Pengaruh Terapi Murottal Terhadap Kecemasan Penderita Diabetes Melitus
Notice bibliographique
Résumé
Data WHO tahun 2020 penderita Diabetes Melitus sebanyak 422 juta orang. Seseorang yang telah mengetahui dirinya terkena diabetes merasa cemas. Kecemasan dapat mempersulit dalam penyembuhan penyakit seseorang. Salah satu penanganan kecemasan dapat dengan memberikan terapi relaksasi murottal Alqur’an surah Arrahman. Tujuan penelitian untuk mengetahui adanya pengaruh terapi murottal terhadap tingkat kecemasan pada penderita diabetes melitus. Penelitian ini menggunakan desain Quasi Experiment dengan rancangan one group pretest-postest. Penelitian ini dilakukan di wilayah kerja Puskesmas Kebun Sikolos Padang Panjang. Waktu penelitian bulan April tahun 2021 dengan teknik pengambilan sampel dengan Non Probability Sampling, sampel dalam penelitian ini adalah 16 responden. Alat ukur yang digunakan adalah kuisoner HARS (Hamilton Anciety Rating Scale).Analisa data yang digunakan Paired Sample t-test. Hasil uji-T pada tingkat kecemasan sebelum dan sesudah Terapi murottal didapatkan nilai P-value = 0.000 ( p-value < 0,005 ) sehingga dapat disimpulkan bahwa ada pengaruh terapi murottal tehadap tingkat kecemasan pada penderita diabetes mellitus. Untuk penelitian selanjutnya diharapkan dapat memberikan penanganan kecemasan dengan memberikan terapi murottal pada responden lebih banyak sehingga ada pengaruh lebih adekuat.
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 | 0,003 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».