MétaCan
Menu
Retour à la cohorte
Enregistrement W4415072107 · doi:10.32832/pro.v8i5.1392

Description of Hypertension Prevention in Puguh Village, Boja District, Kendal Regency

2025· article· en· W4415072107 sur OpenAlexaboutno aff
Bayu Yoni Setyo Nugroho, Nadhia Wahyu Aprilia

Notice bibliographique

RevuePROMOTOR · 2025
Typearticle
Langueen
DomaineMedicine
ThématiquePublic Health and Nutrition
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésQuarter (Canadian coin)PopulationDescriptive researchEpidemiologyBlood pressureData collectionDisease

Résumé

récupéré en direct d'OpenAlex

This study aims to identify the epidemiological characteristics of people with hypertension in Puguh Village, Kendal Regency during the third quarter of 2024. Using a descriptive research design with a population of 110 respondents, data was collected using Kobotoolbox and analyzed using statistical software. The results show that the majority of respondents were female (73.6%), aged 31-90 years (87.3%), had elementary school education (48.2%), and worked in the informal sector (46.4%). Respondents' knowledge level about hypertension was fairly good, with 94.5% understanding the term hypertension and 98.2% being aware of its risks for heart disease and stroke. However, knowledge about risk factors such as smoking remained low (34.5%). Regarding attitudes, 90.9% of respondents agreed on the importance of regular blood pressure checks, and 92.7% supported regular physical activity. An area still needing attention is the understanding of the relationship between obesity and hypertension, where only 51.9% of respondents understood the correlation. This study recommends strengthening education about lifestyle modification risk factors, developing specific educational programs about the dangers of smoking, and implementing more innovative educational media to improve the community's comprehensive understanding of hypertension.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,309
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePROMOTORMême sujetPublic Health and NutritionTravaux en français237 207