ANALISA DETERMINAN PEMILIHAN ALAT KONTRASEPSI INTRA UTERI DEVICE (IUD)
Notice bibliographique
Résumé
Salah satu strategi dari pelaksanaan program KB sendiri seperti tercantum dalam rencana pembangunan jangka menengah (RPJM) tahun 2004-2009 adalah meningkatnya penggunaan metode kontrasepsi jangka panjang (MKJP) seperti IUD (Intra Uterine Device), implan susuk dan sterilisasi. Di Indonesia pada tahun 2016 kontrasepsi yang paling tinggi digunakan adalah suntik sebanyak 53,9%, dan IUD kontrasepsi terendah sebanyak 6,6% (BKKBN, 2016). Tujuan penelitian adalah untuk mengetahui faktor yang berhubungan dengan pemilihan alat kontrasepsi IUD di Wilayah Kerja Puskesmas Uepai Kabupaten Konawe. Metode penelitian dengan pendekatan kuantitatif menggunakan rancangan cross sectional. Sampel dalam penelitian ini adalah sebagian dari Pasangan Usia Subur (PUS), yang sudah menikah dan masih aktif menjadi Akseptor KB (IUD dan Non IUD) yang tinggal di Wilayah Kerja UPTD Puskesmas Uepai Kabupaten Konawe tahun 2018 berjumlah 94 sampel, instrument yang digunakan adalah kuesioner, hasil penelitian di analisa menggunakan chi-square. Hasil penelitian menunjukkan ada hubungan pengetahuan, pendidikan, sarana dan prasarana, sumber informasi, dukungan keluarga dan dukungan tenaga kesehatan dengan pemilihan alat kontrasepsi IUD dengan nilai p value masing-masing variabel < 0.05. Kesimpulan dalam penelitian faktor yang berhubungan dengan pemilihan alkon IUD adalah pengetahuan, pendidikan, sarana dan prasarana, sumber informasi, dukungan keluarga dan dukungan tenaga kesehatan. Kata Kunci : Alat kontrasepsi; IUD
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,006 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».