PERILAKU PENCEGAHAN TERHADAP KEJADIAN DEMAM BERDARAH DENGUE PADA MASYARAKAT
Notice bibliographique
Résumé
Penyakit Demam Berdarah Dengue (DBD) merupakan salah satu masalah kesehatan masyarakat di Indonesia karena dapat menyerang seluruh kelompok umur dan sering menimbulkan kematian. Angka kesakitan di wilayah Kabupaten Cianjur pada tahun 2018 yaitu terdapat 361 kasus DBD yang tersebar di wilayah kerja dinas kesehatan Cianjur dengan angka kesakitan sebanyak 1543 per 100.000 penduduk dan angka kematian 0,28% per 100.000 penduduk. Salah satu faktor penyebab adalah perilaku pencegahan masyarakat yang kurang baik. Tujuan penelitian yaitu untuk mengetahui hubungan perilaku pencegahan terhadap kejadian DBD pada masyarakat. Metode penelitian menggunakan survei Analitik Cross sectional. Teknik pengambilan sampel yaitu Stratified Random Sampling dengan perolehan sampel 100 responden. Hasil penelitian menunjukkan sebanyak 100 responden ditemukan berperilaku baik melakukan pencegahan DBD sebanyak 82 (82%) responden, sedangkan 18 (18%) responden yang berperilaku buruk tidak melakukan pencegahan DBD. Responden yang ditemukan terjangkit DBD sebanyak 28 (28%) responden, sedangkan responden yang tidak terjangkit DBD sebanyak 72 (72%) responden. Saran: Tim Kesehatan perlu meningkatkan pengetahuan promotif dan preventif yang berkaitan dengan perilaku 3M Plus pada masyarakat agar terbebas dari DBD. Kata Kunci : Demam Berdarah Dengue, Perilaku Pencegahan
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».