AVALIAÇÃO DA ACURÁCIA DA ESCALA MOTORA INFANTIL DE ALBERTA (AIMS) NO DESENVOLVIMENTO MOTOR E ACOMPANHAMENTO DE PREMATUROS: REVISÃO INTEGRATIVA DE LITERATURA
Bibliographic record
Abstract
RESUMO Introdução: A prematuridade, refere-se ao período em que o nascimento ocorre antes das 37 semanas de gestação e acompanha uma condição de imaturidade que eleva as taxas de implicações motoras e neurológicas nessas crianças. Diante disso, é necessário um acompanhamento do desenvolvimento específico para esta população, colocando em xeque a utilização da escala Alberta Infant Motor Scale (AIMS) na triagem desses pacientes. Com isso, o presente estudo buscou avaliar a acurácia do uso escala motora infantil de Alberta na identificação de atrasos neuromotores e seguimento de prematuros, por meio da realização de uma revisão integrativa da literatura. Metodologia: Foram realizadas buscas eletrônicas em português, inglês e espanhol, no período de outubro de 2021, nas bases de dados: PUBMED, SCIELO e LILACS. A estratégia de busca incluiu a combinação e uso das seguintes palavras-chave: Alberta Infant Motor Scale, motor development, preterm. Os critérios de inclusão foram: responder à pergunta alvo, método e tipo de estudo, artigos relacionados aos descritores selecionados, textos completos gratuitos publicados nos idiomas inglês, português e espanhol nos últimos 5 anos (2017-2022). Os critérios de exclusão foram: publicações que não condiziam com os critérios de inclusão já citados, os artigos de dupla publicação. Resultados e discussão: Foram identificados 33 artigos dos quais 5 foram incluídos para a apresentação do presente estudo. Durante a discussão, elencou- se pontos sobre a validação da AIMS, sua sensibilidade na avaliação de prematuros, fatores determinantes da avaliação e intervenções. Conclusão: Concluiu-se que a AIMS apresenta boa sensibilidade para identificação e acompanhamento de atrasos no desenvolvimento neuromotor de pré-termos, mas, é notória a necessidade de estudos voltados para adaptação das curvas de percentis da escala de acordo com a população na qual esta será efetuada e essencial a minimização de fatores que possam influenciar nos resultados obtidos durante a utilização da AIMS.
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 | 0.008 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.008 | 0.009 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".