Desempenho motor de bebês prematuros atendidos em uma clínica de fisioterapia na região Oeste do Pará
Bibliographic record
Abstract
Os bebês prematuros possuem risco para atraso no desenvolvimento neuropsicomotor nos primeiros anos de vida, assim, torna-se importante a intervenção precoce nos primeiros meses de vida. O estudo tem como objetivo, determinar o desempenho motor de bebês prematuros, por meio da Alberta Infant Motor Scale (AIMS) acompanhados em uma clínica de fisioterapia no Oeste do Pará. Trata-se de um estudo observacional do tipo transversal, de natureza quantitativa e documental, no qual foram analisados 37 prontuários de bebês prematuros, de idade corrigida entre 0 – 18 meses, atendidos em um serviço de fisioterapia no período de junho de 2020 a outubro de 2023, que estiveram em acompanhamento fisioterapêutico semanal e foram avaliados pela AIMS. Nos resultados obtidos, constatou-se que os bebês prematuros atendidos, são em sua maioria prematuros tardios (89%), demonstrando pela AIMS evolução nos escores gerais, p-valor <0,001 relativos a admissão e alta, destacando a posição prono como a de maior performece motora, mostrando um desenvolvimento motor normal >25% na AIMS. Ressalta-se que a AIMS é uma ótima ferramenta de acompanhamento ao desempenho motor de bebês prematuros, visto que essa população apresentou uma evolução significativa nos scores totais e de cada posição observada durante o tratamento fisioterapêutico, evidenciado por meio do teste de Wilcoxon (p<0,05).
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 | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| 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".