Jus “Mesem” (Mentimun, Seledri, Lemon, Madu) Sebagai Pencegahan Hipertensi
Notice bibliographique
Résumé
Hipertensi merupakan kondisi ketika tekanan darah sistolik mencapai atau lebih dari 140 mmHg dan/atau tekanan darah diastolik mencapai atau lebih dari 90 mmHg saat diukur di fasilitas pelayanan kesehatan. Pada tahun 2021, tercatat sebanyak 69.247 namun, kasus hipertensi di Kota Salatiga hanya 20.310 kasus yang mendapat pelayanan kesehatan. Pengabdian kepada masyarakat ini bertujuan untuk memberikan promosi kesehatan kepada masyarakat terkait hipertensi dan cara mencegah hipertensi dengan jus Mesem. Jus Mesem dibuat dari 4 bahan yaitu mentimun, seledri, lemon dan madu. Melalui kuesioner yang dibagikan kepada peserta promosi kesehatan, ditemukan bahwa 39 dari 40 (97.5%) responden menyetujui bahwa kegiatan promosi kesehatan hipertensi dan demonstrasi pembuatan jus Mesem ini meningkatkan pengetahuan mereka terkait hipertensi dan meningkatkan minat mereka untuk mencegah hipertensi dengan membuat jus Mesem di rumah. Dengan adanya promosi kesehatan ini, masyarakat akan mampu untuk mencegah hipertensi dengan cara yang mudah dan dapat dimulai dari keluarga masing-masing.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».