Intervención fisioterapéutica en una niña con síndrome de Pfeiffer. Reporte de caso
Bibliographic record
Abstract
Introducción. El síndrome de Pfeiffer es un trastorno congénito autosómico dominante que afecta a 1 entre 100.000 nacidos vivos. El objetivo de este reporte de caso es describir la intervención fisioterapéutica en una niña con síndrome de Pfeiffer tipo 2, la cual se basó en el concepto del entrenamiento centrado en tareas específicas, el análisis de cambios en el control postural y la educación y empoderamiento a los padres. Presentación del caso. Niña que inició tratamiento de fisioterapia con una frecuencia de dos sesiones semanales, desde los 6 meses hasta los dos años, cuando logró deambular por ocho pasos consecutivos de manera independiente. A los 12 meses logró la sedestación independiente, a los 18 meses la niña se ubicó en el percentil 50 según la escala Alberta y a los 24 meses pudo dar ocho pasos seguidos sin asistencia y realizar alcances y manipulación bimanual con objetos modificados. Conclusión. El entrenamiento basado en tareas y el enfoque centrado en el paciente y su familia permitieron que una niña con síndrome de Pfeiffer tipo 2, con deficiencias en las funciones y estructuras corporales musculoesqueléticas y relacionadas con el movimiento, lograra deambular por 8 pasos de manera independiente a los dos años y se interesara por manipular y explorar su entorno inmediato. La intervención en fisioterapia puede beneficiar a los niños con síndrome de Pfeiffer o síndromes similares, que evolucionan con deficiencias en su neurodesarrollo, mejorando su calidad de vida.
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 | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".