MétaCan
Menu
Retour à la cohorte
Enregistrement W2924543008 · doi:10.33533/jpm.v11i2.229

Hubungan Faktor Demografi Dan Dukungan Sosial Dengan Depresi Pascasalin

2018· article· en· W2924543008 sur OpenAlexaff
Nurfatimah Nurfatimah, Cristina Entoh

Notice bibliographique

RevueJurnal Profesi Medika Jurnal Kedokteran dan Kesehatan · 2018
Typearticle
Langueen
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésEdinburgh Postnatal Depression ScaleDepression (economics)Social supportChildbirthMoodPsychologyMedicineParity (physics)Depressed moodClinical psychologyPsychiatryPregnancyCognition

Résumé

récupéré en direct d'OpenAlex

Postnatal depression is a mental disorder after the birth of her child and can last up to one year. Maternal postnatal mood disorder not an easy matter. The impact can be devastating life of the mother and her child. Currently there are many women who experienced postnatal depression but has not been detected. The purpose of this study was to analyze the relationship between demographic factors and social support in postnatal depression in The Working Area Of Puskesmas Kayamanya.The design of this research is cross sectional. Research subjects were followed for 56 respondents ranging from childbirth to 7 days postnatal. The samples was chosen by using consequtive sampling. The instruments used in this research are the Edinburgh Postnatal Depression Scale (EPDS) and standard social support questionnaire. The results reveal that the age is not significantly associated with depression postnatal (p = 0.514) and education (p = 0.154); but it is significantly parity (p = 0.012); economic status (p = 0.030), social support include the family (p = 0.035); friends (p = 0.017); and midwives (p = 0.005). The multivariate analysis reveals that midwifes support (wald=4,236; p= 0,04) is the dominant factor causing postnatal depression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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.

Tête enseignante Opus0,026
Tête enseignante GPT0,324
Écart entre enseignants0,298 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Profesi Medika Jurnal Kedokteran dan KesehatanMême sujetPublic Health and NutritionTravaux en français237 207