Cookies
Usamos cookies para melhorar nosso site e a sua experiência. Ao continuar a navegar no site, você aceita a nossa política de cookies. Ver mais
Aceitar Rejeitar
  • Menu
Sobre
Download foto HD

Sobre

Investigador sénior no INESC TEC desde 1998. É coordenador adjunto do Centro de Sistemas de Informação e Computação Gráfica (CSIG).

Os seus atuais interesses de investigação incluem: plataformas e métodos para investigação colaborativa, computação distribuída para preservação de privacidade, redes semanticas de sensores (IoT) e processamento de Big Data.

De Outubro de 1996 a Dezembro de 1997, foi membro associao do CERN - Laboratório Europeu de Física de Partículas, Divisão de IT, Web Office.

A sua investigação aplica-se atualmente em duas área principais: Investigação em Saúde Personalizada (PHR) e Ciência da Observação da Terra e do Oceano (EOOS).

A área de PHR subdivide-se em: a) tratamentos personalizados baseados na Internet; e b) armazenamento de dados humanos, processamento com preservação de privacidade, e partilha controlada de dados FAIR. Nesta área participa em vários projetos como o ICT4Depression (FP7), E-COMPARED (FP7), STOP Depression (EEA Grant), iCare4Depression (FCT), RECAP Preterm (H2020), EUCAN-Connect (H2020) e iReceptor Plus (H2020). Nestes projetos assume frequentemente o papel de responsável pela arquitetura do sistema, implementação da plataforma ou coordenador técnico.

Na área de EOOS, participa na implementação do Observatório RAIA (projetos Interreg RAIA, RAIA.co, RAIA TEC, MarRisk e RADAR ON RAIA), SeaBioData (EEA Grant), MELOA (H2020) e C4G, que é o nó Português da infraestrutura EPOS (H2020 EPOS-SP).

Tópicos
de interesse
Detalhes

Detalhes

  • Nome

    Artur Rocha
  • Cluster

    Informática
  • Cargo

    Coordenador Adjunto de Centro
  • Desde

    02 fevereiro 1998
018
Publicações

2020

Evaluation of a temporal causal model for predicting the mood of clients in an online therapy

Autores
Becker, D; Bremer, V; Funk, B; Hoogendoorn, M; Rocha, A; Riper, H;

Publicação
EVIDENCE-BASED MENTAL HEALTH

Abstract
Background Self-reported client assessments during online treatments enable the development of statistical models for the prediction of client improvement and symptom development. Evaluation of these models is mandatory to ensure their validity. Methods For this purpose, we suggest besides a model evaluation based on study data the use of a simulation analysis. The simulation analysis provides insight into the model performance and enables to analyse reasons for a low predictive accuracy. In this study, we evaluate a temporal causal model (TCM) and show that it does not provide reliable predictions of clients' future mood levels. Results Based on the simulation analysis we investigate the potential reasons for the low predictive performance, for example, noisy measurements and sampling frequency. We conclude that the analysed TCM in its current form is not sufficient to describe the underlying psychological processes. Conclusions The results demonstrate the importance of model evaluation and the benefit of a simulation analysis. The current manuscript provides practical guidance for conducting model evaluation including simulation analysis.

2020

The ADC API: A Web API for the Programmatic Query of the AIRR Data Commons

Autores
Christley, S; Aguiar, A; Blanck, G; Breden, F; Chan Bukhari, SA; Busse, CE; Jaglale, J; Harikrishnan, SL; Laserson, U; Peters, B; Rocha, A; Schramm, CA; Taylor, S; Vander Heiden, JA; Zimonja, B; Watson, CT; Corrie, B; Cowell, LG;

Publicação
Frontiers Big Data

Abstract

2019

Unraveling the Black Box: Exploring Usage Patterns of a Blended Treatment for Depression in a Multicenter Study

Autores
Kemmeren, LL; van Schaik, DJF; Smit, JH; Ruwaard, J; Rocha, A; Henriques, MR; Ebert, DD; Titzler, I; Hazo, JB; Dorsey, M; Zukowska, K; Riper, H;

Publicação
JMIR Mental Health

Abstract

2019

Empowering Distributed Analysis Across Federated Cohort Data Repositories Adhering to FAIR Principles

Autores
Rocha, A; Ornelas, JP; Lopes, JC; Camacho, R;

Publicação
ERCIM News

Abstract

2018

Predicting short term mood developments among depressed patients using adherence and ecological momentary assessment data

Autores
Mikus, A; Hoogendoorn, M; Rocha, A; Gama, J; Ruwaard, J; Riper, H;

Publicação
Internet Interventions

Abstract

Teses
supervisionadas

2016

Platform for monitoring and treat depression

Autor
José Pedro Alves Ornelas

Instituição
UP-FCUP