Pengaruh Pemberian Green Bean Juice Terhadap Peningkatan Hemoglobin Pada Ibu Hamil Dengan Anemia Di PMB LT Jatirahayu
Notice bibliographique
Résumé
Introduction: Red blood cells contain an iron protein called Hemoglobin which binds and distributes oxygen to the body's cells. In anemia conditions, the number of red blood cells and hemoglobin is reduced so that oxygen is not supplied properly and the patient complains of weakness and paleness. During pregnancy, women sometimes experience deficiencies in micronutrients such as zinc. So, grams need to be careful and consult with a doctor about what the body needs to prevent the fetus from developing. The content of zinc and iron in green beans also has benefits for pregnant women or pregnant women. Not only these two ingredients can also reduce the risk of premature babies. Methods: The design of this study used an experimental method (pre-test) with a one-group pre-test-post-test design. Results: The results of the T-test showed that the t-count value was-7617 with a p-value (0,000) less than 0,05. Discussion: Giving green beat extract has an effect in increasing Hemoglobin levels in pregnant women with anemia at PMB LT Jatirahayu, Pondok Melati District, Bekasi Regency. Socialization or campaigns about giving mung bean extract as a treatment in increasing Hemoglobin levels in pregnant women with anemia need to be carried out by PMB in order to increase Hemoglobin levels.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,010 | 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 ».