MétaCan
Menu
Retour à la cohorte
Enregistrement W3119160153 · doi:10.25047/j-dinamika.v5i2.1518

Pembentukan dan Pelatihan Kader Pendamping Ibu Hamil Resiko Tinggi Sebagai Upaya “GEBRAK“ (Gerakan Bersama Amankan Kehamilan) Di Wilayah Kerja Puskesmas Sumberpucung

2020· article· id· W3119160153 sur OpenAlexaff
Senditya Indah Mayasari, Nicky Danur Jayanti, Patemah Patemah

Notice bibliographique

RevueJ-Dinamika Jurnal Pengabdian Masyarakat · 2020
Typearticle
Langueid
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésGynecologyArtPhysicsMedicine

Résumé

récupéré en direct d'OpenAlex

Usaha mempercepat keberhasilan penurunan Angka Kematian Ibu (AKI) dan Angka Kematian Bayi (AKB) disamping faktor akses dan pelayanan, peran serta lintas sektor khususnya yang terkait dengan upaya kesehatan ibu adalah meningkatkan kemitraan lintas sektor yang dituangkan dalam suatu kegiatan pendampingan ibu hamil resiko tinggi oleh kader yang dilaksanakan di kabupaten Malang yang dikenal dengan program GEBRAK (Gerakan Amankan Kehamilan dan Persalinan). Di Desa Ternyang tercatat periode Januari – Maret 2019 terdapat 78 ibu hamil dengan kehamilan resiko tinggi (KRT) dan 9 ibu hamil dengan kehamilan resiko sangat tinggi (KRST). Tujuan dari kegiatan pengabdian masyarakat ini adalah terbentuk Kader Pendamping Ibu Hamil Resiko Tinggi di Wilayah Kerja Puskesmas Sumberpucung. Luaran pada kegiatan ini adalah terbentuknya kader pendamping ibu hamil resiko tinggi, adanya kegiatan rutin kader pendamping ibu hamil resiko tinggi, pencatatan dan pelaporan adanya ibu hamil beresiko tinggi dapat terdokumentasi dengan baik, adanya upaya preventif dan promotif dalam rangka meningkatkan kesehatan ibu dan anak, pengadaan media sarana dan prasarana modul/panduan dan leaflet kehamilan resiko tinggi. Pelaksanaan kegiatan ini dilalukan selama 2 bulan (Juni-Juli 2019) dengan mencapai hasil terbentuknya keder pendamping ibu hamil resiko tinggi sebanyak 12 kader dari 6 pos posyandu dan terlaksananya pelatihan kader oleh tim pengabdi.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,094

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0280,005

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 Opus0,035
Tête enseignante GPT0,282
Écart entre enseignants0,247 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJ-Dinamika Jurnal Pengabdian MasyarakatMême sujetPublic Health and NutritionTravaux en français237 207