Treino Cognitivo de idosos diagnosticados com a doença de Alzheimer a partir do uso de um aplicativo móvel
Bibliographic record
Abstract
Introdução. O presente estudo aponta o uso de jogos como um possível recurso terapêutico na estimulação dos componentes de memória e lógica de pessoas idosas com demência. Objetivo. Analisar a utilização de um aplicativo móvel para o treino cognitivo de pessoas idosas diagnosticadas com a Doença de Alzheimer (DA) no Município de Belém. Método. Trata-se de um estudo descritivo com abordagem quantitativa. Foram realizadas 10 sessões de treino cognitivo com 6 pessoas idosas. O Montreal Cognitive Assessment Basic foi usado para a triagem cognitiva e o Clinical Dementia Rating para a classificação clínica da demência, ambos foram aplicados antes e depois do treino cognitivo. Os dados foram analisados a partir de estatística descritiva com representação em média e desvio padrão. Resultados. A média de idade dos participantes foi de 80±5,5 anos de idade e média de 2±1,7 anos de diagnóstico, com prevalência de mulheres e a maioria possui o ensino fundamental incompleto. Na avaliação cognitiva inicial, o aspecto de orientação foi o melhor pontuado e na reavaliação, notou-se o aumento na pontuação para orientação, abstração e nomeação. Conclusão. A aplicação de jogos pode ser uma alternativa para o treino cognitivo de pessoas idosas com a DA. Deste modo, observa-se a necessidade da realização de outros estudos com uma amostra maior, a fim de compreender a efetividade do recurso para a estimulação cognitiva dessa população específica.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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".