FAKTOR-FAKTOR YANG MEMPENGARUHI RENDAHNYA PENGGUNAKAN ALAT KONTRASEPSI IUD DI WILAYAH KERJA UPTD PUSKESMA DTP SUKARAME TAHUN 2014.
Notice bibliographique
Résumé
Di Wilayah UPTD Puskesma DTP Sukarame, dari 7196 peserta KB paling banyak menggunakan suntik akseptor (44,69%), menyusul akseptor yang mengggunakan pil (1,22%) sedangkan jenis alat kontrasepsi yang paling sedikit dipilih adalah IUD 367 akseptor (5,10%). Berdasarkan data tersebut pengguna alat kontrasepsi IUD adalah pengguna yang paling rendah di wilayah tersebut. Tujuan dari penelitian ini adalah mengetahui Faktor-Faktor Yang Mempengaruhi Rendahnya Penggunakan Alat Kontrasepsi IUD Di wilayah kerja UPTD Puskesma DTP Sukarame tahun 2014. Penelitian jenis kuantitatif dengan metode deskriptif,yang bertujuan untuk mengambarkan Faktor-Faktor Yang Mempengaruhi Rendahnya Penggunakan Alat Kontrasepsi IUD Di wilayah kerja UPTD Puskesma DTP Sukarame tahun 2014.Populasi penelitian adalah seluruh pasangan usia subur sejumlah 1068 orang, dengan pengambilan sampel dalam menggunakan proportional Random Sampling. Selanjutnya dilakukan pengambilan sampel dari tiap kelurahan dengan teknik proportional random sampling. Instrumen utama dalam penelitian ini menggunakan format kusioner dengan wawancara untuk melihat penggunaan alat kontrasepsi AKDR. Hasil penelitian menyatakan bahwa sebagian besar pada kelompok usia 20-35 tahun, Paritas responden primipara, Pendidikan responden sebagian termasuk rendah, Sebagian besar responden tidak mendapat KIE dari petugas kesehatan, Sebagian besar responden tidak mendapat dukungan serta Sebagian besar responden memiliki pendapatan kurang dari UMR . Saran yang direkomendasikan bahwa penggunaan alat kontasepsi jangka panjang khususnya IUD petugas perlu melakukan sosialisasi sesuai dengan tujuan dan karakteristik akseptor. Disamping itu masyarakat perlu meningkatkan pengetahuan tentang alat kontrasepsi sesuai dengan peruntukannya
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,012 |
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 ».