Aggiornamento sulle stime di dispendio calorico per gli atleti: utilizzo della disponibilità di energia
Bibliographic record
Abstract
Introdução e objetivos: Atletas apresentam elevado gasto calórico diário, necessitando de maior ingestão de alimentos e, por vezes, de suplementos energéticos. As necessidades de energia de atletas são diretamente proporcionais ao tipo, frequência, intensidade e duração dos treinamentos. A dificuldade de cálculo do gasto energético durante as atividades físicas reside na solicitação energética ser mista, importando saber identificar em que condição é possível medir ou estimar o custo energético. Materiais e métodos: Foi realizado levantamento da literatura atual sobre as recomendações de energia para atletas, realizando uma comparação das recomendações brasileiras vigentes com a nova proposta norte-americana da Dietitians of Canada, da Academy of Nutrition and Dietetics e a American College of Sports Medicine. Resultados e discussão: Existem diversas equações para o cálculo de estimativa de energia, sendo as de Harris-Benedict e Dietary Reference Intake (DRI) mais utilizadas. Além disso, existem recomendações para aporte energético de atletas propostas pela Sociedade Brasileira de Medicina Esportiva. Recentemente, uma nova proposta consta das diretrizes norte-americanas, que utiliza como base a disponibilidade energética (DE), que é definida como a energia restante após o exercício para processos fisiológicos básicos. Para a DE, diferentemente das propostas anteriores, considera-se a massa livre de gordura (MLG) ou massa magra (MM), ao invés do peso corporal total, para quantificação de energia necessária para promover o equilíbrio de energia e saúde ótima de atletas. Conclusão: Esse novo conceito é útil para aprimorar e melhorar o desempenho de atletas ofertando calorias suficientes para a manutenção da massa muscular
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".