Hubungan Indeks Massa Tubuh (Imt) Dengan Keluhan Nyeri Pada Pasien Low Back Pain Di Rumah Sakit Umum Daerah Aceh, Indonesia
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
Low back pain atau nyeri punggung bawah adalah salah satu gangguan muskuloskeletal serta penyebab utama terjadinya kecacatan nomor dua di dunia, Hal ini cenderung sangat umum terjadi pada pasien sehat dengan berbagai gangguan kesehatan ataupun komplikasi penyakit yang berbeda-beda (komorbiditas) sehingga menyebabkan seseorang sulit untuk melaksanakan aktivitas sehari-hari dengan normal. Penelitian ini bertujuan untuk mengetahui hubungan karakteristik dan kondisi komorbiditas dengan kejadian low back pain.Materials and Methods: Desain penelitian ini adalah Cross Sectional Study. Data dikumpulkan dari 237 responden yang dipilih dengan teknik non probability sampling dengan teknik convenience sampling. Alat pengumpulan data dalam penelitian ini terdiri dari kuesioner International Physical Activity Questionnaire (IPAQ), Depression Anxiety and Stress Scale-21 (DASS-21), Self Administered Comorbidity Questionnaire (SCQ), Short Form McGill Pain Questionnaire (SF-MPQ) dan kuesioner faktor fisik yang sudah diuji validitas dengan nilai r tabel (0,632) dan reliabilitas dengan nilai Cronbach Alpha > 0,6. Analisa data menggunakan uji Chi Square.Results: Hasil penelitian menunjukkan bahwa ada hubungan yang signifikan antara indeks massa tubuh (IMT) dengan nyeri pada pasien dengan low back pain (p=0,009).Conclusion: IMT merupakan salah satu faktor yang mempengaruhi terjadinya nyeri low back pain pada pasien yang umumnya bisa disebabkan akibat peningkatan berat badan sehingga berkontribusi dalam peningkatan beban fisiologis dan mekanis pada jaringan.
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 | 0,011 | 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 | 0,008 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,007 |
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