Η μακροχρόνια παρακολούθηση πρόωρων νεογνών νευροαναπτυξιακές δοκιμασίες
Bibliographic record
Abstract
Σε αυτή τη βιβλιογραφική έρευνα, στόχος είναι μέσα από την παρουσίαση των κεφαλαίων να αναδείξω τη μακροχρόνια παρακολούθηση που απαιτείται στα πρόωρα νεογνά που \nπαρουσιάζουν νευροαναπτυξιακές διαταραχές. Η πτυχιακή εργασία διαιρείται σε τέσσερα κεφάλαια. Στο πρώτο κεφάλαιο κατηγοριοποιούνται τα νεογνά που χρειάζονται μακροχρόνια \nπαρακολούθηση. Συγκεκριμένα, αναφέρονται οι ομάδες των νεογνών υψηλού κινδύνου και αναλύεται η ομάδα των πρόωρων νεογνών. Στη συνέχεια δίνεται ο ορισμός της προωρότητας. \nΣτο δεύτερο κεφάλαιο γίνεται αναφορά στις νευροαναπτυξιακές διαταραχές που εμφανίζονται λόγω της προωρότητας. Αναφέρεται στον ορισμό , τα αίτια που τις προκαλούν και στα είδη αυτών των διαταραχών. Επεξηγούνται οι ποιο σοβαρές νευροαναπτυξιακές διαταραχές στα νεογνά, που είναι η Εγκεφαλική Παράλυση, η Νοητική Υστέρηση και οι Νευροαισθητήριες διαταραχές (όρασης και ακοής). \nΣτο τρίτο κεφάλαιο της εργασίας περιγράφεται η παρακολούθηση των πρόωρων νεογνών με το πέρασμα των χρόνων με τη χρήση Νευροαναπτυξιακών Δοκιμασιών(τεστ). Αναλύονται δυο τρόποι παρακολούθησης η κλινική εξέταση και οι Κλίμακες ανίχνευσης \nνευροαναπτυξιακών διαταραχών. Δίνεται έμφαση στις πέντε πιο βασικές κλίμακες, το αναπτυξιακό τεστ του Ντένβερ, τις κλίμακες Griffiths, τη Δοκιμασία Alberta Infant Motor \n(AIMS), την Αναπτυξιακή Κλίμακα Bayley και τη Μέθοδο Dubowitz. Επίσης, επισημαίνεται ο ρόλος που παίζουν στην παρακολούθηση των νεογνών οι επαγγελματίες υγείας , η \nοικογένεια και η κοινωνία, τονίζοντας και τις υποχρεώσεις των αρχών απέναντι στα δικαιώματα των παιδιών με νευροαναπτυξιακά προβλήματα. Τέλος, το τέταρτο και τελευταίο κεφάλαιο, εστιάζει στις ομάδες που συμμετέχουν στην \nπαρακολούθηση των νεογνών, την οικογένεια και την εξειδικευμένη ομάδα παρακολούθησης
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 | 0.002 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.138 | 0.064 |
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".