Analisis Faktor Sosiodemografi Dalam Pengambilan Keputusan Pemilihan Tempat Persalinan Di Kabupaten Bangkalan
Notice bibliographique
Résumé
Abstract : Parents Factors, Decisions, Selection Of Delivery Places. Maternal and Infant Mortality Rate in Indonesia remains high. Approximately 95% of maternal deaths occur during labor due to obstetric complications. Efforts are made by doing delivery in health facilities so it does not happen late referred and handled and can be anticipated if maternity in health facilities. Factors that are considered to influence the decision of maternity selection by maternity mothers are socio-demographic factors, namely education & culture. High knowledge about health services causes individuals to tend to use health care facilities. This study aims to analyze the Sociodemografi Factors that Affect Decision Selection Place Birth to Maternity Mother. The research design using explanatory survey method with cross sectional design. This population are maternity mother in August-2016 with 51 samples of with multi stage sampling technique at coastal cluster, town and mountains, is Sepuluh health centers, Arosbaya health center and Galis health center. The data were taken by using quesioner and analized by Chi-Khuadrat. The results showed that the sociodemographic factor did not significantly influence the decision of maternity selection in maternal mother (p value>0,05). It is recommended that midwives further improve counseling in pregnant women in the third trimester related to preparing for the delivery process, among othersthrough.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,009 | 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 ».