Pengaruh Latihan Scapular Postural Correction Terhadap Penurunan Nyeri Leher Pengguna Notebook Di \nUniversitas Muhammadiyah Surakarta \n \n
Notice bibliographique
Résumé
“PENGARUH LATIHAN SCAPULAR POSTURAL CORRECTION TERHADAP PENURUNAN NYERI LEHER PENGGUNA NOTEBOOK DI UNIVERSITAS MUHAMMADIYAH SURAKARTA.” \n(Dibimbing oleh : Agus Widodo, SSt,FT, M.Fis dan Totok B.S, SSt.FT, MPH) \nNyeri leher adalah rasa nyeri yang meliputi kelainan saraf, tendon, otot dan ligamen di sekitar leher. Intervensi fisioterapi yang dilakukan adalah latihan Scapular Postural Correction. Tujuan penelitian ini adalah untuk mengetahui pengaruh pemberian latihan Scapular Postural Correction terhadap penurunan nyeri leher pengguna notebook di Kama FIK UMS. Tempat penelitian dilaksanakan di Kama FIK kampus I UMS selama 2 minggu. Penelitian ini menggunakan metode quasi eksperiment dengan desain Pre and Post Test with Control Group Design. Jumlah sampel pada penelitian ini adalah 20 responden 11 orang wanita dan 9 orang pria. Dan untuk mengukur nyeri leher menggunakan Visual Analog Scale (VAS). Uji normalitas data dengan shapiro wilk test didapat nilai P 0.313 (p > 0.05), berarti data berdistribusi normal. Uji pengaruh dengan paired sample t-test diketahui p 0,001 (p < 0,05), berarti data signifikan. Kesimpulan penelitian ini adalah ada pengaruh latihan Scapular Postural Correction terhadap penurunan nyeri leher pengguna notebook di UMS.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,146 | 0,019 |
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 ».