Strategi Kebijakan Pendekatan Penyampaian Informasi Dalam Pencegahan Dan Pengendalian Tuberkulosis di Kabupaten Ogan Ilir
Notice bibliographique
Résumé
Jumlah penemuan kasus Tuberkulosis (TBC) yang dilaporkan ke Dinas Kesehatan Kabupaten Ogan Ilir terjadi peningkatan kasus pada tahun 2024 sebanyak 989 kasus, sedangkan 2023 penemuan sebanyak 738 kasus. Selain itu, angka pengobatan lengkap kasus tuberkulosis di tahun 2024 adalah 689 sedangkan jumlah kasus 989 artinya terdapat selisih 300 orang yang tidak melakukan pengobatan. Besarnya kesenjangan penemuan kasus dan sedikitnya orang dengan TBC yang memulai pengobatan di daerah disebabkan kurangnya pengetahuan tentang gejala TBC membuat pasien TBC tidak tanggap berobat ketika muncul gejala dan cenderung mendiamkan saja. Selain itu, pemahaman di masyarakat terkait TBC masih menjadi persoalan. Adanya anggapan bahwa TBC adalah penyakit yang tidak dapat disembuhkan membuat seseorang tidak ingin mengakses pengobatan. Diperlukan strategi kebijakan pendekatan penyampaian informasi yang baik guna memberikan pemahaman dan pengetahuan tentang tuberkulosis di masyarakat agar mudah diterima dan tidak terjadi lagi kesenjangan antara jumlah kasus dengan yang diobati. Makalah ini bertujuan untuk menyusun rekomendasi kebijakan yang komprehensif sebagai masukan kebijakan dalam penyusunan dokumen Rencana Aksi Daerah (RAD) Penanggulangan dan Pengendalian TBC untuk Tahun 2025-2027 dalam peningkatan peran serta Komunitas, pemangku Kepentingan dan multisektor dalam Penanggulangan TBC khususnya penyampaian informasi dalam pencegahan dan pengendalian Tuberkulosis di Kabupaten Ogan Ilir, sebagai turunan dari intervensi penanganan Tuberkulosis RPJMN 2025 2029, intervensi Masyarakat mendapatkan layanan pencegahan dan pengendalian TBC.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».