Performance motora de lactentes prematuros segundo a Alberta Infant Motor Scale: Uma revisão de literatura
Bibliographic record
Abstract
Introdução: Nos últimos anos um número expressivo de crianças prematuras vem nascendo no Brasil, associado a este dado estão as condições de risco; morbimortalidade neonatal ocorrendo antes do primeiro ano de vida. A importância em se pensar na assistência à saúde da criança prematura, durante os primeiros anos de vida é essencial, afim de minimizar riscos sociais, biológicos e consequente riscos para desenvolvimento infantil no qual o lactente prematuro está exposto, por isso a importância de mensurar o desenvolvimento motor de prematuros respeitando a idade gestacional corrigida. Analisar os estudos que utilizaram o instrumento de avaliação de triagem do desenvolvimento motor Alberta Infant Motor Scale (AIMS) em lactentes prematuros. Metodologia: Trata-se de um artigo do tipo revisão de literatura, no qual foram utilizadas as seguintes bases de dados: PubMed, SciELO, LILACS e Google Acadêmico, selecionando artigos publicados entre 2010-2021. Foram selecionados para construção do atual estudo 16 artigos, destes 10 foram escolhidos para construção do atual estudo, no qual emergiram dois eixos de discussão: As baixas condições socioeconômicas e atraso no desenvolvimento motor; e o tempo prolongado de internamento na UTIN e o desempenho motor. Conclusão: Os resultados evidenciaram que a Alberta Infant Motor Scale (AIMS)é considerado um instrumento de triagem do desenvolvimento motor grosso confiável para ser aplicados em bebês prematuros, sendo evidenciado também que as condições socioeconômicas bem como o tempo de internamento na UTIN são fatores de risco para o desenvolvimento motor infantil.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.013 | 0.018 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".