Relationship of History of Exclusive Breastfeeding with Stunting Incidence in Toddlers 24 – 59 Months in the Marawola Health Center Work Area
Notice bibliographique
Résumé
Salah satu masalah kesehatan yang mengancam anak Indonesia bahkan dunia adalah stunting. Prevalensi kejadian stunting di Sulawesi tengah sebesar 21,4% dimana Kabupaten Sigi berada diurutan tertinggi ke tiga dengan prevalensi stunting 24,6%, setelah Kabupaten Donggala 34,9% dan Kabupaten Tojo Una-una 26,6%. Sebanyak 63 balita dari 463 balita usia 24-59 bulan mengalami stunting diwilayah kerja Puskesmas Marawola Kecamatan Sigi. Penelitian ini bertujuan untuk mengetahui hubungan riwayat pemberian ASI eksklusif dengan kejadian stunting pada balita usia 24-59 bulan di Wilayah Kerja Puskesmas Marawola Kabupaten Sigi. Jenis penelitian analitik dengan rancangan penelitian case control. Populasi dalam penelitian ini adalah balita stunting dan tidak stunting usia 24-59 bulan Teknik pengambilan sampel menggunakan metode proporsional random sampling. Sampel sebanyak 39 balita stunting dan 39 balita tidak stunting jadi total sampel sebanyak 78 balita berusia 24-59 bulan. Analisa data menggunakan uji Chi Square. Ada hubungan riwayat pemberian ASI eksklusif dengan kejadian stunting pada balita usia 24-59 bulan di wilayah kerja puskesmas marawola kabupaten sigi dengan nilai P=0,023 (P<0,05) nilai OR=2,875. Riwayat pemberian ASI eksklusif berhubungan dengan kejadian stunting pada balita usia 24-59 bulan diwilayah kerja Puskesmas Marawola Kecamatan Sigi. Perlu dilakukan pemberian edukasi tentang pentingnya pemberian ASI ekslusif untuk pecegahan stunting.
 
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».