Aplicação remota da Escala Motora Infantil de Alberta em bebês expostos ao SARS-Cov-2 na gestação
Bibliographic record
Abstract
Introdução: A infecção materna por SARS-CoV-2 pode prejudicar o desenvolvimento do cérebro fetal e levar a complicações de longo prazo1 . Estudos demonstraram que bebês expostos ao SARS-CoV-2 no período pré-natal podem apresentar, por volta dos 3-5 meses de idade, um repertório motor reduzido na avaliação de movimentos espontâneos em comparação com bebês não expostos, sugerindo um risco potencial para déficits no neurodesenvolvimento, indicando a necessidade de monitorar o desenvolvimento desses lactentes para permitir uma intervenção oportuna 2,3 .Uma das principais limitações para monitorar o comportamento motor de bebês expostos ao SARS-CoV-2 durante a pandemia de COVID-19 foi a necessidade de distanciamento social. Tornou-se necessário o uso de ferramentas que permitissem a avaliação individualizada do lactente à distância, o que foi possível por meio da telemedicina, um modelo alternativo de assistência a saúde que aumentou nos últimos anos para reduzir a transmissão da doença4 . No entanto, não há estudos que tenham avaliado o desempenho motor dessa população com a Alberta Infant Motor Scale (AIMS) via telemedicina. Objetivo: Verificar a confiabilidade da aplicação de telemedicina do AIMS em bebês expostos pré-natalmente ao COVID-19. Além disso, exploramos o desempenho motor desses bebês em relação a uma amostra normativa não exposta. Método: Trata-se de um estudo exploratório transversal com amostragem não probabilística. Os dados foram coletados no período entre abril de 2022 e fevereiro de 2023, correspondente à quarta e quinta ondas da pandemia de COVID-19. Foram incluídos 20 lactentes com idade média de 10,65 ± 1,01 meses, ambos os sexos, cujas mães testaram positivo para o vírus SARS-CoV-2 durante a gravidez. Para caracterização da amostra, foi aplicado aos pais uma ficha de informações clínicas e motoras. Para a avaliação AIMS, os pais foram orientados previamente à avaliação com um vídeo sobre o vestuário do bebê, posicionamento da câmera, ambiente adequado para a avaliação e manuseio permitido. Os lactentes foram avaliados com o AIMS em todas as posturas (prono, supino, sentado, em pé) por um fisioterapeuta de forma remota e síncrona, via videochamada. Três observadores independentes pontuaram as gravações para testar a confiabilidade intra e interavaliadores. Resultados: O coeficiente de correlação intraclasse (ICC) foi determinado com um modelo misto de dois fatores, mostrando confiabilidade interobservador de excelente a boa no escore total (ICC = 0,986) e nas posturas prono (ICC = 0,991), supino (ICC = 0,961 ), sentado (ICC = 0,973) e em pé (ICC = 0,865) e excelente confiabilidade intraavaliador em todas as posturas. A maioria das mães (60%) foi infectada no terceiro trimestre de gestação e 45% apresentou sintomas leves durante a infecção, o que representam um baixo fator de risco para problemas gestacionais e de desenvolvimento. Não houve diferenças entre o desempenho motor dos bebês expostos em comparação com a amostra normal não exposta. Conclusão: O uso de AIMS via videochamada com orientações em tempo real provou ser confiável para avaliar bebês expostos à infecção gestacional por SARS-CoV-2. A exposição não foi suficiente para afetar o desempenho motor dos bebês.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".