Consumo de macronutrientes e composição corporal em futebolistas
Notice bibliographique
Résumé
O desempenho atlético depende de vários fatores, nomeadamente a nutrição e a composição corporal dos atletas. Objetivos: Avaliar o consumo de macronutrientes e a composição corporal de futebolistas. Métodos: Estudo Observacional, Analítico e Transversal. Foram avaliados 72 futebolistas aos quais se aplicou um formulário que incluía um Questionário de Frequência Alimentar Semi-Quantitativo. A composição corporal foi avaliada através do método de bioimpedância elétrica. Para avaliação do consumo em macronutrientes recorreu-se ao estabelecido pela American Dietetic Association, Dietitians of Canada e American College of Sports Medicine. Resultados: Através da análise do perfil antropométrico e composição corporal, constatou-se que a maioria dos atletas eram normoponderais (92% género feminino e 77% género masculino). Verificou-se, ainda, que 56,1% dos indivíduos do género masculino e 60% do género feminino possuíam uma percentagem de massa gorda inferior ao recomendado, constatando-se o mesmo em relação à massa magra em 53,3% e 28,1% dos indivíduos do género feminino e masculino, respetivamente. O consumo energético médio encontra-se inferior ao recomendado (2091,1 ± 811 Kcal/dia, género feminino e 2535,6 ± 1025,9 Kcal/dia género masculino), tal como o consumo de glícidos (87,7% género masculino e 93,3% género feminino), encontrando-se diferenças estatisticamente significativas entre géneros (p-value = 0,033) ao nível de significância de 5%. Comparando o percentual da ingestão de proteína com as recomendações, todos os atletas possuíam uma ingestão diária de proteína dentro do recomendado. No que concerne ao consumo de lípidos, 73,3% dos indivíduos do género feminino e 35,1% do género masculino, revelaram um consumo excessivo. Verificou-se uma correlação estatisticamente significativa entre o consumo de glícidos e a massa magra (p-value = 0,005) e entre o consumo energético e o índice de massa corporal (p-value = 0,000) ao nível de significância de 1%. Conclusões: Os dados revelam a necessidade de aumentar a literacia nutricional neste publico alvo no sentido de otimizar a sua composição corporal e consumo alimentar.
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 | 0,015 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,005 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,009 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».