Efeito agudo do alongamento estático sobre o desempenho da velocidade de jogadores de futebol profissional
Bibliographic record
Abstract
O presente estudo investigou os efeitos de duas rotinas de alongamento estático de curta duração – 15 s e 30 s – sobre o desempenho do sprint de jogadores de futebol profissional. Vinte e cinco atletas, alocados aleatoriamente em dois grupos, foram submetidos ao teste de velocidade de 50 metros (TV50) em duas condições. Na condição CON, o TV50 foi determinado logo após uma rotina de aquecimento típica da prática do futebol. Na condição AE, além do aquecimento específico, o TV50 foi precedido por rotinas de alongamento estático com duração de 15 s (Gr15) ou 30 s (Gr30). O TV50 demonstrou alta confiabilidade com CCI de 0,960 (P = 0,000), erro técnico da medida de 0,10 s e 1,62 % e ausência de erro heterocedástico. Uma ANOVA com medidas repetidas não identificou interação grupo x teste, porém, encontrou aumentos significativos no TV50 de ambos os grupos (Gr15: ↑7,5 %, p = 0,000; Gr30: ↑6,8%, p = 0,000). Os resultados sugerem que rotinas de alongamento, mesmo de curta duração, realizadas antes de uma corrida de velocidade, promovem uma diminuição no desempenho. Sendo assim, da mesma maneira como nas tarefas nas quais a força/potência são variáveis determinantes do desempenho, o alongamento estático não deve preceder atividades em que a velocidade é uma das variáveis principais ao desempenho de excelência.Palavras-chave: exercícios de alongamento muscular, flexibilidade, potência, esportes
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".