ANÁLISE COMPARATIVA DO DESENVOLVIMENTO NEUROPSICOMOTOR ENTRE LACTENTES PRÉ-TERMOS E A TERMOS
Bibliographic record
Abstract
Objetivo: Comparar o desenvolvimento neuropsicomotor entre lactentes pré-termo e a termo, registradas em uma unidade de referência em Belém-PA; e investigar os riscos para as alterações do desenvolvimento infantil, assim como traçar o perfil socioeconômico das populações estudadas. Métodos: Trata-se de um estudo de caráter descritivo, transversal e quantitativo; realizado no setor de Estimulação Precoce de uma unidade de referência em Belém do Pará, no período de setembro a novembro de 2016, com uma amostra de 31 crianças sendo 20 pré-termo (idade corrigida) e 11 a termo, entre 2 e 18 meses. Foi utilizado o conteúdo da versão portuguesa da Alberta Infant Motor Scale (AIMS) como instrumento de avaliação, além de uma ficha de avaliação para coleta de dados das amostras e um questionário socioeconômico. Foi utilizado o software BioEstat versão 5.3® para análise descritiva dos dados e o Teste de Shapiro-Wilk para verificar a normalidade das variáveis, sendo o nível de rejeição da hipótese nula estabelecido em p=0,05 ou 5%. Resultados: De forma geral, as crianças prematuras (100%, n=20) apresentaram: score bruto da AIMS entre 3 e 20 (média entre 5 e 25%, com suspeita de atraso); além disso foi encontrada uma significância estatística em relação às posições supino e de pé, p=0,0008 e p=0,0154. Conclusão: A prematuridade exerce influência negativa sobre o desempenho motor, colocando o lactente pré-termo em desvantagem quando comparado ao lactente a termo.
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 | 0.002 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 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".