VivySilva/DiabetesCare

Sistema web mobile-first voltado ao acompanhamento de pessoas com diabetes, permitindo o registro de dados glicêmicos, geração de dashboards e relatórios clínicos, além de oferecer conteúdos educativos e um fórum de interação entre pacientes e profissionais da saúde.

TypeScript

0

79 commits

updated Jul 2, 2026

See the code

README

DiabetesCare

Plataforma web para monitoramento glicêmico e educação em saúde voltada para pacientes com diabetes, com foco em autonomia, organização de dados clínicos e acesso a informações confiáveis.


Sobre o Projeto

O DiabetesCare é uma aplicação desenvolvida para auxiliar pacientes no controle diário da glicemia, permitindo o registro estruturado de dados, visualização de informações e interação com profissionais da saúde.

A solução busca reduzir a distância entre o acompanhamento clínico e o cotidiano do paciente, promovendo melhor tomada de decisão e adesão ao tratamento.


Objetivos

  • Facilitar o registro de dados glicêmicos
  • Organizar informações clínicas de forma estruturada
  • Oferecer suporte educativo por especialistas
  • Melhorar a comunicação entre pacientes e profissionais
  • Gerar relatórios para acompanhamento médico

Arquitetura do Sistema

O sistema segue uma arquitetura cliente-servidor em três camadas (3-tier):

  • Frontend: React + TypeScript + Tailwind CSS
  • Backend: Node.js + TypeScript (API REST)
  • Banco de Dados: PostgreSQL (Supabase)
Frontend → Backend → Banco de Dados

Tecnologias Utilizadas

Frontend

  • React
  • TypeScript
  • Tailwind CSS

Backend

  • Node.js
  • Express
  • TypeScript

Banco de Dados

  • Supabase (PostgreSQL)

Segurança

  • JSON Web Tokens (JWT)
  • BCrypt
  • HTTPS

🔄 Funcionalidades (em desenvolvimento)

  • Cadastro e autenticação de usuários
  • Registro de glicemia
  • Dashboard com gráficos
  • Fórum de dúvidas
  • Publicação de conteúdos por especialistas
  • Geração de relatórios

🔒 Segurança

  • Autenticação baseada em JWT
  • Senhas criptografadas com BCrypt
  • Controle de acesso por perfil (RBAC)
  • Proteção de dados conforme LGPD

👥 Equipe

  • Áurea Letícia Carvalho Macedo
  • Luis Gustavo Luz de Deus Ramos
  • Samylle Rose de Brito Silva
  • Pedro Henrique de Carvalho Sousa
  • Viviany da Silva Araújo
  • Válber Carvalho Bezerra Policarpo

📚 Licença

Projeto acadêmico desenvolvido para a disciplina de Projeto e Desenvolvimento de Sistemas de Informação II.


🤖 Diabetica (IA) — jeito fácil para produção

Opção recomendada: Groq (sem servidor Python)

  1. Crie uma conta grátis em console.groq.com
  2. Gere uma API Key
  3. Na Vercel → Settings → Environment Variables → adicione:
    • GROQ_API_KEY = sua chave
  4. Faça Redeploy

Pronto. O chat funciona em produção sem subir o app.py.

Desenvolvimento local

# Terminal 1 — API Python (opcional, usa o modelo Diabetica real)
cd Diabetica && ./start.sh

# Terminal 2 — Next.js
npm run dev

Localmente, se o Python estiver rodando, ele tem prioridade. Se não estiver, usa GROQ_API_KEY se configurada.

Opção avançada: servidor Python na nuvem

Se quiser usar o modelo WaltonFuture/Diabetica-1.5B real em produção, publique a pasta Diabetica/ (Docker/Railway/Render) e configure:

VariávelValor
DIABETICA_API_URLhttps://SUA-URL/predict

Requisito: ~4 GB de RAM.

VivySilva/DiabetesCare

Sistema web mobile-first voltado ao acompanhamento de pessoas com diabetes, permitindo o registro de dados glicêmicos, geração de dashboards e relatórios clínicos, além de oferecer conteúdos educativos e um fórum de interação entre pacientes e profissionais da saúde.

TypeScript

0

79 commits

updated Jul 2, 2026

See the code

README

DiabetesCare

Plataforma web para monitoramento glicêmico e educação em saúde voltada para pacientes com diabetes, com foco em autonomia, organização de dados clínicos e acesso a informações confiáveis.


Sobre o Projeto

O DiabetesCare é uma aplicação desenvolvida para auxiliar pacientes no controle diário da glicemia, permitindo o registro estruturado de dados, visualização de informações e interação com profissionais da saúde.

A solução busca reduzir a distância entre o acompanhamento clínico e o cotidiano do paciente, promovendo melhor tomada de decisão e adesão ao tratamento.


Objetivos

  • Facilitar o registro de dados glicêmicos
  • Organizar informações clínicas de forma estruturada
  • Oferecer suporte educativo por especialistas
  • Melhorar a comunicação entre pacientes e profissionais
  • Gerar relatórios para acompanhamento médico

Arquitetura do Sistema

O sistema segue uma arquitetura cliente-servidor em três camadas (3-tier):

  • Frontend: React + TypeScript + Tailwind CSS
  • Backend: Node.js + TypeScript (API REST)
  • Banco de Dados: PostgreSQL (Supabase)
Frontend → Backend → Banco de Dados

Tecnologias Utilizadas

Frontend

  • React
  • TypeScript
  • Tailwind CSS

Backend

  • Node.js
  • Express
  • TypeScript

Banco de Dados

  • Supabase (PostgreSQL)

Segurança

  • JSON Web Tokens (JWT)
  • BCrypt
  • HTTPS

🔄 Funcionalidades (em desenvolvimento)

  • Cadastro e autenticação de usuários
  • Registro de glicemia
  • Dashboard com gráficos
  • Fórum de dúvidas
  • Publicação de conteúdos por especialistas
  • Geração de relatórios

🔒 Segurança

  • Autenticação baseada em JWT
  • Senhas criptografadas com BCrypt
  • Controle de acesso por perfil (RBAC)
  • Proteção de dados conforme LGPD

👥 Equipe

  • Áurea Letícia Carvalho Macedo
  • Luis Gustavo Luz de Deus Ramos
  • Samylle Rose de Brito Silva
  • Pedro Henrique de Carvalho Sousa
  • Viviany da Silva Araújo
  • Válber Carvalho Bezerra Policarpo

📚 Licença

Projeto acadêmico desenvolvido para a disciplina de Projeto e Desenvolvimento de Sistemas de Informação II.


🤖 Diabetica (IA) — jeito fácil para produção

Opção recomendada: Groq (sem servidor Python)

  1. Crie uma conta grátis em console.groq.com
  2. Gere uma API Key
  3. Na Vercel → Settings → Environment Variables → adicione:
    • GROQ_API_KEY = sua chave
  4. Faça Redeploy

Pronto. O chat funciona em produção sem subir o app.py.

Desenvolvimento local

# Terminal 1 — API Python (opcional, usa o modelo Diabetica real)
cd Diabetica && ./start.sh

# Terminal 2 — Next.js
npm run dev

Localmente, se o Python estiver rodando, ele tem prioridade. Se não estiver, usa GROQ_API_KEY se configurada.

Opção avançada: servidor Python na nuvem

Se quiser usar o modelo WaltonFuture/Diabetica-1.5B real em produção, publique a pasta Diabetica/ (Docker/Railway/Render) e configure:

VariávelValor
DIABETICA_API_URLhttps://SUA-URL/predict

Requisito: ~4 GB de RAM.