Development of an Android-Based Application to Prevent Baby-Born Stunted
Notice bibliographique
Résumé
INTRODUCTION: Stunting is still a problem for infants under five years old in Indonesia. One solution to improve the health status of pregnant women to prevent the child born stunting in the digital era is to design an application called ACALS, the “Aplikasi Cegah Anak Lahir Stunting” (ACALS)/ Application for preventing the birth of children with stunting. The application was created as an innovation and strategy for preventing and handling stunting. This study aims to evaluate the design and structure of ACALS as an application used to support the optimization of antenatal care for pregnant women. METHODOLOGY: The research design is Research and Development to evaluate the quality of innovative products in applications with user authority for pregnant women. This research was conducted in 2019 at the Jonggol Community Health Center, Bogor Regency, West Java, Indonesia. Through this research, a smartphone-based application called the ACALS/ Application was designed to prevent the birth of children with stunting, which was developed based on the Ministry of Health's MCH Handbook. RESULT: The application is considered high quality based on its evaluation of all dimensions, which include completeness, correctness, security, timeliness, benefits, efficiency, reliability, and usability. Therefore, the design and structure of ACALS have been significantly developed. CONCLUSION: It was concluded that ACALS is very beneficial for pregnant women during pregnancy as a means of monitoring and supporting the optimization of antenatal care to prevent the birth of stunted babies.
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 | 0,008 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».