MétaCan
Menu
Retour à la cohorte
Enregistrement W4229048210 · doi:10.9771/cmbio.v21i1.43509

Follow-up do desenvolvimento motor de prematuros

2022· article· pt· W4229048210 sur OpenAlexaboutno aff
Fernanda Trubian, Milena Zimmermann, Caroline Cenci Sangali, Aline Dill Winck, V. de Souza, Raquel Saccani

Notice bibliographique

RevueRevista de Ciências Médicas e Biológicas · 2022
Typearticle
Languept
DomaineMedicine
ThématiqueInfant Development and Preterm Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineMotor activityHumanitiesInternal medicineArt

Résumé

récupéré en direct d'OpenAlex

Introdução: a avaliação e intervenção motora possibilitam minimizar os atrasos no desenvolvimento motor de crianças prematuras. Objetivo: o objetivo deste estudo foi avaliar o desenvolvimento motor de crianças prematuras, de 0 a 12 meses de idade corrigida, após intervenção baseada em orientações aos pais. Metodologia: a amostra foi composta por 43 bebês nascidos prematuros e para avaliação do desempenho motor foi utilizada a Alberta Infant Motor Scale (AIMS), além de dois questionários qualitativos para identificação e controle dos fatores de risco. Foi utilizada estatística descritiva e os testes de Wilcoxon e McNemar para analisar as mudanças ao longo do tempo (p < 0,05). Resultados: através do follow-up, após as orientações aos pais, o número de bebês que apresentavam desempenho motor abaixo do esperado foi reduzido. Os percentis obtidos no desempenho motor nos dois momentos avaliativos indicam que houve melhora ao longo do tempo (p = 0,05), assim como os dados referentes à categorização (p = 0,04). Conclusões: é importante o acompanhamento e identificação da influência dos fatores de risco sobre os bebês para que medidas interventivas possam ser implementadas precocemente, sendo o modelo baseado em orientações um método de baixo custo e de fácil aplicabilidade em serviços públicos de saúde.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,024
Tête enseignante GPT0,278
Écart entre enseignants0,254 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Ciências Médicas e BiológicasMême sujetInfant Development and Preterm CareTravaux en français237 207