EVALUASI PENATALAKSANAAN PROGRAM PENGELOLAAN PENYAKIT KRONIS (PROLANIS) DI PUSKESMAS KOTA BENGKULU
Notice bibliographique
Résumé
Health Chronic Disease Management Program (Prolanis) BPJS Health as a system of health services and proactive approach implemented in an integrated manner involving participants, health facilities and BPJS Health becomes an important factor because it becomes one of the indicators of the fulfillment of the commitment of service at puskesmas. This study aims to determine the management of Prolanis which includes membership, activities, availability of drugs and availability of funds Prolanis, knowing the barriers to the implementation of Prolanis and know the ratio of visits and quality of life of participants Prolanis. The research was conducted by descriptive method through interview technique, check list and WHOQoL questionnaire for quality of life measurement. Data retrieval used primary data by interviewing 40 informants and filling questionnaire on 262 participants of Prolanis. The secondary data was obtained from P-Care Puskesmas application. Analysis of the results of research was using descriptive analysis with narrative exposure accompanied by data tables. The results showed that from 20 Puskesmas 1 Puskesmas had not fulfilled the minimum requirement of Prolanis formation, 4 Puskesmas had not conducted gymnastic and educational activities, 2 Puskesmas did not implement pharmacy service standard for drug distribution Prolanis and 4 Puskesmas had not utilized Prolanis fund provided by BPJS Kesehatan. 50% in some puskesmas cause puskesmas to be in unsafe zone for assessment of capitation indicator. For measurement of quality of life of participants Prolanis obtained 95, 04% of respondents have good quality of life.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».