MétaCan
Menu
Retour à la cohorte
Enregistrement W4415464864 · doi:10.52353/abdimakarti.v4i2.864

PENINGKATAN PENGETAHUAN KEPATUHAN MINUM OBAT PESERTA ILP NOBOREJO MELALUI PENYULUHAN DI WILAYAH KERJA PUSKESMAS CEBONGAN

2025· article· W4415464864 sur OpenAlexaff
Lyla Aprilia, Meilia Rofiana, Ahmad Najib Samani, Apiatul Ulum, Agitya Resti Erwiyani, Eka Wijayanti

Notice bibliographique

RevueABDI MAKARTI · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueAgricultural and Biological Research
Établissements canadiensCarbon Engineering (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedication adherenceDiseaseSelf-medicationCompliance (psychology)Chronic diseasePublic healthCommunity health centerPatient compliance

Résumé

récupéré en direct d'OpenAlex

Patient compliance in taking medication greatly influences the success of a treatment. Low compliance with taking medication also occurs in elderly patients with a History of Chronic Diseases, so that many patients succumb to the disease and improve the patient’s quality of life. Chronic diseases have caused around 36 million deaths globally. Therefore, people with chronic diseases must control their condition regularly and take medication regularly to maintain the target of optimal disease improvement. The importance of increasing awareness of medication compliance, a community service was held entitled "Improving Knowledge of Medication Compliance for ILP Noborejo Participants Through Counseling in the Cebongan Health Center Work Area". It is hoped that this counseling can increasing public knowledge that medication compliance is important in supporting therapy improvements as long as it is done based on doctor's instructions. The results of this activity show that the average score of respondents in general is at 80%, the average score of the is quite large. Participants have good knowledge of the material presented.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,003
Études des sciences et des technologies0,0030,001
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,019
Tête enseignante GPT0,268
Écart entre enseignants0,248 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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 revueABDI MAKARTIMême sujetAgricultural and Biological ResearchTravaux en français237 207