O efeito da quarentena Covid-19 na massa corporal de atletas de brazilian Jiu-jitsu
Notice bibliographique
Résumé
Introdução: Esportes de combate como judô, kickboxing, boxe, luta livre, jiu-jitsu brasileiro, taekwondo e karatê são esportes em atletas que são agrupados por categorias de peso. Devido a quarentena COVID-19, atletas brasileiros permaneceram confinados em suas casas sob restrito isolamento obrigatório durante aproximadamente 4 meses. Essa situação culminou na inatividade física, que pode ser um fator relacionado ao desenvolvimento do ganho de massa corporal. O presente artigo teve como objetivo verificar o impacto das restrições da quarentena da COVID-19 no peso de praticantes e atletas de Jiu-Jitsu. Métodos: Trata-se de um estudo observacional com 162 atletas nacionais (67,7% homens), (38,38% faixas pretas), com 34,5 (6,8) anos de pratica no jiu-jitsu brasileiro. Eles respondem a um questionário sobre seu histórico de peso e impactos no ganho de massa corporal. A ANOVA de duas vias comparou os grupos de graduação e sexo. As correlações de Pearson indicaram uma associação entre a quarentena de COVID-19 e o ganho de massa corporal, com p ≤ 0,05. Resultados: Atletas de Jiu-Jitsu ganharam 4,27(4,44) kg durante a quarentena. Não houve impacto de sexo e graduação no tempo de quarentena sem treino (p=0,44 e p=0,23) ou ganho de massa corporal (p=0,63 e p=0,99). No entanto, existe uma correlação entre o ganho de massa corporal e o período sem treino durante a quarentena da COVID-19 (r=0,304, p≤0,001). Conclusão: A falta de atividade física impactou na massa corporal de todos os atletas de Jiu-Jitsu durante a quarentena da COVID-19, sem associação com sexo ou graduação.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,025 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».