Hubungan Dukungan Keluarga dengan Kepatuhan Pengobatan Pasien Hipertensi di Wilayah Kerja Puskesmas Widodaren Kecamatan Gerih Kabupaten Ngawi
Notice bibliographique
Résumé
Hipertensi merupakan salah satu penyakit tidak menular yang dapat menimbulkan kematian apabila tidak segera dilakukan pengobatan dengan cepat dan tepat. Angka kejadian hipertensi mengalami peningkatan yang cukup besar di Indonesia yaitu sebanyak 658 ribu jiwa. Komplikasi yang dapat terjadi karena adanya hipertensi seperti stroke, serangan jantung, gagal jantung dan gagal ginjal. Pengobatan hipertensi yang lama memerlukan biaya yang tinggi sehingga perlu adanya upaya dalam mematuhi pengobatan. Kepatuhan pengobatan hipertensi dapat berjalan dengan optimal jika mendapatkan dukungan dari keluarga. Tujuan penelitian untuk mengetahui adanya hubungan antara dukungan keluarga dengan kepatuhan pengobatan pasien hipertensi di wilayah kerja Puskesmas Widodaren Kecamatan Gerih Kabupaten Ngawi. Metode yang digunakan yaitu kuantitatif korelasi dengan pendekatan Cross Sectional. Sampel dipilih menggunakan teknik Purposive Sampling dengan kriteria inklusi didapatkan sampel sejumlah 35 responden. Instrumen penelitian menggunakan kuesioner dengan uji analisa Chi Square. Hasil Penelitian diperoleh sebagian besar responden berusia 50-59 tahun 42,9%, berjenis kelamin perempuan 74,3%, berpendidikan SD 62,9%, pekerjaan Ibu Rumah Tangga 34,3%, lama menderita hipertensi < 5 tahun 60,0%. Dukungan keluarga baik 54,3%, kepatuhan pengobatan tinggi 54,3%. Hasil uji analisa Chi Square diperoleh ρ = 0,001 yang menunjukan bahwa terdapat hubungan antara dukungan keluarga dengan kepatuhan pengobatan pasien hipertensi. Dengan hasil penelitian ini keluarga diharapkan lebih meningkatkan dukungan yang diberikan karena dapat mempengaruhi keberhasilan pengobatan pasien hipertensi
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».