PELATIHAN TEKNISI LABORATORIUM BIOMOLEKULER KESEHATAN MASYARAKAT PROVINSI NTT UNTUK PERSIAPAN PENANGANAN SAMPEL COVID-19 SECARA POOLED-TEST
Notice bibliographique
Résumé
Dengan semakin meningkatnya kasus terkonfirmasi positif COVID-19 di wilayah provinsi Nusa Tenggara Timur (NTT), suatu metode pemeriksaan diagnostik yang dapat menganalisa sampel dalam jumlah banyak dengan waktu singkat menjadi sangat imperatif untuk dilakukan. Menyikapi hal ini, sejumlah putra-putri NTT yang tergabung dalam organisasi Forum Academia NTT (FAN) memprakarsai penerapan metode pooled-test untuk analisa diagnostik sampel COVID-19 yang diharapkan dapat mengoptimalkan program pemerintah dalam mempercepat penanganan penyakit ini di wilayah NTT. Pada Maret 2020 lalu, sebanyak 13 teknisi laboratorium (laboran) telah berhasil diseleksi yang akan ditempatkan pada Laboratorium Biomolekuler Kesehatan Masyarakat Provinsi NTT, khususnya untuk menjalankan prosedur analisis sampel menggunakan metode tersebut di atas. Akan tetapi, sebelum para laboran ini siap beraktivitas, diperlukan suatu pelatihan khusus yang dapat membekali mereka dengan kompetensi dan keterampilan dasar yang diperlukan. Pada Juni 2020, pelatihan Biomolekuler tahap I telah dilaksanakan yang memiliki maksud dan tujuan tersebut. Topik pelatihan yang diajarkan berupa: Pengenalan Biosafety Lab dan Biosafety Cabinet, Teknik Penggunaan Mikropipet, Teknik Analisis DNA/RNA menggunakan metode Elektroforesis, Nano-Spektrofotometer, PCR dan qPCR, serta Pengenalan metode Pooled-test. Berdasarkan hasil observasi, para peserta dianggap telah cukup menguasai berbagai teknik Biomolekuler Dasar yang diajarkan yang diharapkan dapat berkontribusi terhadap hasil penanganan analisis sampel yang lebih akurat, terpercaya dan dapat dipertanggungjawabkan.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».