Consumo de macronutrientes e composição corporal em futebolistas
Bibliographic record
Abstract
O desempenho atlético depende de vários fatores, nomeadamente a nutrição e a composição corporal dos atletas. Objetivos: Avaliar o consumo de macronutrientes e a composição corporal de futebolistas. Métodos: Estudo Observacional, Analítico e Transversal. Foram avaliados 72 futebolistas aos quais se aplicou um formulário que incluía um Questionário de Frequência Alimentar Semi-Quantitativo. A composição corporal foi avaliada através do método de bioimpedância elétrica. Para avaliação do consumo em macronutrientes recorreu-se ao estabelecido pela American Dietetic Association, Dietitians of Canada e American College of Sports Medicine. Resultados: Através da análise do perfil antropométrico e composição corporal, constatou-se que a maioria dos atletas eram normoponderais (92% género feminino e 77% género masculino). Verificou-se, ainda, que 56,1% dos indivíduos do género masculino e 60% do género feminino possuíam uma percentagem de massa gorda inferior ao recomendado, constatando-se o mesmo em relação à massa magra em 53,3% e 28,1% dos indivíduos do género feminino e masculino, respetivamente. O consumo energético médio encontra-se inferior ao recomendado (2091,1 ± 811 Kcal/dia, género feminino e 2535,6 ± 1025,9 Kcal/dia género masculino), tal como o consumo de glícidos (87,7% género masculino e 93,3% género feminino), encontrando-se diferenças estatisticamente significativas entre géneros (p-value = 0,033) ao nível de significância de 5%. Comparando o percentual da ingestão de proteína com as recomendações, todos os atletas possuíam uma ingestão diária de proteína dentro do recomendado. No que concerne ao consumo de lípidos, 73,3% dos indivíduos do género feminino e 35,1% do género masculino, revelaram um consumo excessivo. Verificou-se uma correlação estatisticamente significativa entre o consumo de glícidos e a massa magra (p-value = 0,005) e entre o consumo energético e o índice de massa corporal (p-value = 0,000) ao nível de significância de 1%. Conclusões: Os dados revelam a necessidade de aumentar a literacia nutricional neste publico alvo no sentido de otimizar a sua composição corporal e consumo alimentar.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.003 | 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 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".