O efeito da quarentena Covid-19 na massa corporal de atletas de brazilian Jiu-jitsu
Bibliographic record
Abstract
Introdução: Esportes de combate como judô, kickboxing, boxe, luta livre, jiu-jitsu brasileiro, taekwondo e karatê são esportes em atletas que são agrupados por categorias de peso. Devido a quarentena COVID-19, atletas brasileiros permaneceram confinados em suas casas sob restrito isolamento obrigatório durante aproximadamente 4 meses. Essa situação culminou na inatividade física, que pode ser um fator relacionado ao desenvolvimento do ganho de massa corporal. O presente artigo teve como objetivo verificar o impacto das restrições da quarentena da COVID-19 no peso de praticantes e atletas de Jiu-Jitsu. Métodos: Trata-se de um estudo observacional com 162 atletas nacionais (67,7% homens), (38,38% faixas pretas), com 34,5 (6,8) anos de pratica no jiu-jitsu brasileiro. Eles respondem a um questionário sobre seu histórico de peso e impactos no ganho de massa corporal. A ANOVA de duas vias comparou os grupos de graduação e sexo. As correlações de Pearson indicaram uma associação entre a quarentena de COVID-19 e o ganho de massa corporal, com p ≤ 0,05. Resultados: Atletas de Jiu-Jitsu ganharam 4,27(4,44) kg durante a quarentena. Não houve impacto de sexo e graduação no tempo de quarentena sem treino (p=0,44 e p=0,23) ou ganho de massa corporal (p=0,63 e p=0,99). No entanto, existe uma correlação entre o ganho de massa corporal e o período sem treino durante a quarentena da COVID-19 (r=0,304, p≤0,001). Conclusão: A falta de atividade física impactou na massa corporal de todos os atletas de Jiu-Jitsu durante a quarentena da COVID-19, sem associação com sexo ou graduação.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.025 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.003 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.000 |
| Research integrity | 0.000 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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 teacher head, 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".