FREQUÊNCIA DE LOMBALGIA EM CICLISTAS MOUNTAIN BIKE AMADORES
Bibliographic record
Abstract
Introducao: A utilizacao da bicicleta tem crescido bastante nos ultimos tempos para lazer, treinamento fisico, reabilitacao ou pratica esportiva. Porem, estudos relatam que se for utilizada de forma inadequada, pode desenvolver lesoes e sintomatologias osteomusculares dolorosas, como a lombalgia. Objetivo: Verificar a frequencia de dor lombar em ciclistas mountain bike (MTB) amadores. Metodologia: Foi realizado um estudo descritivo transversal com 12 ciclistas MTB amadores de ambos os sexos, com idade entre 14 a 50 anos. Estes assinaram o Termo de Consentimento Livre e Esclarecido e em seguida foram submetidos a um questionario para coleta de dados pessoais, e pelo questionario de dor de McGill, no qual incorpora uma escala de 78 descritores responsaveis por quantificar a dor, organizado em quatro categorias: sensorial, afetivo, avaliativo e miscelânea, sendo 20 subcategorias. A pontuacao maxima de dor e 78 e a pontuacao minima e 0, classificado como ausencia de dor. O estudo foi aprovado pelo Comite de Etica em Pesquisa do Centro Universitario de Patos de Minas sob o parecer 1.943.104. Resultados: Observou-se que 33% dos ciclistas apresentaram dor lombar, sendo todos do sexo masculino e com idade media de 24,8 anos e mediana de 25 anos. Destes, 25% iniciaram a pratica da modalidade entre 0 a 3 meses, 25% entre 3 a 12 meses e 50% entre 12 a 24 meses; 50% dos ciclistas relataram que a lombalgia iniciou apos comecarem a modalidade e os outros 50% antes da pratica do ciclismo. Considerando as 4 categorias do questionario de McGill, verificou-se uma frequencia de dor de 45% na categoria sensitiva, 22% na afetiva; 22% na avaliativa e 11% na categoria miscelânea; quanto ao somatorio dos escores dessas categorias, foi obtido 9 pontos para sensitivo, 5 pontos para afetivo, 3 pontos avaliativo e 1 ponto miscelânea. Conclusao: O estudo evidenciou uma frequencia baixa de lombalgia em ciclistas MTB amadores do sexo masculino, sendo que a categoria sensitiva e a mais frequente entre eles. Acredita-se que fatores como composicao corporal, aptidao fisica, equipamento inadequado, postura, flexibilidade, entre outros, podem justificar a presenca de dor, ficando evidentes a importância da prevencao e promocao da saude destes praticantes.
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) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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".