Teses de Mestrado ESTiG
URI permanente desta comunidade:
Navegar
Percorrer Teses de Mestrado ESTiG por Objetivos de Desenvolvimento Sustentável (ODS) "03:Saúde de Qualidade"
A mostrar 1 - 10 de 32
Resultados por página
Opções de ordenação
- A relação dos fatores psicossociais na saúde e produtividade dos trabalhadores de uma IPSSPublication . Vilela, Catarina Machado; Oliveira, Rui; Cardim, SofiaO mundo laboral está em constante transformação, o que acarreta uma série de desafios, com aspetos tanto positivos como negativos. Os riscos associados à forma como o trabalho é planeado, organizado e gerido, bem como ao seu contexto económico e social, podem dar origem a sérios problemas de saúde física e mental, conhecidos como riscos psicossociais. Considerando que os profissionais das instituições de solidariedade social lidam diariamente com populações vulneráveis, como idosos e pessoas em situação de exclusão social, o contacto contínuo com esta realidade de sofrimento, doença, carência e até lidar com a morte pode provocar um desgaste emocional, tornando-os mais propensos a enfrentar riscos psicossociais. Neste sentido, o objetivo principal do estudo foi identificar os fatores psicossociais que afetam o seu dia a dia e como estes lidam com tais desafios. A metodologia utilizada teve por base uma revisão bibliográfica, que deu fundamentação teórica para conceitos fundamentais sobre a temática, foi também utilizada para o desenvolvimento dos inquéritos, para a sua aplicação também foi utilizado o método quantitativo descritivo. Os resultados obtidos demonstraram que, de uma forma geral, os riscos psicossociais apresentam níveis reduzidos, demonstrando, contudo, maior vulnerabilidade entre os ajudantes de ação direta, seguidos pelos profissionais de cozinha e, por último, pela equipa técnica. As exigências emocionais e físicas, o ritmo de trabalho, a sobrecarga de tarefas e a falta de reconhecimento foram identificados como fatores de maior impacto. Em suma, o estudo demonstra a importância de promover ambientes laborais saudáveis e emocionalmente equilibrados, de forma a promover o bem-estar dos trabalhadores, pois são o pilar essencial da eficácia e eficiência das organizações do setor social.
- Adsorption of venlafaxine: walnut shell-based activated carbon for antidepressant removalPublication . Tsubouchi, Lorena Maihury Santos; Queiroz, Ana; Ribeiro, António E.; Brito, Paulo; Peron, Ana PaulaVenlafaxine, a widely prescribed antidepressant, stands out due to its increasing detection in aquatic matrices. This pharmaceutical compound is environmentally classified as an emerging micropollutant, characterized by its persistence across multiple aquatic environments and its ecotoxicological potential. Adsorption is a promising technique for removing micropollutants, particularly when combined with activated carbon as an adsorbent. In this study, the removal of venlafaxine from aqueous media was investigated using an activated carbon produced from agro-industrial residue, walnut shell, chemically activated with zinc chloride. The quantification of venlafaxine was validated by HPLC-DAD using a mobile phase consisting of 60% acetonitrile and 40% water containing 0.05% TFA. The kinetic assays demonstrated a rapid initial removal, with the pseudo-second-order model providing the best fit to the adsorption kinetics, while the activation energy (16.33 kJ.mol-1) indicates a low energy barrier. The equilibrium data were best fitted by the Freundlich isotherm model, indicating energetic heterogeneity of the adsorbent surface. The removal efficiency reached approximately 94% at pH values from 7 to 11, dominated by electrostatic attraction, π-π interactions, hydrophobic interactions, and hydrogen bonding, highlighting the potential for application in Wastewater Treatment Plants (WWTPs) without pH adjustment, given the high efficiency near neutral conditions. Reuse experiments demonstrated that the activated carbon maintained over 80% efficiency through the third thermal regeneration cycle, with a cumulative mass loss of 36% across five cycles. Therefore, the activated carbon produced from walnut shells is a high-performance, economically feasible adsorbent for venlafaxine removal, offering a strategy that aligns with the principles of the circular economy by promoting the valorization of an agro-industrial residue through its conversion into a material capable of mitigating micropollutants in water.
- Aplicação de identificação de episódios de fibrilação atrialPublication . Guerreiro, Nathan Antonio; Teixeira, João Paulo; Dajer, Maria EugêniaAs Doenças Cardiovasculares (DCVs) causam cerca de 18 milhões de mortes por ano, segundo a Organização Mundial da Saúde (OMS). Na Europa, mais de 10 milhões de pessoas são afetadas anualmente, com 3 milhões de óbitos registrados em 2021. No Brasil, são aproximadamente 400 mil mortes por ano, resaltando arritmias cardíacas. A fibrilação atrial (FA), arritmia mais comum, é caracterizada por ritmo cardíaco irregular. Diante desse cenário e alinhado ao papel social do engenheiro e ao Objetivo de Desenvolvimento Sustentável (ODS) “Garantir saúde e bem-estar para todos” da Organização das Nações Unidas (ONU), este trabalho apresenta o desenvolvimento de uma interface gráfica do usuário (GUI) para aquisição e classificação de eletrocardiogramas (ECG). O sistema foi implementado em MATLAB, integrando aquisição em tempo real com a plataforma BITalino c (derivação I, via Bluetooth), detecção dos picos R e classificação automática de episódios de FA com redes neurais LSTM. São extraídas quatro características principais a cada 60 ciclos cardíacos: intervalos RR e entropias de Shannon das ondas T, U e P. Após normalização, essas variáveis compõem os vetores de entrada da rede, que classifica como Outro Ritmo, Ritmo Normal e Ritmo FA. A aplicação permite ainda a visualização dos sinais em tempo real e a geração automática de relatórios em PDF. A validação com sinais da base de dados MIT-BIH Atrial Fibrillation demonstrou que a interface é funcional, e a acurácia de 98,17%, obtida em estudo anterior, evidencia seu potencial como ferramenta auxiliar na análise de ECGs em ambientes clínicos e domiciliares.
- Binary classification of cardiac pathologies using deep learning: a PTB-XL dataset approachPublication . Chaabani, Mohamed Khalil; Teixeira, João Paulo; Slim, Mohamed AymenCardiovascular diseases, including myocardial infarction, remain among the leading causes of mortality worldwide. Timely and accurate diagnosis is critical for effective treatment but often requires labour-intensive manual analysis of clinical-grade electrocardiograms (ECGs). This dissertation proposes a novel deep learning-based approach for binary classification of cardiac pathologies, using the PTB-XL dataset. The final model architecture integrates EfficientNetB3 for spatial feature extraction and a Linformer block to capture long-range dependencies between ECG leads, the results prove its adaptability for ECG image classification tasks. Extensive experimentation and iterative model development were conducted to reach the final design. Early trials involved exploring different hyperparameter tuning like Optuna and Adam optimizer and a wide range of hyperparameter configurations, including different learning rates, dropout rates, batch sizes, and numbers of Linformer layers. These experiments were critical in finding the optimal combination of parameters that balanced computational efficiency and model accuracy. Comprehensive details of these trials and evaluations are provided in the report. The preprocessing pipeline involves selecting the ECGs and converting them to 11 images (aVR was excluded) each representing a lead, converting RGBA ECG images to RGB format and applying normalization to ensure compatibility with model input requirements. This preprocessing step addresses the unique format of the dataset and prepares it for high-performance neural network training. Initial results from the finalized model architecture have demonstrated promising performance, achieving an AUC (Area Under the Curve) of 85.02% and a F1-score of 78.94%. The achieved results are comparable to recent state-of-the-art models reported on the PTB-XL dataset, which typically range between 85% and 95% AUC for similar binary classification tasks. These results indicate that the model's AUC of 85.02% is promising but on the edge of the current state-of-the-art. These findings indicate strong potential for the system to support clinical decision-making by automating the classification of ECG data. Ongoing research aims to extend the current binary classification framework to multi-class scenarios, further enhancing its clinical applicability. Additionally, efforts are being made to improve the model for faster inference times, enabling real-time ECG analysis and improving its feasibility for deployment in healthcare settings.
- Classificação de sinais de ECG com técnicas explicáveis de inteligência artificialPublication . Martins, Hugo Fidalgo Oliveira; Teixeira, João PauloCardiovascular diseases are among the main causes of premature mortality, with atrial flutter representing a clinically relevant arrhythmia due to its association with stroke and heart failure. The eletrocardiogram (ECG) is the most suitable diagnostic method for evaluating chardiac rhytms. Automatic ECG interpretations have attempted to improve clinical practice. However, the lack of interpretability of existing models has limited their acceptance. This dissertation presents a framework for atrial flutter classification using raw 12- lead ECG signals from PTB-XL Database, Georgia 12-Lead ECG Challenge Database and Large 12-Lead ECG Database for Arrhythmia Study. A hybrid deep learning model combining Convolutional Neural Networks (CNN) and Long Short-Term Memory (LSTM) networks was developed and trained under a 10-fold cross-validation scheme. To ensure model transparency, explainable artificial intelligence (XAI) mehods were applied: Shapley Additive Explanations (SHAP) was used to quantify the contribution of each lead, and Local Interpretable Model-Agnostic Explanations (LIME) was employed to highlight the most informative temporal segments at the patient level. The results demonstrate that the proposed approach achieves competitive performance while improving interpretability, thus contributing to more reliable and clinically meaningful applications of artificial intelligence in cardiology.
- Clima organizacional em IPSS: avaliação da sindrome de BurnoutPublication . Oliveira, Laura Neves; Anes, Eugénia; Galvão, AnaO presente estudo teve como objetivo avaliar a relação entre o clima organizacional e a síndrome de Burnout em profissionais de Instituições Particulares de Solidariedade Social (IPSS). Este tema revela-se particularmente relevante, dada a natureza exigente destas organizações e o seu potencial impacto no bem-estar dos trabalhadores. A amostra foi constituída por 117 participantes, sendo a maioria do sexo feminino, e apresentando diferentes características sociodemográficas e profissionais. Foram utilizados o Maslach Burnout Inventory- Human Services Survey (MBI-HSS) para avaliação do Burnout e a escala First Organizational Culture Unified Survey (FOCUS 93) para avaliação do clima organizacional. Os resultados demonstram a existência de associações significativas em algumas dimensões do clima organizacional e o Burnout. Em particular, o apoio, as regras e os objetivos surgem como fatores associados a níveis mais baixos de Burnout, mais especificamente nas dimensões exaustão emocional e despersonalização. Estes resultados sugerem que determinadas práticas organizacionais podem contribuir para reduzir os efeitos negativos do stress laboral. No que diz respeito às variáveis sociodemográficas e profissionais, observaram-se diferenças nos níveis de Burnout, embora estas não se tenham verificado de forma uniforme em todas as dimensões. Por sua vez, a satisfação profissional revelou associações significativas tanto com o Burnout como com o clima organizacional, reforçando o seu papel central no bem-estar dos trabalhadores. Em síntese, conclui-se que o clima organizacional e a satisfação profissional assumem um papel importante na prevenção do Burnout, sendo essencial promover ambientes de trabalho positivos e estratégias que favoreçam o bem-estar dos profissionais em contextos de intervenção social.
- Cyber–Ed A digital hands-on platform for learning cybersecurityPublication . Rocha, Alexandra Sofia Dias Alves; Pedrosa, Tiago; Lopes, Rui PedroA cibersegurança afirma-se como uma área crítica na sociedade contemporânea, especialmente após a pandemia de COVID-19, que acelerou a transformação digital e expôs vulnerabilidades crescentes. A falta de profissionais qualificados para enfrentar estes desafios demonstra a necessidade de metodologias educativas que promovam competências práticas, adaptativas e alinhadas com tecnologias emergentes. O estudo inclui uma revisão sistemática que fundamenta as opções metodológicas, analisando vantagens e limitações de abordagens tradicionais e inovadoras, com foco na gamificação, na Inteligência Artifical (IA) e em ambientes virtuais. Esta dissertação propõe uma plataforma educativa automatizada que combina laboratórios virtuais (Labtainers) e competições Capture The Flag (CTF) em ambientes dinâmicos, seguros e acessíveis via virtual private network (VPN). A solução integra princípios de gamificação e automação, utilizando tecnologias como Terraform, Ansible, React, FastAPI e Proxmox, com o objetivo de proporcionar experiências de aprendizagem realistas, diversificadas e inclusivas na formação em cibersegurança. Foram implementados e testados alguns cenários de aprendizagem prática, abrangendo ataques simulados, como SQL Injection (SQLI), e exercícios de administração de sistemas. Os resultados demonstram eficácia na criação de cenários e potencial de aplicação em contextos académicos e empresariais. Apesar de limitações, como a capacidade atual de utilizadores simultâneos e a diversidade restrita de cenários, a plataforma constitui uma base sólida para futuras expansões, incluindo a migração para infraestruturas cloud e a personalização mediada por IA. Este trabalho contribui, assim, para o avanço do ensino prático de cibersegurança, preparando profissionais para um panorama digital em rápida transformação.
- Development of a controlled irradiation device for photodynamic therapyPublication . Hilgert, Mariana; Lima, José; Silva, Leandro Herculano daPhotodynamic Therapy (PDT) has evolved in recent years, establishing itself as an effective, non-invasive treatment for various oncological and non-oncological diseases. However, the widespread use of this technique faces barriers due to the high cost and architectural rigidity of commercially available equipment, as well as the scarcity of systems capable of compensating for light dosimetry based on the distance between the light source and the target tissue. In this context, this work presents a low-cost modular prototype for PDT applications. The system integrates three LED arrays encapsulated in acrylic structures, which serve both as electrical insulators and physical protective barriers during treatment. The technological difference lies in a control algorithm based on a Lookup Table with bilinear interpolation, which processes distance data from Time-of-Flight (TOF) sensors and adjusts the LED duty cycle (PWM). System management is centralized in a Human-Machine Interface (HMI) with a touchscreen, responsible for communication among all system devices and for enforcing safety limits and barriers during prototype operation. Tests demonstrated the integrity of the communication signals and power lines. Under normal operating conditions, the system’s thermal stability was achieved after 6.5 minutes of continuous operation, with a final temperature of 49.2 °C. Based on thermal and optical constraints, the equipment’s safe operating range was defined between 40 mm and 130 mm using software. Prototype validation demonstrates technical feasibility, dosimetric precision, and clinical safety.
- Development of an intelligent agent for knowledge extraction in the pathogens in foods (PIF) database with machine learningPublication . Silva, Lucas Ribeiro; Alves, Paulo; Cadavez, VascoScientific databases like the Pathogens in Foods (PIF) Database hold valuable public health data but are often inaccessible to experts lacking programming skills. This research addresses this gap by developing and evaluating a novel Visual Natural Language Interface (V-NLI) for the PIF database. The resulting PIF Intelligent Agent empowers users to perform complex queries, conduct meta-analyses, and generate dynamic reports using natural language. The agent uses a hybrid, dual-mode architecture separating language interpretation from statistical computation. An "Open Chat Mode" offers a flexible exploratory interface via a tool-calling Small Language Model (SLM) with Retrieval-Augmented Generation (RAG). A "Guided Meta-Analysis Mode" provides a structured workflow for generating reproducible scientific reports through a dedicated Rserver backend. A comprehensive evaluation benchmarked five SLMs: Phi-4 Mini (3.8B), MFDoom/deepseek-r1-tool-calling (14B), Cogito (14B), Qwen 3 (8B), and Gemini 2.5 Pro. While all models achieved flawless functional accuracy, their effectiveness was determined by interpretive quality. The ability to generate concise, factually coherent text was the key differentiator, with smaller, instruction-tuned models showing performance comparable or superior in conciseness to larger models. The end-to-end system proved highly reliable, validating the architecture and establishing interpretive fidelity as a critical benchmark for domain-specific agents.
- Development of cosmetic functional formulations incorporating hyaluronic acidPublication . Silva, Thaís Rossetto Cordeiro da; Barreiro, M.F.; Santamaria-Echart, Arantzazu; Düsman, ElisângelaThe cosmetic industry has been expanding continuously, driven by demand for innovative, sustainable, and high-performance formulations. In this context, this work aimed to develop particles composed of hyaluronic acid (HA) and Collagen type I (Col) to act as Pickering stabilisers in cosmetic emulsions. The particles were prepared using different methods (direct mixing - mix and droping - drop), with the most promising dispersions obtained after high-shear homogenisation: P_17_Mix_Ultra and P_17_Drop_Ultra. These formulations exhibited particle sizes of 12.30 ± 3.73 μm and 2.55 ± 0.08 μm, respectively. Both showed highly negative zeta potentials (–37.73 ± 1.50 mV for the mix and –37.72 ± 0.56 mV for the drop), confirming colloidal stability. Wettability tests demonstrated strong oil affinity, with contact angles of 128.30 ± 1.05° and 137.22 ± 3.20°. The drop method stood out for producing smaller, more homogeneous particles. Pickering emulsions were then prepared using sweet almond oil, Miglyol 812, and olive oil. Olive oil originated the most stable systems, and emulsions with a higher oil fraction (70:30 oil-to-aqueous ratio) presented superior stability compared to those with lower oil content. Analyses of emulsion type, colourimetry, creaming index, droplet size, microscopy, zeta potential, and rheology confirmed the better performance of olive oil-based formulations obtained by the drop method. The formulation E_70_OO_17d (drop method, olive oil, 70:30 ratio) achieved the most promising overall results, with a creaming index of 10% after 30 days, homogeneous droplets, and rheological behaviour exhibiting viscoelastic properties comparable to those of commercial products. In conclusion, HA-Col particles proved to be efficient Pickering stabilisers, enabling the development of stable emulsions. The most promising formulation, E_70_OO_17d, was particularly suitable for moisturising and anti-ageing cosmetic applications, where hyaluronic acid provides hydration and regeneration while Col enhances elasticity and repair.