Spatial Patterns of Pulmonary Tuberculosis Analysing Rainfall Patterns in Visual Formation
Notice bibliographique
Résumé
Management sustainability related tuberculosis patient treatment was limited. Tuberculosis analysis was still in the form of data aggregation. This is cross sectional survey using geographical information system, analyzed by descriptive methods, the sample included 162 pulmonary tuberrculosis patient in 2014. The variables were pulmonary tuberrculosis patients and isohyet data. Mycrobacterium tuberculosis will be survive and multiply during rainy season. Rainfall data was an increasing pattern from first quarter to fourth quarter in 2014, however data in 2011, 2012 and 2013, which each quarter was largely experiencing sustained increase and decline. Pulmonary tuberrculosis patients were most prevalent in 2014. It was increase in the rainy season. The most high rainfall intensity (> 2400 mm) in east of Lendah and western of Kokap areas, while the lowest intensity (< 1500 mm) in east of Nanggulan, in the south of Panjatan and Galur areas. It was mostly located in areas with high rainfall intensity (2200 - 2400 mm) which spreads and stretches in Sentolo, Wates, and Panjatan areas. Pulmonary tuberrculosis occurred over the rainy season. Spatial pattern distribution of pulmonary tuberrculosis patients in high rainfall intensity spreads and stretches from east to west areas. Active case monitoring program should be performed by tuberculosis program that concerned in areas of high rainfall intensity.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».