GAMBARAN IBU BERSALIN YANG MENGALAMI PRE-EKLAMPSIA BERAT
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Penyebab langsung kematian ibu adalah perdarahan (30%), eklamsi (25%), partus lama (5%), komplikasi abortus (8%), dan infeksi (12%). Preeklampsi berat adalah suatu komplikasi kehamilanyang ditandai dengan timbulnya hipertensi 160/110 mmHg atau lebih disertai proteinuria pada umurkehamilan 20 minggu atau lebih. Tujuan dari penelitian ini adalah untuk mengetahui gambaran ibubersalin yang mengalami preeklamsi berat di RSUD dr. H. Abdul Moeloek Bandar Lampung tahun2020. Jenis penelitian ini adalah Deskriftif, subjek penelitin yaitu seluruh ibu berrsalin yangmengalami preeklamsi berat, sedangkan objek penelitiannya adalah gambaran ibu bersalin yangmengalami preeklampsia berat. Populasidalam penelitian ini yaitu 258 orang dan seluruh jumlahpopulasi dijadikan sampel penelitian. Alat pengumpulan data dalam penelitian ini berupa formatpengumpulan data, analisis data penelitian ini adalah analisis univariat dengan distribusi frekuensi. Hasil penelitian menunjukkan bahwa ibu bersalin yang mengalami PEB di RSUD AbdoelMoeloek Tahun 2015 mayoritas adalah ibu yang berusia 20-35 tahun 155 ibu (60,1%), paritasmultipara sebanyak 150 ibu (58,1%),ibu yang mempunyai riwayat preeklamsi sebanyak 188 ibu(72,9%), ibu yang tidak mengalami distensi rahim 206 ibu (79,8%). Kesimpulan ibu bersalin yang mengalami preeklamsia berat di RSUD Dr. H Abdoel MoeloekBandar Lampung tahun 2020 mayoritas adalah ibu yang berusia 20-35, paritas multipara, ibu yangmempunyai riwayat preeklamsi, dan ibu yang tidak mengalami distensi rahim. Disarankan kepada ibuhamil untuk rutin memeriksakan kehamilannya setiap bulan sesuai jadwal dan memeriksakan tekanandarahnya agar mendapat pengobatan dan mendeteksi komplikasi sedini mungkin.
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.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle