APLIKASI MEDCO DALAM MENINGKATKAN PENGETAHUAN KADER TERKAIT KOMPLIKASI KEHAMILAN
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Setiap hari diperkirakan 800 orang perempuan yang meninggal disebabkan kasus komplikasi kehamilan dan persalinan. Hampir semua kematian pada ibu ini disebabkan oleh penyebab yang seharusnya dapat dicegah jika tenaga kesehatan bisa mendeteksi dan melakukan penatalaksanaan komplikasi dengan tepat. Penelitian ini bertujuan untuk menilai efekrtivitas peningkatan pengetahuan kader kesehatan ibu dan anak tentang deteksi dini komplikasi kehamilan yang dilakukan melalui aplikasi Midwfery Earty Detection Of Complication For Pregnant Women di Puskesmas di Wilayah Kerja Dinas Kesehahatan Koto padang. Desain penelitian ini adalah pra eksperiment pre test dan post test menggunakan rancangan one group pre test post test. Sampel yang diambil dalam penelitian ini adalah 17 orang Kader kesehatan yang didapatkan melalui teknik cluster random sampling. Pengumpulan data dengan menggunakan kusioner, waktu penelitian dilakukan pada tanggal 20 agustus 2019 s/d 8 september 2019, kemudian analisis dengan menggunakan t-test dependent (paired sample t-test). Â Pada uji T-Test didapatkan hasil bahwa p=0,000, dimana p0,05. Sehingga dapat disimpulkan bahwa adanya pengaruh aplikasi Midwifery Early Detection of Complication for Pregnant Women (MEDCO) terhadap pengetahuan kader kesehatan di Puskesmas-Puskesmas Wilayah Kerja Dinas Kesehatan Kota Padang. Aplikasi Midwifery Early Detection of Complication for Pregnant Women Merupakan salah satu tools yang digunakan untuk meningkatkan pengetahuan kader sehingga diharapkan meningkatkan peran kader. Diharapkan tenaga kesehatan dapat mensosialisasikan pemenafaatan MEDCO
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle