Identification of Physical Factors and Individual Characteristics Affecting The Event of Sick Building Syndrome (SBS) In Employees At The Class I Immigration Office of TPI Bandar Lampung
Notice bibliographique
Résumé
Latar belakang: SBS merupakan kumpulan suatu gejala yang dapat dialami oleh seseorang yang bekerja dalam sebuah gedung. Seseorang dinyatakan mengalami SBS jika memiliki keluhan sebanyak minimal dua atau tiga gejala dari total gejala yang ada (iritasi mata seperti mata pedih, merah atau berair, iritasi tenggorokan, nyeri saat menelan, tenggorokan gatal, bersin, batuk kering, sesak nafas, rasa berat di dada, kulit kering, merah dan gatal, mual, kelelahan, sulit berkonsentrasi, mengantuk, pusing). SBS dapat ditegakkan apabila berbagai keluhan yang ada dirasakan oleh sekitar 20%-50% pengguna suatu gedung, dan keluhan tersebut hilang apabila pekerja meninggalkan gedung. Metode: Penelitian ini merupakan penelitian analitik observasional dengan desain cross sectional. Teknik pengambilan sampel yang digunakan adalah total sampling dengan jumlah sampel minimal 63 orang. Pengambilan data dilakukan dengan menggunakan kuesioner MM040EA untuk karakteristik individu dan gejala SBS dan pengukuran secara langsung untuk faktor fisik. Analisis data menggunakan uji chi square dan uji regresi logistik. Hasil: Berdasarkan data diperoleh nilai p value dari masing-masing variabel yang menyatakan suatu hubungan yaitu jenis kelamin (0,102), usia (0,028), lama kerja (0,002), kebiasaan merokok (0,006), kondisi psikososial (0,007), laju aliran udara (0,029), pencahayaan (0,042). Hasil uji analisis multivariat menunjukkan bahwa variabel lama kerja merupakan faktor yang paling dominan terhadap SBS dengan nilai p value (0,015). Kesimpulan: Variabel yang mempengaruhi kejadian SBS adalah usia, lama kerja, kebiasaan merokok, kondisi psikososial, laju aliran udara, pencahayaan dan variabel yang paling dominan berpengaruh adalah lama kerja.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».