Socio-culture and Health Problem Factors on Traditional Medicine Use among Indonesian Adult: A Cross-sectional Analysis from National Survey
Notice bibliographique
Résumé
Traditional medicines utilization has been significantly increased over the past years. Knowledge on traditional medicine use and its influencing socio-culture and health problem factors especially among generationally-related group in Indonesia is still limited. This study aimed to determine the prevalence and the association socio-culture and health problems factors and traditional medicine use among adults which were middle-aged (millennial) and elder-adult (generation X) in Indonesia while controlling other covariates. of traditional medicine use among This cross-sectional study used the data from the Indonesia Family Life Survey wave 5 (2014): a cross-sectional national population survey. This national survey used a multistage stratified random sampling to select the respondents to response to a structured questionnaire interview. There were 10,325 adults passed our inclusion criteria for the analysis. The adult who was born between1960 to 1982 was called the Gen X, whereas the Millennia is for those who were born between 1983 and 2000. A multivariable logistic regression was used to identify the association. Among 10,325 respondents, 78.42 % were millennial while 21.58 % were generation x or older adults. Less than a quarter of the respondents used traditional medicine (13.37 %; 95% CI: 12.73-14.04). The factor significantly associated with traditional medicine used among Indonesian adults were; be Gen X (adj. OR = 1.24, 95%CI= 1.08 -1.43), female (adj.OR1.27, 95%CI: 1.13 to 1.43, p<0.001) Islamic (adj. OR = 1.91, 95%CI= 1.47 -2.36), married (adj. OR = 1.64, 95%CI= 1.44 -1.87),lived in urban area (adj. OR = 1.48, 95%CI= 1.31-1.68). Other covariate were unhealthy (adj.OR: 1.36, 95% CI: 1.18-1.1.58), experienced headache (adj.OR: 1.50, 95% CI: 1.31-1.47), experienced stomachache (adj.OR: 1.28, 95% CI: 1.12-.47), and experienced fever (adj.OR: 1.30, 95% CI: 1.15- 1.47). Sociocultural and age group as well as health problems were associated with traditional medicine use.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».