Effects of Physiotherapy and Occupational Therapy in A Case with Winchester Syndrome
Bibliographic record
Abstract
Amaç: Çalışmanın amacı, Winchester Sendromu olan bir vakada fizyoterapi ve ergoterapinin etkilerini araştırmaktır. Gereç ve yöntem: Bu raporda, Winchester Sendromu olan 13 yaşında bir erkek çocuğu ve uygulanan fizyoterapi ve ergoterapi yaklaşımları sunuldu. Kamakura’s El Kavramaları Değerlendirme Yöntemi ve Kanada Aktivite Performans Ölçeği, el becerileri ve günlük yaşam aktivitelerindeki performansı değerlendirmek için kullanıldı. Cümleleri yazma süresi ve el fonksiyonları Jebsen Taylor El Fonksiyon Testi ile değerlendirildi. İnce motor beceriler Bruininks-Oseretsky Motor Beceri Testi’nin ince motor beceri alt testi ile, günlük yaşam aktiviteleri çocuklar için Fonksiyonel Bağımsızlık Ölçeği (WeeFIM) ile ve yaşam kalitesi Çocuk Sağlık Değerlendirme Anketi (CHAQ) ile değerlendirildi. Olgunun eklem hareket açıklığı ve postür analizi yapıldı. Fiziksel fonksiyonları ve motor becerileri artırmaya yönelik fizyoterapi ve ergoterapi yaklaşımlarını içeren egzersiz ve aktivite çalışmaları planlandı, 6 ay boyunca düzenli olarak haftada 3 gün uygulandı. Sonuçlar: Olgunun eklem hareket açıklığı, günlük yaşam aktivitelerindeki bağımsızlığı, yaşam kalitesi ve aktivite katılımının tedavi sonrasında arttığı bulundu. Tartışma: Winchester sendromlu vakalarda fizyoterapi ve ergoterapi yaklaşımları önemli bir tedavi seçeneği olabileceği sonucuna varıldı
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 | 0.001 |
| 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".