Relação entre alterações posturais e lesões osteomioarticulares em jogadores de futsal
Bibliographic record
Abstract
O futsal é considerado um esporte em ascensão, praticado no mundo todo por milhares de pessoas. Os atletas sofrem com o excesso de jogos e treinos e, a exigência é cada vez maior no seu desempenho, fazendo com que trabalhem perto dos limites máximos de exaustão, aumentando a pré-disposição às lesões. O objetivo do trabalho foi investigar se as alterações posturais nos jogadores irão ocasionar maiores índices de lesões durante suas atividades. Foram avaliados 17 atletas com média de idade 27 anos (± 6,21), o número de lesões foi levantado através do prontuário fisioterapêutico e avaliação postural por um protocolo elaborado pelos pesquisadores. Os resultados mostraram que de acordo com a classificação utilizada, as lesões mais encontradas foram as distensões musculares (50%) e as tendinites (22,2%). As alterações posturais mais encontradas foram cabeça protusa, hiperlordose lombar, anteversão da pelve, joelho varo e pé abduzido. Houve diferença pouco significativa entre as alterações encontradas nos grupos lesionados e não lesionados, em todos os segmentos analisados, sendo que os do grupo B (não lesionado) estariam predispostos também a lesões osteomioarticulares, devido às constantes sobrecargas nas estruturas musculoesqueléticas sofridas durante o desporto. Portanto, conclui-se que existe relação entre alterações posturais e as lesões dos atletas.Palavras-chave: futsal, lesões, alterações posturais.Â
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
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".