PROFIL BALITA STUNTING DI WILAYAH PUSKESMAS MAPILLI DESA UGI BARU KEC. MAPILLI KAB. POLMAN
Notice bibliographique
Résumé
Indonesia sebagai negara berkembang menghadapi beberapa permasalahan utamanya masalah gizi. Masalah gizi di Indonesia menjadi masalah kompleks yang perlu mendapatkan perhatian. Gizi kurang atau malnutrisi adalah kondisi kekurangan gizi akibat jumlah kandungan mikronutrien dan makronutrien tidak memadai (Sinaga, 2008). Kondisi ini dapat disebabkan oleh malabsorbsi yaitu ketidakmampuan mengonsumsi nutrisi. Masalah gizi kurang juga menyebabkan Stunting. Penelitian ini bertujuan untuk menggambarkan kejadian stunting di Wilayah Kerja Puskesmas Mapilli dengan jenis penelitian kuantitatif dengan pendekatan deskriptif yang bersifat retrospektif. Metode yang digunakan adalah metode analisis data sekunder. Penelitian ini dilakukan di Desa Ugi Baru, wilayah kerja Puskesmas Mapilli, Kecamatan Mapilli, Kabupaten Polman. Populasi pada penelitian ini adalah balita usia 13-59 bulan yang mengalami Stunting di Desa Ugi Baru pada tahun 2021 dengan total jumlah Bayi dan Balita Stunting sebanyak 23 Balita. Teknik pengambilan sampel pada penelitian ini adalah teknik total sampling. Hasil penelitian menunjukkan bahwa kejadian balita stunting di wilayah kerja Puskesmas Mapilli Desa Ugi Baru berdasarkan jenis kelamin yaitu balita lebih banyak mengalami stunting sebanyak 11 balita (60,9%) dan perempuan sebanyak 8 balita (39,1%) dan berdasarkan Usia, masa toddler 13-36 Bulan lebih sedikit sebanyak 11 balita (47,82%), dibandingkan masa praschool 37-59 Bulan sebanyak 12 balita (52,17%).
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,048 | 0,008 |
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 ».