HUBUNGAN KEBIASAAN MAKAN DAN ASAP ROKOK TERHADAP HASIL PEMERIKSAAN IVA (INSPEKSI VISUAL ASETAT) DI KABUPATEN PEKALONGAN
Notice bibliographique
Résumé
Latar Belakang : Kanker serviks atau kanker leher rahim merupakan salah satu kanker yang paling sering menyerang wanita menurut WHO menempati urutan kedua sebagai penyebab kematian terbanyak setelah penyakit kardiovaskuler. Penyebab kanker ini adalah infeksi dari Human papiloma Virus (HPV).Beberapa faktor risiko yang secara tidak langsung diduga berpengaruh terhadap pertumbuhan HPV sehingga terjadi lesi prakanker leher rahim meliputi status social ekonomi, factor aktivitas seksual, multiparitas, kurang menjaga kebersihan genital, merokok, riwayat kebiasaan makan makanan yang berlemak, riwayat penyakit kelamin serta penggunaan kontrasepsi oral dalam jangka waktu lebih dari 4 tahun Tujuan : Penelitian ini bertujuan untuk mengetahui hubungan kebiasaan makan dan Asap rokok terhadap hasil pemeriksaan IVA di Kabupaten Pekalongan. Metode : Penelitian ini menggunakan desain Deskriptif Korelatif dengan rancangancross sectional. Populasipenelitianini adalah seluruhwanita usia subur di wilayah Kabupaten Pekalongan. Subyek penelitian ini seluruh wanita di wilayah Kabupaten Pekalongan yang melakukan pemeriksaan IVA di STIKES Muhammadiyah Pekajanganpada tanggal 6 Maret 2018 yang berjumlah 206 orang. Pada penelitian ini menggunakan alat pengumpul data berupa kuesioner. Analisa data dalam penelitian ini menggunakan Uji Spearman rank. Hasil : Sebagian besar 77,7% wanita mempunyai kebiasaan makan dengan mengkonsumsi makanan berlemak dan berpengawet. Wanita yang terpapar asap rokok sebanyak 38,3% dan terdapat sebagian kecil wanita (4,9%) dengan hasil pemeriksaan IVA positif. Hasil korelasi dengan uji Spearman Rankdidapatkan0,340tidak ada hubungan yang signifikan antara kebiasaan makandengan hasil pemeriksaan IVA dan nilai signifikansi 0,150 yang berarti tidak ada hubungan antara asap rokok dengan hasil pemeriksaan IVA Simpulan: Tidak ada hubungan antara kebiasaan makan dan asap rokok dengan hasil pemeriksaan IVA dg nilai p> 0,05
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 | 0,001 |
| 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 | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 0,004 |
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 ».