AVALIAÇÃO DA FUNÇÃO MOTORA GROSSA DE LACTENTES PRÉ-TERMO NOS PRIMEIROS ANOS DE VIDA ATRAVÉS DA ESCALA MOTORA INFANTIL DE ALBERTA
Bibliographic record
Abstract
Introdução: A prematuridade é um significativo problema de saúde pública, em razão da sua alta predominância e do impacto considerável na mortalidade e morbidade infantil. Os lactentes ao nascer apresentam imaturidade no sistema nervoso central, a qual pode repercutir em suas habilidades motoras, psicossociais e cognitivas em curto a longo prazo. Sendo assim, é de grande importância que possíveis atrasos sejam detectados para que seja iniciado o programa de estimulação de forma precoce. Objetivo: Avaliar a Escala Motora Infantil de Alberta como ferramenta de detecção de possíveis atrasos motores relacionados à habilidade motora grossa, em lactentes pré-termo nos primeiros anos de vida. Metodologia: Foi realizada uma revisão integrativa da literatura nas seguintes bases de dados: PUBMED, SCIELO, LILACS, Biblioteca Virtual em Saúde e Science Direct para a busca dos artigos, com os descritores “Desenvolvimento motor”, “Prematuridade”, “Desenvolvimento infantil” e “Escala motora infantil de Alberta”, no período de 2014 a 2024, disponíveis nos idiomas português, inglês e espanhol. Resultados: Foram captados 8 artigos para análise da avaliação da função motora grossa de lactentes pré-termo nos primeiros anos de vida avaliados pela Escala Motora Infantil de Alberta. Conclusão: De acordo com os resultados obtidos no presente estudo, demonstram que os lactentes prematuros apresentam desempenho motor inferior a lactentes a termo, e que a AIMS tem capacidade discriminante para a avaliação e detecção clínica desses lactentes.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 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".