PEMBERDAYAAN IBU HAMIL UNTUK MENCEGAH ANEMIA DENGAN PENINGKATAN PENGETAHUAN DI WILAYAH KERJA PUSKESMAS SIALANG BUAH
Notice bibliographique
Résumé
Prevalensi anemia di Puskesmas Sialang Buah tahun 2019 cukup tinggi >35%. Determinan yang dianggap paling penting adalah pengetahuan. Hasil Penelitian tahun 2018 diketahui bahwa lebih dari 50% ibu hamil memiliki pengetahuan kurang tentang anemia dan pencegahannya. Dilakukan pengabdian kepada masyarakat dengan tujuan untuk meningkatkan pengetahuan dan pemahaman ibu hamil tentang anemia dan pencegahannya sehingga memiliki kemandirian terpadu dalam mengatasi dan mencegah anemia. Kegiatan dilaksanakan di Puskesmas Sialang Buah Kabupaten Serdang Bedagai. Pelaksanaan kegiatan berdasarkan hasil kerjasama dari pihak Dinas Kesehatan Kabupaten Serdang Bedagai, Puskesmas Sialang Buah dan STIKes Mitra Husada Medan. Berdasarkan Hasil pretest lebih banyak ibu yang memiliki pengetahuan kurang yaitu sebanyak 25 orang (73,5%). Hasil post test Setelah dilakukan penyuluhan diketahui jumlah ibu yang berpengetahuan baik meningkat menjadi 24 orang (70,6%). Kegiatan ini berjalan lancar dan disambut positif oleh masyarakat. Pengetahuan ibu hami tentang anemia dan pencegahnnya mengalami peningkatan setelah dilakukan kegiatan penyuluhan dan pemberdayaan ibu hamil Disarankan kepada pihak puskesmas, untuk lebih rutin melakukan penyuluhan kesehatan khusunya pencegahan anemia.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,002 | 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) | 0,019 | 0,003 |
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 ».