MétaCan
Menu
← Retour à la cohorte
Enregistrement W7084089241 · doi:10.56238/colessre2025-011

APLICAÇÃO DA REABILITAÇÃO COGNITIVA EM TERAPIA OCUPACIONAL PARA O TRATAMENTO DE DÉFICITS COGNITIVOS EM PACIENTES DE COVID LONGA

2025· book-chapter· pt· W7084089241 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typebook-chapter
Languept
DomaineComputer Science
ThématiqueGeochemistry and Geologic Mapping
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCognitionCoronavirus disease 2019 (COVID-19)Occupational therapyCognitive Assessment SystemSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakCognitive impairment

Résumé

récupéré en direct d'OpenAlex

Introdução: A COVID Longa é definida como a persistência de sinais e sintomas após quatro semanas de infecção por Sars-Cov-2. Estimativas apontam as desordens cognitivas dentre as principais sequelas. Objetivo: Avaliar a eficácia do uso de técnicas de reabilitação cognitiva por terapeutas ocupacionais no tratamento de queixas cognitivas em pacientes com COVID Longa. Método: Trata-se de um estudo de intervenção com delineamento préexperimental com análise quanti-qualitativa de dados com 12 participantes, que foram avaliados antes e após às intervenções por meio do Montreal Cognitive Assessment (MoCA) e da Medida Canadense de Desempenho Ocupacional (COPM), além de registrados em diários de campo feitos pelas pesquisadoras. Resultados: Houve melhora significativa no escore total do MoCA (p-valor 0.02) e do domínio específico de atenção (p-valor 0.00), em consonância com os dados do COPM, que apresentaram resultado estatístico significativo no desempenho (p-valor 0.002) e na satisfação (p-valor 0.003), bem como melhoras demonstradas pelos participantes e registrados nos diários. Considerações finais: Os resultados sugerem eficácia do tratamento cognitivo considerando o impacto nas atividades cotidianas significativas.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,044
Tête enseignante GPT0,287
Écart entre enseignants0,243 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGeochemistry and Geologic Mapping→Travaux en français237 207→