AVALIAÇÃO COGNITIVA NO ENVELHECIMENTO: FERRAMENTAS E ESCALAS PARA O DIAGNÓSTICO DE COMPROMETIMENTO
Bibliographic record
Abstract
A cognição abrange os processos mentais que nos permitem adquirir, processar e utilizar informações, sendo essencial para a autonomia do idoso. Com o envelhecimento populacional, a avaliação cognitiva se torna uma ferramenta fundamental para o rastreio de possíveis declínios. Para essa finalidade, diversos instrumentos são utilizados, sendo o Miniexame do Estado Mental (MEEM) um dos mais conhecidos e amplamente aplicados. Ele avalia diversas áreas, como orientação, atenção, cálculo, linguagem e memória. Outro instrumento de rastreio frequentemente empregado é o Teste de Desenho do Relógio, que, em sua simplicidade, consegue identificar alterações nas funções executivas e na capacidade visuoespacial. Além desses, o MOCA (Montreal Cognitive Assessment) se destaca por sua maior sensibilidade em detectar comprometimentos cognitivos leves. O rastreio precoce é crucial, pois a doença neurodegenerativa mais prevalente na população acima de 60 anos é a Doença de Alzheimer, uma condição que causa um declínio progressivo e irreversível da cognição. A detecção em estágios iniciais possibilita a implementação de intervenções farmacológicas e não farmacológicas que podem retardar a progressão dos sintomas, melhorando a qualidade de vida do paciente e de seus familiares.
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 | 0.009 | 0.032 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.005 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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".