MétaCan
Menu
Retour à la cohorte
Enregistrement W4283797443 · doi:10.24843/coping.2022.v10.i03.p09

HUBUNGAN KOMPRES BAWANG MERAH (ALLIN ESENSIAL OIL) DENGAN PENURUNAN DEMAM PADA BALITA DI KAMPUNG HASIK JAYA SORONG SELATAN

2022· article· en· W4283797443 sur OpenAlexaff
Fatmawati Putri, Retno Wulan

Notice bibliographique

RevueCoping Community of Publishing in Nursing · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueShallot Cultivation and Analysis
Établissements canadiensWiLAN (Canada)
Organismes subventionnairesnon disponible
Mots-clésEssential oilToxicologyMedicineTraditional medicineBiologyFood science

Résumé

récupéré en direct d'OpenAlex

Shallots can be used to compress, this is because onions contain organic sulfur compounds, namely allycysteine ??sulfoxide (aliin) which functions to destroy blood clots. Other ingredients of shallots that can lower body temperature are phlorogusin, cycloaliin, methylaliin, and kaemferol. The purpose of this study was the effect of compressing shallots (allin essential oil) on reducing fever in children under five in Hasik Jaya Village, Moswaren District, South Sorong Regency. This type of research is a quasi-experimental research with pre-test and post-test with control group design. The number of samples is 31 respondents. The results showed most of the age of toddlers with fever in Hasik Jaya Village, Moswaren District, South Sorong Regency were 13-24 months as many as 20 toddlers (64,5%), female as many as 18 toddlers (58,1%). Some of the toddlers' temperature before being given red onion compresses (allin essential oil) was 37,80C for 10 toddlers (32,3%). Some of the toddlers' temperature after being given an onion compress (allin essential oil) was 37,50C for 12 toddlers (38,7%). There is a relationship between shallot compresses (allin essential oil) and fever reduction in children under five in Hasik Jaya Village, Moswaren District, South Sorong Regency with p value of 0,000.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,279
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCoping Community of Publishing in NursingMême sujetShallot Cultivation and AnalysisTravaux en français237 207