RISIKO KEJADIAN MALARIA DI WILAYAH KERJA PUSKESMAS KECAMATAN CIKEUSIK
Notice bibliographique
Résumé
Malaria merupakan masalah kesehatan dunia yang menjadi penyebab utama morbiditas dan mortalitas di Benua Afrika dan Asia. Diperkiraan 30 ribu orang meninggal dunia dengan lebih dari 15 juta penderita klinismalaria di Indonesia. Tujuan penelitian ini menentukan faktor risiko yang terkait dengan malaria di wilayah kerja Puskesmas Kecamatan Cikeusik Kabupaten Pandeglang. Desain penelitian ini menggunakan kasus kontrol,dengan menganalisis data kasus kontrol dan data kesehatan masyarakat. Jumlah sampel sebanyak 378 responden. Hasil penelitian ditemukan bahwa terdapat tujuh variabel yang merupakan faktor risiko malaria (OR>1). Namun, faktor risiko yang bermakna secara statistik yaitu umur (OR=2,032;95%CI=1,309-3,154), pekerjaan (OR=3,868; 95% CI=2,00-7,48), lama tinggal di daerah endemis (OR=1,848; 95% CI=1,043-3,273), kebersihan lingkungan (OR=1,810;95%CI=1,154-2,839), dan penggunaan obat anti nyamuk (OR=8,183;95%CI=4,988–13,422). Darianalisis multivariat dengan uji korelasi spearman, ditemukan faktor risiko yang paling dominan menyebabkan malaria di daerah Pandeglang yaitu penggunaan obat anti nyamuk (B=2,227;OR=9,271). Disimpulkan bahwaumur, pekerjaan, lama tinggal di daerah endemis, kebersihan lingkungan, dan penggunaan obat anti nyamuk merupakan faktor risiko kejadian malaria di wilayah tersebut.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,008 | 0,001 |
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.
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 ».