Bibliographic record
Abstract
A Esclerose Lateral Amiotrófica (ELA) é uma doença neurodegenerativa idiopática e progressiva do sistema motor. Apresenta-se de diferentes formas clínicas, com características multissistêmicas, notadamente na perda das funções motoras, fala, deglutição, função respiratória e independência funcional, com impacto na qualidade de vida dos doentes e seus cuidadores. A dor é sintoma frequente e de tratamento difícil. A atuação da fisioterapia vem aumentando no tratamento da dor na ELA, principalmente em programas de atividade motora sem, entretanto, protocolos específicos. O objetivo deste estudo é demonstrar a presença de dor na evolução da ELA, com o uso da escala MCGILL QUESTIONARY PAIN (MQP) em portadores registrados na Unidade ELA do Hospital das Clínicas da Faculdade de Medicina da Universidade de São Paulo. A presença de dor foi detectada nos seis sujeitos que participaram da pesquisa, em pelo menos uma das visitas ao longo de seis meses de acompanhamento. Entretanto, devido à baixa aderência dos doentes pesquisados por fatores relacionados à alta morbidade da doença em si, associado à crise social imposta pela pandemia do COVID-19, o número amostral não permitiu a obtenção de maior detalhamento das características quantitativas e qualitativas da dor, tampouco a sua relação com a evolução da doença. Dadas as características da ELA, estudos multicêntricos com cortes expandidas são necessários para o aprofundamento no entendimento da dor na ELA
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 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".