ANALISIS PERILAKU POLA MAKAN PENDERITA DIABETES MELLITUS TIPE II DI WILAYAH KERJA UPTD PUSKESMAS KAWALI TAHUN 2021 (Implementasi teori Health Believe Model)
Notice bibliographique
Résumé
Wilayah Asia Tenggara menempati peringkat ke-3 dengan prevalensi sebesar 11,3% dengan Indonesia sendiri berada diperingkat ke-7 diantara 10 negera dengan jumlah penderita Diabetes Mellitus terbanyak, yaitu sebesar 10,7 juta. Salah satu faktor masalah pada penanggulangan DM adalah ketidaktahuan penderita Diabetes Mellitus terkait pola makan yang dapat menyebabkan peningkatan kadar gula dalam darah. Tujuan: Untuk menganalisis serta mengetahui bagaimana perilaku pola makan penderita Diabetes Mellitus tipe II di Wilayah Kerja UPTD Puskesmas Kawali. Metode: Metode yang digunakandalam penelitian ini adalah metode kualitatif deskriptif. Peneliti menggunakan 12 informan yang terdiri dari 5 orang penderita DM, 5 orang keluarga penderita DM dan 2 orang Tenaga Kesehatan UPTD Puskesmas Kawali. Teknik pengumpulan data dilakukan dengan cara wawancara mandalam. Hasil: Pola Makan penderita DM di Wilayah Kerja UPTD Puskesmas Kawali belum sepenuhnya sesuai dengan prinsip pola makan 3J. Perceived Barriers penderita DM cenderung tinggi jika melakukan pola makan sesuai dengan prinsip 3J. Cues to Action penderita DM sebagian diperoleh dari dukungan keluarga terdekat.
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 | 0,006 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 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 ».