Desempenho funcional na Terapia por Contensão Induzida modificada em ambientes real e virtual em pessoas pós Acidente Vascular Encefálico
Bibliographic record
Abstract
O Acidente Vascular Encefálico (AVE) ocorre quando problemas na irrigação sanguínea do cérebro causam a morte celular, o que faz com que partes do cérebro deixem de funcionar, ocasionando disfunção do sistema motor e/ou cognitivo.A recuperação do dano funcional depende da plasticidade neuronal, ou seja, da capacidade de regeneração e reorganização neuronal.Dentre os recursos terapêuticos que podem auxiliar na restauração das funções afetadas destaca-se a Terapia de Contensão Induzida (TCI).A associação dessa técnica com a realidade virtual pode tornar-se uma nova abordagem na área da reabilitação.Objetivo: Analisar o desempenho funcional da terapia de contensão induzida em ambiente real e virtual em pessoas pós acidente vascular Cerebral.Método: A avaliação inicial foi composta pelos questionários: Moving Activity Log (MAL), escala Fugl-Meyer, Wolf Motor Function Test, Mini Exame do Estado Mental e Orpington.Todos os pacientes selecionados seguiram o protocolo da TCI, utilizando quatro Shaping (colocar blocos em cima da caixa; limpar a mesa; colocar palitos em uma garrafa; feijão e colher).Desta forma, 10 pessoas pós-AVE realizaram dois protocolos de intervenção.Ou seja, foram divididos em dois grupos de 5 participantes cada: um grupo realizarou 10 sessões de intervenção conforme proposta da TCI real e outro grupo realizarou 10 sessões por meio da terapia de realidade virtual (TCI virtual).Após esta intervenção, os grupos foram trocados (crossover).Ou seja, ambos os grupos realizaram mais 10 sessões de intervenção com troca de protocolo (participantes que realizaram intervenção na TCI real, inicialmente, agora realizaram na TCI virtual e vice versa).Os resultados permitirãam verificar se a TCI real e a utilização de tarefa virtual (TCI virtual) proporcionam melhoras funcionais para pessoas pós-acidente vascular encefálico.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| 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".