TINGKAT STRES KELUARGA DI MASA NEW NORMAL
Notice bibliographique
Résumé
Pendahuluan: Pandemi yang terjadi saat ini disebabkan karena adanya Coronavirus Disease (COVID-19) yang berangsur cukup lama. Krisis kesehatan pandemi COVID-19 menyebabkan perubahan psikologis seperti ketakutan, kecemasan, depresi dan stres. Gejolak ini dirasakan oleh seluruh masyarakat. Tetapi banyak masyarakat mengalami ketakutan tertular karena pengetahuan tentang COVID-19 yang terbatas atau salah. Tingkat stress pada masa pandemic telah banyak dilakukan survey baik tenaga Kesehatan ataupun individu di Indonesia, namun belum terdapat penelitian tingkat stress pada keluarga khususnya di Kota Bekasi. Stres yang berlebihan dapat mengganggu kemampuan seseorang dalam menghadapi lingkungan. Tujuan: mengetahui tingkat stres keluarga di masa new normal berdasarkan karakteristik demografi. Metode: Desain penelitian ini adalah deskriptif analitik. Menggunakan uji statistik univariat. Cara ukur penelitian ini mengunakan kuesioner. Instrumen penelitian ini menggunakan instrumen yang dihasilkan oleh peneliti utama Perdana,Wade, May, Jenkins, dan Dillon studi CRAMPED (DB) dan anggota laboratorium di University of Waterloo, Canada (2021) tentang The COVID-19 Family Stressor Scale: Validation and Measurement Invariance in Female and Male Caregivers, kemudian kuesioner telah dimodifikasi oleh peneliti karena ada penambahan kata atau kalimat yang disesuaikan dengan kondisi pandemi COVID-19 di Indonesia. Hasil: pada penelitian ini di Kelurahan Margahayu, responden yang mengalami peningkatan stres mayoritas berusia 25-34 tahun yaitu 60,5%, berjenis kelamin laki-laki yaitu 52,0%, sebagai suami yaitu 52,0%, bekerja sebagai Pegawai swasta yaitu 73,0%, mengalami stres sedang yaitu: 38,3. Kesimpulan: Tingkat stres keluarga terbanyak adalah ringan dengan terbanyak kepala keluarga berjenis kelamin laki-laki dan berusia 25-34 tahun.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».