FAKTOR-FAKTOR YANG BERHUBUNGAN DENGAN KEJADIAN ANEMIA PADA IBU HAMIL DI WILAYAH KERJA PUSKESMAS CIPUTAT TAHUN 2019
Notice bibliographique
Résumé
Abstract Backgrounds: According to the Banten Provincial Health Office in 2019, one of the biggest contributors to the maternal mortality rate was bleeding during childbirth, around 37%. The high maternal mortality rate in Banten province can reach up to 135 cases of maternal death per 100,000 live births. Based on the prevalence of anemia in pregnant women in 2019 in the Ciputat Health Center Work Area, which was 44.4%. The object of this study: To find out the description of the factors related to the incidence of anemia in pregnant women in the work area of the Ciputat Health Center in 2019. Methods: Desain studi cross-sectional dengan data sekunder Formulir laporan ibu hamil risiko tinggi tahun 2019 di Puskesmas Ciputat. Sampel sebanyak 163 orang, pengambilan dilakukan dengan teknik total random sampling. Analisis data menggunakan uji chi square (α = 0,05). Result : The variable associated with the incidence of anemia in pregnant women is nutritional status (p. value = 0.000, OR = 5.27). Variables that are not related are parity (p. value = 0.444, OR = 0.69), maternal age (p. value = 0.673, OR = 0.81), abortion (p. value = 1,000, OR = 0.988), age pregnancy (p value = 0.837, OR = 1.19). Conclusion : The incidence of anemia in pregnant women in the Ciputat Health Center Work Area in 2019 the majority experienced anemia as many as 149 people (82.2%). Based on the results of the analysis of correlation signiantara relationship Nutritional Status with the incidence of anemia in pregnant women in the Puskesmas Ciputat 2019 with p value = 0.000 and OR = 5.27 value. Keywords: Anemia, Pregnant woman Abstrak Latar belakang: Menurut Dinas Kesehatan Provinsi Banten tahun 2019 salah satu penyumbang AKI terbesar adalah perdarahan saat melahirkan sekitar 37%. tingginya kasus angka kematian ibu di provinsi Banten dapat mencapai hingga 135 kasus kematian ibu per 100.000 angka kelahiran hidup. Berdasarkan prevalensia anemia ibu hamil pada tahun 2019 di Wilayah Kerja Puskesmas Ciputat yaitu sebesar 44,4% Tujuan penelitian: Untuk mengetahuinya gambaran faktor-faktor yang berhubungan dengan anemia pada ibu hamil di wilayah kerja Puskesmas Ciputat tahun 2019. Metode: Desain studi cross-sectional dengan data sekunder form laporan ibu hamil resiko tinggi. Sampel sebanyak 180 orang, pengambilan dilakukan dengan teknik total random sampling. Analisis data menggunakan uji chi square (α = 0,05). Hasil: Variabel yang berhubungan dengan kejadian anemia pada ibu hamil yaitu status gizi (p. value= 0,000, OR = 5,27). Variabel yang tidak behubungan yaitu paritas (p. value= 0,444, OR = 0,69), usia ibu (p. value= 0,673, OR = 0,81), usia kehamilan (p. value= 0,837, OR = 1,19) Kesimpulan: Kejadian Anemia pada ibu hamil di Wilayah Kerja Puskesmas Ciputat tahun 2019 mayoritas mengalami Anemia sebanyak 149 orang (82.2%). Berdasarkan hasil analisis hubungan terdapat hubungan yang signifikan antara Status Gizi dengan kejadian Anemia pada ibu hamil di Wilayah Kerja Puskesmas Ciputat tahun 2019 dengan p value = 0,000 dan nilai OR = 5,27. Kata Kunci: Anemia, Ibu hamil.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 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 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 ».