PENGARUH PEMBERIAN EKSTRAK KACANG HIJAU TERHADAP PENINGKATAN KADAR HEMOGLOBIN PADA IBU HAMIL TRIMESTER III TAHUN 2022-2023
Notice bibliographique
Résumé
Pendahuluan: Angka kejadian anemia pada ibu hamil di dunia menurut data WHO (2015) menunjukkan prevalensi sebesar 38,2%, sedangkan angka kejadian anemia pada ibu hamil di Indonesia berdasarkan data Riskesdas tahun 2018 sebesar 48,9%. Jumlah ini meningkat dari tahun sebelumnya yaitu 37,1% pada tahun 2013. Tindakan pencegahan anemia tidak hanya secara farmakologi tetapi dapat menggunakan cara non farmakologi dengan pemberian kacang hijau. zat gizi pada kacang hijau seperti sumber protein, kaya serat, rendah karbohidrat, lemak sehat dan kaya vitamin. Tujuan: menganalisis pengaruh pemberian kacang hijau terhadap peningkatan kadar hemoglobin pada ibu hamil trimester III. Metode: Rancangan penelitian yang digunakan adalah Pre-Experimental Design dengan bentuk One Group Pretest-Posttest. Pada desain ini, sebelum diberikan perlakuan, sampel terlebih dahulu diberikan pretest (tes awal) dan setelah eksperimen, sampel diberikan posttest (tes akhir). Hasil: Menggunakan independent t-test menunjukkan perbedaan peningkatan kadar hemoglobin pada ibu hamil. Nilai p = 0,045 artinya ada perbedaan kadar hemoglobin pada ibu hamil yang rutin minum ekstrak kacang hijau dengan ibu hamil yang tidak rutin minum di wilayah kerja Puskesmas Kabupaten Kemayoran. Kesimpulan: Bahwa ada pengaruh pemberian ekstrak kacang hijau dengan tablet Fe terhadap peningkatan kadar Hb pada ibu hamil di Puskesmas Kemayoran.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».