Conceição, Luís Manuel da SilvaBatista, Sara Catarina Mendes2021-03-222021-03-222020http://hdl.handle.net/10400.22/17589A diabetes mellitus tipo 2 é considerada uma das doenças crónicas mais comuns no mundo. Atualmente ainda não existe uma cura, mas o tratamento assenta num controlo e acompanhamento contínuo da mesma. A autogestão da doença faz parte de uma das soluções previstas, uma vez que pode incentivar à adoção de hábitos saudáveis. São vários os métodos que podem ser praticados nesta autogestão, nomeadamente métodos tradicionais que estão dependentes do uso de papel e caneta, como diários de alimentos, que se revelam pouco eficazes e não correspondem, sempre, às necessidades do utilizador. Isto leva à necessidade de desenvolver sistemas que mitiguem esses problemas e que sejam capazes de auxiliar o paciente no controlo da doença no seu dia a dia. Sendo assim, faz sentido estudar uma abordagem que permita ao utilizador registar o seu perfil, a sua rotina diária obtendo, por fim, recomendações tendo em conta esses dados. Para atingir esse objetivo foi desenvolvido, no trabalho descrito nesta dissertação, um sistema de recomendação, associado a uma aplicação móvel, que visa proporcionar ao paciente uma autogestão da doença em questão. Este sistema, recomenda ao utilizador alimentos, de acordo com o seu registo diário e com as suas preferências alimentares, adaptando-se às necessidades do mesmo. Para o desenvolvimento do sistema de recomendação, optou-se por um algoritmo cuja técnica abordada é baseada em filtragem colaborativa, sendo que considera os alimentos que o utilizador classificou, mas também classificações atribuídas por outros utilizadores, apresentando-os como uma possível solução. Para perceber os comportamentos do sistema desenvolvido, foram definidos casos de teste para analisar os diferentes cenários de um dia a dia do paciente, no que diz respeito aos alimentos que ingere, e aos valores nutritivos dos mesmos. Por fim, os resultados obtidos permitem concluir que o sistema desenvolvido recomenda de acordo com as preferências do utilizador, mas também de outros através das classificações que foram atribuídas aos alimentos.Self-management of the disease is part of one of the solutions provided since it can encourage the adoption of healthy habits. There are several methods that can be practiced in this self-management, namely traditional methods that are dependent on the use of paper and pen, such as food diaries, which prove to be ineffective and do not always correspond to the user's needs. This leads to the need to develop systems that mitigate these problems and that can assist the patient in controlling the disease daily. Therefore, it makes sense to study an approach that allows the user to register their profile, their daily routine, finally obtaining recommendations considering these data. To achieve this goal, a recommender system was developed in the work described in this dissertation, associated with a mobile application, which aims to provide the patient with self-management of the disease in question. This system recommends food to the user, according to his daily record and his food preferences, adapting to his needs. For the development of the recommender system, we opted for an algorithm whose technique is based on collaborative filtering, considering the foods that the user has classified, but also ratings assigned by other users, presenting them as a possible solution. In order to understand the behaviour of the developed system, test cases were defined to analyse the different scenarios of the patient's daily life, with regard to the food he eats, and their nutritional values. Finally, the results obtained allow us to conclude that the developed system recommends according to the user's preferences, but also from others, through the classifications that have been attributed to food. Type 2 diabetes mellitus is considered one of the most common chronic diseases in the world. There is currently no cure, but the treatment is based on continuous control and monitoring.porSistemas de RecomendaçãoFiltragem ColaborativaDiabetes Mellitus Tipo 2Recommender SystemsCollaborative FilteringType 2 Diabetes Mellitusmaster thesis202573729