PROGRAM KEMITRAAN MASYARAKAT “PENANGGULANGAN TUBERCULOSIS (TB) MENGGUNAKAN MODEL INTERAKSI GUNA MENCEGAH KEJADIAN DROP OUT (DO) DI SURABAYA”
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
awa Timur merupakan penyumbang kedua kasus tuberkulosis positif di Indonesia setelah Jawa Barat dengan tingkat keberhasilan pengobatan mencapai 90%. Walaupun cakupan keberhasilan pengobatan telah mencapai target WHO, namun ada kecenderungan pasien berhenti minum obat (drop out) karena ada perbaikan gejala dalam 2-4 minggu. Dukungan kader kesehatan merupakan salah satu strategi meningkatkan kepatuhan pasien terhadap pengobatan. Program pengabdian masyarakat ini bertujuan untuk meningkatkan kapasitas kader kesehatan sebagai upaya penanggulangan Tuberkulosis dalam pencegahan kejadian drop out. Metode yang digunakan melalui pelatihan pada Kader Tuberkulosis selama 6 kali pertemuan dalam 6 minggu dengan memberikan informasi memadai terkait penyakit tuberkulosis berdasarkan model interaksi kader-pasien yang mengacu pada teori sistem interaksi Imogene King. Wilayah Kerja Puskesmas yang dijadikan mitra adalah Puskesmas Perak Timur dan Tanah Kali Kedinding Surabaya yang termasuk dalam 10 besar wilayah dengan kejadian tuberkulosis tertinggi di Kota Surabaya. Analisis data menggunakan uji wilcoxon signed rank test untuk mengukur kemampuan kader sebelum dan setelah pelatihan. Diperoleh hasil tidak didapatkan perbedaan pengetahuan sebelum dan setelah pelatihan (p=0,157). Terdapat perbedaan sikap dalam pencegahan penularan (p=0,029), sikap dalam pemenuhan nutrisi (p=0,000), self efficacy (p=0,000) dan motivasi kader (p=0,000) sebelum dan setelah diberikan pelatihan. Pelatihan terbukti dapat meningkatkan kemampuan kader dalam upaya mencegah kejadian drop out TB di Surabaya.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,003 | 0,006 |
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