Tratamento neurocirúrgico da contusão encefálica: evolução das técnicas e impacto na neuroplasticidade pós-trauma
Bibliographic record
Abstract
A contusão encefálica é uma forma comum e grave de lesão cerebral traumática (LCT), frequentemente associada a disfunções neurológicas persistentes. O manejo cirúrgico tem passado por importantes transformações ao longo das últimas décadas, com o avanço das técnicas minimamente invasivas e da monitorização multimodal. Este artigo tem como objetivo realizar uma revisão sistemática da literatura sobre o tratamento neurocirúrgico da contusão encefálica, destacando a evolução dos métodos terapêuticos e seu impacto sobre a neuroplasticidade pós-trauma. A pesquisa foi conduzida nas bases de dados SciELO, LILACS e BVS, selecionando artigos brasileiros publicados nos últimos 15 anos. Os resultados indicam que intervenções precoces, aliadas a estratégias cirúrgicas menos agressivas e à integração com terapias de reabilitação, favorecem a recuperação funcional do tecido cerebral, promovendo melhor reorganização sináptica. A compreensão da neuroplasticidade como processo dinâmico influenciado por intervenções cirúrgicas adequadas pode redefinir paradigmas no tratamento da LCT.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| 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".