Pengetahuan Ibu dan Dukungan Suami Terhadap Penilaian KPSP Anak 3-72 Bulan.
Notice bibliographique
Résumé
Latar Bekakang : Estimasi jumlah anak balita di Indonesia adalah 23,7 juta atau sekitar 10% dari jumlah penduduk Indonesia, dari jumlah balita tersebut diperkirakan sekitar 4,5-6,7 juta mengalami masalah tumbuh kembang. Menilai perkembangan bayi sampai balita menggunakan instrumen khusus, salah satunya yang digunakan di Indonesia adalah Skrining Deteksi Intervensi Dini Tumbuh Kembang (SDIDTK). Deteksi ini dipantau melalui Kuesioner Pra-Skrining Perkembangan (KPSP). Penelitian Nugrahaningtyas (2020) membuktikan bahwa ada hubungan pengetahuan orang tua dengan pelaksanaan stimulasi perkembangan anak pra sekolah usia 2 tahun, hal ini berarti bahwa tingkat pengetahuan orang tua yang baik tentang stimulasi dini mempengaruhi pemberian stimulasi terhadap perkembangan anak sehingga anak mencapai perkembangan optimal sesuai usianya. Tujuan : Penelitian ini bertujuan untuk mengetahui hubungan pengetahuan ibu dan dukungan suami terhadap penilaian KPSP anak 3-72 bulan di Praktek Mandiri Bidan E Serpong. Metode : Metode penelitian yang digunakan adalah cross sectional. Sampel penelitian adalah sebagian ibu yang memiliki bayi usia 3-72 bulan dan berada di wilayah PMB E Serpong tahun 2021. Hasil : Hasil analisis bivariat menunjukkan ada hubungan pengetahuan Ibu dan dukungan suami dengan penilaian KPSP diperoleh nilai pvalue < 0,05. Kesimpulan : kesimpulan penelitian yaitu ada hubungan signifikan antara pengetahuan Ibu dan dukungan suami dengan penilaian KPSP anak 3-72 bulan di PMB E Serpong tahun 2021. Saran: pentingnya bagi tenaga kesehatan dan orangtua untuk melakukan deteksi tumbuh kembang anak.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 tête enseignante, 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 ».