ASSOCIAÇÃO ENTRE O GRAU DA LACERAÇÃO E DESCRITORES DO QUESTIONÁRIO MCGILL-BR NO PÓS-PARTO VAGINAL
Bibliographic record
Abstract
O parto natural, geralmente está associado a algum grau de trauma, seja por episiotomia ou laceração. As lacerações de 1º e 2º grau estão relacionadas a um menor número de complicações, enquanto que as de 3º e 4º grau, trás maior preocupação (SMITH et al., 2013). Quando há necessidade de suturar a região, complicações como, por exemplo, a ocorrência de dor pode ocorrer. (SWAIN et al., 2013). Além disso, quanto maior o número de lacerações e mais elevado o grau deste tipo de trauma a dor será expressa de forma mais severa (FRANCISCO et al., 2014).Algumas escalas foram criadas com esta finalidade, dentre as mesmas encontram-se: Escala Visual Analógica, Escala de Expressões Faciais, Escala numérica, a Escala de Dor Presente Intensidade (PPI) e o Questionário MC Gill (PIMENTA et al., 1979, BELEZA et al., 2012, BRINCAT et al., 2015, CARVALHO et al., 2012).O questionário MC GILL possui peculiaridades que o distingui das outras escalas, por que além da avaliação da intensidade da dor, possibilitar ao profissional avaliar as características dolorosas, pois o questionário também é composto por descritores que permite as mulheres encontrar palavras que descreve o que elas estão sentindo.Baseado no exposto, este estudo busca responder ao seguinte questionamento: há associação entre o grau de lacerações perineais e os descritores do Questionário Mc Gill citados por mulheres com dor perineal no pós-parto vaginal?Assim, o objetivo da pesquisa foi a verificar se existe associação estatisticamente significante entre o grau de laceração e os descritores do questionário McGill-Br.
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 | 0.012 | 0.063 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".