Hubungan Osteoarthitis dengan Risiko Jatuh pada Lansia
Notice bibliographique
Résumé
Osteoarthritis adalah jenis arthritis yang paling sering terjadi pada lansia berusia 60 tahun yang dapat menimbulkan nyeri persendian di tangan, leher, punggung, pinggang, dan sendi lutut. Penelitian ini bertujuan untuk mengetahui hubungan osteoarthritis dengan risiko jatuh pada lansia. Penelitian ini menggunakan desain penelitian deskriptif korelasi dengan pendekatan cross sectional. Sampel penelitian adalah 105 orang responden yang diambil berdasarkan kriteria inklusi menggunakan metode purposive sampling. Analisis yang digunakan analisis univariat untuk melihat distribusi frekuensi dan bivariat menggunakan uji Chi-Square. Alat pengumpulan data yang digunakan adalah kuesioner Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) dan Stopping Elderly Accident, Death, and Injuries (STEADI) yang sudah dilakukan uji validitas dan reliabilitas. Hasil penelitian ini menunjukkan bahwa mayoritas responden mengalami osteoarthritis berat sebanyak 46 orang (43,8%) dan mayoritas responden beresiko jatuh sebanyak 74 orang (70,5%). Hasil penelitian ini menunjukkan adanya hubungan antara osteoarthritis dan risiko jatuh pada lansia di Puskesmas Rejosari dengan p-value (0,002) α (0,05).
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) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 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 ».