Relato Familiar da Motricidade Grossa: Refinamento e avaliação das propriedades psicométricas
Bibliographic record
Abstract
Resumo Objetivo Refinar o Relato Familiar da Motricidade Grossa (GM‐FR) utilizando a contribuição dos pais e avaliar as suas propriedades psicométricas. Método Neste estudo metodológico, 12 pais de crianças e adolescentes com paralisia cerebral (PC), com idade entre 2 e 18 anos, classificados em todos os níveis do Sistema de Classificação da Função Motora Grossa (GMFCS), foram entrevistados sobre sua experiência na conclusão do GM‐FR (validade de conteúdo). O feedback dos pais foi usado para refinar o instrumento que foi então preenchida por 146 famílias para avaliar a consistência interna, e a validade discriminativa e concorrente. 46 pais completaram o GM‐FR novamente, 7 a 30 dias depois, para avaliar a confiabilidade teste‐reteste. Resultados A pontuação do GM‐FR, as imagens, as descrições e o número total de itens foram revisados com base no feedback dos pais. O GM‐FR versão 2.0 demonstrou alta consistência interna (α de Cronbach = 0,99), ausência de efeitos piso/teto e excelente confiabilidade teste‐reteste (coeficiente de correlação intraclasse = 0,99). Os escores do GM‐FR discriminaram entre os níveis do GMFCS (p < 0,05) e foram fortemente correlacionados negativamente com o nível do GMFCS (r = −0,92; p < 0,001). Os escores do GM‐FR correlacionaram‐se de forma positiva e forte com o Gross Motor Function Measure‐66 (r = 0,94; p < 0,001) e com o domínio de mobilidade do Pediatric Evaluation of Disability Inventory – Computer Adaptive Test (r = 0,93; p < 0,001). Interpretação A participação ativa das famílias no desenvolvimento do GM‐FR facilitou a criação de um instrumento amigável à família. Este estudo fornece fortes evidências de confiabilidade e validade para apoiar o uso do GM‐FR na prática clínica e em pesquisas para avaliar o desempenho motor grosso de crianças e adolescentes com PC.
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 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 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".