KHASIAT MADU MENURUNKAN TEKANAN DARAH DAN HEMATOLOGI PARAMETER
Notice bibliographique
Résumé
Angka kejadian Diabetes Melitus (DM) terus mengalami peningkatan, baik di dunia, regional, maupun di Indonesia. Salah satu penyebab DM adalah stres oksidatif, sehingga madu sebagai antioksidan alami mampumenurunkan komplikasi yang terjadi. Penelitian ini bertujuan menilai efek pemberian madu terhadap tekanan darah dan hematologi parameter. Jenis rancangan yang digunakan adalah quasi experiment dengan desain prepost control. Populasi adalah penderita DM tipe 2 di dua wilayah kerja puskesmas di Kota Makassar. Sampel adalah sebagian yang memenuhi kriteria inklusi sebanyak 36 penderita DM tipe 2 yaitu 18 responden kelompok intervensi (KI) (diberikan madu dan edukasi gizi), dan 18 responden kelompok kontrol (KII) (diberikan edukasi gizi). Analisis data menggunakan uji Wilcoxon dan uji Mann-Whitney U. Hasil penelitian yaitu terjadi penurunan signifikan kadar kolesterol total, LDL, Gula Darah Puasa (GDP) dan Tekanan Darah Diastolik (TDD) pada KI. KII terjadi penurunan signifikan pada kadar LDL dan GDP, tetapi terjadi peningkatan signifikan pada TDD. Terjadi perbedaan yang signifikan pada TDD antara KI dengan KII (p=0,04). Pemberian madu memberi perubahan positifpada GDP (26,2%), total kolesterol (8,3%), LDL (11,7%), HDL (5,4%), tekanan darah sistolik (TDS) (4,1%) dan TDD (9,1%). Kesimpulan dari penelitian bahwa madu menurunkan kadar GDP, kolesterol total, LDL, TDD dan TDS pada penderita DM tipe 2.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,003 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».