USO DE APLICATIVO DE CELULAR COMO MÉTODO FISIOTERAPÊUTICO ADJUVANTE PARA EXERCÍCIOS PERINEAIS
Bibliographic record
Abstract
O Introdução: A fisioterapia dispõe de recursos que possibilitam a pacientes com disfunções uroginecológicas recuperarem ou melhorarem a consciência e função dos músculos do assoalho pélvico. Como todo tratamento fisioterapêutico, os benefícios do trabalho de fortalecimento dessa musculatura dependem da continuidade dos exercícios. Atualmente, recursos tecnológicos podem facilitar a continuidade de exercícios e serem úteis para educação em saúde. Objetivos: Desenvolver um aplicativo de celular para exercícios pélvicos e avaliar seu impacto na aderência ao tratamento fisioterapêutico domiciliar. Métodos: Foi desenvolvido um aplicativo de telefone celular para orientar as pacientes no treinamento muscular pélvico. O aplicativo envia notificações para lembrá-las de realizar os exercícios bem como orienta a execução destes. Foram selecionadas 14 mulheres que apresentaram capacidade de contração igual a 02 (de acordo com a escala de Oxford) e que realizaram treinamento muscular pélvico com biofeedback. Em seguida, elas foram divididas em dois grupos: Grupo Controle e Grupo Aplicativo de Celular, que recebeu o aplicativo instalado no próprio celular para lembrar e orientar a realização dos exercícios. Resultados: As mulheres do grupo aplicativo apresentaram manutenção da capacidade de força de contração, contração sustentada, resistência muscular e contrações rápidas. Elas relataram facilidade no uso do aplicativo e afirmaram que o alarme favoreceu a lembrança dos exercícios. Conclusão: As mulheres do grupo aplicativo aderiram ao seu uso e, ao avaliá-lo, identificaram ser de fácil manuseio, além de apresentarem manutenção das funções da musculatura do assoalho pélvico.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".