GAMBARAN EARLY CHILDHOOD CARIES (ECC) DI POSYANDU TERINTEGRASI PAUD (PENDIDIKAN ANAK USIA DINI) KECAMATAN SIJUNJUNG KABUPATEN SIJUNJUNG SUMATERA BARAT (Preliminary Study Pengembangan Surveilans ECC di Kabupaten Sijunjung Sumatera Barat pada bulan Juli 2013)
Notice bibliographique
Résumé
Early Childhood Caries (ECC) atau karies pada anak usia dini merupakan masalah kesehatan masyarakat yang besar dan menjadi penyakit infeksi yang kronis pada anak yang sulit dikontrol. Belum ada data yang dapat mewakili gambaran beban penyakit ECC khususnya di Sumatera Barat lebih khusus lagi di Kabupaten Sijunjung yang dapat digunakan untuk perencanaan program dalam memecahkan masalah ECC. Studi Deskriptif cross sectional ini bertujuan untuk mendapat gambaran prevalensi, pengalaman dan tingkat keparahan Early Childhood Caries (ECC) pada anak usia 3 - 6 tahun yang akan digunakan sebagai preliminary study pengembangan surveilans ECC di Kabupaten Sijunjung Sumatera Barat. Metode yang dipakai yaitu pemeriksaan klinis dengan menggunakan indeks DMFT/dmft untuk mengukur pengalaman ECC. Indeks PUFA/pufa digunakan untuk menilai adanya kondisi oral dan infeksi akibat ECC tidak terawat. Kesimpulannya adalah prevalensi ECC dan infeksi odontogenik yang didapat menunjukkan bahwa sebagian besar kondisi kesehatan gigi dan mulut anak usia pra sekolah masih belum menjadi perhatian serius dan sebagian besar kasus karies pada anak usia dini (ECC) didapati belum dilakukan perawatan.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».