MétaCan
Menu
Retour à la cohorte
Enregistrement W3013750360 · doi:10.22146/bkm.37591

Kesiapan ibu dalam melahirkan sehat di wilayah kerja Puskesmas Brebes Jawa Tengah

2018· article· id· W3013750360 sur OpenAlexaboutno aff
Irene Jesihka Pandiangan, Ede Surya Darmawan

Notice bibliographique

RevueIndonesian Journal of Biotechnology (Universitas Gadjah Mada) · 2018
Typearticle
Langueid
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChildbirthMedicineContext (archaeology)Quarter (Canadian coin)NursingHealth facilityPregnancyObstetricsFamily medicinePopulationHealth servicesEnvironmental healthGeography

Résumé

récupéré en direct d'OpenAlex

Mother's readiness in healthy childbirth in Brebes Health Center of Central Java Purpose: Although health workers have made classes of pregnant women to have a healthy childbirth, very few evaluations of these programs existed for Indonesian context. This study examines health workers and socioeconomic factors effects on mother's readiness to deliver healthy children. Methods: A survey of 100 pregnant women in the working area of the Brebes Health Center in Brebes Regency, Central Java Province, in 2018. Data collection using questionnaires and pregnancy records in the MCH Handbook. Results: A quarter of pregnant women in this study were not ready for a "healthy childbirth process" (24%). Mothers with higher education have three and a half times more than those with low education. Mothers who received health support in the ANC were three times more prepared than those who did not need ANC support. Conclusions: Most pregnant women have adequate readiness to deliver a healthy child. Mothers with low education were less likely to be ready to have a healthy childbirth. Health worker support to mothers during antenatal care is critical for a healthy childbirth. Puskesmas workers should reach mothers who have no ANC visit and educate them, in particular, those from low-education mothers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche
Catégories consensuellesIntégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,228
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,003
Communication savante0,0000,001
Science ouverte0,0020,000
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,233 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndonesian Journal of Biotechnology (Universitas Gadjah Mada)Même sujetPublic Health and NutritionTravaux en français237 207