UTILIZAÇÃO DA TOXINA BOTULÍNICA NO TRATAMENTO DE PACIENTES COM SEQUELAS DO ACIDENTE VASCULAR CEREBRAL – AVC
Bibliographic record
Abstract
Atualmente, o AVC é a principal causa de óbito no Brasil e apresenta um impacto significante na população, devido o seu acometimento e suas inúmeras sequelas. A toxina botulínica é utilizada no tratamento da perda total ou parcial dos movimentos, devido a espasticidade que é uma incapacidade a qual afeta diretamente o sistema nervoso central, podendo causar dor e deformidades. O objetivo do estudo foi identificar as evidências acerca do uso toxina botulínica perante a espasticidade muscular após ao Acidente Vascular Cerebral – AVC. O levantamento das pesquisas foram por meio uma revisão integrativa de literatura e objetivo descritivo. A busca foi realizada virtualmente no meses de setembro e outubro de 2023 nas bases de dados: Scientific Electronic Library Online (Scielo), PUBMED (National Library of Medicine), LiteraturaLatino-Americana e do Caribe em Ciências de Saúde (LILACS) e BDENF Assim como em livros e revistas que abordam sobre a temática. O estudo apresentou resultados com evidências do uso toxina botulínica perante a espasticidade muscular após ao Acidente Vascular Cerebral – AVC. Os quais apresentaram a importância do profissional de biomedicina para esse tipo de patologia e sua contribuição para recuperação desses pacientes.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".