Evaluasi Terapi Obat Antiplatelet pada Pengobatan Pasien Stroke di Instalasi Rawat Inap RSUD AM Parikesit Tenggarong Periode Tahun 2014
Notice bibliographique
Résumé
Antiplatelet memiliki peranan penting dalam pengobatan stroke, pemberiaan antiplatelet bekerja dengan cara mengurangi agregasi platelet sehingga dapat menghambat pembentukan trombus pada sirkulasi arteri. Penelitian ini bertujuan untuk mengetahui tingkat ketepatan penggunaan antiplatelet pada pasien stroke di Instalasi Rawat Inap RSUD AM PARIKESIT berdasarkan pedoman antiplatelet Canadian Cardiovascular Society Guideline tahun 2011, dan PERDOSSI yang meliputi tepat indikasi, tepat pasien, tepat obat, dan tepat dosis. Penelitian ini menggunakan rancangan penelitian non eksperimental (deskriptif). Pengumpulan data dilakukan secara retrospektif yaitu data dari catatan rekam medik pasien. Subjek penelitian adalah pasien yang memenuhi kriteria inklusi diagnosis utama stroke mulai dari awal sampai akhir perawatan baik yang mendapatkan terapi antiplatelet maupun yang tidak mendapatkan terapi antiplatelet selama perawatan. Data yang diperoleh kemudian diolah dengan analisis deskriptif. Hasil penilitian ini pola pengobatan penyakit stroke yaitu antiplatelet tunggal yang digunakan adalah Aspirin (48,6%), cilostazol (25%) dan clopidogrel (11,1%). Antiplatelet kombinasi yang digunakan adalah aspirin + clopidogrel (2,7%), cilostazol + clopidogrel (11,1%) dan aspirin + cilostazol (1,3%). Hasil analisis ketepatan penggunaan antiplatelet adalah tepat indikasi adalah 100%, tepat pasien adalah 100%, tepat obat adalah 87,5%, tepat dosis adalah 90,2%.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».