PERBEDAAN KADAR MCV DAN MCHC PADA PASIEN KANKER SERVIKS DENGAN PERDARAHAN DAN TANPA PERDARAHAN
Notice bibliographique
Résumé
: Perdarahan sering terjadi pada pasien dengan kanker serviks, dan dapat menimbulkan anemia. Tipe anemia yang diderita bisa ditentukan dengan parameter Mean Corpuscular Volume (MCV) dan Mean Corpuscular Hemoglobin Concentration (MCHC). Penelitian ini bertujuan untuk mengetahui perbedaan kadar MCV dan MCHC pada pasien kanker serviks dengan perdarahan dan tanpa perdarahan. Desain penelitian ini adalah cross-sectional. Subjek penelitian adalah pasien kanker serviks di RSUD Ulin Banjarmasin periode April sampai Agustus 2021 yang sesuai dengan kriteria inklusi dan eksklusi. Variabel bebasnya adalah perdarahan dan variabel terikatnya adalah kadar MCV dan MCHC. Analisis dilakukan dengan uji T tidak berpasangan dan uji Mann-Whitney. Diperoleh 45 orang pasien kanker serviks, dan hasil penelitian menunjukkan bahwa 58% mengalami perdarahan. Rerata kadar MCV pada pasien dengan dan tanpa perdarahan adalah 73,74±7,64 fl dan 81,26±4,98 fl (p < 0,001), dan rerata kadar MCHC pada pasien dengan dan tanpa perdarahan adalah 30,89±1,45 g/dl dan 32,41±1,47 g/dl (p < 0,001). Dapat disimpulkan bahwa terdapat perbedaan kadar MCV dan MCHC pada pasien kanker serviks dengan perdarahan dan tanpa perdarahan.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 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) | 0,022 | 0,004 |
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 ».