Factors Affecting the Success of Treatment in Drug Sensitive Pulmonary Tuberculosis Patients at the Rimba Jaya Health Center Merauke Regency
Notice bibliographique
Résumé
Tuberculosis (TB) is an infectious disease as a major cause of health problems. TB is one of the top 10 causes of death worldwide caused by the bacterium Mycobacterium tuberculosis. A quarter of the world's population has been infected with Mycobacterium tuberculosis. Diagnosis and timely treatment of routinely taking anti-tuberculosis drugs (OAT) for the first six months in TB patients can be cured and the transmission of infection is decreasing. . Research Methods: This research is an analytic observational with a cross sectional design. The results of this study were that most of the respondents aged between 20-35 years amounted to 29 people (58%). The gender of the majority of women amounted to 28 people (56%). Most of the education is SMA with 28 people (56%). Most of the occupations are college students, students and not working totaling 19 people (38%). The knowledge of the respondents is good amounting to 32 people (64%). Most of the economic status is moderate amounting to 28 people (56%). Most of the access to treatment is close, amounting to 48 people (96%). Most of the PMO types are families with 46 people (92%). Most of the PMO roles were good, amounting to 44 people (88%). Most of the drug sensitive people were drug sensitive 6 months totaling 45 people (90%). There are 3 factors that influence the success of Pulmonary TB Treatment at the Rimba Jaya Health Center, namely education, economic status and access to treatment. Meanwhile, those that do not affect the success of drug-sensitive pulmonary TB treatment are age, gender, occupation, type of PMO, role of PMO, knowledge. The conclusion of this study is that there are 3 factors that influence the success of Pulmonary TB Treatment at the Rimba Jaya Health Center, namely education, economic status and access to treatment. Meanwhile, those that do not affect the success of drug-sensitive pulmonary TB treatment are age, gender, occupation, type of PMO, role of PMO, knowledge.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».