GAMBARAN FAKTOR RISIKO KEJADIAN STUNTING PADA BALITA DI WILAYAH KERJA PUSKESMAS NANGALO KOTA PADANG
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
Stunting merupakan masalah gizi yang banyak terjadi pada balita..Kejadian stunting di Indonesia masih tinggi yaitu 29%. Faktor-faktor yang mempengaruhi kejadian stuntingdiantaranya panjang badan lahir, berat badan lahir, riwayat ASI Eksklusif, riwayat Inisiasi Menyusui Dini (IMD), pendapatan keluarga, jumlah anggota keluarga, dan tinggi badan ibu. Tujuan penelitian ini untuk mengetahui gambaran faktor-faktor yang mempengaruhi kejadian stunting pada balita di wilayah kerja Puskesmas Nanggalo Kota Padang tahun 2018.Penelitian ini bersifat deskriptif di wilayah kerja Puskesmas Nanggalo Kota Padang tanggal 8-15 Juli 2018.Populasi adalah balita stunting yang terdata saat Pemantauan Status Gizi (PSG) tahun 2017 yaitu 31 orang. Pengambilan sampel dengan caratotal sampling yaitu 31 orang. Pengumpulan data menggunakan kuesioner dengan teknik wawancara dan studi dokumentasi.Pengolahan data berupa editing, coding, entry, dan cleaning.Analisa data dengan analisa univariat. Dari 31 responden menggambarkan bahwa 61,3% dengan panjang badan lahir normal, 100% respondendengan berat badan lahir cukup, 61,3% responden mendapat ASI eksklusif, 58,1% respondentidak mendapat IMD, 71,0% responden dengan pendapatan keluarga tinggi, 54,8% responden dengan jumlah anggota keluarga besar, dan 100% responden memiliki ibu dengan tinggi badan normal. Dari data diatas dapat disimpulkan bahwa yang menjadi faktor risiko terjadinya stunting adalah riwayat IMD dan jumlah anggota keluarga .Untuk itu diharapkan terjadinya penurunan prevalensi Balita pendek (stunting) di wilayah kerja Puskesmas Nanggalo Kota Padang.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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