Intervenção fisioterapêutica na dor e no mapa termográfico de idosas submetidas í cirurgia de câncer de mama
Bibliographic record
Abstract
Introdução: O carcinoma mamário se desenvolve devido í divisão desordenada de células. A principal forma de tratamento é a cirurgia, sendo a dor um dos fatores decorrentes. Objetivos: Avaliar os efeitos da fisioterapia na dor e mapa termográfico de idosas submetidas í cirurgia de câncer de mama. Material e métodos: Estudo quantitativo, quase-experimental, realizado com 10 idosas submetidas í cirurgia. A avaliação foi feita antes e após a intervenção pelo questionário de dor McGill e a câmera termográfica Eletrophysics PV320T para a identificação da temperatura corporal na região torácica das pacientes. Utilizou-se para análise o teste Wilcoxon e a correlação de Spearman, com nível de significância de 0,05. Resultados: Houve redução da dor nos locais avaliados, com exceção da região axilar. Do questionário de dor McGill, a parte física caracterizou maior diminuição quando comparadas a avaliação inicial e final. No escore total, a diferença foi significante. Entre os momentos de avaliação, houve aumento significativo da temperatura da área operada e preservada. Houve correlação significativa entre o domínio avaliativo e temperatura na avaliação inicial. Conclusão: A fisioterapia diminuiu a dor e alterou o mapa termográfico das pacientes deste estudo.Palavras-chave: câncer de mama, fisioterapia, termografia.Â
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| 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".