Була розроблена концепція створення багаторівневої мобільної персоніфікованої системи боротьби з вірусними захворюваннями, зокрема Covid-19. Використовуючи інтеграцію Інтернету речей, хмарних обчислень та технологій великих даних, система передбачає поєднання двох архітектур: клієнт-сервер та публікацію-передплату. Перевагою системи є постійна допомога при вірусних захворюваннях, а саме на стадіях спілкування, інформації та лікування. Концепція розумного міста в контексті боротьби з вірусними захворюваннями фокусується на застосуванні методів аналізу великих даних та вдосконаленні процедур прогнозування та протоколів екстреного лікування. Використовуючи різні технології, хмарний сервер зберігає дані про позиціонування, отримані з різних пристроїв, а програма отримує доступ до API для відображення та аналізу даних про позиціонування в режимі реального часу. Завдяки поєднанню технологій, внутрішнє та зовнішнє позиціонування можна використовувати з певною мірою точності, корисно для різних медичних та надзвичайних ситуацій та аналізу і подальшого опрацювання іншими інформаційними системами розумного міста. Результатом даного дослідження є розробка концептуальної моделі багаторівневої мобільної персоніфікованої системи моніторингу стану здоров’я, що використовується для інтелектуального аналізу даних, прогнозування, лікування та профілактики вірусних захворювань, таких як Covid-19, у сучасному «розумному місті».
- Falat P., Pasichnyk V., Kunanets N., Martsenko S., Matsiuk O., Mytnyk O., Duda O. (2018). Telecommunication infrastructures for telemedicine in smart cities. CEUR Workshop proceedings, Vol. 2255, 256–266.
- Wac K., Konstantas D., Halteren A.V., Bults R., Widya I., Dokovsky N., Koprinkov G., Jones V., Herzog Rainer. (2004). Mobile patient monitoring: the mobihealth system. J. Inf. Technol. Healthcare, No. 2 (5), 365–373.
- Noah B., Keller M.S, Mosadeghi S., Stein L., Johl S., Delshad S., et al. (2018). Impact of remote patient monitoring on clinical outcomes: an updated meta-analysis of randomized controlled trials. npj Digital Med., No. 1, 20172.
- Park J., Kim J., Kim S.Y., Cheong W.H., Jang J., Park Y.G., et al. (2018). Soft, smart contact lenses with integrations of wireless circuits, glucose sensors, and displays. Sci Adv., Vol. 4. Access mode: https://advances.sciencemag.org/content/4/1/eaap9841
- Chu M.X., Miyajima K., Takahashi D., Arakawa T., Sano K, Sawada S., et al. (2011). Soft contact lens biosensor for in situ monitoring of tear glucose as non-invasive blood sugar assessment. Talanta, Vol. 83, 960–965.
- Barnickel J., Karahan H., Meyer U. (2010). Security and Privacy for Mobile Electronic Health Monitoring and Recording Systems. Access mode: https://ieeexplore.ieee.org/abstract/document/5534981
- Ting H., Zhuang W. (2010). Bluetooth-Enabled In-home Patient Monitoring System: Early Detection of Alzheimer’s disease. IEEE Wireless Comm., Vol. 17, 74–79.
- Suji Pramila R., Shajin Nargunam A. (2012). A Study On Data Confidentiality In early Detection Of Alzheimer’s Disease. Access mode: https://ieeexplore.ieee.org/document/6203917
- Pantelopoulos A., Bourbakis N. G. (2010). A Survey on Wearable Sensor-Based Systems for Health Monitoring and Prognosis, IEEE Transactions on Systems, Man and Cybernetics, Vol.40, No.1, 1–12.
- Yifeng He, Wenwu Zhu, Ling Guan (2011). Optimal Resource Allocation for Pervasive Health Monitoring Systems with Body Sensor Networks. IEEE Transactions on Mobile Computing, Vol.10, No.11, 1558–1575.
- Dhawan W., Heetderks M., Pavel S., Acharya M., Akay A., Gerber M. (2015). Current and future challenges in point-of-care technologies: A paradigm-shift in affordable global healthcare with personalized and preventive medicine. IEEE Journal of Translational Engineering in Health and Medicine, Vol. 3, pp. 1–10.
- Goetghebeur M., Wagner M., Samaha D., O’Neil W., Badgley D., Jaramillo H., Tringali M. (2017). Exploring values of health technology assessment agencies using reflective multicriteria and rare disease case. International Journal of Technology Assessment in Health Care, Vol. 33, Iss., 4, 504–520.
- Aziz K., Tarapiah S., Ismail S., Atalla S. (2016). Smart real-time healthcare monitoring and tracking system using GSM/GPS technologies. Access mode: https://ieeexplore.ieee.org/document/7460394
- Farahat I., Tolba A., Elhoseny M., Eladrosy W. (2019). Data security and challenges in smart cities. Security in Smart Cities: Models, Applications, and Challenges, 117–142.
- Reis S., Seto E., Northcross A., Quinn N., Convertino M., Jones R., Wimberly M., (2015). Integrating modelling and smart sensors for environmental and human health. Environmental Modelling and Software, Vol. 74, 238–246.
- Sivanathan D., Sherratt H., Gharakheili A., Radford C., Wijenayake A., Vishwanath V., Sivaraman V. (2017). Characterizing and classifying IoT traffic in smart cities and campuses. Access mode: https://ieeexplore.ieee.org/document/8116438
- Clim A. (2019). Cyber security beyond the Industry 4.0 era. A short review on a few technological promises.Informatica Economica, Vol. 23(2), 34–44.
- Hossain M. (2016). Patient status monitoring for smart home healthcare: IEEE International Conference on Multimedia & Expo Workshops (ICMEW), 1–6.
- Clim R., Zota R., Constantinescu R., Nemedi I. (2019). Health Services in Smart Cities: Choosing the Big Data Mining Based Decision Support. International Journal of Healthcare Management, Vol. 13, Iss. 1, 79–87.
- Patsakis C., Venanzio R., Bellavista P., Solanas A., Bouroche M. (2014). Personalized medical services using smart cities’ infrastructures: IEEE International Symposium on Medical Measurements and Applications. Available at: https://ieeexplore.ieee.org/document/6860145
- TraceTogether,safer together. (2020). Available at: https://www.tracetogether.gov.sg/
- Mobilisation générale pour développer l’application StopCovid. (2020). Available at:https://www.lefigaro.fr/secteur/high-tech/mobilisation-generale-pour-dev...
- Ventola C. L. (2014). Mobile devices and apps for health care professionals: uses and benefits. P T, Vol. 39(5), 356–36