Resumo

A monitorização da atividade física (AF) durante a gestação é um componente vital para a saúde materno-infantil, porém enfrenta desafios relacionados à medição objetiva e escalável. O presente trabalho teve como objetivo o desenvolvimento e a validação de uma ferramenta computacional para a análise automatizada de dados de acelerometria de gestantes, com o propósito de avaliar o cumprimento das recomendações de atividade física da Organização Mundial da Saúde (OMS).

A metodologia envolveu a análise de dados de um acelerômetro customizado, utilizados por uma amostra final de 54 gestantes atendidas pelo Sistema Único de Saúde (SUS). Um software em Python foi desenvolvido para processar os dados, aplicando um pipeline de validação e quantificando a atividade em bouts contínuos de no mínimo 10 minutos, com os resultados sendo comparados segundo os critérios de três diferentes autores da literatura (Gleici, Freedson e Keadle).

Os resultados indicaram que a ferramenta é funcional e robusta. A amostra apresentou um volume de atividade física moderada (média de 748,5 min/semana) e taxas de cumprimento da meta (≥180 min/semana) excepcionalmente elevadas. Contudo, a análise da atividade intensa demonstrou alta sensibilidade aos pontos de corte, com as taxas de cumprimento variando significativamente entre os critérios. Conclui-se que a ferramenta desenvolvida é um recurso eficaz para o monitoramento objetivo da AF e que o estudo evidencia tanto o perfil de atividade singular da amostra quanto o impacto determinante das escolhas metodológicas na interpretação dos dados de acelerometria.

Introdução

A prática regular de atividade física (AF) é amplamente reconhecida como um fator essencial para a promoção da saúde e prevenção de doenças. De acordo com as diretrizes da Organização Mundial da Saúde (OMS), todos os adultos devem realizar pelo menos 150 minutos de AF de intensidade moderada ou 75 minutos de AF de intensidade vigorosa por semana. Esta recomendação é igualmente aplicável a gestantes, uma vez que a prática de AF durante a gravidez e no período pós-parto está associada a uma substancial redução de riscos, como pré-eclâmpsia, diabetes gestacional e ganho de peso excessivo, além de contribuir para a diminuição da incidência de depressão pós-parto.

O monitoramento da atividade física é fundamental para assegurar que o nível de esforço esteja em conformidade com os parâmetros recomendados. Para essa finalidade, o acelerômetro é um dos dispositivos mais eficientes, medindo a aceleração em três eixos (X, Y e Z) para calcular o Vetor de Magnitude (VM), um indicador unificado e robusto da intensidade do movimento. No entanto, persistem lacunas significativas na avaliação da AF nesta população. Métodos indiretos, como questionários auto relatados, podem apresentar imprecisões consideráveis.

No contexto brasileiro, a situação é ainda mais complexa. Gestantes atendidas pelo Sistema Único de Saúde (SUS) frequentemente enfrentam desafios no acesso a tecnologias de monitoramento. Dispositivos acelerômetros comerciais, como o ActiGraph, embora precisos, são em sua maioria proprietários e importados, apresentando um custo proibitivo para a aplicação em larga escala no SUS. Adicionalmente, sistemas de registro em saúde, como a Caderneta da Gestante, carecem de informações adequadas sobre a AF, criando uma lacuna para a análise do perfil de atividade física e do estilo de vida dessa população.

Diante desse cenário, este projeto se fundamenta e dá continuidade aos dados gerados na dissertação de mestrado de Chiaveri (2025). Esse trabalho anterior foi responsável pela proposição de uma solução de "inovação frugal", desenvolvendo um smartwatch de baixo custo, o SmartEvaV01, e conduzindo a coleta de dados de acelerometria de 150 gestantes atendidas pelo SUS em Ribeirão Preto, SP.

O escopo deste Trabalho de Conclusão de Curso inicia-se onde o trabalho anterior terminou, com uma contribuição distinta e complementar: o desenvolvimento de um ecossistema de software completo para a análise, interpretação e disponibilização desses dados brutos. A atuação deste projeto concentrou-se na criação de um pipeline em Python para o tratamento e limpeza rigorosa dos 150 arquivos .csv; no desenvolvimento de um programa para analisar a atividade em bouts e gerar gráficos de série temporal; e, finalmente, na construção de uma API RESTful com FastAPI, sua implantação via Docker e automação com GitLab CI/CD, tornando os resultados acessíveis e interativos através deste portal.

Experimente a Ferramenta de Análise

Esta é a entrega funcional do projeto: uma plataforma interativa capaz de analisar dados brutos de acelerometria e gerar um relatório visual sob demanda.

Instruções: Faça o upload de um arquivo .csv (com colunas 'Date', 'Time', 'Vector Magnitude'). O sistema irá processá-lo, selecionar os 5 dias mais ativos que atendam aos critérios de qualidade (mínimo de 20h de registros) e exibir o gráfico correspondente.

Selecione o arquivo .csv:

Analisando dados, por favor aguarde...

Baixar Gráfico

Metodologia

A abordagem metodológica deste projeto foi planejada para garantir eficiência, adaptabilidade e a entrega de uma solução robusta. Adotou-se a filosofia do Desenvolvimento Ágil, que permitiu que o desenvolvimento do software de análise e da API fosse conduzido em ciclos curtos e iterativos, favorecendo a flexibilidade para incorporar aprendizados e superar desafios técnicos de forma contínua.

Requisitos do Projeto

O desenvolvimento foi guiado por um conjunto de requisitos formais. Os Requisitos Funcionais definiram as operações essenciais do software, como o processamento de arquivos .csv, o cálculo do Vetor de Magnitude, a quantificação de atividade em bouts e a geração de relatórios e gráficos. Os Requisitos Não-Funcionais definiram os atributos de qualidade, como a conformidade com a LGPD para garantir a privacidade, a portabilidade da aplicação via Docker e a acessibilidade dos resultados através de uma API RESTful.

Origem e Preparação dos Dados

O fundamento deste trabalho reside na análise de um conjunto de dados secundários, compreendendo 150 arquivos individuais em formato .csv, coletados previamente por Chiaveri (2025). Cada arquivo foi submetido a um processo rigoroso de limpeza, formatação e padronização utilizando a linguagem Python e a biblioteca Pandas, uma etapa essencial para garantir a qualidade e a consistência dos dados que seriam analisados.

Aspectos Éticos e LGPD

Este projeto utilizou exclusivamente dados secundários anonimizados, previamente aprovados por Comitê de Ética em Pesquisa (CEP). Todas as análises respeitam os princípios da Lei Geral de Proteção de Dados Pessoais (LGPD), garantindo a privacidade e a não identificação individual das participantes.

Arquitetura da Solução

A arquitetura da solução foi projetada em camadas distintas, buscando modularidade, escalabilidade e manutenibilidade. A escolha estratégica das tecnologias visou criar um sistema robusto, desde o processamento dos dados até a sua disponibilização via web.

Back-end e API (Application Programming Interface)

O núcleo do sistema foi desenvolvido em Python, aproveitando seu vasto ecossistema de bibliotecas para análise científica. A lógica de negócio foi encapsulada em uma API RESTful, um padrão arquitetural que facilita a integração e o consumo de serviços por outras aplicações.

• Framework: Foi utilizado o FastAPI, um framework moderno e de alto desempenho, escolhido por sua velocidade, tipagem de dados nativa e, crucialmente, pela capacidade de gerar documentação interativa (Swagger UI) automaticamente.
• Bibliotecas Essenciais: O processamento e manipulação dos dados foram realizados com a biblioteca Pandas, enquanto a geração dos gráficos de série temporal foi feita com Matplotlib.
• Servidor: A aplicação é servida por Uvicorn, um servidor ASGI de alta performance, ideal para o FastAPI.

Infraestrutura e Deployment (Implantação)

Para garantir a portabilidade e a reprodutibilidade do ambiente, todo o projeto foi containerizado e automatizado.

• Containerização com Docker: A aplicação foi integralmente encapsulada em um contêiner Docker. O Dockerfile define o passo a passo para construir uma imagem leve e funcional, incluindo o sistema operacional, as dependências Python e o código-fonte. O arquivo docker-compose.yml orquestra os serviços, gerenciando o mapeamento de portas e, fundamentalmente, os volumes que conectam os dados do servidor ao ambiente isolado do contêiner.
• Automação com GitLab CI/CD: O processo de Integração Contínua e Entrega Contínua (CI/CD) foi automatizado via GitLab. O arquivo .gitlab-ci.yml define um pipeline que, a cada atualização no repositório principal, automaticamente constrói a nova imagem Docker e realiza o deployment no servidor de produção, garantindo agilidade e rastreabilidade nas atualizações do software.

Resultados

Este capítulo apresenta os dados obtidos através da aplicação da ferramenta computacional. Os resultados são apresentados de forma objetiva, iniciando com a caracterização da amostra final, seguida de uma análise visual representativa e, por fim, a consolidação dos dados quantitativos agregados.

Caracterização e Seleção da Amostra

O universo inicial do estudo compreendia um total de 150 arquivos de dados de gestantes. Para garantir a validade e a confiabilidade da análise, foram aplicados critérios rigorosos de inclusão, exigindo que cada participante apresentasse um mínimo de três dias de monitoramento válidos, com cada dia contendo pelo menos 20 horas de registros. Após a execução do pipeline de processamento, um total de 54 participantes foram consideradas elegíveis e incluídas na análise final. A amostra foi distribuída da seguinte forma: 4 no primeiro trimestre, 29 no segundo trimestre e 21 no terceiro trimestre.

Análise Visual do Padrão de Atividade Física

Para ilustrar qualitativamente os dados processados pela ferramenta, a figura abaixo exibe o perfil de atividade física de uma participante representativa ao longo de cinco dias de monitoramento. O gráfico permite a visualização clara dos padrões de atividade ao longo do dia, com picos de Vetor de Magnitude (VM) indicando períodos de maior intensidade de movimento.

Resultados Quantitativos Agregados

Os principais desfechos quantitativos do estudo estão consolidados nas tabelas a seguir. Para manter a clareza, a Tabela 1 apresenta os resultados utilizando os pontos de corte de Freedson (1998), um dos critérios mais estabelecidos na literatura. Todos os dados foram extraídos do relatório analítico gerado pela ferramenta, aplicando a metodologia de contagem em bouts de 10 minutos.

Os dados apresentados na Tabela 1 demonstram que a média de minutos de atividade moderada por semana foi de 748,5 para toda a amostra. O percentual geral de participantes que atingiram a recomendação da OMS para atividade moderada foi de 96,3%.

Discussão

O presente estudo, ao empregar uma ferramenta computacional para a análise objetiva de dados de acelerometria, revelou um perfil de atividade física em gestantes com características notáveis e, em alguns aspectos, inesperadas. Este capítulo se dedica a interpretar esses achados, contextualizando-os na literatura existente e explorando suas implicações metodológicas e clínicas.

O Paradoxo do Alto Volume de Atividade Física Moderada

O achado mais proeminente deste trabalho é o volume excepcionalmente elevado de atividade física moderada (AFM), com uma média geral de 748,5 minutos por semana, resultado marcadamente destoante da maior parte da literatura sobre o tema, que frequentemente aponta para baixas taxas de adesão ao exercício. Este "paradoxo do super-cumprimento" levanta duas hipóteses centrais: a primeira é que a amostra estudada possui, de fato, um perfil de atividade singular e significativamente mais ativo que a média populacional. A segunda, de natureza metodológica, sugere que os pontos de corte utilizados (ex: 1952 counts/min para Freedson), embora estabelecidos na literatura, podem ser excessivamente sensíveis para o dispositivo acelerômetro customizado (SmartEvaV01), classificando atividades de intensidade leve como moderadas.

A Influência Determinante dos Pontos de Corte na Atividade Intensa

Se a análise da AFM gerou um cenário de conformidade quase homogêneo, a avaliação da atividade física intensa (AFI) revelou-se um campo de alta sensibilidade metodológica. Um dos principais contributos deste trabalho é a demonstração prática de como a escolha dos critérios de autores distintos altera drasticamente as conclusões.

Como evidenciado na Tabela 2, há uma queda acentuada na taxa de cumprimento ao se transitar do critério Gleici para os de Freedson e Keadle, cujos limiares para AFI são mais elevados. Este achado sublinha que a conclusão sobre a adequação da AFI na população estudada é inteiramente dependente da régua metodológica utilizada, reforçando a necessidade de padronização e transparência na comunicação de estudos de acelerometria.

Padrões de Atividade ao Longo da Gestação

A literatura consolidada aponta para um declínio progressivo da atividade física com o avançar da gestação. Os resultados deste estudo, contudo, apresentam uma nuance interessante: o volume médio de minutos de AFI foi ligeiramente superior no terceiro trimestre em comparação ao segundo. Entretanto, a taxa de cumprimento da meta não refletiu esse aumento, sugerindo que, embora um subgrupo de gestantes permaneça extremamente ativo, a variabilidade de comportamento no grupo aumenta, com uma parcela se tornando menos ativa. Em vez de um declínio uniforme, os dados apontam para uma maior polarização dos padrões de atividade no final da gestação.

Limitações do Estudo

Para uma interpretação justa dos resultados, é imperativo reconhecer as limitações inerentes ao estudo. A amostra de 54 participantes é oriunda de um contexto específico (SUS, Ribeirão Preto), o que limita a generalização dos achados. Adicionalmente, a utilização de um acelerômetro customizado (SmartEvaV01) introduz a questão da validade dos pontos de corte, que foram desenvolvidos em dispositivos comerciais. Por fim, não se pode descartar o Efeito de Hawthorne, onde as participantes podem ter alterado seu comportamento por saberem que estavam sendo monitoradas.

Conclusão

Este capítulo final sintetiza os resultados obtidos, reitera o cumprimento dos objetivos propostos e discute as contribuições e implicações do trabalho, finalizando com recomendações para futuras investigações na área.

Síntese e Conclusões Principais

O objetivo central deste Trabalho de Conclusão de Curso foi desenvolver e validar uma ferramenta computacional para a análise automatizada de dados de acelerometria em gestantes. Conclui-se que este objetivo foi plenamente alcançado. A ferramenta desenvolvida demonstrou ser robusta e eficaz, processando com sucesso os dados brutos, aplicando critérios de qualidade, analisando a atividade em bouts e gerando relatórios quantitativos e visuais detalhados.

A aplicação da ferramenta na amostra de 54 gestantes permitiu concluir que:

1. O nível de atividade física moderada na população estudada é excepcionalmente alto, um achado que destoa da literatura convencional e sugere a necessidade de uma análise mais profunda sobre os pontos de corte utilizados.
2. A avaliação da atividade física intensa é extremamente sensível aos critérios metodológicos empregados, evidenciando que a padronização de métodos é um fator crítico para a comparabilidade de estudos na área.

Contribuições e Implicações Práticas

O presente trabalho oferece contribuições em três esferas distintas:

• Tecnológica: Foi entregue um pipeline de software completo, automatizado e de baixo custo, encapsulado em uma arquitetura moderna (API e Docker), com potencial de escalabilidade para monitoramento em larga escala no SUS.
• Clínica: A ferramenta constitui um recurso prático para profissionais de saúde na triagem e monitoramento objetivo de gestantes, permitindo direcionar aconselhamentos e intervenções de forma mais precisa e baseada em evidências.
• Científica: O estudo serve como um caso prático que ilustra o impacto das escolhas metodológicas na análise de dados de acelerometria, fomentando a discussão sobre a necessidade de validação de pontos de corte para diferentes dispositivos.

Recomendações para Trabalhos Futuros

Com base nos achados e nas limitações identificadas, recomendam-se as seguintes direções para futuras pesquisas:

1. Estudo de Validação e Calibração: Realizar um estudo de validação cruzada do acelerômetro customizado (SmartEvaV01) contra um dispositivo padrão-ouro (ex: ActiGraph) para desenvolver pontos de corte específicos para este hardware.
2. Ampliação e Diversificação da Amostra: Aplicar a ferramenta em estudos multicêntricos e com populações de diferentes perfis socioeconômicos, a fim de aumentar a capacidade de generalização dos resultados.
3. Evolução da Ferramenta para Intervenção: Desenvolver novas funcionalidades na plataforma, como um dashboard de feedback em tempo real para a paciente ou um sistema de alertas para profissionais de saúde. Considerando sua arquitetura, o sistema apresenta potencial para integração com plataformas públicas como o e-SUS.

Agradecimentos

A conclusão deste trabalho marca o fim de um ciclo de intenso aprendizado e dedicação. Esta jornada não teria sido possível sem o apoio, a orientação e a paciência de muitas pessoas a quem desejo expressar minha mais profunda gratidão.

Aos meus pais, Sandra e Mário, meu mais profundo e sincero agradecimento. Vocês são o alicerce fundamental de todas as minhas conquistas. O apoio incondicional e os sacrifícios feitos para que eu pudesse estudar em outra cidade foram a força motriz que me permitiu chegar até aqui. Este trabalho é, em grande parte, fruto da confiança que sempre depositaram em mim.

Ao meu melhor amigo, Kelwin, pela amizade leal e pelo apoio constante em todas as fases desta caminhada. Aos meus amigos da faculdade, pelas horas de estudo, pelas conversas que aliviaram a pressão e pela camaradagem que tornou a jornada universitária uma experiência inesquecível.

No âmbito acadêmico, minha gratidão é imensa. À minha orientadora, Professora Doutora Gleici da Silva Castro Perdoná, pela orientação segura, pela confiança no meu potencial e por me guiar com maestria pelos desafios da pesquisa científica. Ao coorientador Tiago Chiaveri, pela parceria técnica e pela disponibilidade em compartilhar os alicerces deste projeto. Um agradecimento especial aos professores Doutor Ronaldo Bragança Martins Junior e Juliano de Paula Souza, cujas orientações no início da minha trajetória acadêmica foram cruciais para despertar meu interesse pela ciência e pela pesquisa.

Por fim, agradeço à toda a comunidade da Faculdade de Ciências Farmacêuticas de Ribeirão Preto (FCFRP). Sua atmosfera de constante desafio e colaboração constitui um ambiente propício para o crescimento e o desenvolvimento integral de seus alunos, e sou grato por cada oportunidade de aprendizado que me foi proporcionada.