PENURUNAN FUNGSI KOGNITIF MEMPENGARUHI TERJADINYA PENINGKATAN RESIKO JATUH PADA LANSIA DI DESA SUMERTA: STUDI CROSS-SECTIONAL
Notice bibliographique
Résumé
Pendahuluan: Jatuh merupakan kejadian yang sering dialami oleh lansia. Salah satu penyebab peningkatan resiko jatuh pada lansia adalah adanya penurunan fungsi kognitif yang terjadi karena adanya proses degeneratif. Fungsi kognitif ini dibutuhkan oleh lansia untuk melakukan tugas, seperti: atensi, psikomotor, memori, visuospasial, bahasa, dan fungsi eksekutif. Penelitian ini dilakukan untuk mengetahui hubungan dan arah hubungan antar kedua variabel pada lansia di Desa Sumerta, Denpasar Timur, Bali. Metode: Metode penelitian yang digunakan adalah observasional analitik dengan pendekatan cross-sectional yang dilakukan di wilayah Banjar Ketapian Kelod, Desa Sumerta pada bulan Desember 2021 secara offline dengan menerapkan protokol kesehatan Covid-19. Simple random sampling merupakan Teknik sampling yang digunakan pada penelitian ini yaitu dengan jumlah sampel sebanyak 59 sampel. Variabel dependen yang diukur adalah resiko jatuh menggunakan Timed Up and Go Test (tes TUG). Variabel independent yang diukur adalah fungsi kognitif dengan alat ukur Montreal Cognitive Assesment versi Indonesia (MoCA-Ina). Uji bivariat spearman rank correlation digunakan dalam menganalisis hubungan fungsi kognitif terhadap resiko jatuh pada lansia di Desa Sumerta. Hasil: Hasil analisis data menunjukkan bahwa adanya hubungan yang signifikan antara nilai fungsi kognitif dan nilai resiko jatuh pada lansia di Desa Sumerta sebesar 0,000 (p< 0,01) dan nilai correlation coefficient negatif, yaitu -0,681 menunjukkan arah hubungan kedua variabel bersifat negatif atau tidak searah. Simpulan: Berdasarkan hasil penelitian ini dapat disimpulkan bahwa terdapat hubungan yang signifikan antara fungsi kognitif dengan risiko jatuh pada lansia di Desa Sumerta, dan arah korelasinya adalah negatif atau tidak searah. Kata Kunci: MoCA-Ina, Tes TUG, fungsi kognitif, resiko jatuh, lansia
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».