGraw Hill, 2016.
• ²⁴ Nielsen J. How to conduct a heuristic evaluation [Internet]. Fremont (CA): Nielsen Norman Group; 1995 [cited 2024 Jun 25]. Available https://www.nngroup.com/articles/how-to-conduct-a-heuristic-evaluation/
  » https://www.nngroup.com/articles/how-to-conduct-a-heuristic-evaluation/
• ²⁵ Ministério da Saúde (BR). Secretaria de Atenção à Saúde. Departamento de Atenção Básica. Orientações para a coleta e análise de dados antropométricos em serviços de saúde: Norma Técnica do Sistema de Vigilância Alimentar e Nutricional - SISVAN [Internet]. Brasília: Ministério da Saúde, 2011[cited 2024 Jun 25]. Available from: https://bvsms.saude.gov.br/bvs/publicacoes/orientacoes_coleta_analise_dados_antropometricos.pdf
  » https://bvsms.saude.gov.br/bvs/publicacoes/orientacoes_coleta_analise_dados_antropometricos.pdf
• ²⁶ Jaeger S, Candemir S, Antani S, Wáng YX, Lu PX, Thoma G. Two public chest X-ray datasets for computer-aided screening of pulmonary diseases. Quant Imaging Med Surg 2014;4(6):475-7. https://doi.org/10.3978/j.issn.2223-4292.2014.11.20
  » https://doi.org/10.3978/j.issn.2223-4292.2014.11.20
• ²⁷ Janardhanan PS. Project repositories for machine learning with TensorFlow. Procedia Comput Sci. 2020;171:188-96. https://doi.org/10.1016/j.procs.2020.04.020
  » https://doi.org/10.1016/j.procs.2020.04.020
• ²⁸ Conselho Federal de Enfermagem (COFEn). Resolução N° 736 de 17 de janeiro de 2024. Dispõe sobre a implementação do Processo de Enfermagem em todo contexto socioambiental onde ocorre o cuidado de enfermagem. Brasília, DF: Conselho Federal de Enfermagem [Internet]. 2024 [cited 2024 Nov 14]. Available from: https://www.cofen.gov.br/resolucao-cofen-no-736-de-17-de-janeiro-de-2024/
  » https://www.cofen.gov.br/resolucao-cofen-no-736-de-17-de-janeiro-de-2024/
• ²⁹ Venancio JMP, Bertolozzi MR, Orlandi GM, França FOS. Monitoramento de contatos de pacientes com tuberculose por agentes comunitários de saúde. Acta Paul Enferm. 2024;37:eAPE002335. https://doi.org/10.37689/acta-ape/2024ao002335
  » https://doi.org/10.37689/acta-ape/2024ao002335
• ³⁰ Presidência da República (BR). Lei n. 13.853, de 8 de julho de 2019. Altera a Lei nº 13.709, de 14 de agosto de 2018, que dispõe sobre a Lei Geral de Proteção de Dados Pessoais (LGPD) [Internet]. 2019[cited 2024 Jun 25]. Available from: https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/L13709compilado.htm
  » https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/L13709compilado.htm

Editado por

• EDITOR CHEFE:
  Dulce Barbosa

• EDITOR ASSOCIADO:
  Rosane Cardoso

Datas de Publicação

• Publicação nesta coleção
  08 Set 2025
• Data do Fascículo
  2025

Histórico

• Recebido
  30 Jul 2024
• Aceito
  06 Jan 2025