Survei Risiko Penyakit Diabetes Melitus Terhadap Masyarakat Kota Padang
Notice bibliographique
Résumé
Telah dilakukan survei risiko penyakit diabetes melitus terhadap 348 orang masyarakat di Kota Padang. Penelitian ini menggunakan metoda cross sectional survey dengan pengambilan data secara prospektif. Pengumpulan data mengunakan kuesioner CANRISK (The Canadian Diabetes Risk Questionnaire) dan dianalisis dengan menggunakan uji Mann-Whitney dan uji Kruskal-Wallis dengan tingkat signifikan α<0,05. Parameter yang diamati adalah kategori risiko dan faktor-faktor risiko yang berpengaruh terhadap diabetes melitus. Hasil penelitian menunjukan bahwa 57,7% responden termasuk kedalam kategori risiko tinggi, 34,5% risiko sedang, dan 7,7% risiko rendah terhadap penyakit diabetes melitus. Faktor risiko yang memiliki pengaruh terhadap penyakit diabetes melitus adalah jenis kelamin, umur, BMI (Body Mass Index), lingkar pinggang, riwayat hipertensi, riwayat gula darah tinggi, riwayat keluarga positif diabetes, dan tingkat pendidikan. Sedangkan faktor risiko yang tidak berpengaruh terhadap penyakit diabetes melitus adalah aktivitas fisik, konsumsi buah/sayur setiap hari, dan etnis orang tua.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».