The FACTORS AFFECTING KB ACCEPTORS IN THE SELECTION OF IUD CONTRACEPTION EQUIPMENT IN THE WORK AREA KEMILING PUSKESMAS BANDAR LAMPUNG
Notice bibliographique
Résumé
Program yang dicanangkan pemerintah untuk menekan tingginya laju pertumbuhan penduduk yaitu dengan program Keluarga Berencana (KB). Kontrasepsi nonhormonal seperti IUD yang digunakan oleh pemakai lebih efektif menekan tingkat kegagalan dibandingkan alat kontrasepsi hormonal seperti pil, suntik, susuk. Pengguna akseptor IUD di Puskesmas Kemiling tahun 2022 yaitu KB IUD 7.78%, KB MOP : 24 11.05%, KB WOW 26.26%, KB Implant 44.70%, KB Suntik 86.34%, KB pil 13.26% dan KB kondom 0.03%. Tujuan penelitian ini adalah diketahui faktor-faktor yang mempengaruhi Akseptor KB dalam pemilihan alat kontrasepsi IUD di Wilayah Kerja Puskesmas Kemiling Bandar Lampung tahun 2022.
 
 Jenis penelitian kuantitatif dengan pendekatan Cross-Sectional. Populasi dalam penelitian ini adalah seluruh peserta KB aktif dengan sampel sebanyak 151 sampel, Objek dalam penelitian ini adalah pemilihan alat kontrasepsi, pengetahuan, dukungan keluarga, peran petugas, dan status ekonomi. Penelitian ini telah dilaksanakan pada bulan Desember 2022 di wilayah kerja Puskesmas Kemiling Bandar Lampung. Pengumpulan data dengan lembar kuesioner, analisis data secara univariat dan bivariat (Chi-Square).
 
 Hasil penelitian ada hubungan pengetahuan (p-value=0,041), dukungan suami (p-value = 0,010), status ekonomi (p-value = 0,020) dengan pemilihan alat kontrasepsi IUD di Wilayah Kerja Puskesmas Kemiling Bandar Lampung Tahun 2022, dan Tidak ada hubungan peran petugas kesehatan dengan pemilihan alat kontrasepsi IUD di Wilayah Kerja Puskesmas Kemiling Bandar Lampung Tahun 2022 (p-value= 1.000) Saran: Membuka kelas bagi WUS, seperti : kegiatan penyuluhan kontrasepsi, konseling penggunaan kontrasepsi dan pelayanan kontrasepsi langsung, yang dilakukan rutin setiap bulan.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».