FAKTOR - FAKTOR YANG BERHUBUNGAN DENGAN KEJADIAN POSTPARTUM BLUES DI KLINIK PRATAMA WILAYAH KERJA PUSKESMAS PAYUNG SEKAKI KOTA PEKANBARU
Notice bibliographique
Résumé
Angka kejadian postpartum blues dibeberapa negara seperti Jepang 15-50%, Amerika Serikat 27%, prancis 31,7%, Nigeria 31,3% dan Yunani 44,5% (Curry, 2008). Angka kejadian postpartum blues di Asia cukup tinggi dan sangat bervariasi antara 2685%, sedangkan di Indonesia angka kejadian postpartum blues antara 50-70% dari wanita pasca persalinan. Di Indonesia salah satunya di Provinsi Riau tepatnya di Kota Pekanbaru sekitar 16,7%. Tujuan penelitian ini adalah untuk mengetahui faktor-faktor yang berhubungan dengan kejadian postpartum blues di Klinik Pratama Wilayah Kerja Puskesmas Payung Sekaki Kota Pekanbaru Tahun 2017. Penelitian ini dilaksanakan di 3 Klinik Pratama yang di Wilayah Kerja Puskesmas Payung Sekaki pada bulan September 2016 s/d Juli 2017. Sampel penelitian ini adalah 45 orang ibu postpartum di 3 Klinik Pratama yang diambil secara accidental sampling. Jenis penelitian ini adalah survey analitik dengan desain penelitian cross sectional. Analisa data dilakukan secara univariat dan bivariat dengan menggunakan uji chi square dan dengan bantuan komputerisasi. Hasil penelitian ini menunjukkan bahwa dari 45 orang ibu postpartum terdapat 12 orang (26,7%) ibu yang mengalami postpartum blues dan 33 orang (73,3%) yang tidak mengalami postpartum blues. Hasil penelitian ini juga menunjukkan adanya hubungan antara umur (p =0,007), dan paritas (p =0,001) dengan kejadian postpartum blues serta menunjukkan tidak adanya hubungan antara jenis persalinan (p =0,933), penghasilan (p =1,000) dan kesiapan menjadi ibu (p =1,000) dengan kejadian postpartum blues. Saran kepada tenaga kesehatan yaitu deteksi atau screening adanya kemungkinan terjadinya postpartum blues kepada semua ibu postpartum dan jadikan screening tersebut menjadi bagian dari pengkajian tetap pada ibu postpartum.
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 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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| 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 | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».