Impacto da Reabilitação Cardíaca Baseada em Tecnologia na Capacidade de Exercício e na Adesão de Pacientes com Doença Arterial Coronariana: Uma Análise com Suporte de Inteligência Artificial

Resumo

Fundamento

Programas de treinamento físico melhoram a capacidade de exercício e a qualidade de vida (QV) em pacientes com doença arterial coronariana (DAC). Embora a inteligência artificial (IA) tenha sido utilizada no desenvolvimento desses programas, ainda são escassos os estudos que avaliam sua eficácia.

Objetivo

Este estudo comparou os efeitos de programas de reabilitação cardíaca (RC) baseados em tecnologia com os programas tradicionais sobre a capacidade de exercício e a participação de pacientes com DAC utilizando IA para análise dos dados.

Métodos

Um total de 52 pacientes com DAC foi distribuído aleatoriamente em três grupos: i) grupo de telereabilitação (GTR) (n=18); ii) grupo de aplicativo móvel (GAM) (n=13); e iii) grupo controle (GC), que recebeu apenas recomendações de atividade física (n=21). Os participantes do GTR e do GAM completaram um programa de 12 semanas com exercícios calistênicos e de resistência, três vezes por semana. A capacidade de exercício foi avaliada por meio do Incremental Shuttle Walk Test (ISWT), e a QV foi medida com o questionário Short Form-36 (SF-36). O feedback dos pacientes foi analisado utilizando um modelo de processamento de linguagem natural (PLN) baseado em BERT ajustado. Métodos de detecção de anomalias foram aplicados para identificar divergências entre a adesão autorrelatada e os resultados do ISWT. O nível de significância estatística foi fixado em p<0,05.

Resultados

Tanto o GTR [44,4% mulheres] (Δ=87,2±15,2 m) quanto o GAM [50% mulheres] (Δ=89,4±70,4 m) apresentaram melhora significativa no ISWT em comparação com o GC [47,6% mulheres] (Δ=10,9±28,2 m) (p=0,001). A adesão foi maior no GTR (100%) e no GAM (80%) do que no GC (30%) (p<0,001). A satisfação relatada pelos pacientes, analisada por PLN, mostrou correlação positiva significativa com os ganhos no ISWT (r=0,75, p<0,001). Os achados demonstram o potencial da IA para apoiar a avaliação de resultados na RC.

Conclusões

Programas de RC baseados em tecnologia melhoram a capacidade de exercício e a adesão de pacientes com DAC, reforçando o uso de ferramentas com suporte de IA. A análise por PLN ajudou a relacionar o feedback dos pacientes aos resultados do exercício e a detectar inconsistências, demonstrando seu valor na avaliação da RC.