Faktor-Faktor yang Berhubungan dengan Pemanfaatan Pelayanan Posyandu Lansia
Notice bibliographique
Résumé
Laporan Dinas Kesehatan Kota Pekanbaru Tahun 2011 menunjukkan bahwa dari 19 Puskesmas yang ada di Pekanbaru, jumlah lansia terbanyak berada di wilayah kerja Puskesmas Garuda Pekanbaru (7360 orang), sedangkan jumlah kunjungan lansia (cakupan) hanya 14% dari total lansia yang ada. Cakupan ini masih jauh dari target yang diharapkan yaitu 70%. Tujuan penelitian adalah untuk mengetahui faktor-faktor yang berhubungan dengan pemanfaatan pelayanaan posyandu lansia. Desain penelitian adalah cross sectional study dengan sampel sebanyak 199 orang lansia. Cara pengambilan sampel adalah Systematic Random Sampling. Analisis bivariat menggunakan uji chi square, dan analisis multivariat menggunakan uji regresi logistik ganda. Hasil penelitian menunjukan bahwa variabel yang berhubungan signifikan dengan pemanfaatan pelayanaan posyandu lansia adalah sikap (POR: 6,08 95%CI:1,57-23,51), jarak (POR:0,26 95%CI:0,12-0,56), kader (POR:5,06 95%CI: 2,36-10,86), dan pendidikan (POR:2,52 95%CI:1,24-5,14). Variabel dukungan keluarga merupakan variabel konfounding (POR:2,00 95%CI:0,87-4,59). Disarankan pada instansi terkait perlunya dilakukan upaya untuk meningkatkan pemanfaatan pelayanan posyandu lansia melalui promosi dan penyuluhan tentang pemanfaatan posyandu lansia serta meningkatkan pelayanan di posyandu sehingga lansia termotivasi untuk mengunjungi posyandu lansia.
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 | 0,015 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,013 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».