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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».