Estudo sistemático das características clínicas da lesão do nervo ulnar
Bibliographic record
Abstract
Introdução: as lesões do nervo ulnar são encontradas na maioria dos casos, onde o nervo passa posterior ao epicôndilo medial do úmero. A lesão do nervo ulnar pode apresentar perda motora e sensitiva da mão, apresentando sinal clínico característico, conhecido como mão em garra. A clínica destes pacientes é composta por: dormência e formigamento (parestesia) na parte medial da palma da mão, dedo mínimo e metade medial do dedo anular. Diante disso, este estudo tem como objetivo realizar um estudo sistemático das características clínicas do paciente com lesão do nervo ulnar. Materiais e métodos: nos meses de janeiro e fevereiro de 2020, utilizando as seguintes bases de dados: SciELO, Pubmed, Google Acadêmico. Foram selecionados alguns artigos com os descritores: lesão, compressão, nervo ulnar. Resultados: Grande parte das lesões nervosas do membro superior afetam o nervo ulnar, assim essas lesões podem ser geradas por alguns fatores: posição viciosa, compressão do nervo ulnar, lesão traumática por algum movimento repetitivo, fraturas fechadas e expostas. Em alguns casos os sintomas iniciais são parestesia do 5º dedo, hipoestesia no território do nervo cubital, falta de força na mão e/ou dedos, dor na mão e/ou antebraço, dor no cotovelo e caracteristicamente a “mão em garra cubital. Em relação às fraturas ósseas, que repercutem direta ou indiretamente no nervo ulnar, as principais fraturas são: supracondilares; fraturas fechadas do antebraço; "cotovelo flutuante" se refere a fratura de um ou ambos os ossos do antebraço, associada à fratura de úmero ipsilateral; fraturas do colo do quinto metacarpo. Estas fraturas, o grande problema são seus modos de tratamento que por redução ou utilização dos fios de fios de Kirschner, que por conta do pino pode ocorrer paralisia do nervo ulnar por iatrogenia. Conclusão: diante dos dados analisados, o prognóstico dos pacientes acometidos pode acarretar em perda da qualidade 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 | 0.005 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.009 | 0.014 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.003 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".