Impacto do treino cognitivo computadorizado em adultos com depressão moderada a grave: um estudo piloto
Bibliographic record
Abstract
As principais alterações cognitivaspresentes nas perturbações depressivasocorrem ao nível da memória, atenção e funções executivas. Vários estudos revelam que os défices cognitivos tendem a permanecer após a remissão de outros sintomas depressivos. Investigação recente tem sugerido que o treino cognitivo computadorizado (TCC) poderá ser uma opção de tratamento eficaz, pois as intervenções que utilizam a tecnologia parecem demonstrar mais benefícios na estimulação das funções cognitivas e qualidade de vida comparativamente a programas tradicionais.Este artigo apresenta um estudo piloto que avaliao impacto de umTCC com recurso ao COGWEB® em pacientes com depressão moderada a grave (n=20). Destina-se, assim, a avaliar o efeito do TCC no humor (severidade de sintomatologia depressiva) e num conjunto de funções cognitivas (atenção, memória e funcionamento executivo).Os pacientes foram divididos entre um grupo experimental, que realizou duas sessões de treino cognitivo por semana (total de 12 sessões), e um grupo de controlo, sem treino cognitivo. Ambos realizaram pré e pós teste (antese depois da intervenção), onde foram aplicados o Inventário de Depressão de Beck e uma bateria de testes neuropsicológicos (Montreal Cognitive Assessment, Trilhas A e B, Teste do Relógio, Teste de Stroop e Auditory Verbal Learning Test).Concluiu-se que os pacientes que realizaram o TCC apresentaram uma melhoria na sintomatologia depressiva e alterações positivas em todas funções cognitivas avaliadas, comparativamente ao grupo de pacientes que não foi submetido a este treino cognitivoeque, no pós-teste, apresentou piores resultados nos domínios cognitivos avaliados.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| 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".