Utilização da CIF em pacientes com sequelas de AVC
Bibliographic record
Abstract
Objetivo. O estudo consistiu em avaliar as funções e restrições de pacientes com sequela de AVC utilizando como ferramenta a CIF, incentivar seu uso e mostrar que pode permitir uma nova visão das condições de saúde. Método. Foram avaliados cinco pacientes de ambos os gêneros com quadro de hemiparesia, que se encontravam em atendimento fisioterapêutico na Clínica Escola de Fisioterapia da Universidade São Francisco (USF). Foram utilizadas ficha de avaliação neurológica, Escala de Qualidade de Vida Específica para AVE (EQVE-AVE) e a Canadian Occupational Performance Measure (COPM) para mensurar os aspectos referentes aos componentes da CIF. Resultados. Todos os pacientes apresentaram déficits de funcionalidade e restrições em suas Atividades de Vida Diária (AVD’s), todos de forma diferente devido aos fatores pessoais e ambientais, levando-os a um comprometimento psicossocial. Conclusão. A CIF é uma importante ferramenta que pode avaliar o paciente com AVC, pois observa o paciente de uma forma global (funcionalidade), sabendo que fatores pessoais e ambientais estão diretamente relacionados com a forma com que se apresenta na vida. Por ser uma ferramenta que tem visão ampla do paciente é importante para a prática clínica, pois oferece vários artifícios que melhoram a avaliação e auxilia na elaboração de um programa de tratamento individualizado.
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 | 0.003 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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".