Projeto de Intervenção para Melhoria do Desempenho Cognitivo em Doentes com Défice Cognitivo Ligeiro
Notice bibliographique
Résumé
INTRODUÇÃO: Em 2018, um estudo de investigação realizado numa Unidade de Saúde Familiar (USF) estimou uma prevalência de défice cognitivo ligeiro (DCL) de 29,1%, verificando-se uma associação entre o melhor desempenho no teste Montreal Cognitive Assessement (MoCA) com a leitura de jornais e livros e a realização de passatempos. O objetivo do projeto foi melhorar a capacidade cognitiva nos idosos com DCL através de atividades de treino cognitivo.MÉTODOS: Projeto de intervenção realizado numa USF com uma amostra de 20 idosos com DCL. Decorreram sessões presenciais de treino cognitivo e foram entregues cadernos de trabalhos de casa. Foi aplicado o MoCA versão portuguesa aos zero, três e seis meses para avaliação do desempenho cognitivo.RESULTADOS: No início do estudo, a pontuação mediana no MoCA foi 18,5. Após seis meses, registou-se uma pontuação mediana de 23. Verificou-se uma melhoria da pontuação global em todos os domínios cognitivos, com exceção da linguagem e da orientação.CONCLUSÃO: O objetivo foi atingido pela melhoria do desempenho cognitivo após seis meses de estudo. O treino cognitivo tem um potencial efeito benéfico na saúde da população idosa e requer materiais de simples elaboração e baixo custo que podem ser aplicados em lares de idosos e centros de dia através dos cuidadores.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».