Baixe o app para aproveitar ainda mais
Prévia do material em texto
1 MESTRADO PSICOLOGIA Mood-& app: desenvolvimento de uma aplicação móvel para autogestão de sintomas de stress, ansiedade e depressão Felipe Natan Alves Barbosa Carvalho M 2022 I Mood-& app: desenvolvimento de uma aplicação móvel para autogestão de sintomas de stress, ansiedade e depressão Felipe Natan Alves Barbosa Carvalho Junho 2022 Dissertação apresentada no Mestrado em Temas de Psicologia, área de Reabilitação Psicossocial e Saúde Mental, Faculdade de Psicologia e de Ciências da Educação da Universidade do Porto, orientada pela Professora Doutora Cristina Queirós (FPCEUP). II AVISOS LEGAIS Declaro que a presente dissertação é de minha autoria e não foi utilizado previamente noutro curso ou unidade curricular, desta ou de outra instituição. As referências a outros autores (afirmações, ideias, pensamentos) respeitam escrupulosamente as regras da atribuição, e encontram-se devidamente indicadas no texto e nas referências bibliográficas, de acordo com as normas de referenciação. Tenho consciência de que a prática de plágio e auto-plágio constitui um ilícito académico. O conteúdo desta dissertação reflete as perspetivas, o trabalho e as interpretações do autor no momento da sua entrega. Esta dissertação pode conter incorreções, tanto conceptuais como metodológicas, que podem ter sido identificadas em momento posterior ao da sua entrega. Por conseguinte, qualquer utilização dos seus conteúdos deve ser exercida com cautela. III INFORMAÇÃO ADICIONAL Esta dissertação foi realizada com comparticipação de verbas do Mestrado em Temas de Psicologia e do Laboratório de Reabilitação Psicossocial da FPCEUP, utilizadas para inscrição em eventos de carácter científico (ex: congressos) e para materiais (ex: impressão de posters) com dados preliminares desta investigação, tendo sido produzido o seguinte: Poster: - Carvalho, F. & Queirós, C. (submetido junho 2022). Autogestão de sintomas de stress, ansiedade e depressão: desenvolvimento da Mood-& app. 14º Congresso Nacional de Psicologia da Saúde, 7 a 10 de setembro, Universidade da Madeira, Funchal. IV AGRADECIMENTOS Os primeiros agradecimentos vão, antes de mais, para todos os participantes que aceitaram colaborar com esta investigação, ao explorar, testar e responder ao inquérito de usabilidade e fornecerem feedback valioso para o amadurecimento desta ferramenta digital para a saúde mental. À Professora Doutora Cristina Queirós, deixo o meu agradecimento especial, primeiro por ter acolhido uma temática tão importante, como são as novas tecnologias em saúde mental, e, depois, por todo o encorajamento, reflexão e orientação técnico-científica. Agradeço também a todos os professores da FPCEUP, por toda a dedicação, empenho, partilha de experiência e disponibilidade para sanar as nossas dúvidas e escutar nossos questionamentos. Aos colegas de mestrado, obrigado por compartilhar conhecimento e dividir esta jornada. Em especial, fica o meu agradecimento à colega Mafalda que serviu de apoio em alguns desafios durante o mestrado e encorajamento para seguir com este tema. À Sara por todo o incentivo, companheirismo, paciência, sugestões e por dar sentido à minha vida. Além disso, por dar voz aos áudios inseridos na Mood-& app, ajudar-me na revisão dos textos de psicoeducação e em toda a adaptação para o português de Portugal. À minha família por estar sempre disponível para me apoiar. Aos meus amados sobrinhos e irmãos – Yohara, Fred e Palloma. Aos Felizardos por me acolherem como um filho em Portugal. Ao meu pequeno Oscar. Faço um agradecimento especialíssimo à minha grande mãe, que sempre acreditou em mim, incentivou-me nos estudos e apoiou as minhas decisões. V RESUMO A crise global de saúde mental é um dos principais problemas de saúde pública na atualidade, agravado pela pandemia da COVID-19, dificultando atender mais pessoas. Contudo, a intervenção baseada em tecnologia digital surge como uma alternativa aos serviços tradicionais, sendo fundamental que se adapte aos utilizadores e seja desenvolvida conforme indicações dos profissionais de saúde mental. Este trabalho tem como principal objetivo desenvolver uma aplicação móvel de saúde mental para autogestão da depressão, ansiedade e stress sem pretender substituir os cuidados de saúde mental tradicionais, mas contribuindo para aumentar e estender estes cuidados. Apresenta, inerentemente, um segundo objetivo, que é o de testar a usabilidade e aceitação da aplicação através de um estudo piloto. Descreve-se a construção da Mood-& app, aplicação móvel para autogestão de sintomas de stress, ansiedade e depressão, utilizável em sistemas Android e iOS. Para o seu desenvolvimento foram identificadas 58 apps, das quais se analisaram 14 por estarem associadas a estudos científicos. O desenvolvimento foi efetuado em 5 fases sequenciais, sendo a app composta por 8 funcionalidades, nomeadamente: automonitorização de humor, psicoeducação, atividades meditativas/mindfulness, rastreamento de sintomas, princípios da Terapia Cognitivo Comportamental (TCC), diário, grupos de suporte social constituído por pares, e ferramenta para estabelecer e gerir objetivos. Em seguida efetuou-se um teste piloto com 13 participantes sem problemas de saúde mental, que durante pelo menos 5 dias utilizaram a aplicação para, em seguida, responderem a um inquérito, com o instrumento uMARS, avaliando a usabilidade da Mood-& app. Verificou-se que as dimensões mais valorizadas foram a Informação e Funcionalidade e as que tiveram menor pontuação foram o Envolvimento e Estética. Os participantes deram, ainda, feedback importante sobre algumas funcionalidades a serem corrigida, principalmente quanto à estética e combinação de cores. Sendo este um projeto em curso, conclui-se que esta app apresenta potencialidades relevantes, consistindo a próxima etapa de amadurecimento desta ferramenta digital num design gráfico participativo, com utilizadores e profissionais de saúde mental. Palavras-chave: Aplicação Móvel, Saúde Mental, mHealth, Depressão, Ansiedade, Stress. VI ABSTRACT The global mental health crisis is one of the main public health problems today, exacerbated by the COVID-19 pandemic, making it difficult to care about more persons. However, intervention based on digital technology emerges as an alternative to traditional services, being essential that it be adapted to users and developed according to the recommendations of mental health professionals. This study aims to develop a mobile mental health application for self-management of depression, anxiety and stress, without intending to replace traditional mental health care, but contributing to increase and extend this care. It presents, inherently, a second objective, which is to test the usability and acceptance of the application through a pilot study. We describe the development of Mood-& app, a mobile application for self-management of symptoms of stress, anxiety and depression, usable on Android and iOS systems. For its development, 58 apps were identified, of which 14 were analyzed since they were associated with scientific studies. The development was carried out in 5 sequential phases, and the app consisted of 8 features, namely: self-monitoring of mood, psychoeducation, meditative activities/mindfulness, symptom monitoring, CBT principles, diary, peer social support groups, and a tool to establish and manage objectives. Next, a pilot test was performed with 13 participants without mental health problems, who for at least 5 days used the application and then respond to a survey, with the uMARS instrument, evaluating the usability of Mood-& app. We verifiedthat the most valued dimensions were Information and Functionality and the ones with the lowest scores were Involvement and Aesthetics. The participants also gave important feedback on some features to be modified, mainly regarding aesthetics and color combination. Since this is an ongoing project, it is concluded that this app has relevant potentialities. Thus, the next stage of maturation of this digital tool will be a participatory graphic design, with users and mental health professionals. Keywords: Mobile Application, Mental Health, mHealth, Depression, Anxiety, Stress. VII RÉSUMÉ La crise mondiale de la santé mentale est aujourd’hui l’un des principaux problèmes de santé publique, aggravé par la pandémie de COVID-19, ce qui rend difficile de servir plus de personnes. Malgré ça, l’intervention basée sur la technologie digitale apparaît comme une alternative aux services traditionnels, étant essentielle qu’elle soit adaptée aux utilisateurs et se développe selon les indications des professionnels de santé mentale. Cette étude veut développer une application mobile de santé mentale pour l’autogestion de la dépression, de l’anxiété et du stress, sans avoir l’intention de remplacer les soins de santé mentale traditionnels, mais en contribuant à augmenter et à étendre ces soins. Elle présente, intrinsèquement, un deuxième objectif, qui est de tester l’usage et l’acceptation de l’application, d’accord une étude pilote. On décrit la construction de l’application Mood-&, application mobile pour l’autogestion des symptômes de stress, d’anxiété et de dépression, utilisable sur les systèmes Android et iOS. Pour son développement, 58 applications ont été identifiées, desquelles 14 ont été analysées parce qu’elles étaient associées à des études scientifiques. Le développement a été réalisé en 5 phases séquentielles, et l’application se composait de 8 fonctionnalités, à savoir: l’autosurveillance de l’humeur, la psychoéducation, les activités méditatives/mindfulness, le suivi des symptômes, les principes de TCC, le journal, les groupes de support social par les pairs et l’outil pour établir et gérer les objectifs. Ensuite, un test pilote a été effectué avec 13 participants sans problèmes de santé mentale, qui pendant au moins 5 jours ont utilisé l’application pour ensuite répondre à un questionnaire, avec l’instrument uMARS, évaluant l’usage de la Mood-& app. On a vérifié que les dimensions les plus appréciées étaient l’information et la fonctionnalité, et que celles ayant les scores les plus faibles étaient l’Engagement et l’Esthétique. Les participants ont également donné des commentaires importants sur certaines caractéristiques à modifier, surtout en ce qui concerne l’esthétique et la combinaison des couleurs. Comme il s’agit d’un projet en cours, on peut conclure que cette application a des potentialités pertinentes. Ainsi, la prochaine étape de maturation de cet outil digitale est la conception graphique participative, avec des utilisateurs et des professionnels de la santé mentale. Mots-clés: Application mobile, Santé mentale, mHealth, Dépression, Anxiété, Stress. VIII ÍNDICE 1. INTRODUÇÃO 1 1.1. Desafios associados aos cuidados em saúde mental 2 1.2. Aplicações de Saúde Mental (ASM) 4 1.3. Usabilidade das aplicações móveis 7 2. DESENVOLVIMENTO DA MOOD-& APP 11 2.1. Primeira etapa – tecnologia para desenvolver aplicações móveis 12 2.2. Segunda etapa – aplicações móveis modelo 15 2.3. Terceira etapa – caracterização das aplicações modelo 17 2.4. Quarta etapa – fluxo de funcionamento e design gráfico da aplicação 21 2.5. Quinta etapa – prod. do conteúdo, contrato de desenvolvimento e revisão 27 2.5.1. Princípios da TCC – top 6 valores e objetivos 28 2.5.2. Objetivos sugeridos, rastreador de humor e psicoeducação 28 2.5.3. Autocuidado – meditação e mindfulness 30 2.5.4. Avaliação de sintomas 31 2.5.5. Grupos de suporte 32 2.5.6. Acordo de desenvolvimento e revisão 33 3. MÉTODO 35 3.1. Participantes 35 3.2. Instrumentos 36 3.3. Procedimento 36 4. RESULTADOS 38 5. DISCUSSÃO 41 6. CONCLUSÕES 44 7. REFERÊNCIAS BIBLIOGRÁFICAS 46 1 1. INTRODUÇÃO As perturbações mentais são um dos maiores problemas de saúde pública na atualidade (CNS, 2019), estimando-se, ainda, que a pandemia da Covid-19 veio agravar em 25% as dificuldades de saúde mental mais comuns (PAHO, 2022; WHO, 2022). Por isso, é fundamental que as pessoas recebam cuidados de saúde mental adequados, pois estas condições podem ter um impacto negativo na sua saúde física, produtividade, desempenho educacional e profissional, relacionamentos sociais, bem-estar das pessoas, etc., aumentando os custos gerais da saúde (Moberg et al., 2019). Anteriormente à pandemia, em Portugal, as perturbações de saúde mental eram responsáveis por 11,7% dos anos de vida ajustados pela incapacidade, índice calculado pelo DALYs - Disability- adjusted life years (Perelman et al., 2018). Note-se que já em 2017 a Organização Mundial da Saúde (OMS) apontava a depressão como uma das principais causas de incapacidade no mundo e responsável pelas maiores cargas de doenças em todo o mundo (WHO, 2017a). É ainda de realçar que em 2013 (Caldas de Almeida & Xavier, 2013), um estudo epidemiológico indicou que as perturbações psiquiátricas afetam mais de um quinto da população portuguesa (22,9%), com uma alta prevalência de sofrimento relacionado à ansiedade (16,5%) e perturbações do humor (7,9%), o que representava um dos níveis mais altos quando comparados a outros países da União Europeia. No fim de 2021, o relatório Health at Glance apontou que o impacto da pandemia na saúde mental foi enorme, com a prevalência de ansiedade e depressão maiores do que o dobro dos níveis observados antes da crise na maioria dos países com dados disponíveis (OECD, 2021). Ora, o avanço da pandemia levou a um aumento significativo à exposição de situações stressantes, como as restrições e isolamentos sociais, incertezas económicas e no mundo do trabalho (Carneiro et al., 2022). Assim, o surto de COVID-19 funcionou como uma espécie de ‘experimento’ acelerado de um processo de mudança no trabalho, especialmente com inúmeros trabalhadores em teletrabalho em escritórios domésticos improvisados. Como consequência, essas transformações podem ter ampliado alguns dos riscos psicossociais associados ao trabalho: alta intensidade de trabalho (trabalho regular em altas velocidades ou prazos muito reduzidos), trabalho em horários atípicos, horas prolongadas, exigências emocionais, situações de incertezas, riscos de saúde física, exigências sociais, assédio e sensação de falta de apoio dos supervisores ou colegas de trabalho. Estima-se, ainda, que dois terços dos jovens estavam em risco de depressão no primeiro semestre de 2021 (Eurofound, 2022). Também um estudo realizado em Portugal durante a pandemia aponta na mesma direção: 27% da população geral e 30,8% da amostra de profissionais de saúde apresentavam sintomas de ansiedade moderada a grave; 26,4% de indivíduos da população geral e 28,4% dos profissionais de saúde com sintomas de depressão moderada a grave; e 25,2% da amostra da população geral e 32,1% de profissionais de saúde mental manifestavam sintomas de burnout 2 (Almeida et al., 2020). No Brasil, apesar de instrumentos diferentes, verificou-se que 84,7% da amostra da população geral apresentava sintomas de ansiedade moderada a grave, 67,7% com sintomas de depressão moderada a grave e 65,8% com sintomas de stress pós-traumático (Goularte et al., 2021). Além disso, um resumo científico da OMS estimou que a pandemia levou a um aumento de 27.6% em casos de perturbação de depressão e de 25.6% nas perturbações de ansiedade em todo o mundo (WHO, 2022). Todos esses dados mostram as consequências imediatas da pandemia na saúde mental,sendo de realçar que ainda podem ocorrer repercussões a médio e longo prazo no bem- estar e saúde mental, sendo necessárias investigações futuras de comparação. Está claro que a pandemia agravou a crise preexistente de saúde mental, e, com as restrições de distanciamento social impostas, houve a necessidade de reorganização da prestação de serviços de saúde, trazendo alguns desafios nos cuidados à saúde mental (Albuquerque et al., 2021). Então, a utilização de teleconsultas e ferramentas digitais na prestação de cuidados à saúde mental, antes vista com desconfiança, tornou-se uma das únicas alternativas, produzindo uma adaptação “forçada” a este novo contexto, por exemplo, em Portugal, entre 35 a 45% das pessoas adultas receberam cuidados de saúde primário via teleconsulta entre 2020 e 2021 (OECD, 2021). Essa nova circunstância parece ter tido impacto na utilização de aplicações de saúde mental como uma ferramenta acessível e com baixos custos financeiros (Longyear & Kushlev, 2021). O relatório da ORCHA - Organization fo the Review of Care and Health Apps - alertou para uma explosão na procura por aplicações de saúde mental durante a pandemia: aumento de 328% nas apps para ansiedade; 156% depressão; 113% stress; 2483% mindfulness; 437% relaxamento (ORCHA, 2021). Este trabalho tem como principal objetivo desenvolver uma aplicação móvel de saúde mental para autogestão da depressão, ansiedade e stress, sem pretender substituir os cuidados de saúde mental tradicionais, mas contribuindo para aumentar e estender estes cuidados. Apresenta, inerentemente, um segundo objetivo, que é o de testar a usabilidade e aceitação da aplicação através de um estudo piloto efetuado com 13 participantes. Assim, começa-se por, no enquadramento teórico (ponto 1), refletir sobre os desafios associados à saúde mental e sobre as aplicações de saúde mental e sua usabilidade, para, em seguida, descrever o desenvolvimento da Mood-& app (ponto 2). Posteriormente, é apresentado o método do estudo empírico (estudo piloto) efetuado sobre a usabilidade/aceitação da aplicação (ponto 3), apresentando e discutindo os resultados (ponto 4), terminando com a proposta de reformulação da app e conclusões da investigação (ponto 5). 1.1. Desafios associados aos cuidados em saúde mental Apesar de algumas intervenções psicológicas e psicossociais apresentarem taxas de eficácia positivas, há ainda um problema de acessibilidade a estes cuidados (WHO, 2017a). A maioria das 3 pessoas que precisam de serviços de saúde mental não recebem qualquer suporte, pois apenas 1 a cada 3 indivíduos com perturbação mental recebem algum tratamento e, dentre estes, apenas uma pequena proporção recebe cuidados adequados (Longyear & Kushlev, 2021). No passado, em Portugal, as taxas são similares, estimando-se que quase 65% das pessoas com perturbação psiquiátrica não haviam tido qualquer tratamento nos últimos 12 meses, e apenas um terço recebiam cuidados que preenchiam a todos os critérios de qualidade para serem considerados adequados (Caldas de Almeida & Xavier, 2013). Apesar das reformas de saúde mental em Portugal nos últimos 20 anos, muitas estruturas destes planos de saúde mental não existem fora do papel, e estas falhas no acesso a cuidados essenciais de saúde mental contribuem para o agravamento dos problemas de saúde pública (Palha & Palha, 2016). A literatura menciona diversos entraves na disseminação dos cuidados em saúde mental, dentre eles: altos custos de manutenção, ausência de profissionais treinados, concentração de técnicos em áreas urbanas, estigma, preferência pelos tratamentos de autoajuda, entre outros (Drissi et al., 2020; Wasil et al., 2020; WHO, 2017a). O estigma e a discriminação são um grande obstáculo na procura a tratamentos devido ao medo, vergonha e falta de informação (Palha & Palha, 2016). Contudo, mesmo que os serviços disponíveis duplicassem, ainda assim não seriam suficientes para lidar com o contingente de pessoas que adoecem mentalmente todos os anos (Wasil et al., 2020). A partir destes obstáculos, novos modelos de prestação de cuidado em saúde mental tornam- se necessários e urgentes. Neste contexto, as ferramentas digitais de saúde mental aparecem com o potencial de preencher essa lacuna, alcançando pessoas que não têm acesso aos serviços tradicionais ou que não recorrem a eles, possibilitando a diminuição da carga associada a estas condições de saúde mental (Stallman, 2019; Wang et al., 2018). Assim, as tecnologias digitais que têm como destino a intervenção nas dificuldades de saúde mental são chamadas de mHealth (mobile health), consistindo em intervenções em saúde com ferramentas móveis (mobile), como telemóveis, tablets e outros dispositivos sem fio. Também as aplicações móveis permitem o acesso a várias tecnologias e funcionalidades, como realidade virtual, realidade aumentada, jogos, interação com sensores biológicos, redes sociais, geolocalização, dentre outras funções (Lecomte et al., 2020). As principais vantagens associadas a estas intervenções digitais são a disponibilidade de acesso constante por meio de um dispositivo pessoal, suporte imediato, anonimato, conteúdo personalizado, menor custo e aumento da capacidade e eficiência dos cuidados de saúde mental, além de poder ultrapassar algumas barreiras em abordar a própria saúde mental (Wang et al., 2018). As aplicações móveis também oferecem a oportunidade de fazer uma ‘avaliação momentânea ecológica’, isto é, permite uma compreensão mais precisa de fatores que desencadeiam determinados 4 problemas e uma resposta quando e onde estes problemas aparecem no ambiente natural das pessoas, reduzindo os ‘viéses de memória’ (Lecomte et al., 2020). Assim, as intervenções baseadas em tecnologia digital têm sido apresentadas como uma alternativa à promoção de saúde mental face aos serviços tradicionais, até porque o uso dos smartphones tem-se expandido globalmente, estimando-se que haja mais de 5,8 bilhões de utilizadores ao redor do mundo (Byambasuren et al., 2018). Em 2020, a taxa de penetração de serviço móvel foi de 119 por 100 habitantes, e a taxa de uso de internet móvel foi de 78,8 por 100 habitantes em Portugal (ANACOM, 2020). Com a proliferação destas novas tecnologias, o desenvolvimento de aplicações móveis na área da saúde mental está crescendo rapidamente na última década. Este desenvolvimento massivo de tecnologias digitais tem o potencial de complementar os cuidados tradicionais, ultrapassando barreiras geográficas, com menores custos e, além disso, permite que seja gerido pela própria pessoa (Drissi et al., 2020; Wasil et al., 2020). Desta forma, estas aplicações de saúde mental (ASM) podem promover mudanças comportamentais positivas, com o monitoramento de atividades físicas, psicoeducação (literacia em saúde mental) e rastreamento de sintomas de psicopatologia (Storm et al., 2021), abordando-se seguidamente com mais detalhe este tipo de aplicação. 1.2. Aplicações de Saúde Mental (ASM) Byambasuren e colegas (2018) estimaram que existiam mais de 318.000 aplicações mobile de saúde (mHealth) disponíveis no mercado em 2018, que tinham como objetivo auxiliar o monitoramento e gerenciamento de condições de saúde. Uma investigação encontrou que 76% dos participantes responderam estarem dispostos a utilizar aplicações de saúde mental para autocuidado e manejo das perturbações mentais, quando estas apps são gratuitas (Khademian et al., 2020). Outro estudo indicou que pelo menos metade dos participantes relataram utilizar alguma aplicação de saúde (Huckvale et al., 2020). Relativamente à saúde mental, estima-se que haja entre 10.000 e 20.000 apps de saúde mental disponíveis, segundo dados anteriores à pandemia (Lecomte et al., 2020; Marshall et al., 2020). Estas aplicações têm como objetivo principal colaborar com a saúde mental e bem-estar das pessoas, seja naprevenção, ou promoção da recuperação de perturbações mentais, ou até no encorajamento de hábitos que ajudam a melhorar a saúde emocional, aumentando o interesse nessa temática. Viver num bom estado de saúde mental ajuda as pessoas a maximizarem os seus potenciais, influenciando a maneira como lidam com stress, tensões e ansiedades do dia a dia (Khademian et al., 2020). Tem sido sugerido que a auto-monitorização possibilita uma melhora na saúde mental e bem-estar ao ampliar a autoconsciência emocional (capacidade que as pessoas tem para identificar as próprias emoções), 5 colaborando com a autorregulação emocional (Bakker & Rickard, 2018). As aplicações de saúde mental também podem ter efeito na saúde mental e bem-estar por meio da literacia em saúde mental (psicoeducação com conhecimentos sobre transtornos mentais, como gerenciar e preveni-los) e estratégias de enfrentamento/coping de autoeficácia (tipo de autoeficácia que permite que as pessoas acreditem na própria capacidade para lidar com as dificuldades da vida e utilizar estratégias de enfrentamento nestas situações), pois quando as apps recomendam atividades para o bem-estar ou estratégias de enfrentamento, aumenta-se o sentimento de autoeficácia (Bakker & Rickard, 2018). Atualmente, qualquer pessoa ou instituição pode desenvolver e publicar aplicações de saúde nas lojas antes de fazer algum teste científico, levando as pessoas a terem que experimentar por tentativa e erro (Byambasuren et al., 2018). Apesar de existirem milhares de aplicações de saúde mental, poucas são utilizadas pelos consumidores (Wasil et al., 2021). Neste sentido, as escolhas geralmente são feitas a partir das avaliações fornecidas nas lojas de aplicações, que podem tem influências de marketing e testemunhos pessoais que reduzem a confiabilidade da utilização destas ferramentas (Marshall et al., 2020). Para além da avaliação com estrelas, há pouca informação sobre a qualidade destas aplicações, o que faz com que a utilização seja muito mais baseada na popularidade do que pelas evidências de eficácia científica (Khademian et al., 2020). O interesse clínico e de investigação no potencial das ASM para monitoramento do humor, autorrelato de sintomas, mindfulness e desenvolvimento de competências pessoais e sociais, que promovam a saúde mental têm ampliado a necessidade de investigação de evidências científicas no uso destas ferramentas digitais (Huckvale et al., 2020). A grande maioria dessas aplicações carecem de validação empírica, e algumas das que têm validação não estão disponíveis para o público geral (Stallman, 2019; Wang et al., 2018). De facto, há muitas razões para a elevada quantidade de aplicações sem estudo científico de validação, nomeadamente, serem desenvolvidas com baixo orçamento e com período de tempo limitado, ou desenvolvidas por StartUps que não envolvem profissionais de saúde mental e os consumidores no processo de desenvolvimento (Wang et al., 2018). Muitas vezes, isto prejudica a qualidade e precisão dos conteúdos e recursos disponibilizados pelas apps, o que implica dizer que um dos grandes desafios, dada a velocidade do avanço tecnológico, é garantir que as investigações no desenvolvimento de ASMs sejam rigorosas e concluídas rapidamente (O’Dea et al., 2020). ´ Apesar de haver algum esforço para um processo de acreditação das apps e alguns guias para se recomendar as aplicações, a procura pelas apps nas lojas ainda ocorre através da classificação e pesquisa nas lojas de aplicativos (ex, Google Play e App Store), o que significa que o marketing feito pelos desenvolvedores ainda são as principais fontes de informação aos consumidores. Isto, muitas vezes, é agravado pelas afirmações postuladas pelos desenvolvedores que não são apoiadas por 6 evidências de eficácia da aplicação (Larsen et al., 2019). Um estudo indicou que apenas 15% das apps fornecem evidências de eficácia (Longyear & Kushlev, 2021), o que representa um potencial risco aos consumidores e nos leva a pensar em como podemos desenvolver estas ferramentas e examiná- las com estudos de eficácia. Estudos recentes têm sugerido que estas intervenções podem ser eficazes na redução de sintomas de depressão, ansiedade, stress, psicose e perturbação bipolar (Khademian et al., 2020; Longyear & Kushlev, 2021; Stallman, 2019). Por exemplo, Hwang e Jo (2019) fizeram um ensaio clínico randomizado (Randomized Clinical Trial – RCT) para avaliar a eficácia de uma aplicação para trabalhadores fazerem a autogestão do stress utilizando ferramentas como meditação e exercícios de ioga. Os participantes (n=56) foram alocados num grupo experimental (n=26) e grupo controle (30), e os resultados indicaram que a aplicação melhorou índices de saúde mental no pós-teste, stress, depressão, além de resultados positivos a nível de bem-estar e autoeficácia. Apesar disso, os autores ressaltam que os resultados devem ser vistos com cautela pelo pequeno tamanho da amostra e período de intervenção curto (4 semanas). Marshall e colegas (2020) apontam alguns erros metodológicos nos estudos de validação, como a heterogeneidade entre os estudos (e.g., quantidade de uso/dosagem; duração das intervenções). A maioria destes estudos apresentam problemas metodológicos a partir do autorrelato da redução de sintomas de stress, ansiedade e depressão, com a maioria incluindo um follow up de 3 meses (não se permitindo observar se os efeitos persistem no longo prazo), baixa variabilidade da amostra (na maioria brancos, mulheres e mais jovens), o que deixa em dúvida se estas intervenções serão eficazes para o resto da população. Outra limitação destes estudos de eficácia é que apenas 1% das investigações foram realizadas por investigadores independentes (Marshall et al., 2020). Isto significa que grande parte dos estudos de eficácia têm sido realizados pelas próprias pessoas que criaram as aplicações e que, em alguns casos, obtiveram retorno financeiro com estas ferramentas (Longyear & Kushlev, 2021). Além disso, há uma preocupação com o tamanho da amostra nos estudos de eficácia das apps e com a ausência de replicação das investigações (Longyear & Kushlev, 2021; Marshall et al., 2020). A maioria dos estudos também não comparam diretamente as intervenções com as aplicações e os serviços tradicionais de saúde mental (geralmente utilizam a comparação com grupos de lista de espera), recomendando-se que futuros estudos utilizem grupos placebos (ex.: utilizar aplicações de game) para comparar com os resultados das ASM e comparem com terapias face a face ou o uso de medicamentos (Bakker & Rickard, 2018; Longyear & Kushlev, 2021). Além disso, é preciso tomar cuidado com o risco de um efeito “placebo digital” nestes estudos, referido na literatura como a 7 expectativa de melhoria pelo simples ato de instalar uma ASM, influenciar os resultados de eficácia (Torous & Firth, 2016). A velocidade do desenvolvimento das aplicações gera também alguma preocupação sobre a qualidade destas ferramentas. Os tradicionais estudos clínicos randomizados (RCT) que avaliam a eficácia de uma intervenção têm uma longa duração, conflitando com a necessidade dos desenvolvedores de comercializar e entregar rapidamente os projetos (Lecomte et al., 2020). Ora, os RCTs podem não ser muito adequados para estes estudos, por ser um estudo de grande escala e o fator tempo por trás destas investigações, dado as rápidas mudanças nas tecnologias podem funcionar como uma barreira, já que as aplicações podem ser atualizadas e modificadas durante os estudos, além de limitações na validade ecológica (Marshall et al., 2020). Algumas investigações têm proposto como uma alternativa viável e mais rápida, os estudos com sujeitos únicos (single-case designs), com a perspetiva de aumentar a validade ecológica, valorizando medições contínuas e repetidas, designação aleatória (quando usam maisque um sujeito) e respeitando a segurança dos participantes ao serem monitorados constantemente (Lecomte et al., 2020; Marshall et al., 2020). Assim, importa refletir sobre a usabilidade das aplicações móveis, o que seguidamente se efetua. 1.3. Usabilidade das aplicações móveis As aplicações de saúde mental têm se tornado uma ferramenta importante para a autogestão de sintomas e dificuldades de saúde mental, devido aos custos reduzidos e ampla disponibilidade. Contudo, os problemas de usabilidade podem funcionar como um obstáculo para a realização desses objetivos. Ou seja, ter uma aplicação de saúde instalada no telemóvel não garante que esta será utilizada ou que irá contribuir para os índices de saúde mental e bem-estar, pois as investigações têm exposto que a maioria das pessoas utilizam poucas vezes as aplicações, abrindo-as apenas algumas vezes, ou até abandonando-as por completo (Alqahtani & Orji, 2019). O baixo envolvimento das pessoas com as apps tem sido encontrado tantos nas apps em geral, quanto nas investigações com apps (Gratzer et al., 2019). Uma investigação apontou que de 100 000 participantes de aplicações de saúde, apenas a utilizaram cerca de 6 dias (Pratap et al., 2020). Outro estudo indicou que apenas 4% das pessoas voltaram a utilizar a app depois de 15 dias (Baumel et al., 2019). As evidências recentes não têm sido capazes de apontar o quanto as pessoas precisam de se envolver no uso dessas ferramentas para se beneficiarem, dificultando o estabelecimento de objetivos claros que ampliem a adesão dos utilizadores (Huckvale et al., 2020). A usabilidade empobrecida e ausência de design centrado nos consumidores têm sido descritas como duas das razões principais para o baixo envolvimento nas aplicações mHealth (Inal et al., 2020), sendo, por isso, a usabilidade das apps um passo fundamental para o desenvolvimento de aplicações de saúde mental eficazes. 8 Apesar da imensa quantidade de ASM disponíveis, ainda há poucos estudos que avaliem a usabilidade, apesar de serem fundamentais para aumentar a probabilidade de adoção e envolvimento com estas ferramentas digitais. A usabilidade é definida como um atributo de qualidade que avalia quão fácil é utilizar as interfaces da aplicação móvel, ou seja, avalia a experiência do utilizador sobre o quão fácil ou difícil é interagir com o sistema (Inal et al., 2020). A literatura tem mencionado que uma interface visual empobrecida e procedimentos de login complicados podem funcionar como uma barreira no uso das ferramentas digitais (Storm et al., 2021). Alqahtani e Orji (2019) fizeram uma revisão de 106 aplicações de saúde mental para identificar os principais erros de usabilidade apontados pelos utilizadores. Classificaram os principais problemas de usabilidade em 6 categorias: “bugs” (falhas de funcionamento de execução software, por exemplo, a app fechar-se forçosamente); design de interface pobre (dificuldade de legibilidade, interfaces pouco atrativas, problemas lógicos de navegação e orientação); perda ou dano de dados pessoais na app (perda de informações adicionadas na interação com a app); consumo de memória e bateria (utilizar a app causa lentidão no telemóvel ou alto consumo de bateria); ausência de guia de uso ou explicação (instruções claras sobre o funcionamento da app); e problemas de conexão com a internet (falha de acesso a recursos da app quando não for possível ter acesso à internet). Outras razões comuns para cessar o uso das aplicações são o tempo necessário para fornecer ou preencher os dados, seguido da falta de interesse e custos financeiros escondidos. Além disso, outra falha das aplicações amplamente disponíveis é a falta de referências credíveis dos conteúdos inseridos nestas ferramentas e pouca clareza quanto as políticas de privacidade (Lecomte et al., 2020; Wang et al., 2018). Há algumas recomendações para o desenvolvimento de ASM: design participativo (outras pessoas podem sugerir alterações durante o processo de produção); fazer avaliações extensivas da aplicação antes de torná-la disponível ao público alvo; prover funcionalidades adaptáveis (as pessoas podem personalizar, editar e adaptar o tamanho da fonte, o background e o layout de preferência); atualização frequente da aplicação para reduzir os erros de funcionalidade; permitir que os utilizadores façam um backup dos dados para prevenir perdas de dados; promover um modo de funcionamento offline para utilização em situações de emergência; disponibilizar um guia fácil e rápido sobre o funcionamento da aplicação. Assim, os designs das ASM devem ser intuitivos, simples de utilizar, ter um design atrativo e funcionamento técnico seguro (Alqahtani & Orji, 2019). A capacidade de personalização das aplicações tem sido apontada como uma das características mais importantes no desenvolvimento destas ferramentas para a saúde mental, pois quando são muito padronizadas e não atendem a esta personalização, a adaptação pode ser uma barreira (Khademian et al., 2020). A personalização é definida como a capacidade de modificar a 9 aparência ou estrutura de determinadas ferramentas da aplicação, isto é, a possibilidade de customizar algumas características ao gosto pessoal do utilizador. Khademian e colegas (2020) fizeram uma pesquisa de apps de saúde mental com o termo “mental health” nas lojas Google Play e App Store e encontraram 61 apps, mas apenas 13% continham características personalizadas, como caixas de diálogos, feedback e estabelecimento de objetivos personalizados, não sendo, contudo, satisfatórias em termos de estrutura, conteúdo, função e estética. Assim, a personalização poderia tornar possível as respostas “just-in-time-adaptative interventions” (JITAIS - Intervenções adaptativas no momento), que dinamicamente padronizam o conteúdo e a intervenção às necessidades específicas da pessoa, quando, por exemplo, sugerem alguma intervenção personalizada a partir do monitoramento do humor ou outros dados de saúde que sugiram ser as necessidades atuais do consumidor da app (Huckvale et al., 2020). A personalização também seria importante para responder à integração das apps com outros serviços de cuidados da saúde mental, como a possibilidade de compartilhar os dados de saúde mental com técnicos de saúde e estabelecer objetivos específicos para cada indivíduo. Uma das preocupações sobre as ferramentas mHealth é quando se sugere que as ASM substituem completamente as intervenções tradicionais. No entanto, para serem úteis, as aplicações móveis precisam lidar com uma linha ténue de não patologizar emoções e sentimentos desagradáveis e encorajar a procura de profissionais para os cuidados de saúde mental (Stallman, 2019). Alguns dos principais obstáculos na adoção das aplicações no contexto de saúde mental, são: gerenciamento e compartilhamento de dados; segurança e conteúdo potencialmente prejudiciais; baixo nível de adesão dos utilizadores; efeito de placebo digital; barreira de integração das informações no contexto clínico (Huckvale et al., 2020). A privacidade é uma questão-chave no uso das ASM, sendo necessário salvaguardar a confidencialidade, segurança dos dados e manejo apropriado das informações. Algumas aplicações requerem algumas informações pessoais ou que rastreie alguns contextos da vida das pessoas, mas estas querem saber onde os dados estão armazenados e quem tem acesso a eles. Ter políticas de privacidade e segurança claras são tão importantes quanto os outros recursos da aplicação (Gratzer et al., 2019). Contudo, um dos problemas é que as políticas de privacidade têm sido escritas com uma linguagem técnica, o que impõe grandes dificuldades de compreensão para a maioria dos utilizadores. Apesar da encriptação das informações aparecerem como uma resposta para o cuidado na transmissão de dados, outros desafios têm surgido. Apesar de as pessoas estarem dispostasa compartilhar mais dados de saúde, do que financeiros, isto dependerá de quem obterá os dados, os tipos de dados, perceção do quanto os dados são sensíveis e o possível benefício na saúde (Huckvale et al., 2020). 10 É preciso ter atenção à segurança das apps quanto ao potencial negativo à saúde das pessoas, já que alguns estudos não apontam os perigos associados ao uso das apps. A qualidade do conteúdo das apps precisa ser levada em consideração, prezando-se por informações baseadas em evidências científicas (Huckvale et al., 2020). A revisão de Inal e colegas (2020) apontou que de 42 estudos, apenas 11 investigações incluíam profissionais de saúde mental na avaliação de usabilidade da aplicação. Portanto, desenvolver e avaliar estas aplicações com o envolvimento dos profissionais de saúde é fundamental para a qualidade destas ferramentas digitais. Também há a necessidade de envolver os consumidores finais no processo de construção e avaliação das apps, para se conhecer a relevância, crenças e preferências dos alvos destas ferramentas (Inal et al., 2020). Há muitas formas de se conduzir um estudo de usabilidade, mas geralmente são conduzidas por questionários como o System Usability Scale (SUS), Ease of Use (USE) e o Post-Study System Usability Questionnaire (PSSUQ). Todavia, estes instrumentos não foram desenvolvidos para avaliar a usabilidade das ASM. A falta de validação de um instrumento consensual coloca em risco a confiabilidade do resultado das investigações de usabilidade (Inal et al., 2020). O instrumento User Mobile App Rating Scale (uMARS), no entanto, tem sido utilizado para avaliar alguns componentes da usabilidade como o envolvimento, funcionalidade e qualidade da informação (Muro-Culebras et al., 2021). Esta recolha de feedback dos utilizadores possibilita fazer correções de design, tecnologia e conteúdo que se adaptem melhor às necessidades dos consumidores finais. Após este enquadramento das aplicações de saúde mental, avança-se para a descrição do desenvolvimento da Mood-& app, devido ao facto de não se ter encontrado uma app focada nos sintomas de stress, ansiedade e depressão, que tenha seguido os critérios de validação científica na língua portuguesa. 11 2. DESENVOLVIMENTO DA MOOD-& APP Os índices de sofrimento relacionados com as perturbações de saúde mental parecem aumentar constantemente (Caldas de Almeida & Xavier, 2013; WHO, 2017a; Almeida, 2020; WHO, 2022), sendo nesta conjuntura que as aplicações de saúde mental apresentam um potencial de reduzir as cargas associadas às perturbações mentais (Stallman, 2019). É importante ressaltar que as ferramentas digitais (mHealth) na promoção e intervenção em saúde mental não são um acontecimento do futuro, mas já uma realidade no presente. Por isso, desenvolver estas ferramentas, com base em investigações científicas, que envolva profissionais de saúde mental, é primordial (Huckvale et al., 2020; Inal et al., 2020). Além disso, algumas investigações sugerem que apesar da qualidade do conteúdo de algumas aplicações desenvolvidas por instituições académicas, a atratividade do produto final, muitas vezes, é deficiente (Alqahtani & Orji, 2019; Hussain et al., 2020; Storm et al., 2021) e nem sempre adequada aos interesses dos utilizadores, sejam estes utentes ou profissionais. Surgiu então o desafio de desenvolver uma aplicação digital móvel para dispositivos com os sistemas operacionais Android e iOS, com base em evidências científicas, com um design atrativo e intuitivo, tendo como objetivo principal auxiliar as pessoas na autogestão de sintomas de depressão, ansiedade e stress, não excluindo a possibilidade de ser conjugada com intervenções conduzidas por profissionais de saúde mental. O desenvolvimento da aplicação móvel, intitulada MOOD-& app, seguiu um planeamento das unidades mínimas necessárias para a execução de um projeto deste nível. Logo, foram estabelecidas algumas etapas pré-definidas para a construção desta app de saúde mental. As fases descritas abaixo (Tabela 1) são baseadas na literatura disponível sobre aplicações móveis para ansiedade, depressão e ansiedade (Baumel et al., 2019). Assim, a primeira etapa foi necessária para compreender a tecnologia e os requisitos essenciais para um projeto com estas características. A segunda etapa teve o intuito de identificar as aplicações de saúde mental disponíveis nas lojas dos dois sistemas operacionais foco desta investigação (Gooogle Play e App Store) que estivessem relacionadas com algum estudo científico. Já a terceira etapa serviu para identificar as principais características das aplicações incluídas no estudo, que serviria como modelo para as funcionalidades adicionadas no desenvolvimento da app. Na quarta etapa foram utilizados os dados da caracterização das apps modelo para elaborar um fluxo de funcionamento lógico com os atributos de base, o conceito e a confeção do design da app. Por fim, a quinta etapa foi o momento de expor o projeto para os desenvolvedores e fazer acordos de colaboração. Além disso, também foi a etapa para preparar e integrar o conteúdo, bem como testar e dar feedback ao desenvolvedor sobre as funcionalidades e conexões lógicas da app. Apresentam-se em seguida detalhes de cada uma destas etapas. 12 Tabela 1. Etapas para o desenvolvimento da aplicação móvel Mood-& app Etapas Descrição 1ª Explorar a tecnologia necessária para o desenvolvimento da app Identificar as ferramentas e materiais necessários para o desenvolvimento de uma aplicação móvel; 2ª Pesquisa e seleção de aplicações modelo Estratégia de pesquisa: identificar 25 aplicações existentes com cada um dos seguintes descritores “anxiety”, “depression” e “stress”, na Google Play (android) e App Store (iOS) 3ª Caracterização aprofundada das aplicações modelo Descarregar as aplicações móveis que obedeciam aos critérios de inclusão e caracterizar as suas principais funcionalidades e o tipo de investigação que tem sido feita com estas apps 4ª Elaborar um fluxo de funcionamento a partir de aplicações modelo e um design gráfico Organizar as seções e estabelecer o funcionamento lógico da aplicação (e.g., login, página inicial, automonitoramento de sintomas). Criar uma aparência visual de cada seção da aplicação e estabelecer a conexão entre estas com a função “prototype” no editor gráfico Figma 5ª Estabelecer contrato de desenvolvimento, produzir, revisar e inserir o conteúdo da app Expor o projeto e estabelecer um acordo para desenvolvimento; desenvolver o conteúdo da aplicação: textos, áudios, imagens, instrumentos; inserir o conteúdo, revisar, testar as funcionalidades e analisar as conexões lógicas entre as seções da aplicação 2.1. Primeira etapa - tecnologia para desenvolver aplicações móveis A evolução tecnológica dos dispositivos móveis, a praticidade de poder transportar e utilizar estes aparelhos em qualquer lugar, ampliou a popularidade destes aparelhos face a outras tecnologias (e.g., laptop), tornando-os cada vez mais presentes no dia a dia das pessoas. Em consequência, o desenvolvimento de aplicações (softwares) móveis cresce a cada ano. Essas aplicações funcionam em harmonia de compatibilidade com o sistema operacional (SO) destes dispositivos, comumente definido como uma “plataforma de software que determina as funções e recursos disponíveis em seu dispositivo, como botão giratório, teclados, segurança sem fio e sincronização, mensagens e muito mais” (Sheikh et al., 2013, p.141). Alguns dos sistemas operacionais para aparelhos móveis são o Android (google), iOS (Apple), Symbian (Nokia) e Windows phone (Microsoft), sendo, a nível mundial, os principais o android (71.59%) e iOS (27.68%). Em Portugal, há uma pequena diferença, mas os dois sistemas operacionais são igualmente dominantes (GS.Statcounter, 2022). O sistema operacional Android éuma plataforma de código-aberto desenvolvida para executar em aparelhos móveis como os smartphones e tablets. Por ser um SO de código aberto da google, diversas marcas utilizam esse sistema (e.g., Samsung, LG, Huawei), pois permite o gerenciamento de memória, processos para as aplicações e serviços de execução. Atualmente, este SO é o mais utilizado em dispositivos móveis (Tabela 2), sendo empregue em diversos dispositivos, como as smart tvs, smart watches, painéis de automóveis, aparelhos domésticos, entre outros (GS.Statcounter, 2022). Os utilizadores de dispositivos móveis com o SO android podem descarregar as aplicações na loja Google Play. Por outro lado, o sistema operacional iOS foi desenvolvido pela Apple para os próprios dispositivos móveis produzidos pela marca, como o iPhone, iPad, iPod e Apple watch. Os utilizadores 13 e desenvolvedores de aplicações no SO iOS podem descarregar e disponibilizar estas aplicações na loja de aplicações da Apple, a App Store (Sheikh et al., 2013). Tabela 2. Quota de mercado de sistemas operacionais móveis abril 2022 Sistema operacional Android iOS Mercado global 71,59% 27.68% Portugal 81.01% 18.64% Diante da hegemonia destes dois SOs, o desenvolvimento de aplicações móveis que tenha como objetivo a ampla disponibilidade não pode ignorar um ou outro destes sistemas. Entretanto, o desenvolvimento e manutenção de uma aplicação nativa para cada um dos sistemas pode ter custos elevados e consumir bastante tempo, devido à exigência de conhecimentos específicos necessários para construir uma app em cada um destes sistemas (Payne, 2019). Devido à popularidade do uso de aplicações e a complexidade envolvida no desenvolvimento destas apps, tem surgido algumas ferramentas de desenvolvimento multiplataformas, isto é, com o objetivo de criar um código de base único para as aplicações, que permita a execução em diferentes plataformas (e.g., iOS, Android, Web e Desktop) (Corazza, 2018). Algumas das plataformas que permitem o desenvolvimento multiplataformas são o Xamarin da Microsoft, Titanium Appcelerator e o Flutter (Biørn-Hansen et al., 2018). O kit de desenvolvimento Flutter da google tem-se destacado como um dos ambientes de desenvolvimento multiplataforma mais popular nos últimos anos, com uma estimativa, em 2021, 42% dos desenvolvedores de aplicações utilizaram Flutter (Statista, 2021). Parte deste sucesso está relacionado com a capacidade desta plataforma de permitir a criação de aplicações tanto para iOS como para Android com um único código base, com alta performance e velocidade, e com uma experiência nativa em ambos os sistemas operacionais (Corazza, 2018; Payne, 2019). Algumas das desvantagens das aplicações desenvolvidas com o Flutter são: o tamanho das aplicações (maiores porque as aplicações são independentes, i.e., contém todo o código necessário para executar a app) que podem ser maiores que aplicações nativas; a biblioteca de widgets (componentes que se pode acrescentar no código da app) podem ter menos recursos do que outras ferramentas de desenvolvimento; a limitação de plataformas também é uma desvantagem, não sendo possível desenvolver para smart watches, smart tv ou Apple CarPlay, por exemplo (Karasavvas, 2022). As aplicações podem ser pensadas em pelo menos duas partes: comportamento (o que o software faz, como executa, armazena e processam os dados da app) e apresentação (a aparência do software, aquilo que as pessoas podem ver, a interface do usuário como os botões, caixas de texto, imagens). Comparativamente às outras ferramentas de desenvolvimento multiplataforma, apenas o Flutter combina estas duas ações em apenas um ‘idioma”, a linguagem Dart. Além disso, algumas 14 das vantagens do Flutter é ser uma ferramenta com uso gratuito, código aberto, velocidade na performance das aplicações, ciclo de desenvolvimento rápido, comunidade de desenvolvedores extensa e está a ser constantemente atualizada pela equipa da Google. A velocidade no desenvolvimento também está relacionada pela característica de compilação just-in-time (JIT) que permite aos programadores fazer alterações no código e a possibilidade de observar o resultado instantâneo nos simuladores que executam a aplicação (Payne, 2019). Uma parte fundamental no desenvolvimento de aplicações móveis é o banco de dados, um elemento que permite armazenar os dados de utilização da app. No geral, muito tempo e esforço são requeridos para desenvolver o código das aplicações, por isso, grande parte das aplicações desenvolvida com a plataforma Flutter utilizam como banco de dados em tempo real, armazenamento em nuvem, autenticação e hospedagem de arquivos estáticos, o Firebase da Google (Flutter, 2022). O Firebase é um banco de dados que possibilita que os dados das aplicações móveis sejam armazenados localmente no dispositivo, enquanto este estiver offline (desconectado da internet) e, quando a conexão com a internet for recuperada, o banco de dados é sincronizado automaticamente no Cloud Firestore em tempo real com as alterações de dados locais que ocorreram enquanto estava offline (Corazza, 2018). Esta capacidade da aplicação funcionar independentemente de problemas na conexão com a internet, podendo escrever, ler e consultar a atividade realizada na app dá muito mais qualidade na experiência de utilização das aplicações. Além disso, o Firebase permite a autenticação de utilizadores autorizados na aplicação com o Firebase Authentication, um serviço para entrega de mensagens como num chat ou com push notifications (mensagens de notificação) com o Firebase Cloud Messaging, dentre outros serviços. Enfim, o Firebase liberta os desenvolvedores para focar na criação de aplicações com interfaces interativas, em vez de estruturas de banco de dados (Mehta et al., 2017). Uma investigação (Inal et al., 2020) delimitou o nível de maturidade (Figura 1) dos sistemas móveis desenvolvidos em etapas num continuum: 1ª esboço; 2ª protótipo; 3ª amadurecida; 4ª versão lançada; 5ª versão final. O esboço leva em conta o design, um projeto bem fundamentado e feedback dos utilizadores que serão o foco da aplicação. O protótipo é uma versão minimamente funcional de uma app, na qual os utilizadores possam interagir e testar os recursos. A versão amadurecida é uma aplicação que foi testada e avaliadas pelos utilizadores, e a partir desse feedback foi redesenhada e alterada levando em conta as suas sugestões. A versão lançada é quando a aplicação fica disponível para o público geral e qualquer pessoa pode descarregá-la. A versão final, como o próprio nome diz, é o produto acabado e funcional, que ainda poderá sofrer atualizações e modificações no futuro com novas versões (Inal et al., 2020). Por uma questão de limitação de recurso (tempo, financeiro e de pessoal), esta dissertação não abarcará todos os passos para a criação da aplicação, ficando para 15 investigações futuras as últimas etapas, como as correções de usabilidade e estudos de eficácia e efeito. Assim, serão privilegiadas as duas primeiras etapas destacadas da escala de maturidade de tecnologia móvel de saúde, ou seja, o esboço e protótipo. Figura 1. Nível de maturidade de uma app (Inal et al., 2020) Como material utilizado no processo de desenvolvimento foi utilizado o Lucidchart, plataforma que permite a criação de diagramas, fluxo de trabalho e mapas mentais. Foi utilizado para representar o processo de pesquisa, inclusão e seleção das aplicações que serviram de modelo para a aplicação (como ilustrado posteriormente na Figura 3), bem como para caracterizar o fluxo de funcionamento desta (como ilustrado posteriormente na Figura 6). Também foram utilizados dois smartphones para avaliação das aplicações selecionadas: Samsung A40 (android) e Iphone 8 (iOS). Além disso, foi utilizada a plataforma Figma, ferramenta para desenvolvimento de designs deinterface para projetos digitais, o que permitiu a construção de um modelo de design protótipo da app. Por fim, foi utilizado o Android Studio e o Xcode para verificar o código da aplicação e testar o funcionamento com os simuladores destes softwares. O android studio é um ambiente de desenvolvimento que possibilita a criação de aplicações para a plataforma android. Já o Xcode é um programa da Apple que permite gerenciar projetos para os sistemas operacionais da Apple, como o iOS. As duas plataformas foram utilizadas com base no kit de desenvolvimento de interface de usuário Flutter, que permite desenvolver aplicações móveis multiplataformas, isto é, com o mesmo código produz-se uma aplicação móvel tanto para o sistema operacional iOS quanto para Android. 2.2 Segunda etapa - aplicações móveis modelo Os parâmetros para desenvolvimento desta ASM foram estabelecidos com base na revisão das aplicações disponíveis nas lojas online da App Store e Google Play, a qual teve como objetivo encontrar e analisar aplicações para as condições de depressão, ansiedade e stress, que estivessem disponíveis ao público geral e com recursos gratuitos que pudessem ser testados, para servir como base para o desenvolvimento da ASM. Geralmente, as pessoas escolhem entre as primeiras aplicações disponíveis nas lojas de software e, muitas vezes, a procura não ultrapassa as 5 primeiras opções 16 (Dogruel et al., 2015). Com base neste dado, este estudo baseou-se na metodologia cautelosa utilizada por Khademian e colegas (2019), selecionando-se as primeiras 25 aplicações para cada descritor em inglês. A pesquisa dos descritores em inglês justificou-se pelo facto de que a maioria dos estudos empíricos destas ferramentas digitais móveis estão na língua inglesa. Assim, primeiro foi realizada uma busca (entre novembro e dezembro de 2021) utilizando, a cada vez, os termos “depression”, “anxiety” e “stress” (Figura 2), nas duas lojas de aplicações e selecionadas as 25 primeiras de cada loja, excluindo-se jogos (e.g., jogos de lego antisstress) ou métodos de ASMR. Figura 2. Procedimento de pesquisa nas lojas de aplicações móveis A primeira busca selecionou um total de 150 ASM. A partir daí, excluíram-se as apps duplicadas (n=49), reduzindo-se para o total de 101. Como a aplicação será desenvolvida para os dois sistemas operacionais, android e iOS, as apps disponíveis para apenas um sistema operacional também foram excluídas, restando 58 apps. Destas, apenas 14 (24%) das 58 apps disponíveis obedeciam ao critério de inclusão “investigação científica”, isto é, apresentavam algum estudo em revista ou publicação científica (Figura 3). Estas 14 aplicações foram descarregadas num telemóvel com sistema operacional android e outro iOS, para que fosse possível realizar uma análise mais aprofundada, com o propósito de compreender as funcionalidades e ferramentas disponíveis. 17 Figura 3. Diagrama de fluxo de inclusão de aplicações 2.3. Terceira etapa - caracterização das aplicações modelo Nesta fase, as aplicações selecionadas que cumpriam os critérios de inclusão foram brevemente caracterizadas (Tabela 3). É importante ressaltar que esta caracterização incluiu apenas uma descrição das aplicações móveis, mas não os resultados dos estudos científicos associados às apps modelo. Além disso, como existiam recursos que só eram acessíveis a partir de uma assinatura paga, pode ter havido o risco de não terem sido identificadas algumas características destes conteúdos bloqueados. Verificou-se que a descrição das aplicações está em acordo com a literatura sobre aplicações móveis de saúde mental. No geral, estes estudos indicam que esta ferramenta contém uma ou mais das seguintes funcionalidades: psicoeducação em saúde mental; grupos de suporte de pares/social; apoio de profissional especializado; técnicas básicas de psicoterapia; exercícios de mindfulness ou de meditação; automonitoramento de humor; e screening/avaliações de sintomas psicológicas (Gratzer et al., 2019; Khademian et al., 2020; Wang et al., 2018). Note-se que numa 18 revisão com 61 aplicações de saúde mental, as estratégias mais utilizadas foram: 68% psicoeducação, 19% monitoramento e avaliação de humor e sintomas, 7% estratégias baseadas em CBT, 4% dicas, estratégias e treino de habilidades e 1% permitia dar feedback (Khademian et al., 2020). Os critérios para identificar as características das aplicações modelo foram as investigações supracitadas e dois websites de referência na avaliação de aplicações de saúde mental: One Mind – Psyber Guide e o Mindapps, focando-se na funcionalidade, público-alvo e os custos associados à utilização das apps (Tabela 3). Com base nisto, foram listadas 10 características principais (Figura 4): automonitoramento de humor (85.7%), psicoeducação (78.8%), atividades meditativas/mindfulness (64.3%), rastreamento de sintomas (42.9%), princípios da Terapia Cognitivo Comportamental (42.9%), diário (42.9%), grupos de suporte social constituído por pares (35.7%), ferramenta para estabelecer e gerir objetivos/tarefas (35.7%), chatbot - conversa mediada pela inteligência artificial (28.6%), e acesso a profissionais especializado (14.3%). Dentre as 14 apps analisadas, apenas 3 (21%) dispunham de todos os recursos e conteúdos gratuitos. Os principais alvos das apps eram ansiedade, perturbações de humor e stress. Assim, este trabalho teve como desafio o desenvolvimento de uma ASM com os 8 recursos mais identificados nesta caracterização das apps modelo: automonitoramento de humor, psicoeducação, atividades meditativas/mindfulness, rastreamento de sintomas, princípios da Terapia Cognitivo Comportamental (TCC), diário, grupos de suporte social constituído por pares e ferramenta para estabelecer e gerir objetivos. Com estas características, espera-se que a app também possa ser integrada aos serviços tradicionais de saúde mental. O chatbot seria muito complexo para desenvolver neste projeto, pois exigiria mais tempo e recursos financeiros. Por outro lado, o acesso a profissionais especializados exigiria uma conexão com profissionais e a construção de um acordo de colaboração que não era apropriado para esta fase do estudo. Entretanto, como opção serão disponibilizadas linhas de apoio como alternativa para acessos de profissionais de saúde mental ou voluntários. Figura 4. Principais funcionalidades das apps 0 2 4 6 8 10 12 14 Automonit. humor Psicoeducação Mindfulness Rastreio de sintomas Princípios da TCC Diário Suporte de pares Gestão de objetivos Chatbot Profissional especializado 12 11 9 6 6 6 5 5 4 2 Tabela 3. Descrição das aplicações modelo avaliadas Ícone Nome Funcionalidade e Público-alvo Custo Pesquisa GG OCD Anxiety & Depression Rastreamento de sintomas, automonitoramento de humor, psicoeducação e princípios de terapia cognitivo comportamental (TCC) Alvo: Ansiedade e Perturbação Obsessiva Compulsiva (POC) Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Pascual-Vera et al., 2018) Sanvello: Anxiety & Depression Princípios da TCC, mindfulness, rastreamento de sintomas, monitoramento de humor e psicoeducação Alvo: perturbações do humor, stress e ansiedade Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Moberg et al., 2019) 7 Cups: Ansiedade e Stress Suporte de pares, acesso a terapeutas, psicoeducação, mindfulness, automonitoramento de humor, interação com chatbot e rastreamento de sintomas. Alvo: perturbações do humor, stress, ansiedade Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Baumel et al., 2018) MindShift CBT - Anxiety and Panic Relief Princípios da TCC, mindfulness, rastreamento de sintomas, automonitoramento de humor, psicoeducação e ferramenta para gestão de objetivos. Alvo: perturbaçõesdo humor, ansiedade e stress Recursos e conteúdos totalmente gratuitos (Paul & Fleming, 2019) Unwinding Anxiety Rastreamento de sintomas, automonitoramento de humor, mindfulness, psicoeducação, diário, suporte de pares e ferramenta para gestão de objetivos. Alvo: stress e ansiedade Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Roy et al., 2020) Daylio Diário Diário, ferramenta para gestão de objetivos, rastreamento de sintomas e automonitoramento de humor. Alvo: perturbações do humor, stress, ansiedade e hábitos de sono Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Hussain et al., 2020) Headspace: meditação e sono Psicoeducação, mindfulness, princípios da TCC e automonitoramento do humor. Alvo: stress, ansiedade e hábitos de sono Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Economides et al., 2018) Wysa: Anxiety, therapy chatbot Princípios da TCC, mindfulness, diário, chat com inteligência artificial (chatbot), acesso a sessões de terapia e automonitoramento do humor. Alvo: perturbações do humor, ansiedade, stress e hábitos de sono Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Inkster et al., 2018) 20 Ícone Nome Funcionalidade e Público-alvo Custo Pesquisa TalkLife Suporte de pares, diário, psicoeducação e automonitoramento de humor. Alvo: perturbações do humor, stress, ansiedade e hábitos de sono. Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Kruzan et al., 2022) Woebot: Your self-care expert Chat com inteligência artificial (chatbot), psicoeducação, automonitoramento de humor, mindfulness, diário e princípios da TCC. Alvo: stress e ansiedade Recursos e conteúdo totalmente gratuitos (Fitzpatrick et al., 2017) SAM Self-help App for the Mind Rastreamento de sintomas, suporte de pares, psicoeducação e mindfulness Alvo: stress e ansiedade Recursos e conteúdo totalmente gratuitos (Matthews et al., 2018) Replika – My AI Friend Automonitoramento de humor, interação com chatbot, diário e ferramenta para gestão de objetivos Alvo: stress, ansiedade e hábitos de sono Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Ta et al., 2020) Insight Timer - Meditação Mindfulness, suporte de pares e psicoeducação Alvo: stress, ansiedade e hábitos de sono Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (O’Donnell et al., 2020) Calm - Meditação e Sono Mindfulness, automonitoramento de humor e ferramenta para gestão de objetivos Alvo: perturbações do humor, ansiedade, stress e hábitos de sono. Recursos e conteúdos gratuitos. Recursos exclusivos após assinatura. (Huberty et al., 2019) Note-se que a maioria das aplicações analisadas iniciam com uma ferramenta de monitoramento de humor, o que também será reproduzido nesta aplicação por ser um elemento bastante interativo e intuitivo já num primeiro momento de uso. Neste sentido, foi estabelecido o nome de “MOOD-&”: ‘mood’ (humor) surge da característica de monitorar o humor, e “&” para evidenciar que também contará com outras funções - psicoeducação em saúde mental, avaliação de risco de stress, ansiedade e depressão com resultado instantâneo e acessível ao longo do tempo, áudios com exercícios de mindfulness, ferramenta para construção de objetivos baseados em valores pessoais, grupo de suporte de pares, além de uma ferramenta para clarificação de até 6 valores pessoais. Além disso, diante da proximidade fonética em português do ‘Mood-&’ e o verbo ‘Mude’, que é também um dos objetivos da aplicação: servir como um instrumento de mudança positiva e promoção de saúde mental. Por isso, foi adotado como slogan, “MOOD-& - Nenhuma prática é imutável!”. Importa salientar que esta frase tem conexão com a obra do psicólogo americano B. F. Skinner: “Não considere nenhuma prática como imutável. Mude e esteja pronto a mudar novamente. Não aceite verdade eterna. Experimente” (Skinner, 1979, p.346 como citado em Altus & Morris, 2009, traduzido pelo autor). Com base neste slogan foi desenvolvido um logótipo para a app, que englobasse o nome, o slogan e a ferramenta de rastreio de humor (Figura 5). Figura 5. Logótipo da Mood-& app 2.4. Quarta etapa - fluxo de funcionamento e design gráfico da aplicação De um modo geral, a organização lógica das aplicações observadas distribui-se em pelo menos 3 eixos: entrada, registo ou login, introdução à aplicação; avaliação de sintomas, necessidade ou elementos de automonitoramento de humor; e página inicial com os principais recursos disponíveis. Assim, a construção do fluxo de funcionamento da aplicação seguiu esses três eixos (Figura 6). Com essa estrutura tripartida, foram definidos os elementos necessários para compor cada eixo (Figura 6), considerando as 8 características pré-definidas na 2ª fase desta investigação. Como a 22 aplicação exigirá o armazenamento das informações (input e output) inseridas na app, será necessária uma fase de autenticação e, por isso, no eixo 1 foram discriminadas as informações para criar uma conta (nome, e-mail, data de nascimento, sexo, profissão e palavra-passe) e os termos de privacidade das informações. Os termos de privacidade serão apresentados com o texto completo e num formato rápido e compreensível, de maneira resumida, com pequenos textos/imagens, em forma de slide, que ilustrem a política de privacidade e termos de uso da aplicação, conforme a recomendação de Alqahtani e Orji (2019). O utilizador precisará concordar com os termos de privacidade para poder criar uma conta. Depois de criar a conta, o utilizador será encaminhado para uma parte de introdução às funcionalidades (walk through) e um manual rápido de como explorar esta ferramenta. Posteriormente, ao ter uma conta criada, para fazer login será necessário inserir o e-mail e a respetiva palavra-passe. Caso a pessoa se esqueça a palavra-passe, haverá uma seção para recuperar o código registado. No eixo 2 foi estabelecido o rastreamento do humor, com intuito de ser uma ferramenta intuitiva e que inclua elementos padronizados (ex.: sentimento e emoções predefinidas) mas também personalizados (as pessoas poderão escrever e descrever como estão a sentir-se) com característica de diário (poderão retomar o que escreveram a partir da respetiva data de preenchimento). Como esta é uma parte central, todas as vezes que as pessoas abrirem a aplicação serão encaminhadas diretamente para esta página de automonitorização de humor. Por fim, o eixo 3 engloba os outros (‘&’) elementos da aplicação, com todas as funcionalidades disponíveis de maneira simples e intuitiva. Estes componentes estão dispostos como: exercício de clarificação de valores – top 6 valores (princípios da TCC); autocuidado (áudios) - atividades meditativas e mindfulness; psicoeducação (áudios e textos); grupo de suporte de pares (grupos de chat); valores, objetivos e saúde (gestão de objetivos); avaliação – rastreamento de sintomas (instrumento padronizado) com resultado instantâneo; e resultados – página com resultados das atividades da aplicação (automonitoramento de humor e de sintomas). Além disso, foi concebida uma página de perfil, com informações pessoais, políticas de privacidade e informações sobre a aplicação. 23 Figura 6. Fluxo de funcionamento lógico da Mood-& app No que se refere ao design gráfico da aplicação móvel, foi contruído com base no editor gráfico Figma, aplicação baseada na web que permite a edição gráfica de vetores e prototipagem de projetos de design (ex.: aplicações móveis), sendo uma ferramenta gratuitacom o limite de projetos desenvolvidos. A construção de um protótipo gráfico baseou-se no modelo gráfico do iPhone 11. O projeto de design seguiu a ordem dos 3 eixos propostas na fase anterior e já descritos na Figura 6. Assim, o Eixo 1 consiste no splash screen (Figura 7) ou tela de abertura inicial que é exposta, enquanto a aplicação está a ser processada pelo sistema operacional do telemóvel. Com base nas aplicações avaliadas, optou-se pela exposição da logo e o fundo (background) com a cor base da aplicação. Em seguida, foi desenvolvida a página de ‘autenticação’ (criar conta e entrar) com base 24 em algumas informações obrigatórias (nome, apelido, data de nascimento, profissão, género, palavra- passe e concordar com a política de privacidade) para criar um perfil na aplicação. A página de ‘política de privacidade e termos e condições’ utilizou a logo da app e o texto corrido, com a opção de retornar à página de autenticação ou ao perfil quando acedido por meio da página de perfil. Em seguida foi desenvolvido a estrutura do walk through, com slides de imagem ilustrativas das ferramentas da aplicação e textos a explicar o funcionamento destes recursos. A cor de base destas 3 páginas seguiram o mesmo padrão. Figura 7. Design: abertura, autenticação, política de privacidade e apresentação No que se refere ao Eixo 2, este consiste no rastreador de humor (Figura 8) e foi contruído com 4 elementos: medir a intensidade com emoticons (expressões faciais gráficas que simbolizam o sentimento) através de cores, do verde ao vermelho conforme as outras aplicações e outros instrumentos psicológicos, com palavras, numa escala, que vai de “Ótimo” a “Péssimo” dentro do formato que se assemelha a um velocímetro para tornar ainda mais intuitiva a intensidade do sentimento; um quadro que permite que as pessoas descrevam melhor como se estão a sentir, através de exemplos pré-definidos ou com a opção de personalizar e/ou customizar outros sentimentos que não estejam na lista e possam representar melhor o estado de humor das pessoas, podendo selecionar até 3 sentimentos; um quadro que permite selecionar a localização ou customizar o respetivo lugar; por fim, um elemento que é acionado quando as pessoas decidirem fazer uma descrição mais livre e qualitativa, com a opção de escrever o que estão a pensar e o que poderiam fazer para lidar com a situação. 25 Figura 8. Design: automonitoramento de humor O Eixo 3 consiste na página inicial (Figura 9), que é uma espécie de tronco de uma árvore que dá entrada às outras partes da aplicação, estando esta dividida em 6 seções. O primeiro elemento é o “Top 6 – valores”, que corresponde a um exercício de clarificação de valores com características de gamificação, no qual os utilizadores podem selecionar até 6 opções de valores pessoais e estes ficarem armazenados no quadro da página inicial. Em seguida, e abaixo, surge exposto o gráfico de frequência com as saídas (outputs) resultantes do automonitoramento de humor. O terceiro componente são os “Recursos Mood-& app”: ‘Rastreador de humor’, ‘Autocuidado (mindfulness) e Saúde mental (psicoeducação com textos)’, ‘Resultados’; ‘Linhas de apoio’; ‘Objetivos e Valores’; e ‘Chat’. No fim, são apresentados, de acordo com o horário e data, um quadro com os resultados de todos os elementos do automonitoramento de humor, designado como ‘Os meus registos de humor’. Figura 9. Design: menu inicial 26 Na seção dos ‘Resultados’ (Figura 10), para além dos registos das entradas do monitoramento de humor, também existe um sub-elemento com o instrumento EADS-21 (Escala de Ansiedade, Depressão e Stress, versão portuguesa de Pais-Ribeiro et al., 2004, no seu original DASS-21, de Lovibond & Lovibond, 1995) que avalia sintomas de stress, ansiedade e depressão, com resultados imediatos em forma de semáforo, no qual se representa o risco ‘baixo’ a verde, ‘moderado’ a amarelo, e ‘elevado’ a vermelho. Já a seção de ‘Valores e Objetivos’ foi desenhada para permitir a customização de objetivos (integrado com uma escolha de valores associados àquele objetivo) e também a escolha de objetivos pré-definidos como sugestão em 5 dimensões, a saber: depressão (e.g., ‘Levantar-me da cama logo quando acordar’), ansiedade (e.g., ‘Expor-me gradualmente a contextos temidos, se isto for importante para mim’), stress (e.g., ‘Reduzir desencadeadores/gatilhos de stress’), procrastinação (e.g., ‘Reformular minhas tarefas e duplicar o tempo que espero concluir estas tarefas’) e habilidades sociais (ex.: ‘Elogiar uma pessoa que eu gosto, ou pela ação ou trabalho dela’). O utilizador tem acesso aos objetivos ao pressionar na seta com as datas a indicar os objetivos adicionados, com a possibilidade de pressionar um círculo em branco que ficará verde como um sinal de que aquele objetivo foi concluído. A seleção dos valores relacionados com determinados objetivos permite a customização ou a escolha de alguns valores padronizados, que seguem a mesma lista utilizada no exercício de clarificação de valores na página inicial. Figura 10. Design: resultados e objetivos Por fim, foram desenhadas as páginas (Figura 11) com suporte de pares linhas de apoio e perfil. A ferramenta com apoio de pares foi constituída com as regras de funcionamento, dicas aos participantes e a possibilidade de assegurar o sigilo dos utilizadores com o recurso de utilização de 27 um pseudónimo, para preservar o anonimato recomendado pela literatura de suporte interpares em meios digitais (Fortuna et al., 2020). A seção ‘linhas de apoio’ tinha como objetivo dar acesso a recursos de apoio à saúde mental, em que as pessoas pudessem recorrer em momentos de crise ou de dificuldade. O perfil permite a edição de informações pessoais, fornece informações sobre a app e dá acesso à política de privacidade e termos e condições de uso. Figura 11. Design: grupo de suporte de pares e perfil A construção do design da aplicação teve em consideração o planeamento anterior dos processos lógicos do fluxo de funcionamento, esforçando-se por ter um funcionamento intuitivo, por permitir a capacidade de personalizar o quanto possível as ferramentas, utilizar a gamificação e o respeito pelo anonimato, se for esse o desejo do utilizador nas interações sociais dentro da aplicação. 2.5 Quinta etapa - produção do conteúdo, contrato de desenvolvimento e revisão O conteúdo inserido na Mood-& app foi desenvolvido com base em evidências científicas, sendo detalhada e amplamente revisto antes da integração na aplicação. O contrato de desenvolvimento teve como condições mínimas e necessárias, todo o planeamento lógico e de design, com as 8 funcionalidades pré-estabelecidas: automonitoramento de humor, psicoeducação, atividades meditativas/mindfulness, rastreamento de sintomas, princípios da TCC, diário, grupos de suporte social constituído por pares, e ferramenta para estabelecer e gerir objetivos. Por fim, a entrega do produto final passou por critérios de revisão bem detalhados (por exemplo, revisar todos os resultados possíveis da avaliação com os pontos de corte pré-determinados). 28 2.5.1. Princípios da TCC – top 6 valores e objetivos e rastreador de humor A produção do conteúdo para a Mood-& app teve em consideração os princípios da Terapia Cognitivo Comportamental (Harris, 2019), nomeadamente da Terapia de Aceitação e Compromisso (ACT, Hayes et al., 2021). Recorde-se que este modelo teórico aponta seis processos centrais na flexibilidade psicológica que são responsáveis pelo funcionamento humano e mudança de comportamento: Aceitação, Desfusão Cognitiva, Self-como-contexto, Atenção flexível no momento presente, Valores e Ação de Compromisso. Não há uma ordem hierárquica entre os processos, sendo natural que haja sobreposição,
Compartilhar