Determinan Partisipasi Masyarakat terhadap Program Posbindu PTM: Evaluasi Program di Wilayah Kerja Puskesmas
Notice bibliographique
Résumé
Tujuan kegiatan adalah mengetahui evaluasi terhadap program posbindu PTM di wilayah kerja puskesmas Datuk Bandar Kota Tanjungbalai. Evaluasi intervensi ini menggunakan metode kuantitatif, yaitu untuk menambahkan pengetahuan menggunakan data angka untuk menemukan keterangan data. Populasi penelitian ini 104 orang dan sampel 104 responden yaitu lansia, orang dewasa dan remaja berusia 15 hingga 59 tahun. Metode pengumpulan data yaitu menggunakan data primer dan sekunder. Teknik pengambilan sampel menggunakan Probability sampling, yaitu teknik yang memberikan peluang yang sama bagi setiap anggota populasi dan menggunakan analisis Uji Chi Square. Hasil intervensi ini adalah pengetahuan, sikap, dukungan keluarga, dukungan kader, dukungan tenaga kesehatan terdapat pengaruh yang signifikan karena memiliki nilai p-value < 0,05. Pengetahuan memiliki nilai (p-value 0,000), sikap (p-value 0,001), dukungan kader (p-value 0,009), dukungan keluarga (p-value 0,000), dan dukungan tenaga kesehatan (p-value 0,030). Disimpulkan pengetahuan, sikap, dukungan kader, dukungan keluarga, dan dukungan tenaga kesehatan ada pengaruh yang signifikan dengan determinan partisipasi masyarakat terhadap program Posbindu PTM di Wilayah Kerja Puskesmas Datuk Bandar Kota Tanjungbalai.Kata kunci: Determinan; evaluasi; partisipasi; program Posbindu PTM.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,003 |
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 ».