RELATIONSHIP OF BODY INDEX (BMI) WITH PRAMENSTRUATED SYNDROME IN NURSING STUDENT PROGRAMS AT THE UNIVERSITY OF BHAKTI KENCANA TASIKMALAYA
Notice bibliographique
Résumé
Sindrom pramenstruasi merupakan kumpulan gejala fisik, psikologis yang terkait dan emosi dalam siklus menstruasi. Sekitar 80 sampai 95 persen wanita mengalami gejala-gejala pramenstruasi yang dapat mengganggu aktifitasnya. Beberapa faktor yang dapat menyebabkan sindrom pramenstruasi adalah peningkatan kadar hormon estrogen. Bahan dasar esterogen adalah lemak, untuk bisa memperdiksi lemak dalam tubuh deng cara mengukur indeks masa tubuh. Rancangan penelitian ini menggunakan observasional analitik. Tujuan dari penelitian ini menganalisis hubungan indeks masa tubuh dengan sindrom pramenstruasi pada mahasiswi prodi sarjana keperawatan. Sampel pada penelitian ini menggunakan random sampling sebanyak 63 responden. Hasil menunjukan indeks tertinggi masa tubuh dengan kategori kurus yaitu 24 orang (38,1%) dan kejadian sindroma pramesntruasi menunjukan frekuensi tertinggi adalah tidak mengalami sindroma pramenstruasi yaitu 37 orang (56,7%), sedangkan analisis bivariat menunjukan ada hubungan yang signifikan antara indeks masa tubuh dengan sindrom pramenstruasi pada mahasiswi prodi sarjana keperawatan dengan nilai p-value = 0,031. Responden diharapakan dapat melakukan pencegahan dan melakukan rutinitas sehari-harinya lebih baik lagi untuk menjalankan sindrom pramenstruasi.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».