APLICAÇÃO DA REABILITAÇÃO COGNITIVA EM TERAPIA OCUPACIONAL PARA O TRATAMENTO DE DÉFICITS COGNITIVOS EM PACIENTES DE COVID LONGA
Bibliographic record
Abstract
Introdução: A COVID Longa é definida como a persistência de sinais e sintomas após quatro semanas de infecção por Sars-Cov-2. Estimativas apontam as desordens cognitivas dentre as principais sequelas. Objetivo: Avaliar a eficácia do uso de técnicas de reabilitação cognitiva por terapeutas ocupacionais no tratamento de queixas cognitivas em pacientes com COVID Longa. Método: Trata-se de um estudo de intervenção com delineamento préexperimental com análise quanti-qualitativa de dados com 12 participantes, que foram avaliados antes e após às intervenções por meio do Montreal Cognitive Assessment (MoCA) e da Medida Canadense de Desempenho Ocupacional (COPM), além de registrados em diários de campo feitos pelas pesquisadoras. Resultados: Houve melhora significativa no escore total do MoCA (p-valor 0.02) e do domínio específico de atenção (p-valor 0.00), em consonância com os dados do COPM, que apresentaram resultado estatístico significativo no desempenho (p-valor 0.002) e na satisfação (p-valor 0.003), bem como melhoras demonstradas pelos participantes e registrados nos diários. Considerações finais: Os resultados sugerem eficácia do tratamento cognitivo considerando o impacto nas atividades cotidianas significativas.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| 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".