Faktor Risiko Kejadian Anemia Pada Ibu Hamil Di Daerah Urban Di Wilayah Kerja Puskesmas Sialang Buah Tahun 2020
Notice bibliographique
Résumé
Latar Belakang: Prevalensi anemia pada ibu hamil di Puskesmas Sialang Buah cukup tinggi pada tahun 2019 (41,9%), tahun 2018 yaitu (40,7%), tahun 2017 (40,5%) dan tahun 2016 (32,3%). Prevalensi anemia pada ibu hamil di daerah urban masih cukup tinggi (35,4%). Urgensi penelitian ini adalah perlunya diketahui faktor risiko anemia ibu hamil sehingga dapat dikendalikan dan diatasi yang selanjutnya berdampak pada menurunnya angka anemia pada ibu hamil. Tujuan: Penelitian ini bertujuan untuk mengetahui faktor risiko kejadian anemia pada ibu hamil di daerah urban Wilayah Kerja Puskesmas Sialang Buah tahun 2020. Metode: Jenis penelitian ini adalah observational analitik yang dilakukan untuk mengetahui determinan prevalensi anemia pada ibu hamil di daerah urban Wilayah Kerja Puskesmas Sialang Buah tahun 2020. Sampel penelitian adalah semua ibu hamil dari daerah urban (58 orang). Kadar Hb darah diperiksa menggunakan Stik/Hb Meter di Puskesmas Sialang Buah. Ibu hamil dinyatakan anemia apabila kadar Hb darah < 11gr/dl. Data yang dikumpulkan kemudian dilakukan analisis univariat dan bivariat. Hasil penelitian: Hasil analilisis bivariat menunjukkan ada hubungan antara pengetahuan konsumsi tablet Fe dengan anemia pada ibu hamil di daeral urban di Wilayah kerja Puskesmas Sialang Buah Tahun 2020. Tidak ada hubungan antara kehamilan remaja, pendidikan, status ekonomi dan kunjungan ANC dengan Fe dengan anemia pada ibu hamil di daeral urban di Wilayah kerja Puskesmas Sialang Buah Tahun 2020. Simpulan: Bagi Pihak Puskesmas, perlu melakukan penanganan dan tindak lanjut segera bagi ibu hamil yang terjaring anemia sehingga kejadian anemia tidak semakin parah. Bagi pihak Puskesmas juga diharapkan untuk tetap melaksanakan penyuluhan berkala untuk meningkatkan pengetahuan ibu hamil tentang pencegahan anemia dan monitoring konsumsi tablet Fe. Kata kunci: Anemia, Pengetahuan, Konsumsi tablet Fe, Urban
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».