Influência de determinantes socioeconômicos no desenvolvimento motor de lactentes acompanhados por programa de follow-up em Manaus, Amazonas
Bibliographic record
Abstract
RESUMO O desenvolvimento infantil é um processo gradual e contínuo dividido em estágios para fins teóricos. Os fatores intrínsecos e extrínsecos podem influenciar de modo positivo ou negativo na evolução do lactente. O objetivo foi avaliar a influência do ensino superior materno e da renda familiar no Desenvolvimento Motor (DM) de lactentes. Estudo transversal, que avaliou 106 crianças, oriundas do programa de follow-up de uma maternidade de referência no Amazonas. Foram aplicados dois questionários (roteiro de anamnese e perfil socioeconômico); e, em seguida, Escala Motora Infantil de Alberta para avaliar o DM desses lactentes. Para a análise estatística, foram utilizados dados descritivos e teste Qui-quadrado e Exato de Fischer, com p ≤ 0,05. O maior grau de escolaridade materna estava relacionada com a tipicidade do DM (71,4%, com p = 0,04), em contrapartida, uma menor renda familiar, apesar de ter apresentado maior percentual em crianças atípicas (51,9%), não demonstrou uma relação significativa com a atipicidade do DM. Foi observado que, na amostra, a escolaridade materna possuiu maior impacto para o adequado DM quando comparado à renda familiar. Tal fato parece estar relacionado com o maior grau de instrução materna, o qual implica o melhor assistencialismo infantil ante cuidados gerais e estimulações.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".