Efeito do ciclo menstrual no desempenho em exercício físico: uma revisão rápida da literatura
Bibliographic record
Abstract
Introdução: A variação dos hormônios ovarianos durante a menstruação pode impactar no desempenho físico em mulheres com ciclo regular, entretanto, a literatura não apresenta consenso nessa hipótese. Objetivo: verificar o efeito do ciclo menstrual no desempenho no exercício utilizando como método para síntese de evidências a revisão rápida da literatura. Materiais e Métodos: o critério de busca dos artigos seguiu o modelo PICO, e as recomendações de seleção dos artigos seguiu o PRISMA adaptado para revisões rápidas. A busca foi feita na base de dados PUBMED com as combinações “menstrual cycle”, “physical activity”, “performance”, “exercise”, “sports”, no período de agosto de 2019. Resultados: Quatorze artigos foram selecionados para inclusão na revisão. Cinco artigos apresentaram efeito do ciclo menstrual no desempenho em exercícios de força máxima e potência com características de alta intensidade e curta duração. Maior desempenho foi encontrado na fase com maior concentração dos hormônios ovarianos (ex: estrogênio e luteinizante) como a fase folicular vs luteal. Nove artigos não demonstram nenhum efeito do ciclo menstrual no desempenho físico. Conclusão: as fases do ciclo menstrual parecem não impactar o desempenho físico de mulheres de forma que permita uma generalização dos achados. Há indicativos de que maior concentração de hormônios ovarianos tende a impactar positivamente no desempenho físico de mulheres fisicamente ativas, em exercícios de força e potência. Entretanto, a generalização desses resultados deve ser interpretada com cautela e profissionais de educação física devem analisar de forma individualizada o efeito do ciclo menstrual sobre suas atletas/clientes/pacientes.
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 | 0.016 | 0.058 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.004 |
| Bibliometrics | 0.009 | 0.008 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".