Estudo da estimulação elétrica nervosa transcutânea (TENS) nível sensório para efeito de analgesia em pacientes com osteoartrose de joelho
Bibliographic record
Abstract
DEDICATÓRIAS A minha esposa Kátia, a companheira presente.Nesta fase da minha vida soube sempre estimular nos momentos mais difíceis.Reafirmo a você meu amor e união.Aos meus filhos Catharina, Ricardo e Sophia.Vocês meus filhos são meu sorriso a cada ida e vinda.Ao ver o trabalho concluído estou feliz e desejo muita felicidade a minha família, vejo o quanto vocês são significativos para mim.A minha mãe Ires Balen Morgan, um exemplo de esforço e dedicação à família, sempre disposta a ajudar em qualquer momento e circunstância.Essa dissertação é mais uma afirmação do amor materno.Ao meu pai Nelson José Morgan, que na sua simplicidade procurou ensinar os valores morais e de caráter que um homem digno deve ter.Um homem muito atencioso com a família.Também a minhas irmãs, que este esforço sirva de exemplo em suas carreiras, lutem por suas aspirações.v AGRADECIMENTOS Agradeço ao Prof. Dr. Franklin Santana Santos.Sua orientação sempre atenciosa com as questões referentes ao projeto desta dissertação, com carinho e dedicação necessários, refletindo o conhecimento que possui.É motivo de orgulho e agradecimento pela oportunidade.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| 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".