HUBUNGAN PENGETAHUAN DAN SIKAP DENGAN KEPATUHAN DIET HIPERTENSI PADA LANSIA PENDERITA HIPERTENSI
Notice bibliographique
Résumé
Penyakit hipertensi merupakan salah satu penyakit yang sering dialami oleh lansia. Hipertensi adalah suatu keadaan dimana seseorang mengalami peningkatan tekanan darah diatas normal. Salah satu faktor yang menyebabkan terjadinya penyakit hipertensi pada lansia yaitu dari pola hidup diantaranya tidak menjalankan diet hipertensi dengan baik. Penelitian ini bertujuan untuk mengetahui hubungan pengetahuan dan sikap dengan kepatuhan diet hipertensi pada lansia penderita hipertensi di wilayah kerja Puskesmas Cibogo Kabupaten Subang tahun 2019. Jenis penelitian ini menggunakan metode survei analitik dengan pendekatan cross sectional. Populasi dalam penelitian ini sebanyak 135 dengan menggunakan teknik Accidental Sampling dan diperoleh 57 sampel. Teknik analisa data menggunakan teknik analisa univariat dan bivariate chi square. Hasil penelitian menunjukan hampir dari setengahnya responden berpengetahuan kurang sebesar 35,1%, setengah dari responden bersikap negatif 50,9%, dan sebagian besar dari responden pada kategori tidak patuh 52,6%. Hasil perhitungan pengetahuan dengan kepatuhan diet hipertensi memiliki nilai p (0,045) dilihat dari nilai p = 0,045 ≤ 0,05 artinya ada hubungan pengetahuan dengan kepatuhan diet hipertensi pada lansia penderita hipertensi, dan untuk sikap dengan kepatuhan diet hipertensi memiliki nilai p (0,025) dilihat dari nilai p 0,025 ≤ 0,05 artinya ada hubungan sikap dengan kepatuhan diet hipertensi pada lansia penderita hipertensi di wilayah kerja puskesmas Cibogo. Hasil penelitian ini bisa dijadikan informasi yang signifikan baik dalam membantu untuk meningkatkan pengetahuan lansia tentang faktor yang berhubungan dengan kepatuhan diet hipertensi, dan diharapkan bagi petugas kesehatan berupaya menyeleasaikan masalah kesehatan terutama pada lansia yang menderita penyakit hipertensi agar bisa menjalankan diet hipertensi dengan baik salah satunya dengan metode penyuluhan. Kata Kunci : pengetahuan, sikap, kepatuhan, diet hipertensi, lansia
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».