MétaCan
Menu
Retour à la cohorte
Enregistrement W2748037155 · doi:10.30867/action.v1i1.5

Pengaruh Pemberian Jus Alpukat Terhadap Tekanan Darah Penderita Hipertensi Di Batoh Wilayah Kerja Puskesmas Lueng Bata Kota Banda Aceh

2016· article· id· W2748037155 sur OpenAlexaff
Indah Yusra, Aripin Ahmad, Agus Hendra Al Rahmad

Notice bibliographique

RevueAcTion Aceh Nutrition Journal · 2016
Typearticle
Langueid
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensEncana (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineGynecology

Résumé

récupéré en direct d'OpenAlex

Hipertensi merupakan faktor resiko utama dari perkembangan (penyebab) penyakit jantung dan stroke. Tekanan darah diastolik adalah tekanan darah pada saat jantung mengembang dan menyedot darah kembali. Prevalensi hipertensi secara nasional sebesar 31,7%, di Aceh prevalensi hipertensi mencapai 9,2%, di kota Banda Aceh prevalensi hipertensi mencapai 33,1%. Tujuan penelitian mengetahui pengaruh Pemberian Jus Alpukat Terhadap Tekanan Darah Di Desa Batoh. Penelitian bersifat deskriptif analitik, dengan rancangan quasi eksperimental, sampel dalam penelitian penderita hipertensi berjumlah 20 orang secara metode purposive sampling. Uji statistik digunakan yaitu T-Test Dependen pada CI:95%. Hasil penelitian bahwa rerata tekanan darah sampel sebelum pemberian jus alpukat adalah 95,75 mmHg dan Rata-rata tekanan darah sesudah pemberian jus alpukat adalah 83,25. Terdapat selisih penurunan tekanan darah 12,5 mmHg. Terdapat pengaruh yang signifikan pemberian jus Alpukat terhadap penurunan tekanan darah, P =0,000 (P≤0,05). Kesimpulan yaitu pemberian tritmen jus alpukat berpengaruh terhadap penurunan tekanan darah. Diharapkan kepada masyarakat agar dapat mempertimbangkan untuk mengkonsumsi jus alpukat untuk menurunkan tekanan darah pada penderita hipertensi.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesIntégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,366
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,000
Communication savante0,0010,004
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,050
Tête enseignante GPT0,315
Écart entre enseignants0,265 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcTion Aceh Nutrition JournalMême sujetPublic Health and NutritionTravaux en français237 207