MétaCan
Menu
Retour à la cohorte
Enregistrement W2509351261 · doi:10.21109/kesmas.v10i4.690

Child Health Improvement through Implementation of Food Safety Model

2016· article· en· W2509351261 sur OpenAlexaboutno aff
Arief Safari, Machfud Machfud, Eriyatno Eriyatno, Heny K. Daryanto

Notice bibliographique

RevueKesmas National Public Health Journal · 2016
Typearticle
Langueen
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensnon disponible
Organismes subventionnairesStrong
Mots-clésFood safetySituational ethicsBusinessSAFERAnalytic hierarchy processQuarter (Canadian coin)Environmental healthPsychologyMarketingOperations managementEngineeringComputer scienceGeographyMedicineOperations researchComputer securitySocial psychology

Résumé

récupéré en direct d'OpenAlex

Food is the most important basic human need, in which it’s fulfillment becomes major component of human right to embody qualified human resources in Indonesia. However, there have been some problems to embody it, such as food safety problem with percentage of foodborne ilness case that remains high. This study aimed to analyze the situation of Street Food for School Children (SFSC) safety practice nowadays and select the most effective and efficient food safety model alternative implemented on Micro and Small Enterprises (MSE) in order to improve food safety performance, so child health improvement may occur. This study was conducted in the second quarter until the early third quarter of 2015 through field survey and expert survey by taking case study in elementary school environment. Field survey involved 102 respondents was conducted to enable situational analysis and expert survey was conducted to select the most effective and efficient food safety model implemented in SFSC MSE with Analytical Hierarchy Process. Field survey results showed 91% school child respondents ever suffered from health disorders after consuming SFSC. Moreover, 100% SFSC MSE respondents did not wear masks nor gloves before producing food/beverage, 62% still used nearby well water as water source for SFSC production and 86% used Food Additives. Expert survey results showed Five Keys to Safer Food model selected as the most effective and efficient food safety model implemented in SFSC MSE. Abstrak Pemenuhan akan pangan merupakan komponen dasar untuk mewujudkan sumber daya manusia yang berkualitas. Namun, masih terdapat permasalahan dalam mewujudkannya, di antaranya masalah keamanan pangan dengan persentase kasus keracunan makanan masih tinggi. Penelitian ini bertujuan untuk menganalisis situasi pelaksanaan keamanan Pangan Jajanan Anak Sekolah (PJAS) yang ada saat ini dan memilih alternatif model keamanan pangan yang paling efektif dan efisien diterapkan di usaha mikro kecil (UMK) guna meningkatkan keamanan pangan yang dihasilkannya sehingga terjadi peningkatan kesehatan anak. Penelitian dilakukan pada kuartal II tahun 2015 sampai dengan awal kuartal III tahun 2015 melalui survei lapangan dan survei pakar dengan mengambil studi kasus di lingkungan sekolah dasar. Survei lapangan melibatkan 102 responden untuk memungkinkan dilakukannya analisis situasional dan juga survei pakar untuk memilih model keamanan pangan yang paling efektif dan efisien untuk diterapkan pada UMK PJAS dengan Analytical Hierarchy Process. Hasil survei lapangan menunjukkan 91% responden anak sekolah pernah mengalami gangguan kesehatan setelah mengonsumsi PJAS. Selain itu, 100% responden UMK PJAS tidak menggunakan masker dan sarung tangan sebelum mengolah makanan/minuman, 62% masih menggunakan air sumur sebagai sumber air untuk produksi PJAS dan 86% menggunakan Bahan Tambahan Pangan. Hasil survei pakar menunjukkan model Lima Kunci Pangan Aman terpilih sebagai model keamanan pangan yang paling efektif dan efisien diterapkan pada UMK PJAS.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil0,992

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,078
Tête enseignante GPT0,394
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueKesmas National Public Health JournalMême sujetPublic Health and NutritionTravaux en français237 207