Study of Bacteriological Content and Risk Factors of Drinking Water Consumption Patterns in Cases of Stunting Toddler
Notice bibliographique
Résumé
Stunting is one of global nutrition problems, especially in developing countries including Indonesia. The prevalence of stunting in Demak Regency, Indonesia, in 2021 was 4.34%, and in 2022 it was 2.99%. However, stunting problem remains a priority because the impact of stunting can hinder efforts to enhance the health of the society and the development of the quality of human resources. Risk factors for stunting are influenced by behavioral aspects of the environment, like sanitation and drinking water. This study aimed to determine the content of bacteriological factors that contribute to the risk pattern of drinking water consumption in cases of stunting toddlers in Temuroso Village, Working Area of Guntur I Health Center, Demak Regency, Indonesia. This study was a quantitative observational case study. The population included families and toddlers in Temuroso Village, totaling as many as 854 people. The sampling technique was purposive sampling, so the sample size was 182 people for cases and controls. Data analysis used Chi-Square test and linear regression test. The bacteriological content was predominantly negative (66.5%), with the majority of subjects showing no infections (67%). Most participants fell into the high drinking water consumption category (62.1%). Stunting incidence was significantly associated with bacteriological content (p <0.0001) and drinking water consumption patterns (p <0.0001). Among these, bacteriological content was the most dominant factor influencing stunting (exp B =0.199). In summary, the primary risk factors for stunting among toddlers in Temuroso Village, within the Guntur I Health Center working area, Demak Regency, were bacteriological content (p <0.000) and drinking water consumption patterns (p <0.000).
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 | 0,015 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».