Detecção precoce de displasia de desenvolvimento da anca Revisão baseada na evidência
Bibliographic record
Abstract
Introdução: A Displasia de Desenvolvimento da Anca (DDA) é a patologia da anca mais frequente na criança. A detecção precoce da DDA é muito importante para evitar intervenções invasivas. As estratégias para o rastreio de DDA são ainda controversas. Objectivo: Efectuar uma revisão baseada na evidência sobre quando, a quem e como fazer a detecção precoce da DDA e qual o seguimento a efectuar perante os seus resultados. Metodologia: Foi realizada uma pesquisa na base de dados MEDLINE de: ensaios clínicos aleatorizados (randomized clinical trials - RCTs), meta-análises, estudos coorte e caso-controlo até Junho de 2005. Foram também revistas as recomendações de duas revisões sistemáticas: American Academy of Pediatrics e Canadian Task Force on Preventive Health Care. Aos artigos foram atribuídos níveis de evidência segundo a Strength of Recommendation Taxonomy. Foram incluídos no estudo 83 artigos. Resultados: São comparadas três estratégias para a detecção precoce de DDA: o exame clínico, a ultrassonografia (US) selectiva e a US universal. Apenas dois estudos RCTs foram realizados, não tendo sido detectadas diferenças estatisticamente significativas. Discussão: O exame clínico para a detecção de DDA deve ser feito a todos os recém-nascidos e durante a vigilância periódica infantil (recomendação B). Os factores de risco sexo feminino, história familiar positiva para DDA e apresentação pélvica ao nascimento devem ser considerados se os resultados do exame físico forem negativos ou duvidosos (recomendação A). Conclusões: Propõe-se um algoritmo de decisão, baseado na evidência. Mais estudos são necessários, nomeadamente mais RCTs que comparem a eficácia das três estratégias definidas.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.022 | 0.139 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.007 | 0.008 |
| Bibliometrics | 0.014 | 0.009 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.003 | 0.001 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".