MétaCan
Menu
Retour à la cohorte
Enregistrement W3023916313 · doi:10.48186/bidkes.v1i7.66

GAMBARAN PENGETAHUAN IBU HAMIL TENTANG TANDA BAHAYA KEHAMILAN DAN PERSIAPAN PERSALINAN DI DESA CIKUNIR WILAYAH KERJA PUSKESMAS SINGAPARNA KABUPATEN TASIKMALAYA TAHUN 2015

2016· article· id· W3023916313 sur OpenAlexaff
SST Santi Susanti

Notice bibliographique

RevueJurnal Kesehatan Bidkemas · 2016
Typearticle
Langueid
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésGynecologyPhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

Program pembangunan kesehatan di Indonesia dewasa ini masih diprioritaskan pada upaya peningkatan derajat kesehatan ibu dan anak. Kondisi ini dipicu masih tingginya Angka Kematian Ibu (AKI). Berdasarkan data profil puskesmas Singaparna tahun 2014 diketahui cakupan penanganan komplikasi/kasus obstetri kebidanan mencapai 215%. Kondisi ini jauh dari perkiraan sasaran yaitu sebanyak 198 kasus dengan target pencapaian sebesar 90%. Penangan paling tinggi adalah Desa Cikunir mencapai 382%. Memperhatikan data tersebut diperlukan pemberdayaan masyarakat dalam mengenal tanda bahaya kehamilan dan persiapan persalinan. Hal ini diperlukan untuk meningkatkan kesadaran masyarakat dalam upaya pencegahan kematian ibu dan bayi menghindari faktor keterlamabatan. Tujuan umum penelitian adalah untuk mengetahui gambaran pengetahuan ibu hamil tentang tanda bahaya kehamilan dan persiapan persalinan di desa cikunir wilayah kerja puskesmas Singaparna Kabupaten Tasikmalaya tahun 2015 Metode penelitian menggunakan metode penelitian kuantitatif dengan pendekatan deskriptif. Populasi dalam penelitian ini adalah seluruh ibu hamil pada bulan Oktober di desa Cikunir Wilayah Kerja Puskesmas Singaparna Kabupaten Tasikmalaya tahun 2015. Tekhnik pengambilan sampel adalah accidental sampling yaitu ibu hamil yang datang ke RSIA Respati untuk pemeriksaan USG gratis berjumlah 32 responden. Metode pengambilan data dengan menyebarkan kuesioner kepada responden. Analisis data menggunakan analisis univariat untuk mengetahui distribusi frekuensi masing-masing variabel dalam penelitian ini. Diketahui bahwa sebagian besar responden dengan tingkat pengetahuan baik yaitu 25 (78,1%). Distribusi frekuensi rencana pemilihan penolong persalinan sebagian besar responden memilih bidan sebagai penolong yaitu 31 (96,9%). Distribusi frekuensi persiapan perlengkapan ibu menunjukkan 11 orang (34,3%) sudanh lengkap. Distribusi frekuensi persiapan perlengkapan bayi diketahui responden yang sudah lengkap persiapan perlengapan bayi adalah 8 responden (25%). Distribusi frekuensi tabungan ibu bersalin diketahui sebagian besar responden menyiapkan tabulin baru sebagian yaitu 16 responden (50%). Persiapan transportasi sebagian besar ibu sudah menyiapkan transportasi untuk persalinan yaitu 23 responden (71,9%). Pengambilan keputusan diketahui sebagian besar dilaksanakan berdasarkan kesepakatan suami dan istri yaitu 19 responden (59,4%). Sedangkan persiapan pendonor darah diketahui sebagiAn besar responden belum menyiapkan yaitu 21 responden (65,6%). Ibu hamil hendaknya meningkatkan pemantauan terhadap keehatan dirinya dan kesejahteraan janinnya. Ibu dan keluarga dapat segera menyiapkan kebutuhan persalinan dan kegawatdaruratan dimulai usia kehamilan 7 bulan. Bidan dapat meningkatkan program KIE pada setiap ibu hamil dan keluarga untuk mensosialisasikan tanda bahaya kehamilan dan persiapan persiapan persalinan dengan baik

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,240
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,029
Tête enseignante GPT0,294
Écart entre enseignants0,265 · 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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJurnal Kesehatan BidkemasMême sujetPublic Health and NutritionTravaux en français237 207