THE RELATIONSHIP OF NUTRITIONAL STATUS WITH CRUDE MOTOR DEVELOPMENT IN CHILDREN AGED 2-3 YEARS IN POSYANDU WORK AREA SITU UDIK PUSKESMAS
Notice bibliographique
Résumé
According to UNICEF in 2011,dataofthe high number ofgrowth and development disorderinchildren under fivewas obtained,especially motor development disorder where (27.5%) or 3 million children had disorder. This research aims to determine theCorrelation ofNutritional StatusandGross Motor Developmentin 2-3 Year OldChildren atMaternal and Child Health Servicein Situ UdikCommunity Health Center Working Area. This is an analytic researchwith cross-sectional research design. This research was conducted atMaternal and Child Health Service atSitu UdikCommunity Health CenterinOctober 2017-October 2018 with total sample of 114 2-3 year oldchildrenby implementingSlovin formula for the sampling. The instruments used weredemographic questionnaire, DDST IIobservation sheet, and weight scale that had been provided. Furthermore,univariate and bivariate analysis were applied in analyzing the data. Based on nutritional status,children who hadmalnutrition were 22 children (29.7%) with normal motor development, 43 children (58.1%) were suspected abnormal motor development, and 9 children (12.2%) who could not be tested. Children who hadgood nutrition were 21 children (56.8%) with normal gross motor development, 10 children (27.0%) were suspected, and 6 children (16.2%) who could not be tested. Children who hadovernutrition were 2 children (66.7%) with normal gross motor development, 1 (33.3%) child were suspected abnormal motor development. In addition, the statistical test value = 0.026 obtained meaning thatnutritional status has significant correlation withgross motor development in 2-3 year oldchildren atMaternal and Child Health Service in Situ Udik Community Health Center Working Area.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».