Avaliação do desempenho motor de prematuros nos primeiros meses de vida na Escala Motora Infantil de Alberta (AIMS)
Bibliographic record
Abstract
OBJETIVOS: Avaliar o desempenho motor de neonatos prematuros pela Escala Motora Infantil de Alberta (AIMS) e verificar a influência do peso de nascimento nas aquisições motoras. MÉTODOS: Foi realizado estudo transversal associado à coorte prospectiva, envolvendo 44 recém-nascidos prematuros com idade gestacional entre 32 e 34 semanas, sem distúrbios neurológicos, selecionados na unidade de terapia intensiva neonatal do Hospital São Lucas da Pontifícia Universidade Católica do Rio Grande do Sul. Os neonatos incluídos foram estratificados de acordo com o peso de nascimento e avaliados pela escala AIMS na 40ª semana de idade concepcional, aos 4 e 8 meses de idade corrigida. RESULTADOS: Os prematuros estudados apresentaram seqüência progressiva de aparecimento de habilidades motoras em todas as posturas estudadas (prono, supino, sentado, em pé), a qual ocorreu de forma variável, expressa pelo percentil médio de 43,2 a 45,7%, mas dentro dos limites de normalidade previstos pela escala AIMS. Observou-se que houve um nítido aumento dos escores da AIMS ao longo dos três momentos de observação pós-natal. O ritmo de aumento nesses escores foi semelhante em ambos os grupos, independente do peso de nascimento (<1.750 g ou ³ 1.750 g). CONCLUSÕES: Na amostra estudada, o desempenho motor dos prematuros foi normal pela escala AIMS, assim como os escores da mesma não foram influenciados pelo peso de nascimento.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".