A prevalência de perdas auditivas em crianças e adolescentes com câncer
Bibliographic record
Abstract
O tratamento do câncer infantil provoca diversos efeitos colaterais, como a ototoxicidade, que é capaz de lesar estruturas da orelha interna e pode levar à perda auditiva. OBJETIVO: Estimar a prevalência de perda auditiva em crianças e adolescentes com câncer, utilizando três classificações: American Speech-Language-Hearing Association (ASHA), Pediatric Oncology Group Toxicity (POGT) e Perda Auditiva Bilateral (PAB). Forma de Estudo: Transversal. MATERIAL E MÉTODO: Analisou-se 94 pacientes atendidos entre 2003 e 2004. Os indivíduos foram submetidos à inspeção visual do meato acústico externo e avaliação audiológica. Para caracterização da amostra utilizou-se a estatística descritiva e para a análise da concordância da perda auditiva nas três classificações foi utilizada a estatística Kappa. RESULTADOS: Houve prevalência de perda auditiva de 42,5% pela ASHA, 40,4% pela POGT e 12,8% pela PAB. A concordância para POGT e PAB, e para PAB e ASHA foi fraca (respectivamente, k=0,36 e k=0,33). A concordância entre ASHA e POGT foi quase perfeita (k=0,96). CONCLUSÕES: A perda de audição é um efeito colateral importante nos pacientes com câncer. A monitorização auditiva é fundamental, pois possibilita detecção precoce e revisão do tratamento. Recomenda-se adotar uma classificação que contemple perdas auditivas leves, como proposta pela ASHA.
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 | 0.001 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".