MétaCan
Menu
Retour à la cohorte
Enregistrement W3207644371 · doi:10.22478/ufpb.2317-6032.2021v25n3.57466

[ID 57466] AVALIAÇÃO DO DESENVOLVIMENTO MOTOR DE CRIANÇAS NASCIDAS PREMATURAS: IMPACTO DE FATORES DE RISCO MATERNOS

2021· article· pt· W3207644371 sur OpenAlexaboutno aff
Fernanda Trubian, Mayra Nathu Lodi, Caroline Cenci Sangali, Laura de Moura Rodrigues, Raquel Saccani

Notice bibliographique

RevueRevista Brasileira de Ciências da Saúde · 2021
Typearticle
Languept
DomaineMedicine
ThématiqueInfant Development and Preterm Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyMedicineHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

Objetivo: Avaliar o impacto dos fatores de risco maternos sobre o desenvolvimento motor infantil de bebês nascidos prematuros, de 0 a 12 meses de idade corrigida. Metodologia: Participaram 74 bebês nascidos prematuros, cadastrados no Ambulatório do Centro Clínico da Universidade de Caxias do Sul. Para avaliação do desenvolvimento motor dos bebês foi utilizada a Alberta Infant Motor Scale, além de dois questionários para controle de variáveis referentes a fatores de risco biológicos e ambientais. Foi utilizada estatística descritiva e o teste Chi² de Pearson (p=0,05). Resultados: A categorização de desempenho geral da amostra indicou que 14,9% das crianças foram classificadas com atraso para o desenvolvimento motor e 29,7% com suspeita de atraso. Ao associar o desempenho motor com os fatores de risco maternos, destaca-se que as crianças que receberam aleitamento materno apresentaram melhor desempenho motor (Chi²=3,69; p=0,05), onde apenas 37,1% (n=13) da amostra estava abaixo do esperado. Também foi observada associação significativa entre o grau de escolaridade da mãe do bebê e o desempenho motor (Chi²=5,27; p=0,02). Conclusão: Os achados deste estudo indicam que os fatores maternos podem impactar o desenvolvimento motor de bebês nascidos prematuros. A partir dos resultados encontrados, reforça-se a importância da intervenção, que deve ser iniciada precocemente, a fim de reverter ou minimizar atrasos motores.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,025
Tête enseignante GPT0,300
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Brasileira de Ciências da SaúdeMême sujetInfant Development and Preterm CareTravaux en français237 207