PENGARUH TEKNIK SLOW DEEP BREATHING (SDB) PADA TEKANAN DARAH PADA LANSIA DENGAN HIPERTENSI
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Latar Belakang: Lansia adalah kondisi seseorang yang telah menua, dimana seiring bertambahnya usia banyak terjadi perubahan pada lansia. Salah satunya adalah perubahan pada sistem kardiovaskular yang ditandai dengan penurunan kerja jantung dalam memompa darah, serta penyempitan pembuluh darah dan menjadi kaku yang dapat mengakibatkan hipertensi. Sehingga perlu ada penanganan khusus untuk mengobati hipertensi pada lansia agar tidak memperburuk situasi. Upaya manajemen keperawatan yang dapat dilakukan dalam pengobatan hipertensi adalah terapi farmakologis yang terdiri dari pemberian obat, dan terapi non-farmakologis seperti teknik Slow Deep Breathing. Melakukan teknik ini secara rutin dapat memberikan efek relaksasi dan dapat menurunkan tekanan darah. Tujuan: Untuk mengetahui pengaruh teknik Slow Deep Breathing terhadap tekanan darah pada lansia dengan hipertensi di wilayah kerja Puskesmas Nagaswidak Palembang tahun 2023. Metode: Penelitian ini merupakan penelitian kuantitatif menggunakan pra-percobaan, dengan satu kelompok pre-test dan post-test design. Teknik pengambilan sampel menggunakan purposive sampling diperoleh oleh 38 responden. Analisis data menggunakan uji-T Paired Sample. Hasil: Nilai tekanan darah rata-rata sebelum intervensi sistolik adalah 165,76 mmHg dan diastolik 89,89 mmHg. Nilai rata-rata tekanan darah setelah intervensi sistolik adalah 159,74 mmHg dan diastolik 85,76 mmHg. Berdasarkan uji statistik, diperoleh nilai p-value=0,001 (p<0,05).Diskusi: Terdapat pengaruh teknik Slow Deep Breathing pada penurunan tekanan darah pada lansia dengan hipertensi di wilayah kerja Puskesmas Nagaswidak Palembang pada tahun 2023. Dianjurkan untuk penelitian di masa depan untuk menambahkan kelompok kontrol sebagai perbandingan dalam penelitian.
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.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle