A ESPIROMETRIA DE INCETIVO NO DESEMPENHO DE ATLETAS
Bibliographic record
Abstract
Objetivo: O objetivo desta pesquisa foi mostrar como a Fisioterapia Desportiva Preventiva associada a recursos da Fisioterapia Respiratória tem a capacidade de aumentar o rendimento técnico, físico e ainda diminuir o risco de lesões em atletas.Metodologia: Para a elaboração deste trabalho foi realizado a coleta de dados por meio da revisão de literatura.Foram utilizados instrumentos de pesquisa bancos de dados virtuais como Google Acadêmico, Scielo, Lilacs, PEdro.O referencial literário aqui descrito foi pesquisado através artigos científicos em português e em inglês, buscadores on-line, revistas cientificas e obras bibliográficas relacionadas ao assunto.A Espirometria de Incentivo no Desempenho de Atletas: O espirômetro de incentivo (EI) é um recurso que promove altos volumes pulmonares e sustenta inspirações máximas levando ao aumento do volume corrente, do tempo inspiratório e do fluxo inspiratório que assegura a estabilidade alveolar.Existem diferentes tipos de aparelhos que são volume ou fluxo-dependente.O espirômetro pode ser utilizado tanto na fisioterapia respiratória quanto na esportiva com o intuito de auxiliar na melhora da função pulmonar durante competições e exercícios intensos.Conclusão: Tendo em vista essa problemática, torna-se necessário que haja mais pesquisas acerca do Treinamento Muscular Inspiratório, e que sejam produzidas e propagadas nacionalmente pelos fisioterapeutas para que cada vez mais pessoas (atletas profissionais ou não) possam se beneficiar vastamente do treinamento muscular inspiratório durante o processo de preparação física ou até mesmo reabilitacional, oportunizando lhe mais desempenho à sua prática desportiva.
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 | 0.004 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.002 |
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".