Risk Factors of Pulmonary Tuberculosis in the Working Area of Perumnas Public Health Center Kendari City
Notice bibliographique
Résumé
Kendari City is the area with the highest number of TB cases in Southeast Sulawesi Province with a total of 488 cases in 2019. Preliminary data at the Perumnas Public Health Center showed that there were 49 TB cases in 2019. This study aims to determine the risk factors for the incidence of pulmonary TB in the Work Area. Public Health Center. This study uses a case control design. The study population was 105 patients, with a sample consisting of 44 case samples and 44 control samples, which were taken by simple random sampling. Data analysis using Chi Square test and Odds Ratio. From the results of the study, it was found that there were significant risk factors between smoking habits (OR = 5,156), contact history (OR = 8,333), occupancy density (OR = 2,544), knowledge (OR = 3,852) and ventilation (OR = 3,071) with the incidence of pulmonary tuberkulosis. The conclusion of this study is smoking habits, contact history, occupancy density, knowledge, and ventilation are risk factors for the incidence of pulmonary tuberkulosis at the Perumnas Public Health Center. Therefore, it is suggested to the health workers of the Puskesmas are expected to continue to provide health promotion and improve work programs related to pulmonary TB in order to increase knowledge and awareness of the community to prevent transmission of pulmonary TB.
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) | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».