A compreensão dos principais indicadores de desempenho (KPIs, na sigla em inglês) que influenciam os resultados das partidas no futebol profissional tem sido o foco de extensa pesquisa, visto que esses insights fornecem orientações valiosas para estratégias de treinamento e otimização de desempenho. Por exemplo, Harrop e Nevill (1) investigaram as diferenças de desempenho em partidas vencidas, empatadas ou perdidas por um time profissional da League One, revelando variações significativas nas métricas ofensivas, enquanto as variáveis ​​defensivas permaneceram em grande parte estáveis ​​entre os resultados. Notavelmente, as partidas perdidas envolveram um número maior de passes, mas a precisão dos passes foi menor nos empates em comparação com as vitórias e derrotas. Além disso, ocorreram mais passes no campo adversário durante as derrotas, enfatizando que, embora os times perdedores tentem mais passes, a qualidade e a eficácia dos passes, especialmente em zonas avançadas, são cruciais para alcançar resultados positivos (1). De forma semelhante, Kite e Nevill (2) conduziram uma análise de três temporadas de um time profissional da League One inglesa, examinando como os indicadores de desempenho técnico e tático se relacionavam com o sucesso da equipe, descobrindo que as partidas vencidas estavam associadas a menos passes, ressaltando, assim, que a qualidade e a eficácia dos passes são mais importantes do que a quantidade. Além disso, os chutes a gol surgiram como um importante indicador de sucesso, destacando a importância da precisão ofensiva (2).

Pesquisas têm demonstrado consistentemente que marcar o primeiro gol no futebol proporciona uma vantagem competitiva considerável em diversos torneios e níveis de jogo. Essa vantagem é evidente tanto em ligas nacionais quanto em competições internacionais. Equipes que marcam o primeiro gol tendem a ter taxas de vitória superiores a 60% (3,4,5,6,7,8,9). Por exemplo, uma análise de 1116 partidas da Superliga Chinesa de Futebol (2014–2018) mostrou que as equipes que marcaram o primeiro gol venceram 66,31% das partidas e permaneceram invictas em 87,01% (incluindo empates) (3). Da mesma forma, um estudo que examinou 504 partidas em três das principais ligas femininas europeias, Primera Iberdrola (Espanha), D1 Féminine (França) e Frauen-Bundesliga (Alemanha), encontrou altas taxas de vitória para equipes que marcaram o primeiro gol: 77,3% na Espanha, 94,0% na França e 95,0% na Alemanha (4). Essas taxas de sucesso excederam notavelmente as comumente observadas no futebol masculino (4).

Além disso, uma análise da temporada 2014–2015 em cinco das principais ligas europeias – a Premier League inglesa, a Ligue 1 francesa, a La Liga espanhola, a Série A italiana e a Bundesliga alemã – destacou uma vantagem significativa para as equipes que marcaram o primeiro gol. Essa vantagem foi mais pronunciada para os times da casa do que para os visitantes. Os resultados indicaram que os times da casa marcaram o primeiro gol em 57,8% das partidas e garantiram 84,85% dos pontos disponíveis nesses jogos, enquanto os times visitantes que marcaram o primeiro gol obtiveram apenas 76,25% dos pontos subsequentes (10). Essas descobertas foram corroboradas por investigações na Liga Grega de Futebol, que demonstraram diferenças significativas nos KPIs ofensivos e defensivos entre equipes com diferentes classificações finais. Especificamente, as equipes vencedoras apresentaram métricas superiores em gols marcados, chutes a gol, posse de bola, precisão de passes e recuperações defensivas (9,11). Esses resultados em nível nacional reforçaram as tendências mais amplas observadas internacionalmente, confirmando a importância consistente dos KPIs ofensivos e defensivos na determinação do sucesso. As análises de regressão enfatizaram ainda que os chutes à gol, os contra-ataques e a execução das bolas paradas foram preditores-chave dos resultados das partidas (11). Além disso, estudos sobre elementos táticos, como os cruzamentos, revelam que as tentativas bem-sucedidas se originam predominantemente de zonas específicas do campo. Isto destacou a dimensão espacial das estratégias ofensivas (12).

Além disso, Stafylidis et al. (8) examinaram o torneio UEFA Euro 2024, revelando que marcar o primeiro gol aumenta significativamente a probabilidade de um resultado positivo na partida. Não foram encontradas diferenças temporais significativas na distribuição de gols entre os tempos ou intervalos de 15 minutos. No entanto, métricas ofensivas como finalizações a gol e passes para o terço ofensivo foram fortes preditores positivos de vitória (8). Por outro lado, finalizações a gol fora da área e cruzamentos tentados previram negativamente o sucesso, destacando a importância da execução ofensiva precisa (8). O estudo de Martínez et al. (7) concluiu que marcar o primeiro gol tem importância substancial tanto no torneio UEFA Euro quanto na Copa do Mundo da FIFA. Historicamente, as décadas de 1930, 1950 e 1970 foram caracterizadas como períodos de maiores taxas de gols em todas as variáveis ​​examinadas (7). De forma geral, o efeito de marcar o primeiro gol nos resultados das partidas nas fases de qualificação e finais da Copa do Mundo da FIFA e da Eurocopa da UEFA foi de aproximadamente 78,46%, com uma taxa de sucesso de 77,77% para a Copa do Mundo da FIFA e 79,16% para a Eurocopa da UEFA. Além disso, pesquisas sobre a Copa do Mundo da FIFA de 2018 indicaram que 63% dos gols foram marcados no segundo tempo. A maioria deles ocorreu nos primeiros 15 minutos do segundo tempo e nos momentos finais das partidas (13). Um estudo relacionado sobre o Campeonato Português (2009–2015) relatou que 58% dos segundos gols ocorreram no segundo tempo. Também houve uma correlação significativa entre o momento do primeiro e do segundo gol. A análise de regressão de Cox revelou que, se o primeiro gol ocorresse no segundo tempo, a probabilidade de um segundo gol ser marcado triplicava (14). As análises temporais das partidas também mostraram que as equipes de melhor classificação tendem a marcar mais gols em fases específicas, particularmente no primeiro tempo e durante o intervalo de 15 a 30 minutos, sugerindo que a intensidade estratégica no início da partida pode ser crucial para o sucesso (15). No entanto, certas competições não mostraram diferenças estatisticamente significativas nas taxas de vitória com base no momento em que os gols são marcados durante as partidas (4).

Análises recentes têm consistentemente destacado o papel crítico da eficiência ofensiva, da posse de bola e da solidez defensiva na determinação do sucesso em campo (8,11,15). Por exemplo, uma análise de 1125 partidas da Liga dos Campeões da UEFA, de 2009/2010 a 2017/2018, revelou tendências evolutivas no desempenho técnico, com as métricas de passe e ataque aumentando em frequência e precisão, enquanto as variáveis ​​defensivas diminuíram ou permaneceram estáveis, indicando uma mudança estratégica para o controle do jogo por meio de passes mais precisos em vez de cruzamentos laterais (16). Da mesma forma, uma pesquisa que analisou 1291 jogadores das cinco principais ligas europeias na Liga dos Campeões encontrou diferenças técnicas significativas, com os jogadores da Bundesliga finalizando mais vezes e os jogadores da Série A apresentando menos toques na bola, passes e menor precisão de passe, mas compensando com uma maior frequência de lançamentos longos em comparação com os jogadores da La Liga, Premier League e Ligue 1 (17). Além disso, um estudo que utilizou dados de partidas da Premier League constatou que a eficácia média da pressão das equipes estava fortemente correlacionada com os chutes criados por pressão (positivamente) e com os chutes permitidos (negativamente), bem como com a pontuação na liga (18). Outro estudo identificou métricas defensivas importantes, particularmente cortes e defesas de goleiros, como diferenciadores significativos dos resultados das partidas. O aumento das ações defensivas de último recurso foi fortemente associado às equipes perdedoras, enquanto um maior sucesso nos desarmes correlacionou-se positivamente com as vitórias, ressaltando assim o papel crucial do desempenho defensivo na determinação do sucesso em uma partida de futebol (19). Durante a Copa do Mundo FIFA Qatar 2022, 33 dos 137 indicadores técnico-táticos significativos que diferenciavam as equipes classificadas das não classificadas foram identificados, com a eficiência ofensiva em bolas paradas, a altura da linha defensiva durante a fase ofensiva e a capacidade de reduzir o espaço de jogo disponível emergindo como os principais indicadores para a classificação das equipes (20).

Em relação aos passes, a progressão de passes no futebol é crucial para a criação de resultados positivos na posse de bola. Análises do futebol internacional constataram que passes progressivos do “Meio-campo Central para o Meio-espaço” e do “Meio-espaço Central para o Centro Final” proporcionam o melhor equilíbrio entre risco e recompensa (21). Além disso, uma pesquisa comparando equipes da primeira e da última divisão da Premier League em 266 partidas identificou diferenças significativas no desempenho técnico. As equipes da primeira divisão registraram mais chutes, chutes a gol, dribles bem-sucedidos e maiores taxas de acerto de passes. Em contrapartida, as equipes da última divisão produziram mais cortes, chutes bloqueados e desarmes no terço defensivo. Notavelmente, para as equipes da primeira divisão, cada duelo aéreo adicional vencido aumentou a probabilidade de vitória em 35% (22). Ademais, uma análise histórica da Série A, de 2000/01 a 2009/10, utilizando Análise Envoltória de Dados (DEA), revelou uma mudança de paradigma tático. Desde a temporada 2005/06, melhorias na eficiência ofensiva têm demonstrado gerar benefícios relativamente maiores do que as estratégias tradicionais focadas na defesa (23). De forma semelhante, um estudo longitudinal da La Liga espanhola ao longo de oito temporadas (2011–12 a 2018–19) identificou uma evolução tática significativa. O número de passes e a amplitude da equipa mantiveram-se estáveis, enquanto se verificou uma tendência decrescente nos remates, cruzamentos, cantos, distância total percorrida, comprimento da equipa e distância entre o guarda-redes e a defesa. Estas descobertas sugerem uma crescente priorização de estratégias defensivas em detrimento da ênfase ofensiva na La Liga (24).

Outro estudo abrangente, que analisou partidas do Campeonato da Primeira Divisão em 11 países europeus durante a temporada 2021–2022, desenvolveu uma estrutura que integra situações táticas como indicadores-chave de desempenho (KPIs). Os resultados revelaram que o jogo baseado na posse de bola, os contra-ataques durante as transições ofensivas e uma estratégia defensiva equilibrada, porém agressiva, aumentam significativamente as probabilidades de vitória. As equipes bem-sucedidas enfatizaram os ataques pelo centro, minimizaram os cruzamentos e executaram jogadas estratégicas que geraram tentativas de gol mesmo com posse de bola limitada (25). Além disso, um estudo recente investigou a eficácia dos chutes e as intervenções dos goleiros, analisando 15.266 chutes a gol em cinco das principais ligas europeias durante a temporada 2022/2023. O estudo identificou associações significativas entre o sucesso dos chutes e variáveis ​​como contexto da partida, zonas-alvo dentro do gol, localização no campo e chute. Esses fatores demonstraram influenciar substancialmente os resultados dos gols (26). Uma análise dos estilos de jogo em competições europeias identificou diferenças marcantes entre equipes que utilizam estilos de posse de bola amplos versus estreitos. A pressão defensiva sobre a bola emergiu como um diferencial chave entre essas abordagens (27). Além disso, pesquisas que empregaram técnicas de aprendizado de máquina no conjunto de dados da FIFA alcançaram uma precisão de previsão de posição de 99,84%. Usando a Eliminação Recursiva de Características, o estudo identificou as cinco principais características que influenciam a adequação posicional do jogador (28). A análise avançada de padrões baseada em redes neurais, integrada a métodos de frequência estatística orientados ao sucesso, aprimora a avaliação do desempenho tático. Essa abordagem ofereceu caminhos promissores para a compreensão da dinâmica do jogo além dos indicadores estáticos convencionais (29). Uma análise da Copa do Mundo da FIFA de 2014 no Brasil mostrou que as equipes vencedoras marcaram significativamente mais gols no geral e de áreas definidas. Elas também apresentaram maior precisão de chute e mais chutes a gol, além de receberem menos cartões amarelos em comparação com as equipes perdedoras. A regressão logística binária identificou a precisão de chute como o preditor mais forte do sucesso na partida (30). Por outro lado, os parâmetros de desempenho físico não mostraram diferenças significativas entre as equipes vencedoras e perdedoras. Isso destacou o papel dominante da eficiência técnica, particularmente na marcação de gols, na determinação do sucesso em nível de Copa do Mundo (30). Além disso, uma análise da UEFA Youth League de 2023–2024 revelou que a eficácia ofensiva foi maior quando as equipes estavam em vantagem, enfrentavam menos pressão inicial e iniciavam os ataques a partir de zonas defensivas ou pré-defensivas. Ações penetrantes precoces e pressão do adversário encurtaram a duração do ataque. Os contra-ataques foram observados com mais frequência quando as equipes estavam em vantagem (31).

Este estudo introduziu uma contribuição inédita para a literatura existente sobre análise de desempenho, oferecendo o primeiro exame aprofundado dos resultados das partidas e dos principais indicadores de desempenho no contexto específico da Copa do Mundo de Clubes da FIFA de 2025. Ao contrário de investigações anteriores, que se concentraram principalmente em ligas nacionais, torneios continentais ou competições internacionais de alto nível, a presente pesquisa examinou de forma singular um torneio intercontinental de clubes com equipes de elite de todas as confederações de futebol. Fundamentalmente, este foi o primeiro estudo analítico de um torneio da FIFA conduzido sob o formato recentemente adotado, que incluiu uma estrutura ampliada com jogos da fase de grupos e eliminatórias, marcando uma mudança estrutural significativa em relação às edições anteriores da competição. Inicialmente, o estudo comparou equipes vencedoras, empatadas e perdedoras, integrando padrões temporais de gols marcados com variáveis ​​de desempenho técnico, tático e físico, proporcionando assim uma visão multifacetada dos perfis de desempenho em diferentes resultados de partidas. Com base nessa abordagem comparativa, um segundo nível de análise envolveu o desenvolvimento de um modelo preditivo de sucesso na partida, utilizando indicadores selecionados, incluindo finalizações a gol, total de passes completos, recepções no terço final do campo, pressões defensivas e distância total percorrida. Notavelmente, a análise da curva ROC (Receiver Operating Characteristic), raramente aplicada em pesquisas anteriores sobre desempenho no futebol, foi empregada para avaliar a capacidade discriminativa desses indicadores. Esse avanço metodológico ampliou as análises técnicas e táticas anteriores, introduzindo um meio mais avançado e interpretável de identificar as variáveis ​​de desempenho mais influentes associadas aos resultados das partidas. Dessa forma, o estudo forneceu insights originais e específicos ao contexto sobre os determinantes do sucesso no futebol de clubes internacional de elite. Em resumo, o objetivo do presente estudo foi investigar o impacto de marcar o primeiro gol e realizar uma análise temporal da marcação de gols durante as partidas, além de examinar os principais indicadores de desempenho associados a diferentes resultados de partidas durante a fase de grupos da Copa do Mundo de Clubes da FIFA 2025. Especificamente, o estudo visou analisar métricas técnicas, táticas e físicas para determinar sua relação com vitórias, empates ou derrotas. Adicionalmente, buscou desenvolver um modelo preditivo para identificar os fatores mais significativos que influenciam o sucesso nas partidas, oferecendo, assim, implicações práticas para a otimização do desempenho no futebol de elite.

Amostra

Esta investigação focou nos dados de desempenho de 96 equipes que participaram em 48 jogos da fase de grupos do Mundial de Clubes da FIFA 2025. Os jogos das oitavas de final foram deliberadamente excluídos para evitar potenciais inconsistências decorrentes da ocorrência de prolongamento em algumas partidas, o que poderia comprometer a comparabilidade do conjunto de dados. O conjunto de dados compreendeu métricas de desempenho desses 48 jogos envolvendo 96 equipes, com um total de 96 resultados de jogos registrados devido a considerações contextuais adicionais. Os resultados dos jogos foram inicialmente categorizados em três grupos: derrota, empate e vitória. As frequências desses resultados foram 35 derrotas (36,5%), 26 empates (27,1%) e 35 vitórias (36,5%). Para a análise de regressão logística binária, os resultados dos jogos foram dicotomizados em não vitória (derrota ou empate, codificado como 0) versus vitória (codificado como 1). Dentro dessa classificação binária, 61 instâncias (63,5%) representaram resultados de não vitória e 35 instâncias (36,5%) representaram vitórias.

Procedimentos de Coleta e Análise de Dados

Os dados deste estudo foram compilados a partir dos registros estatísticos oficiais mantidos pelo Centro de Treinamento da FIFA (https://www.fifatrainingcentre.com, acessado de 15 de junho a 1º de julho de 2025). A coleta, organização e análise subsequente dos dados foram conduzidas por um dos autores, detentor de licença de treinador da UEFA e especialista em análise de desempenho no futebol, durante o período de 15 de junho a 1º de julho de 2025. Os indicadores de desempenho relacionados ao jogo ofensivo e defensivo disponíveis para todas as 48 partidas da fase de grupos e relatados de forma consistente por todas as equipes participantes foram incluídos na análise. Métricas relacionadas a ações específicas do goleiro foram excluídas, pois não foram registradas de forma uniforme e estavam além do escopo principal da avaliação de desempenho em nível de equipe. Além disso, as partidas da fase eliminatória foram deliberadamente excluídas, uma vez que a ocorrência de prorrogação em certos jogos poderia introduzir inconsistências estruturais e comprometer a confiabilidade das comparações entre os resultados das partidas. Antes da análise, todas as variáveis ​​foram inspecionadas quanto à integridade, consistência e presença de outliers. O conjunto de dados final estava completo, sem valores ausentes detectados. Investigações anteriores que utilizaram estatísticas oficiais da FIFA incluem estudos sobre as Copas do Mundo de 2010 e 2018 (32,33), bem como pesquisas recentes sobre torneios semelhantes (34). Estudos correspondentes também empregaram plataformas alternativas, como Whoscored e Kicker, para avaliar o desempenho das equipes em grandes competições, como demonstrado pelas análises da Copa do Mundo de 2018 (35) e da Eurocopa de 2012 (36).

As variáveis ​​selecionadas abrangem métricas técnicas e táticas. Termos-chave como construção de jogo sem oposição, definida como a progressão da equipe a partir do terço defensivo sem oposição direta, e quebras de linha, que se referem a passes ou avanços bem-sucedidos que ultrapassam a linha defensiva adversária, também são utilizados conforme definidos na taxonomia do Centro de Treinamento da FIFA.

Análise Estatística

Os dados foram analisados ​​e visualizados com o IBM SPSS Statistics (versão 29 para Windows) (37), Jamovi (versão 2.6.23.0 para Windows) (38) e JASP (versão 0.19.3.0 para Windows) (39). Estatísticas descritivas foram calculadas para todas as variáveis, incluindo médias, medianas, desvios padrão, intervalos interquartis e intervalos de confiança (IC) de 95%. Para examinar o impacto do primeiro gol nos resultados da partida e a distribuição temporal dos gols, foram realizados testes de qui-quadrado de aderência para comparar as frequências observadas com as proporções iguais esperadas. A normalidade da distribuição foi avaliada pelo teste de Shapiro-Wilk. As variáveis ​​que atenderam às premissas de normalidade foram analisadas com testes paramétricos, enquanto as variáveis ​​com distribuição não normal foram analisadas por métodos não paramétricos. Os tamanhos do efeito (ES) foram calculados de acordo com as diretrizes de Cohen (40), utilizando η² eta ao quadrado para dados paramétricos e ε² épsilon ao quadrado para dados não paramétricos. Os limiares para interpretar os tamanhos do efeito foram categorizados como pequenos (0,01–0,06), moderados (0,06–0,14) e grandes (>0,14). Uma Análise de Variância (ANOVA) de uma via foi realizada para examinar as diferenças na porcentagem de posse de bola e outras métricas de desempenho com distribuição normal entre os resultados das partidas, categorizados como derrota, empate e vitória. Quando efeitos significativos foram identificados, testes post hoc de Tukey foram aplicados para comparações aos pares. Para variáveis ​​que violaram as premissas de normalidade, testes de Kruskal-Wallis foram empregados para avaliar as diferenças entre os resultados das partidas. Resultados significativos de Kruskal-Wallis foram posteriormente explorados com comparações aos pares de Dwass-Steel-Critchlow-Fligner para identificar diferenças específicas entre os grupos.

Para determinar as variáveis ​​que influenciam significativamente os resultados das partidas, foi aplicada uma abordagem de modelagem linear generalizada, especificamente regressão logística, com a variável de resultado binária codificada como vitória versus empate ou derrota, em consonância com as metodologias empregadas em pesquisas anteriores (1,2,8,11). Análises de regressão logística binomial foram realizadas para modelar a probabilidade de sucesso da partida (vitória versus derrota) com base em variáveis-chave de desempenho. Nove modelos sucessivos (M0 a M9) foram construídos, incorporando progressivamente preditores para avaliar seus efeitos individuais e combinados na probabilidade de vitória. O ajuste do modelo foi avaliado por meio de mudanças na deviance, Critério de Informação de Akaike (AIC), Critério de Informação Bayesiano (BIC) e índices pseudo R² R-quadrado (McFadden, Nagelkerke, Tjur, Cox e Snell). A multicolinearidade foi avaliada utilizando-se a tolerância e os fatores de inflação da variância (VIF), sendo considerados aceitáveis ​​valores de VIF abaixo de 5. A capacidade discriminativa do modelo final de regressão logística foi examinada por meio da análise da curva ROC (Receiver Operating Characteristic), com a área sob a curva (AUC) indicando a acurácia preditiva. As métricas de classificação, incluindo acurácia, sensibilidade, especificidade, valor preditivo positivo (VPP) e valor preditivo negativo (VPN), foram calculadas no ponto de corte ideal determinado pelo Índice de Youden. Adicionalmente, análises suplementares da curva ROC para preditores individuais foram realizadas utilizando o módulo DiagROC do Jamovi (38,41,42,43,44,45,46), para avaliar ainda mais sua acurácia diagnóstica e estabelecer valores de limiar práticos para a discriminação do resultado da correspondência. A significância estatística foi definida em p ≤ 0,05 para todos os testes.

Impacto do primeiro gol no resultado da partida e análise temporal da marcação de gols

A distribuição dos efeitos do primeiro gol desviou-se significativamente da distribuição igual esperada (χ²(2) = 20,4, p < 0,001), com as equipes que marcaram o primeiro gol vencendo 62,5% das partidas, empatando 27,1% e perdendo apenas 10,4%, evidenciando a forte associação entre marcar o primeiro gol e o aumento da probabilidade de vitória (Figura 1). Em termos práticos, as equipes que marcaram o primeiro gol tiveram mais de seis vezes mais chances de vencer do que de perder, demonstrando seu impacto decisivo no resultado da partida.

---

Figura 1. Impacto do primeiro gol nos resultados das partidas da Copa do Mundo de Clubes da FIFA 2025 (* p < 0,05).
Goals: Gols; Lose: Derrota; Draw: Empate; Win: Vitória

---

Adicionalmente, analisou-se o momento dos gols durante a partida (Figura 2). Um teste de aderência comparando a proporção de gols marcados no primeiro (49,3%) versus segundo (50,7%) tempo não revelou diferença estatisticamente significativa (χ2(1) = 0,028, p = 0,868), indicando uma distribuição aproximadamente igual de gols entre os tempos.

---

Figura 2. Análise temporal da marcação de gols na Copa do Mundo de Clubes da FIFA 2025 (p > 0,05). (A) Distribuição dos gols marcados em intervalos de 15 minutos de tempo de jogo. (B) Comparação do total de gols marcados entre o primeiro e o segundo tempo das partidas.

---

Além disso, a marcação de gols em seis intervalos de 15 minutos foi examinada para determinar tendências temporais. Não foi encontrada diferença significativa na distribuição das frequências de gols observadas em relação às proporções iguais esperadas (χ2(5) = 11,0, p = 0,051). Os gols foram mais frequentes nos intervalos de 30 a 45 minutos (22,9%) e de 75 a 90 minutos (22,9%), sugerindo períodos potenciais de maior eficácia ofensiva perto do final de cada tempo.

Comparação dos indicadores de desempenho entre os resultados das partidas

Uma análise ANOVA de uma via foi conduzida para examinar as diferenças na porcentagem de posse de bola em relação aos resultados das partidas (derrota, empate, vitória). A análise revelou um efeito significativo do resultado da partida sobre a posse de bola (Figura 3), F(2, 93) = 12,20, p < 0,001, η² = 0,208. Especificamente, a posse de bola foi significativamente maior nas partidas vencidas (M = 53,3% ± 12,8, IC 95% [48,9, 57,7]) em comparação com as derrotas (M = 39,1% ± 12,4, IC 95% [34,9, 43,4]; p < 0,001), indicando que as equipes vencedoras controlaram a posse de bola aproximadamente 14 pontos percentuais a mais do que as equipes perdedoras. A posse de bola nas vitórias também foi significativamente maior do que nos empates (M = 45,6% ± 10,0, IC 95% [41,5, 49,6]; p = 0,039). Não foi observada diferença significativa entre empates e derrotas (p = 0,099).

---

Figura 3. Gráfico de nuvens ilustrando a distribuição das principais variáveis ​​de desempenho da partida por resultado (vitória, empate, derrota). Notas: (A -Possession) Posse de bola (%): Exibe a distribuição das porcentagens de posse de bola entre os resultados da partida. (B - Goals) Gols: Mostra o número de gols marcados. (C - Attempts at goal) Tentativas de gol: Visualiza a frequência de tentativas de gol. (D - Attempts at goal on target) Tentativas de gol defendidas: Concentra-se nas tentativas no alvo. (E - Total passes) Total de passes: Representa a distribuição do total de passes tentados. (F - Total passes (complete)) Total de passes (completos): Representa os passes completos. (G - Completed line breaks) Quebras de linha completadas: Ilustra o número de quebras de linha completadas. (H Defensive line breaks) Quebras de linha defensiva: Mostra as quebras de linha defensiva.
Os símbolos indicam diferenças estatisticamente significativas (p < 0,05): @ Vitória ≠ Derrota, # Vitória ≠ Empate.

---

Devido à distribuição não normal de outras variáveis ​​de desempenho, foram realizados testes de Kruskal-Wallis para comparações entre os resultados das partidas (Figura 1, Figura 2 e Figura 3). Foram encontradas diferenças significativas para gols (χ²(2) = 47,20, p < 0,001, ε² = 0,497), tentativas de gol (χ²(2) = 10,97, p = 0,004, ε² = 0,116), tentativas de gol defendidas (χ²(2) = 18,78, p < 0,001, ε² = 0,198), passes totais (χ²(2) = 20,73, p < 0,001, ε² = 0,218), passes completos totais (χ²(2) = 19,83, p < 0,001, ε² = 0,209), quebras da linha defensiva (χ²(2) = 7,92, p = 0,019, ε² = 0,083) e recepções no terço final do campo. (χ2(2) = 15,77, p < 0,001, ε2 = 0,166), progressões de bola (χ2(2) = 8,93, p = 0,012, ε2 = 0,094), pressões defensivas (χ2(2) = 21,85, p < 0,001, ε2 = 0,230) e distância total percorrida (χ2(2) = 8,86, p = 0,012, ε2 = 0,093).

As comparações post hoc de Dwass-Steel-Critchlow-Fligner revelaram que as equipes vencedoras marcaram significativamente mais gols (Mdn = 2, IQR = 2; M = 2,91 ± 1,9, IC 95% [2,28, 3,55]) do que as equipes perdedoras (Mdn = 0, IQR = 1; M = 0,51 ± 0,7, IC 95% [0,26, 0,77]; W = 9,09, p < 0,001) e as equipes empatadas (Mdn = 1, IQR = 1; M = 0,92 ± 1,2, IC 95% [0,45, 1,39]; W = 6,88, p < 0,001). As tentativas de gol foram maiores nas vitórias (Mdn = 14, IQR = 7; M = 15,29 ± 7,0, IC 95% [12,90, 17,67]) do que nas derrotas (Mdn = 10, IQR = 7; M = 10,09 ± 5,5, IC 95% [8,18, 11,99]; W = 4,69, p = 0,003), sem diferença significativa entre vitórias e empates (equipes empatadas: Mdn = 13, IQR = 10,5; M = 13,6 ± 7,8, IC 95% [10,45, 16,71]; p = 0,568), mostrando que as equipes que venceram produziram cerca de cinco tentativas de gol a mais por partida do que as que perderam. As tentativas de gol a favor também foram maiores nas vitórias (Mdn = 6, IQR = 3; M = 6,17 ± 3,4, IC 95% [4,99, 7,35]) do que nas derrotas (Mdn = 3, IQR = 2; M = 3,17 ± 2,3, IC 95% [2,38, 3,96]; W = 6,16, p < 0,001), sem diferença significativa em comparação com as equipes empatadas (equipes empatadas: Mdn = 3, IQR = 4; M = 4,35 ± 2,8, IC 95% [3,2, 5,5]). Em média, as equipes vencedoras registraram três chutes a mais a favor do que as equipes perdedoras, o que reforça a importância da precisão nos chutes.

O número total de passes foi significativamente maior nas vitórias (Mdn = 600, IQR = 261; M = 579,97 ± 166,6, IC 95% [522,73, 637,22]) do que nas derrotas (Mdn = 380, IQR = 162; M = 408,23 ± 130,8, IC 95% [363,30, 453,16]; W = 5,96, p < 0,001), e as vitórias superaram os empates (equipes empatadas: Mdn = 444, IQR = 167,75; M = 448,00 ± 113,1, IC 95% [402,3, 493,7]); p = 0,004). Esses resultados indicam que as equipes vencedoras completaram, em média, mais de 170 passes do que as perdedoras. Da mesma forma, o total de passes completos foi maior nas vitórias (Mdn = 528, IQR = 266; M = 519,69 ± 170,6, IC 95% [461,10, 578,28]) em comparação com as derrotas (Mdn = 323, IQR = 174; M = 344,80 ± 132,1, IC 95% [299,41, 390,19]; W = 5,84, p < 0,001), com as vitórias também superando os empates (Mdn = 386,50, IQR = 157,25; M = 385,00 ± 114,5, IC 95% [338,74, 431,26]; p = 0,006).

As quebras da linha defensiva diferiram entre vitoriosos (Mdn = 12, IQR = 7; M = 13,17 ± 5,7, IC 95% [11,20, 15,14]) e derrotados (Mdn = 8, IQR = 6; M = 9,71 ± 4,9, IC 95% [8,03, 11,40]; W = 3,86, p = 0,017), mas não entre empatados e vitoriosos (Mdn = 9, IQR = 6,8; M = 10,4 ± 5,3, IC 95% [8,24, 12,53]; p = 0,141). O número de quebras de linha completadas também variou significativamente de acordo com o resultado da partida, F(2, 93) = 13,70, p < 0,001, η2 = 0,227. As equipes vencedoras registraram mais quebras de linha completadas (M = 118 ± 28,6, IC 95% [105,0, 124,7]) do que as equipes perdedoras (M = 81,0 ± 29,1, IC 95% [73,1, 93,1]) e as equipes empatadas (M = 92,0 ± 19,2, IC 95% [81,6, 97,1]; ambos p < 0,001).

A distância total percorrida (Figura 4) foi significativamente maior nas vitórias (Mdn = 110,4 km, IQR = 10,1; M = 111,56 ± 5,5 km, IC 95% [109,68, 113,43]) em comparação com os empates (W = 3,85, p = 0,018) e maior nas derrotas (Mdn = 111,9 km, IQR = 9,35; M = 111,59 ± 5,9 km, IC 95% [109,56, 113,63] do que nos empates (Mdn = 106,3 km, IQR = 5,8; M = 107,55 ± 4,9 km, IC 95% [105,56, 109,53]); W = −3,60, p = 0,029), mostrando que as equipes que venceram ou perderam percorreram aproximadamente 4 km a mais do que as equipes em partidas empatadas, sugerindo que a distância total pode refletir a intensidade da partida, mas não é um discriminador confiável do resultado da partida. No entanto, o efeito do resultado da partida no sprint da zona 4 (20–25 km/h) não atingiu o limiar de significância (F(2, 93) = 2,91, p = 0,060, η2 = 0,059, (Vitória: Média = 5,49, DP = 0,76, IC 95% = 5,75 a 6,02, Derrota: Média = 5,42, DP = 0,91, IC 95% = 5,73 a 6,04, Empate: Média = 4,84, DP = 1,02, IC 95% = 5,25 a 5,66)).

---

Figura 4. Gráficos de nuvem mostrando as métricas de desempenho físico por resultado da partida (vitória, empate, derrota). Notas: (A) Distância total percorrida (km): Representa a distância total percorrida pelos jogadores durante a partida. (B) Sprint na zona 4 (20–25 km/h): Ilustra a frequência de sprints realizados na zona de velocidade de 20–25 km/h.
Os símbolos indicam diferenças estatisticamente significativas (p < 0,05): @ Vitória ≠ Derrota, # Vitória ≠ Empate.

---

As recepções no terço final foram maiores nas vitórias (Mdn = 126, IQR = 117; M = 165,37 ± 102,7, IC 95% [130,09, 200,66]) do que nas derrotas (Mdn = 82, IQR = 46; M = 91,86 ± 59,4, IC 95% [71,45, 112,27]; W = 5,57, p < 0,001), mas não foram observadas diferenças significativas quando comparadas às equipes que empataram (Mdn = 108,5, IQR = 75,0; M = 123,73 ± 81,9, IC 95% [90,64, 156,83]; p > 0,05).

Não foram observadas diferenças significativas nos cruzamentos (p = 0,237). As equipes que perderam partidas apresentaram uma mediana de 14,0 cruzamentos por jogo (intervalo interquartil = 10,5), com média de 14,54 (desvio padrão = 8,11) e intervalo de confiança de 95% variando de 11,76 a 17,33. As equipes que empataram registraram uma mediana de 16,0 cruzamentos (intervalo interquartil = 13,75), média de 19,15 (desvio padrão = 13,90) e intervalo de confiança de 95% entre 13,54 e 24,77. As equipes vencedoras apresentaram uma mediana de 17,0 cruzamentos (intervalo interquartil = 9,0), média de 18,91 (desvio padrão = 11,27) e intervalo de confiança variando de 15,05 a 22,78.

Em relação às segundas bolas (rebotes, sobras), as equipes perdedoras apresentaram uma mediana de 57,0 recuperações com um intervalo interquartil (IQR) de 23,5, uma média de 55,67 (DP = 15,44) e um intervalo de confiança de 95% de 60,97 a 66,28. As equipes empatadas apresentaram uma mediana de 61,0 com um IQR de 15,0, uma média de 58,74 (DP = 11,60) e um intervalo de confiança entre 63,42 e 68,11. As equipes vencedoras demonstraram a maior mediana de recuperações de segunda bola, com 65,0, um IQR de 14,5, uma média de 62,01 (DP = 13,60) e um intervalo de confiança variando de 66,69 a 71,36 (Figura 5). As progressões de bola foram maiores nas vitórias (Mdn = 24, IQR = 8; M = 24,46 ± 8,1, IC 95% [21,69, 27,22]) em comparação com os empates (Mdn = 17,5, IQR = 7; M = 19,35 ± 6,8, IC 95% [16,58, 22,11]; W = 3,95, p = 0,014), com diferenças marginais em relação às derrotas (Mdn = 20,0, IQR = 10,5; M = 19,78 ± 7,5, IC 95% [17,21, 22,34]; p = 0,055).

---

Figura 5. Gráficos de nuvem de chuva representando a distribuição das métricas de desempenho defensivo e de transição por resultado da partida (vitória, empate, derrota). Notas: (A) Recepções no terço final: Ilustra o número de recepções de bola no terço ofensivo. (B) Cruzamentos: Exibe a frequência de cruzamentos tentados. (C) Progressões de bola: Visualiza as progressões de bola. (D) Pressões defensivas: Mostra o total de pressões defensivas aplicadas. (E) Perdas de bola forçadas: Representa as perdas de bola forçadas pela equipe. (F) Segundas bolas: Representa o número de recuperações de segunda bola.
Os símbolos indicam diferenças estatisticamente significativas (p < 0,05): @ Vitória ≠ Derrota, # Vitória ≠ Empate.

---

As pressões defensivas foram significativamente maiores nas vitórias (Mdn = 198, IQR = 74; M = 209,86 ± 57,5, IC 95% [190,10, 229,61]) em comparação com as derrotas (Mdn = 271, IQR = 87; M = 283,20 ± 66,9, IC 95% [260,23, 306,17]; W = −5,03, p = 0,001) e empates (Mdn = 214,0, IQR = 62,0; M = 220,92 ± 49,5, IC 95% [200,94, 240,91]; p < 0,001), sem diferença entre empates e vitórias (p = 0,592). Uma ANOVA de uma via sobre as pressões defensivas diretas mostrou um efeito significativo do resultado da partida, F(2, 93) = 4,43, p = 0,015, η² = 0,087. Comparações post hoc indicaram maiores pressões defensivas diretas em vitórias (M = 43,00 ±, IC 95% [39,19, 46,76]) em comparação com derrotas (M = 48,00 ±, IC 95% [46,61, 53,22]; p = 0,019). As diferenças entre empates e derrotas (empates: M = 43,70 ± 11,1, IC 95% [39,21, 48,19]; p = 0,064) ou entre empates e vitórias (p = 0,962) não foram significativas.

Em relação às perdas de posse forçadas, a ANOVA não revelou diferenças estatisticamente significativas entre os grupos de resultados das partidas (F(2, 93) = 1,66, p > 0,05). As estatísticas descritivas revelaram que as equipes perdedoras apresentaram uma média de 41,66 perdas de posse forçadas (DP = 7,38, IC 95% = 39,12, 44,19). As equipes que empataram registraram uma média semelhante de 41,54 (DP = 7,79, IC = 38,39, 44,68). As equipes vencedoras apresentaram uma média ligeiramente maior de 44,40 perdas de posse forçadas (DP = 6,62, IC = 42,13, 46,67).

Em relação às porcentagens (%) das fases de jogo, uma ANOVA de uma via revelou um efeito significativo do resultado da partida na construção de jogo do adversário, F(2, 93) = 5,58, p = 0,005, η2 = 0,107, indicando diferenças entre os grupos de derrota, empate e vitória (Figura 6). Especificamente, os valores médios foram 14,49 ± 3,3 (IC 95% [13,37, 15,61]) para derrotas, 13,62 ± 3,5 (IC 95% [12,21, 15,02]) para empates e 16,46 ± 3,6 (IC 95% [15,21, 17,71]) para vitórias. Os testes não paramétricos de Kruskal-Wallis indicaram diferenças significativas por resultado da partida para: Construção sem oposição (χ2(2) = 7,53, p = 0,023, ε2 = 0,079), com médias de 28,29 ± 9,4 (IC 95% [25,07, 31,50], mediana = 26, IQR = 16,5) em derrotas, 33,54 ± 8,6 (IC 95% [30,09, 36,99], mediana = 35,5, IQR = 11,25) em empates e 34,40 ± 9,1 (IC 95% [31,28, 37,52], mediana = 36, IQR = 12,5) em vitórias. As equipes vencedoras apresentaram uma taxa de construção de jogo significativamente maior sem oposição do que as equipes perdedoras (W = 3,68, p = 0,025), mas não diferiram das equipes empatadas (p = 0,883).

---

Figura 6. Gráficos de nuvem de chuva ilustrando a distribuição de porcentagens (%) nas principais fases de posse de bola de acordo com o resultado da partida (vitória, empate, derrota). (A) Construção de jogo sem oposição: Número de jogadas de construção de jogo sem oposição. (B) Construção de jogo com oposição: Número de jogadas de construção de jogo sob pressão adversária. (C) Progressão: Ações de progressão ofensiva bem-sucedidas. (D) Terço final: Número de jogadas que ocorrem no terço final ofensivo. (E) Bola longa: Frequência de tentativas de bola longa. (F) Transição ofensiva: Ações durante as transições para o ataque. (G) Contra-ataque: Incidência de jogadas de contra-ataque. (H) Bola parada: Ocorrência de situações de bola parada.
Os símbolos indicam diferenças estatisticamente significativas (p < 0,05): @ Vitória ≠ Derrota, # Vitória ≠ Empate.

---

Em contraste, a progressão não diferiu significativamente pelo resultado da partida, F(2, 93) = 1,02, p = 0,363, η2 = 0,022, com pontuações médias de progressão de 18,34 ± 3,4 (IC 95% [17,19, 19,50]) para derrotas, 17,58 ± 3,9 (IC 95% [15,99, 19,16]) para empates e 18,91 ± 3,6 (IC 95% [17,68, 20,15]) para vitórias.

Diferenças significativas por resultado da partida também foram indicadas em variáveis ​​relacionadas à posse de bola, como o terço final (χ²(2) = 6,14, p = 0,046, ε² = 0,065). Os valores medianos aumentaram de 12,00 nas derrotas para 17,00 nas vitórias. Os valores médios e os intervalos de confiança de 95% foram os seguintes: 13,86 ± 6,00%, IC 95% [11,79, 15,93] para derrotas; 16,54 ± 10,90%, IC 95% [12,13, 20,95] para empates; e 19,34 ± 10,40%, IC 95% [15,82, 22,87] para vitórias. As comparações post hoc de Dwass-Steel-Critchlow-Fligner revelaram que as vitórias superaram as derrotas (W = 3,56, p = 0,032), sem diferença entre vitórias e empates (p = 0,343).

A frequência de lançamentos longos variou significativamente entre os resultados das partidas, χ2(2) = 8,56, p = 0,014, com um tamanho de efeito moderado (ε2 = 0,090). Comparações post hoc de Dwass–Steel–Critchlow–Fligner revelaram que as equipes vencedoras registraram significativamente menos lançamentos longos do que as perdedoras (W = −4,03, p = 0,012), sem diferença entre vitórias e empates (p = 0,334). Especificamente, as equipes vencedoras apresentaram significativamente menos ocorrências de passes longos (média = 2,60, IC 95% [1,73, 3,48], mediana = 2,00, IQR = 3,00, DP = 2,55) em comparação com as equipes perdedoras (média = 4,43, IC 95% [3,30, 5,56], mediana = 4,00, IQR = 3,00, DP = 3,30). Os empates apresentaram valores intermediários (média = 3,42, IC 95% [2,27, 4,57], mediana = 2,50, IQR = 3,75, DP = 2,85).

A transição ofensiva também diferiu significativamente, χ2(2) = 7,54, p = 0,023, ε2 = 0,079. A transição ofensiva foi significativamente menor em vitórias em comparação com derrotas (W = −3,78, p = 0,021), mas não diferiu entre vitórias e empates (p = 0,193), com as equipes vencedoras apresentando ocorrências reduzidas (média = 12,57, IC 95% [10,89, 14,25], mediana = 11,00, IQR = 6,50, DP = 4,88) em relação às derrotas (média = 15,74, IC 95% [13,97, 17,52], mediana = 15,00, IQR = 8,00, DP = 5,18). Os empates apresentaram valores intermediários (média = 14,50, IC 95% [12,47, 16,54], mediana = 14,00, IQR = 6,75, DP = 5,04).

O contra-ataque e as jogadas de bola parada não apresentaram diferenças significativas entre os resultados das partidas (p = 0,131 e p = 0,087, respectivamente). No que diz respeito ao contra-ataque, as equipes perdedoras apresentaram mediana de 2,00, média de 2,23 (IC 95% [1,75, 2,71]), desvio padrão de 1,40 e intervalo interquartil (IIQ) de 2,00. As equipes que empataram apresentaram mediana de 2,00, média de 1,81 (IC 95% [1,37, 2,25]), desvio padrão de 1,10 e IIQ de 1,00. As equipes vencedoras apresentaram mediana de 1,00, média de 1,63 (IC 95% [1,21, 2,05]), desvio padrão de 1,22 e IIQ de 1,00. Em relação às bolas paradas, as equipes perdedoras registraram uma mediana de 6,00, uma média de 6,31 (IC 95% [5,68, 6,95]), um desvio padrão de 1,86 e um intervalo interquartil (IQR) de 2,50. As equipes que empataram apresentaram uma mediana de 6,00, uma média de 6,58 (IC 95% [5,74, 7,41]), um desvio padrão de 2,06 e um IQR de 2,50. As equipes vencedoras apresentaram uma mediana de 6,00, uma média de 5,63 (IC 95% [5,01, 6,25]), um desvio padrão de 1,82 e um IQR de 2,00.

O high press (%) diferiu significativamente entre os resultados das partidas (Figura 7), χ2(2) = 9,85, p = 0,007, com um tamanho de efeito moderado (ε2 = 0,104). Comparações post hoc revelaram que as equipes vencedoras exibiram valores de pressão significativamente maiores do que as equipes empatadas (p = 0,040) e derrotadas (p = 0,012). Descritivamente, as médias e os intervalos de confiança (IC) de 95% foram 5,14 [4,16, 6,13] para perdas (mediana = 5,00, IQR = 4,00, DP = 2,87), 4,65 [3,56, 5,74] para empates (mediana = 4,50, IQR = 4,50, DP = 2,70) e 7,40 [6,04, 8,76] para vitórias (mediana = 7,00, IQR = 4,50, DP = 3,96).

---

Figura 7. Gráficos de nuvem de chuva mostrando a distribuição de porcentagens (%) nas principais fases defensivas do jogo (sem a posse de bola) em relação ao resultado da partida (vitória, empate, derrota). (A) Pressão alta: Frequência de pressão intensa na parte superior do campo. (B) Pressão média: Frequência de pressão moderada nas áreas do meio-campo. (C) Pressão baixa: Proporção de ações de pressão de baixa intensidade. (D) Bloqueio alto: Número de bloqueios defensivos executados na parte superior do campo. (E) Bloqueio médio: Bloqueios defensivos aplicados na zona do meio-campo. (F) Bloqueio baixo: Bloqueios defensivos implementados na parte inferior do terço defensivo. (G) Recuperação: Frequência de ações de recuperação defensiva após a perda da posse de bola. (H) Transição defensiva: Número de ações defensivas executadas durante a transição do ataque para a defesa. (I) Contra-pressão: Casos de pressão imediata após a perda da posse de bola para recuperá-la.
Os símbolos indicam diferenças estatisticamente significativas (p < 0,05): @ Vitória ≠ Derrota, # Vitória ≠ Empate.

---

A porcentagem de passes curtos (mid press) não atingiu significância estatística, χ²(2) = 4,87, p = 0,081, ε² = 0,053. As médias foram 4,31 [3,73, 4,90] para derrotas (mediana = 5,00, intervalo interquartil = 2,00, desvio padrão = 1,69), 4,03 [3,24, 4,83] para empates (mediana = 4,00, intervalo interquartil = 2,00, desvio padrão = 1,97) e 5,00 [4,40, 5,60] para vitórias (mediana = 5,00, intervalo interquartil = 2,50, desvio padrão = 1,75).

A baixa pressão (%) apresentou um efeito significativo, χ²(2) = 6,25, p = 0,044, ε² = 0,066, com as equipes vencedoras apresentando valores estatisticamente significativamente menores do que as equipes empatadas (p ≤ 0,05). As médias e os IC de 95% foram 0,54 [0,37, 0,72] para derrotas (mediana = 1,00, IQR = 1,00, DP = 0,51), 0,62 [0,42, 0,82] para empates (mediana = 1,00, IQR = 1,00, DP = 0,50) e 0,31 [0,15, 0,48] para vitórias (mediana = 0,00, IQR = 1,00, DP = 0,47).

A porcentagem de bloqueios altos não foi significativa, χ²(2) = 5,91, p = 0,068, ε² = 0,057. As médias foram 4,60 [3,62, 5,58] para derrotas (mediana = 4,00, intervalo interquartil = 2,50, desvio padrão = 2,85), 4,92 [3,84, 6,01] para empates (mediana = 4,50, intervalo interquartil = 3,00, desvio padrão = 2,68) e 6,23 [5,12, 7,34] para vitórias (mediana = 7,00, intervalo interquartil = 5,00, desvio padrão = 3,24).

A porcentagem de vitórias no meio do jogo foi testada com ANOVA de uma via e não foi significativa, F(2, 93) = 2,24, p = 0,113, η² = 0,046. As médias e os intervalos de confiança de 95% foram 20,60 [17,98, 23,22] para derrotas (mediana = 21,00, intervalo interquartil = 9,50, desvio padrão = 7,62), 20,15 [17,50, 22,81] para empates (mediana = 21,00, intervalo interquartil = 6,75, desvio padrão = 6,56) e 17,29 [14,99, 19,58] para vitórias (mediana = 17,00, intervalo interquartil = 8,50, desvio padrão = 6,69).

A porcentagem de bloqueios baixos variou significativamente, χ2(2) = 10,65, p = 0,005, ε2 = 0,112. As equipes vencedoras apresentaram valores de bloqueios baixos menores em comparação com as perdedoras (p = 0,004). As médias com IC de 95% foram 26,71 [21,17, 32,26] para derrotas (mediana = 22,00, IQR = 22,50, DP = 16,14), 22,19 [16,12, 28,26] para empates (mediana = 19,00, IQR = 20,50, DP = 15,03) e 16,00 [12,22, 19,78] para vitórias (mediana = 12,00, IQR = 12,00, DP = 11,01).

Os testes não paramétricos de Kruskal-Wallis indicaram que a recuperação (%) não atingiu significância estatística entre os resultados das partidas (p = 0,133). As estatísticas descritivas (Figura 7) mostraram que as equipes perdedoras tiveram uma recuperação mediana de 4,0 (intervalo interquartil = 3,5), média = 4,83, IC 95% [4,15, 5,51], DP = 1,98; as equipes empatadas tiveram uma mediana de 4,0 (intervalo interquartil = 3,0), média = 4,31, IC 95% [3,58, 5,04], DP = 1,81; e as equipes vencedoras tiveram uma mediana de 5,0 (intervalo interquartil = 4,0), média = 5,54, IC 95% [4,69, 6,39], DP = 2,48.

A transição defensiva (%) apresentou diferenças significativas (χ2(2) = 7,64, p = 0,022, ε2 = 0,080), sendo maior nas vitórias em comparação com as derrotas (W = 3,79, p = 0,020), mas não diferindo significativamente dos empates (p = 0,701). A mediana da transição defensiva foi de 11,0 (IQR = 6,5) para derrotas, média = 12,57, IC 95% [10,89, 14,25], DP = 4,88; 14,0 (IQR = 7,0) para empates, média = 14,54, IC 95% [12,49, 16,59], DP = 5,07; e 15,0 (IQR = 8,0) para vitórias, média = 15,77, IC 95% [13,98, 17,56], DP = 5,20.

A contra-pressão (%) foi significativamente maior em vitórias (χ²(2) = 9,19, p = 0,010, ε² = 0,097) em comparação com derrotas (W = 4,14, p = 0,010), sem diferença significativa em comparação com empates (p = 0,464). A mediana da contra-pressão foi de 8,0 (IQR = 4,0) para derrotas, média = 9,00, IC 95% [7,94, 10,06], DP = 3,08; 10,0 (intervalo interquartil = 4,25) para empates, média = 10,23, IC 95% [8,97, 11,49], DP = 3,12; e 11,0 (intervalo interquartil = 4,0) para vitórias, média = 11,29, IC 95% [10,10, 12,47], DP = 3,45.

Em relação às atividades relacionadas às jogadas de bola parada (Figura 8), o total de jogadas de bola parada mostrou um efeito marginal do resultado da partida, F(2, 93) = 3,09, p ≤ 0,050, η2 = 0,062, mas as comparações aos pares não revelaram diferenças significativas entre as equipes perdedoras (M = 30,49, IC 95% [28,20, 32,77], DP = 6,65), empatadas (M = 34,31, IC 95% [31,39, 37,23], DP = 7,23) e vencedoras (M = 33,97, IC 95% [31,59, 36,35], DP = 6,93).

---

Figura 8. Gráficos de nuvem de chuva ilustrando a distribuição de eventos relacionados a bolas paradas de acordo com o resultado da partida (vitória, empate, derrota). (A) Cobranças de falta: Frequência de ocorrências de cobranças de falta. (B) Pênaltis: Incidência de cobranças de pênalti. (C) Escanteios: Número de escanteios cobrados. (D) Laterais: Frequência de laterais cobrados pelas equipes.
Os símbolos indicam diferenças estatisticamente significativas (p < 0,05): $ Empate ≠ Derrota.

---

O número de lances por faltas não apresentou diferença significativa entre os resultados das partidas, com médias de 12,60 (IC 95% [11,14, 14,06], DP = 4,26), 12,62 (IC 95% [10,75, 14,49], DP = 4,63) e 13,83 (IC 95% [12,32, 15,33], DP = 4,38) para as equipes perdedoras, empatadas e vencedoras, respectivamente.

Da mesma forma, as penalidades não apresentaram diferenças significativas, com médias próximas de zero para todos os grupos (Derrota: M = 0,09, IC 95% [−0,01, 0,18], DP = 0,28; Empate: M = 0,19, IC 95% [0,03, 0,36], DP = 0,40; Vitória: M = 0,20, IC 95% [0,04, 0,36], DP = 0,47).

Os arremessos laterais não apresentaram diferenças significativas, com médias de 14,11 (IC 95% [12,84, 15,39], DP = 3,72), 15,73 (IC 95% [13,93, 17,53], DP = 4,45) e 15,00 (IC 95% [13,25, 16,75], DP = 5,08) para as equipes perdedoras, empatadas e vencedoras, respectivamente.

O número de escanteios diferiu significativamente, χ2(2) = 6,97, p = 0,031, ε2 = 0,073, com empates registrando mais escanteios (Mdn = 4,5, M = 5,77, IC 95% [4,13, 7,41], DP = 4,06) em comparação com as derrotas (Mdn = 3,0, M = 3,69, IC 95% [2,82, 4,55], DP = 2,52), com um teste de Wilcoxon pareado significativo (W = 3,39, p = 0,043). As equipes vencedoras tiveram uma mediana de cinco escanteios (M = 4,94, IC 95% [3,98, 5,90], DP = 2,80), sem diferença significativa em relação aos empates ou derrotas.

Análise de Regressão Logística

Uma análise de regressão logística (Tabela 1) foi conduzida para examinar a associação entre múltiplas métricas de desempenho na partida e o resultado da partida (vitória vs. derrota, com vitória codificada como 1). Nove modelos sucessivos (M0 a M9) foram estimados, incorporando progressivamente preditores adicionais para avaliar sua influência na probabilidade de vitória.

---

Tabela 1. Preditores significativos da análise de regressão logística para o resultado da partida (vitória vs. empate/derrota).
Nota: * p < 0,05.

---

Em todos os modelos, a diminuição da deviance e as melhorias nos Critérios de Informação de Akaike (AIC) e de Informação Bayesiana (BIC) foram mínimas e estatisticamente não significativas (todos os valores p de ΔΧ² > 0,05), indicando uma melhoria limitada no ajuste do modelo com a inclusão de preditores adicionais. As estatísticas pseudo R² (McFadden, Nagelkerke, Tjur e Cox e Snell) foram consistentemente muito baixas, sugerindo que os modelos explicaram apenas uma proporção modesta da variância nos resultados das partidas.

Apesar do poder explicativo geral limitado, certas variáveis ​​de desempenho emergiram consistentemente como preditores significativos em todos os modelos. Especificamente, as tentativas de gol defendidas demonstraram uma associação positiva significativa com a vitória, visto que cada chute adicional ao gol aumentou as chances de vitória de uma equipe em aproximadamente 40%, refletindo o valor crítico da eficiência ofensiva. Por exemplo, no modelo totalmente ajustado (M9), cada tentativa adicional no gol aumentou as chances de vitória em aproximadamente 40% (OR = 1,40, IC 95% [1,10, 1,75], p = 0,005). Isso ressalta a importância crítica da precisão ofensiva para determinar o sucesso da partida. As pressões defensivas foram inversamente associadas à vitória (OR ≈ 0,98 em todos os modelos, p < 0,05), sugerindo que uma maior frequência de pressões defensivas corresponde a uma menor probabilidade de vitória. Em termos práticos, uma equipe que realizasse 10 pressões defensivas adicionais experimentaria uma redução de aproximadamente 17% em suas chances de vitória, indicando que a atividade defensiva frequente pode ser sintomática de equipes que carecem de controle sustentado. Este achado pode refletir a possibilidade de que equipes sob maior pressão defensiva sejam mais propensas a ceder a posse de bola ou o controle do jogo. O total de passes completados apresentou um efeito positivo modesto, porém significativo, em modelos posteriores, por exemplo, no M9 (OR = 1,009, IC 95% [1,003, 1,015], p = 0,003), indicando que a circulação eficiente da bola contribui para resultados positivos nas partidas. Especificamente, um aumento de 100 passes completados foi associado a uma probabilidade 9% maior de vitória, corroborando a importância da movimentação precisa da bola. A distância total percorrida apresentou uma associação positiva com a vitória (OR = 1,15, IC 95% [1,008, 1,27], p = 0,037 no M9), o que pode refletir o esforço físico e o ritmo de trabalho associados ao sucesso. As recepções no terço final do campo apresentaram correlação negativa com a vitória no modelo final (OR = 0,985, IC 95% [0,973, 0,998], p = 0,020), sugerindo que, quantitativamente, cada recepção adicional nessa zona esteve associada a uma redução de 1,5% na probabilidade de vitória. Em termos práticos, um aumento de 10 recepções correspondeu a uma probabilidade 14% menor de vitória. Isso sugere que entradas frequentes em zonas avançadas, sem ações finais produtivas, podem refletir uma posse de bola ineficaz no terço final. Outras variáveis, como quebras de linha defensiva, turnovers forçados, cruzamentos e sprints na zona 4, não atingiram significância estatística ao longo do processo de modelagem.

Os fatores de tolerância e inflação da variância (VIFs) indicaram multicolinearidade aceitável entre os preditores incluídos, com valores de VIF variando de 1,55 a 3,93, sugerindo ausência de problemas graves de colinearidade que pudessem comprometer as estimativas do modelo.

O modelo final apresentou métricas de classificação satisfatórias, com uma acurácia geral de 80,2%, uma área sob a curva ROC (AUC) de 0,85, sensibilidade de 65,7%, especificidade de 88,5% e uma medida F de 0,71. Esses índices sugerem que o modelo possui boa capacidade discriminativa para classificar corretamente os resultados das partidas com base nas variáveis ​​de desempenho incluídas.

A análise da curva ROC (Figura 9) demonstrou a forte capacidade discriminativa do modelo final de regressão logística, com uma área sob a curva (AUC) de 0,85, indicando excelente precisão preditiva. No limiar de classificação ideal (ponto de corte = 0,5), o modelo alcançou uma precisão geral de 80,2%, classificando corretamente a grande maioria dos resultados das partidas. A sensibilidade, ou taxa de verdadeiros positivos, que reflete a capacidade do modelo de prever corretamente as partidas vencidas, foi de 65,7%, enquanto a especificidade, a taxa de verdadeiros negativos que indica a identificação correta das partidas não vencidas, foi notavelmente maior, em 88,5%. Essas métricas de desempenho demonstram a eficácia do modelo em distinguir entre vitórias e derrotas com base nas variáveis ​​de desempenho selecionadas. Além disso, os diagnósticos de multicolinearidade apresentaram valores de fator de inflação da variância (VIF) variando de 1,55 a 3,93, confirmando que a multicolinearidade entre os preditores não comprometeu a confiabilidade das estimativas dos coeficientes.

---

Figura 9. Curva ROC (Receiver Operating Characteristic) para o modelo de regressão logística que prevê o resultado da partida (vitória vs. empate/derrota).
Nota: A curva ROC (linha vermelha) ilustra a capacidade do modelo de discriminar entre desempenhos vitoriosos e não vitoriosos em todos os limiares de classificação, plotando a taxa de verdadeiros positivos (sensibilidade) contra a taxa de falsos positivos (1 − especificidade). A linha diagonal preta representa a linha de não discriminação (AUC = 0,50), correspondente à classificação aleatória. O modelo final, desenvolvido para prever os resultados das partidas (vitória codificada como 1; empate/derrota codificada como 0), alcançou uma área sob a curva (AUC) de 0,85, indicando excelente precisão preditiva. O desvio substancial da curva acima da linha de referência reflete a forte capacidade do modelo de distinguir entre vitórias e derrotas com base nas variáveis ​​de desempenho selecionadas. No limiar de decisão ideal (ponto de corte = 0,5), o modelo apresentou uma precisão de classificação de 80,2%, com sensibilidade de 65,7% (identificação correta de vitórias) e especificidade de 88,5% (identificação correta de empates/derrotas).

---

Após a análise de regressão logística binomial, uma análise diagnóstica suplementar foi realizada utilizando o módulo DiagROC do Jamovi para avaliar ainda mais o desempenho de classificação das principais variáveis ​​de desempenho da partida (Tabela 2 e Figura 10). Essa análise envolveu a construção de curvas ROC (Receiver Operating Characteristic) para preditores selecionados, a fim de avaliar sua capacidade de discriminar entre os resultados da partida (vitória vs. derrota). Os pontos de corte ideais foram identificados utilizando o Índice de Youden, e as medidas de acurácia diagnóstica, incluindo sensibilidade, especificidade, valor preditivo positivo, valor preditivo negativo e acurácia geral, foram calculadas. A análise ROC complementou os resultados da regressão, fornecendo limiares práticos e quantificando o poder discriminatório de métricas de desempenho individuais. Vale destacar que um limiar de quatro ou mais chutes a gol apresentou sensibilidade de 80% e especificidade de 60,7% (AUC = 0,74), sugerindo que este é um parâmetro prático para a produtividade ofensiva. Da mesma forma, as equipes que completaram pelo menos 478 passes foram classificadas corretamente em 76% dos casos (AUC = 0,76), indicando que um alto volume de passes é um forte indicador de desempenho vitorioso. As recepções no terço final do campo apresentaram um ponto de corte de 89,5, com alta sensibilidade (82,9%), mas menor especificidade (52,5%) e uma AUC de 0,71, sugerindo que, embora comum em equipes vencedoras, esse indicador pode exigir combinação com outras métricas para melhorar a precisão preditiva. Pressões defensivas abaixo de um limiar de 245 foram associadas a resultados vitoriosos, atingindo 77,1% de sensibilidade e 57,4% de especificidade (AUC = 0,70), corroborando a interpretação de que uma menor carga de trabalho defensiva se correlaciona com o sucesso na partida. Embora a distância total percorrida ≥105,9 km tenha sido frequentemente observada entre as equipes vencedoras e demonstrado alta sensibilidade (88,6%), o que significa que 88,6% das equipes vencedoras ultrapassaram esse limite, a baixa especificidade correspondente (31,2%) indicou baixa capacidade discriminatória, visto que a maioria das equipes não vencedoras também atendeu a esse critério. Em outras palavras, embora esse limite tenha identificado corretamente a maioria dos vencedores (verdadeiros positivos), ele não conseguiu excluir muitos não vencedores (falsos positivos). Além disso, a área sob a curva ROC (AUC = 0,58) reflete um poder preditivo geral limitado, que é apenas marginalmente melhor do que o nível de aleatoriedade (AUC = 0,50), sugerindo que a distância total por si só é um indicador insuficiente para prever com confiabilidade os resultados das partidas.

---

Figura 10. Curvas ROC (Receiver Operating Characteristic) para preditores individuais no modelo de regressão logística do resultado da partida.

---

Tabela 2. Desempenho diagnóstico dos principais preditores individuais para o resultado da partida com base na análise da curva ROC.
Nota: * p < 0,05.

---

Impacto de marcar o primeiro gol e padrões temporais de marcação de gols

A presente análise confirmou a influência significativa de marcar o primeiro gol nos resultados das partidas do Mundial de Clubes da FIFA, com as equipes que marcaram primeiro vencendo 62,5% das partidas e perdendo apenas 10,4%. Essa descoberta está em consonância com um conjunto consolidado de literatura que demonstra a vantagem competitiva conferida por se obter uma vantagem inicial (3,4,5,6,7,8,9). Estudos anteriores relataram taxas de vitória comparáveis ​​ou superiores após o primeiro gol em contextos nacionais e internacionais. Por exemplo, na Superliga Chinesa, Liu et al. (3) encontraram uma taxa de vitória de 66,3% e uma taxa de invencibilidade de 87,01% para as equipes que marcaram primeiro, enquanto nas ligas femininas europeias, Sánchez-Murillo et al. (4) observaram que 75,9% dos vencedores das partidas haviam marcado primeiro. Tendências semelhantes foram documentadas na K-League (6), na Liga dos Campeões da UEFA (5) e nas principais ligas masculinas europeias (10). No cenário internacional, Martínez e González-García (7) constataram que, nas fases eliminatórias da Copa do Mundo da FIFA e do Campeonato Europeu da UEFA, as equipes que marcaram o primeiro gol venceram 78,46% das vezes, embora essa vantagem tenha diminuído na prorrogação (62,5%) e nas disputas de pênaltis (57,14%). Na Liga dos Campeões da UEFA, um torneio mais estratificado, Parim et al. (5) relataram que as equipes que marcaram o primeiro gol tiveram uma taxa de vitória de 92% contra adversários mais fracos, 71% contra equipes equilibradas e 59% contra as mais fortes. A análise do Campeonato Europeu da UEFA de 2024 revelou uma associação significativa (χ² = 8,167, p = 0,017) entre marcar o primeiro gol e resultados positivos, com apenas quatro das trinta e seis equipes perdendo após marcar o primeiro gol (8). Da mesma forma, Lago-Peñas et al. (10) observaram que as equipes da casa que marcaram primeiro nas principais ligas da Europa garantiram 84,85% dos pontos disponíveis, enquanto as equipes visitantes que marcaram primeiro ainda venceram 76,25% das partidas. Essas descobertas, em conjunto, confirmaram que marcar primeiro oferecia uma vantagem competitiva substancial em todos os contextos. No entanto, o presente estudo contribuiu de forma singular ao situar essa vantagem no contexto específico do Mundial de Clubes da FIFA. Ao contrário dos campeonatos nacionais ou torneios continentais, o Mundial de Clubes reunia os campeões de seis confederações com sistemas táticos, calendários sazonais e níveis de recursos distintos. O formato curto e eliminatório do torneio, frequentemente disputado em campo neutro, reduzia a familiaridade contextual e diminuía vantagens tradicionais como o apoio da torcida local e a adaptação ao ambiente. Como resultado, embora a taxa de vitórias após marcar o primeiro gol (62,5%) permanecesse considerável, era notavelmente inferior à observada em contextos estruturalmente mais estáveis ​​(por exemplo, 78–92% em (4,5,6,7)). Essa moderação provavelmente refletia a imprevisibilidade inerente aos confrontos intercontinentais, nos quais a posse de bola dominante ou a superioridade tática nem sempre se convertiam em controle após um gol inicial. Assim, este estudo revelou que, embora marcar o primeiro gol fosse um importante fator preditivo, sua influência pode ter sido menos determinante em competições globais, onde as assimetrias contextuais e o tempo preparatório limitado reduziam a capacidade de consolidar o ímpeto psicológico e tático.

Curiosamente, a distribuição temporal dos gols foi equilibrada entre o primeiro e o segundo tempo, sem diferença significativa no geral, embora picos ofensivos tenham sido observados perto do final de cada tempo (30–45 e 75–90 min). Esse padrão é consistente com pesquisas anteriores que mostram um aumento na atividade de finalização de gols no final dos tempos, potencialmente impulsionado por ajustes táticos ou fadiga dos jogadores (13,14). Esses achados, portanto, enfatizam a necessidade de vigilância tática constante ao longo de toda a partida e destacam períodos críticos nos quais uma pressão ofensiva intensificada pode gerar oportunidades decisivas de gol (4,15). A divisão aproximadamente igual de gols no primeiro e no segundo tempo (49,3% e 50,7%, respectivamente) reforça ainda mais a necessidade de foco consistente durante toda a duração da partida.

Indicadores de desempenho ofensivo e defensivo e métricas físicas e de transição

Em consonância com a literatura existente que enfatiza o valor da posse de bola e da precisão ofensiva (1,2,8,11), as equipes vencedoras em nosso estudo exibiram percentagens de posse de bola significativamente maiores (M = 53,3%, DP = 12,8, IC 95% [48,9, 57,7]) em comparação com os empates (M = 45,6%, DP = 10,0, IC 95% [41,5, 49,6]) e as derrotas (M = 39,1%, DP = 12,4, IC 95% [34,9, 43,4]). As equipes vencedoras também marcaram significativamente mais gols (M = 2,91, DP = 1,9, IC 95% [2,28, 3,55]) em comparação com empates (M = 0,92, DP = 1,2, IC 95% [0,45, 1,39]) e derrotas (M = 0,51, DP = 0,7, IC 95% [0,26, 0,77]). Da mesma forma, as tentativas de gol foram maiores nas vitórias (M = 6,17, DP = 3,4, IC 95% [4,99, 7,35]) do que nas derrotas (M = 3,17, DP = 2,3, IC 95% [2,38, 3,96]).

Esses dados confirmam descobertas anteriores de que o domínio da posse de bola facilita o controle ofensivo e cria mais oportunidades de gol e vitória (25,47,48,49). Além disso, as equipes vencedoras demonstraram desempenho superior nos passes, considerando o total de passes completos (M = 519,69, DP = 170,6, IC 95% [461,10, 578,28]), destacando a circulação eficaz da bola como um componente crítico para o sucesso no jogo (16,17). Esse padrão corrobora a noção de que passes de alta qualidade, mais do que o volume de passes em si, são fundamentais para o avanço do jogo e a manutenção da pressão ofensiva (1,2). Em conjunto, esses resultados reforçaram o conceito de que estratégias ofensivas precisas e baseadas na posse de bola estão fortemente correlacionadas com o sucesso na partida. Nesse sentido, De-la-Cruz-Torres et al. (50) descobriram que os remates parabólicos, geralmente resultantes de fases de ataque bem estruturadas, foram o tipo de remate mais frequente tanto nos jogos do Campeonato Europeu masculino (59,86%) como no feminino (67,12%), sublinhando ainda mais a importância da posse de bola sustentada e da construção de jogo coordenada na geração de oportunidades de remate tecnicamente exigentes e estrategicamente vantajosas. Complementando esta perspetiva, Mitrotasios et al. (51) demonstraram que a finalização de primeira, particularmente dentro da área penal e após assistências de cruzamentos ou passes para trás, aumentou significativamente a probabilidade de marcar golos, sugerindo que a execução decisiva no terço final do campo é um componente crítico da eficiência ofensiva e deve ser um ponto focal no treino tático e técnico.

Embora o presente estudo tenha encontrado apenas um efeito marginal do resultado da partida no total de jogadas ensaiadas, sem diferenças estatisticamente significativas entre as equipes vencedoras, empatadas e perdedoras, isso não diminui sua relevância tática (as equipes empatadas (M = 34,31 ± 7,23, IC 95% [31,39, 37,23]) e as equipes vencedoras (M = 33,97 ± 6,93, IC 95% [31,59, 36,35]) executaram um pouco mais de jogadas ensaiadas do que as equipes perdedoras (M = 30,49 ± 6,65, IC 95% [28,20, 32,77]), embora essas diferenças não tenham atingido significância estatística nas comparações aos pares. Como destacado por Sarmento et al. (52), as jogadas ensaiadas, particularmente escanteios e pênaltis, são fases críticas do jogo que podem influenciar os resultados das partidas, e sua eficácia depende de fatores contextuais, técnicos e organizacionais que podem não ser totalmente capturados apenas pela frequência. Apoiando isso, evidências recentes de Plakias et al., (53) demonstraram que, embora a taxa geral de conversão de gols em escanteios permaneça relativamente baixa (3,09%), cobranças com efeito para fora aumentam significativamente a probabilidade de uma finalização (OR = 0,79, p = 0,02), mesmo que as taxas de gol não difiram entre os tipos de cobrança. Essas descobertas ressaltam que escolhas estratégicas de cobrança em jogadas de bola parada podem aumentar a produtividade ofensiva e mitigar vulnerabilidades defensivas, como contra-ataques. Consequentemente, pesquisas futuras devem se aprofundar nas zonas de cobrança, nos sistemas de marcação e nas estratégias do adversário para avaliar completamente a contribuição funcional das bolas paradas para os resultados de desempenho.

Em relação ao desempenho defensivo e aos indicadores de pressão, o presente estudo revelou uma relação inversa entre as pressões defensivas e o sucesso na partida. As equipes perdedoras enfrentaram pressões defensivas mais elevadas, com uma média de 283,20 (DP = 66,9, IC 95% [260,23, 306,17]) em comparação com as equipes vencedoras (M = 209,86, DP = 57,5, IC 95% [190,10, 229,61]). Isso está de acordo com pesquisas anteriores que indicam que as equipes submetidas a pressão sustentada têm dificuldades para manter a posse de bola e ditar o ritmo do jogo, resultando em posturas defensivas reativas em vez de proativas (19). Além disso, as equipes vencedoras executaram um número significativamente maior de quebras de linha completas (M = 118, DP = 28,6, IC 95% [105,0, 124,7]) em comparação com as derrotadas (M = 81,0, DP = 29,1, IC 95% [73,1, 93,1]) e as empatadas (M = 92,0, DP = 19,2, IC 95% [81,6, 97,1]), indicando uma capacidade superior de penetrar as linhas defensivas adversárias e criar oportunidades de ataque, uma descoberta alinhada com a literatura que destaca a importância da penetração na linha defensiva no desempenho de elite (11,12). Isso é ainda reforçado por Armatas (54), que demonstrou que as transições iniciadas em áreas avançadas e direcionadas a estruturas defensivas desorganizadas aumentam significativamente a probabilidade de entrada no setor ofensivo, destacando assim a vulnerabilidade das equipes que aplicam alta pressão defensiva sem manter a compactação estrutural. Os resultados do presente estudo são ainda corroborados por Harrop e Nevill (1), que constataram que as equipes perdedoras realizaram mais cortes, desarmes e bloqueios no terço defensivo, sugerindo sobrecarga defensiva em vez de estratégia controlada. Além disso, análises táticas recentes enfatizaram o valor de uma defesa organizada e proativa. Durante a Copa do Mundo da FIFA de 2022, as equipes vitoriosas não se caracterizaram por um maior volume de ações defensivas, mas sim pela sua capacidade de reduzir o espaço de jogo disponível e manter linhas defensivas avançadas (20). De forma semelhante, nas principais ligas europeias, as equipes da parte inferior da tabela apresentaram mais ações defensivas de último recurso, que se correlacionaram com piores resultados devido ao menor controle técnico e de transição (22).

A associação positiva entre a distância total percorrida e o sucesso na partida observada em nosso estudo corrobora a relação já estabelecida entre maior intensidade de jogo e resultados competitivos favoráveis ​​(8,18). As equipes vencedoras percorreram, em média, 111,56 km (DP = 5,5, IC 95% [109,68, 113,43]), em comparação com as equipes que empataram (107,55 km, DP = 4,9, IC 95% [105,56, 109,53]) e com as derrotadas (111,59 km, DP = 5,9, IC 95% [109,56, 113,63]). Embora um maior esforço físico tenha sido vantajoso, as recepções no terço final do campo tiveram um efeito preditivo negativo em relação à vitória, com as equipes vencedoras apresentando uma média de 165,37 recepções (DP = 102,7, IC 95% [130,09, 200,66]); entretanto, esse alto volume de recepções pode refletir o controle do território sem uma execução eficaz. Este resultado pode refletir uma posse de bola estéril em zonas avançadas, carente de penetração eficaz ou de ações orientadas para o resultado, necessárias para converter a posse de bola em oportunidades de gol. De forma semelhante, Kite e Nevill (2), analisando dados de partidas de um time profissional de futebol da League One inglesa nas temporadas 2012/13, 2013/14 e 2014/15, descobriram que um maior número de entradas no terço final do campo não correspondia a um desempenho superior. Especificamente, durante a Temporada Um (S1), o time alcançou um maior número de gols, apesar de um número significativamente menor de entradas no terço final do campo em comparação com a Temporada Três (S3), onde 13% das entradas resultaram em um chute e apenas 6% em um chute a gol, ambas as taxas aproximadamente 5% menores do que em S1, indicando que a eficiência ofensiva, em vez da quantidade de entradas, é mais determinante para o sucesso. Isso corrobora a interpretação de que um maior número de recepções no terço final do campo pode refletir uma posse de bola ineficaz ou pouco ameaçadora, especialmente quando não combinada com a criação ou conversão eficiente de finalizações, como também observado por Kite e Nevill (2). Além disso, a S1 teve menos entradas na área, mas mais gols, o que implica que o jogo direto e a finalização precoce podem ter sido mais eficazes do que a construção de jogo prolongada. Esses padrões ressaltam que ações produtivas no terço final do campo, como a criação e a conversão de finalizações, são mais impactantes do que a mera ocupação territorial. Nossos resultados, portanto, enfatizaram a necessidade de alinhar o desempenho físico com a execução tática, particularmente nas fases ofensivas. Corroborando isso, Michailidis et al. (55) demonstraram que o desempenho de corrida em jovens jogadores de elite variou significativamente de acordo com a posição em uma formação 1-4-3-3, destacando a importância da especificidade tática no treinamento. Da mesma forma, Vardakis et al. (56) observaram fortes correlações entre a carga externa e os marcadores de adaptação fisiológica (por exemplo, VO2máx, zonas metabólicas), independentemente da capacidade física posicional. Michailidis et al. (57) alertaram ainda contra a sobrecarga não funcional em microciclos congestionados, onde o aumento das cargas de alta velocidade e desaceleração não conseguiu melhorar o desempenho na partida. Finalmente, Kanaras et al. (58) enfatizaram que, embora a distância total esteja positivamente associada ao resultado da partida, as métricas de alta intensidade (por exemplo, sprints, acelerações) devem ser calibradas com as proporções entre treino e jogo para garantir a transferência competitiva. Essas observações são ainda corroboradas por descobertas recentes de Pan et al. (59), que enfatizaram que o desempenho de corrida durante a partida é moldado pela interação entre o status de posse de bola e a porcentagem de posse de bola, e não apenas por métricas físicas. Uma maior posse de bola afetou negativamente o desempenho de corrida durante as fases de posse de bola, mas o melhorou durante as fases sem posse de bola. Foram identificados limiares (por exemplo, 36% para a distância total) a partir dos quais os valores com posse de bola superaram os valores sem posse de bola, com diferenças posicionais, como atacantes que necessitam de mais de 60% de posse de bola para observar essa mudança. Esses resultados reforçam a necessidade de interpretar o desempenho físico dentro de estruturas táticas e contextuais. Isso é corroborado por Lorenzo-Martínez et al. (60), que constataram que jogadores, especialmente atacantes, em equipes com maiores percentuais de posse de bola percorreram menos distância total, particularmente em velocidades baixas e médias. Isso apoia a noção de que uma maior retenção de bola pode reduzir as demandas de corrida, dependendo das funções posicionais e da abordagem tática. Em apoio adicional a essa visão, Modric et al. (61) observaram declínios significativos no desempenho de corrida em períodos de 15 minutos durante partidas da Liga dos Campeões da UEFA, atribuindo a redução não apenas à fadiga, mas potencialmente a estratégias de ritmo ou decisões táticas. Além disso, a formação tática influenciou significativamente as demandas posicionais, com jogadores atuando em sistemas com três jogadores defensivos apresentando maiores cargas de aceleração e desaceleração, particularmente entre os meio-campistas (62). Isso reforçou a importância de adequar o preparo físico a configurações táticas específicas. De forma semelhante, Modric et al. (63) destacaram que fatores contextuais, como local e resultado da partida, influenciaram o desempenho de corrida durante o jogo, mas a qualidade da equipe e do adversário não alterou significativamente as métricas de carga externa, ressaltando a primazia dos determinantes situacionais sobre os estruturais. Por fim, descobertas recentes de Modric et al. (64) sugeriram que os níveis mais altos do futebol são caracterizados por maiores esforços de corrida durante a fase defensiva, especialmente entre jogadores de ligas de elite, com esforços reduzidos nas fases ofensivas. Esses padrões enfatizaram ainda mais que a distância total ou o desempenho de alta intensidade, por si só, não garantem o sucesso, a menos que sejam integrados à dinâmica estratégica da partida. Consequentemente, o treinamento e a análise de partidas devem incorporar não apenas métricas de volume e intensidade, mas também indicadores de desempenho contextualizados e alinhados aos objetivos táticos.

A análise das fases de posse de bola revelou que as equipes vencedoras executaram mais jogadas de construção sob pressão do adversário (M = 16,46, DP = 3,6, IC 95% [15,21, 17,71]) e dependeram menos de táticas de lançamento longo (M = 2,60, DP = 2,55, IC 95% [1,73, 3,48]) em comparação com as equipes perdedoras (jogadas de construção: M = 14,49, DP = 3,3, IC 95% [13,37, 15,61]; lançamentos longos: M = 4,43, DP = 3,30, IC 95% [3,30, 5,56]). Essas preferências táticas estão alinhadas com as descobertas de pesquisas recentes que defendem estilos orientados à posse de bola e passes progressivos como ideais para manter o ímpeto ofensivo e o controle (21,22,25). Além disso, as equipes vencedoras apresentaram maior frequência de pressão alta, com média de 7,40 (DP = 3,96, IC 95% [6,04, 8,76]), refletindo uma abordagem agressiva para recuperar a posse de bola e interromper a construção de jogo do adversário, táticas conhecidas por aumentar as oportunidades de turnovers e reduzir a eficácia do oponente (18,19). Esses elementos táticos sofisticados ampliam a compreensão para além de métricas de desempenho isoladas, destacando a natureza multifacetada do sucesso em uma partida, que engloba dimensões técnicas, físicas e estratégicas.

Análises de Regressão Logística e Valor Preditivo de Variáveis-Chave de Desempenho

Os modelos de regressão logística identificaram as tentativas de gol a gol como o preditor positivo mais forte de vitória, enfatizando a precisão ofensiva como decisiva para o sucesso da partida. Essa descoberta está em consonância com estudos anteriores que destacam os chutes a gol como indicadores críticos de sucesso (2,8,30). Especificamente, no presente estudo, cada tentativa adicional a gol aumentou as chances de vitória em 40% (OR = 1,40, IC 95% [1,10, 1,75], p = 0,005). Além disso, passes completos e distância total percorrida também influenciaram positivamente os resultados da partida, refletindo a necessidade combinada de habilidade técnica e resistência física (16,18). Por outro lado, o aumento da pressão defensiva correlacionou-se negativamente com a vitória, corroborando a ideia de que a intensidade da pressão imposta pelos adversários pode comprometer a posse de bola e reduzir as oportunidades de gol (19). A robusta precisão preditiva de nossos modelos, evidenciada pela AUC de 0,85, pode sugerir sua potencial utilidade no monitoramento prático de desempenho e no planejamento estratégico para comissões técnicas.

Implicações práticas

Os resultados deste estudo oferecem importantes implicações práticas para treinadores de futebol e analistas de desempenho que buscam otimizar os resultados de partidas em competições de elite, como o Mundial de Clubes da FIFA. A significativa vantagem de marcar o primeiro gol destacou a necessidade de ênfase tática em transições ofensivas rápidas para garantir vantagens iniciais, enquanto a distribuição temporal dos gols perto do final de cada tempo sugere que os programas de condicionamento físico devem preparar os jogadores para manter um alto desempenho durante esses períodos críticos. As equipes vencedoras apresentaram métricas de posse de bola superiores, incluindo maior posse de bola, passes totais, passes certos e passes completos, indicando que o treinamento deve se concentrar em habilidades técnicas e circulação de bola coordenada sob pressão. Além disso, as finalizações a gol emergiram como um forte preditor de vitória, ressaltando a importância da precisão nos chutes e da tomada de decisão no terço final do campo. A relação inversa entre a pressão defensiva e a vitória sugere que as equipes submetidas a uma pressão intensa necessitam de maior resiliência e estratégias para neutralizar a pressão adversária, como uma construção de jogo eficaz. Adicionalmente, a maior distância total percorrida pelos jogadores em partidas vitoriosas enfatiza a importância do condicionamento físico e do ritmo de trabalho sustentado. A constatação de que o aumento de recepções no terço final do campo está negativamente associado à vitória indica que a qualidade da posse de bola e a penetração efetiva são mais decisivas do que a quantidade de recepções isoladamente, orientando os treinadores a priorizarem ações eficientes no terço final do campo. As fases defensivas e de transição, notadamente a pressão alta e a contra-pressão, foram mais proeminentes nas equipes vencedoras, sugerindo que o treinamento deve incorporar organização defensiva agressiva e recuperação rápida da bola. Por fim, os limiares diagnósticos derivados das análises ROC, como um mínimo de 3,5 tentativas de gol e 478,5 passes completos por partida, fornecem parâmetros de desempenho mensuráveis ​​para que os profissionais definam objetivos e monitorem a eficácia da equipe. Em conjunto, essas informações defendem uma estratégia de jogo integrada que combine precisão ofensiva, controle de posse de bola, resistência física e pressão defensiva dinâmica para aprimorar o sucesso competitivo por meio de treinamento bem fundamentado e tomada de decisões táticas.

Limitações e pesquisas futuras

Apesar dos valiosos resultados fornecidos por este estudo, algumas limitações devem ser reconhecidas para contextualizar as descobertas e orientar pesquisas futuras. Primeiro, a análise se concentrou exclusivamente nas partidas da fase de grupos da Copa do Mundo de Clubes da FIFA 2025, com os jogos da fase eliminatória deliberadamente excluídos para evitar inconsistências decorrentes de prorrogações. Embora essa decisão tenha aumentado a consistência dos dados, limitou a generalização das descobertas para toda a estrutura da competição, particularmente para as fases eliminatórias, caracterizadas por alta pressão e especificidades táticas. Segundo, embora uma ampla gama de indicadores de desempenho técnico, tático e físico tenha sido examinada, a análise não incorporou fatores contextuais, táticos, psicológicos ou ambientais que podem influenciar significativamente os resultados das partidas. Por exemplo, a vantagem de jogar em casa, a presença ou ausência de torcedores, as condições climáticas, a força do adversário e as exigências de viagem não foram consideradas, apesar de pesquisas anteriores sugerirem seu impacto no desempenho da equipe. Além disso, configurações táticas específicas de cada equipe, como escolhas de formação, ajustes durante o jogo ou esquemas de pressão estratégica, não foram capturadas pelos dados disponíveis. Variáveis ​​psicológicas como motivação do jogador, coesão da equipe e dinâmica de liderança também foram excluídas, embora esses fatores possam ser particularmente influentes em partidas acirradas. Além disso, a decisão de dicotomizar os resultados das partidas em categorias de vitória versus derrota, embora analiticamente prática, pode ter obscurecido diferenças significativas entre empates e derrotas. Por fim, embora a aplicação da análise da curva ROC tenha introduzido uma nova dimensão metodológica à modelagem do desempenho no futebol, pesquisas futuras poderiam expandir essa abordagem incorporando técnicas preditivas avançadas, como algoritmos de aprendizado de máquina, ou adotando estruturas de métodos mistos que integrem dados quantitativos e qualitativos. Tais avanços aprimorariam a validade ambiental, a interpretabilidade e a capacidade preditiva dos modelos de desempenho em contextos de futebol de elite.

Estudos futuros podem se beneficiar da realização de análises comparativas entre competições de clubes e internacionais, integrando também perspectivas de gênero para enriquecer a compreensão das influências contextuais no desempenho. A inclusão de métricas psicológicas em nível individual, como eficiência na tomada de decisões, respostas ao estresse, fadiga mental ou dinâmica de equipe, juntamente com variáveis ​​situacionais (por exemplo, jogar em casa ou fora, importância da partida ou condições climáticas), ofereceria uma visão mais holística dos determinantes do sucesso. Além disso, estudos longitudinais acompanhando equipes ao longo de várias temporadas ou torneios poderiam esclarecer como os principais indicadores de desempenho evoluem em resposta à reestruturação da equipe, estratégias gerenciais ou trajetórias de desenvolvimento dos jogadores.

A análise dos dados da Copa do Mundo de Clubes da FIFA 2025 revelou uma forte influência do primeiro gol no resultado das partidas, com as equipes que marcaram primeiro apresentando uma probabilidade significativamente maior de garantir a vitória. Os indicadores de desempenho diferiram notavelmente entre as equipes vencedoras, empatadas e perdedoras em dimensões técnicas, táticas e físicas. As equipes vencedoras demonstraram maior posse de bola, maior frequência de gols e finalizações a gol, maior precisão de passes, volume e quebras de linha bem-sucedidas, todos fatores críticos para o sucesso. Por outro lado, as equipes perdedoras apresentaram maior pressão defensiva, indicando um jogo reativo sob o domínio do adversário. A análise temporal da marcação de gols mostrou uma distribuição relativamente equilibrada ao longo dos tempos e intervalos da partida, com pequenos picos antes do intervalo e no final do jogo, sugerindo momentos estratégicos importantes para os esforços ofensivos. A modelagem de regressão logística identificou variáveis ​​preditivas de desempenho importantes para os resultados das partidas, notadamente finalizações a gol a gol, total de passes completos, pressão defensiva, distância total percorrida e recepções no terço final do campo, destacando a influência combinada da precisão ofensiva, circulação eficiente da bola, esforço físico e dinâmica defensiva na probabilidade de vitória. Essas descobertas enfatizaram a natureza multifacetada do sucesso no futebol, onde a eficácia ofensiva e o controle tático atuam em sinergia com o desempenho físico e a resiliência defensiva.