Hubungan Kepatuhan Minum Obat Terhadap Kualitas Hidup Penyandang Hipertensi Dengan Penyakit Penyerta Dan Tanpa Penyakit Penyerta
Notice bibliographique
Résumé
Hypertension is a condition when blood pressure above normal, that systolic >140 mmHg and dyastolic >100 mmHg. Hypertension is also referred as a silent killer disease because it does not generate signs and symptoms. Hypertension is the third leading cause of death in the world, while the main cause of death is hypertension with comorbidities. Comorbidities of hypertension are diabetes, kidney disease, atherosclerosis due to myocardium infarction, angina, heart failure, and stroke. The success of hypertension treatment can be seen from adherence, especially adherence of medication. Good medication adherence can improve the quality of life. Meanwhile, poor medication adherence can make quality of life worse. This study aims to determine the relation of medication adherence to the quality of life hypertension with comorbidities hypertension and without comorbidities hypertension in Baki Health Center area. This type of research is a quantitative research with a correlation description method. Sampling used a purposive sampling technique involving 68 respondents. The characteristics of respondents were hypertension people with and without comorbidities who had an examination in Baki Health Center, were more than 25 years old, were cooperative and agree to become respondents by signing informed consent. In this study, the measuring instrument used questionnaire. The questionnaire used in this study were the Morisky Medication Adherence Scale (MMAS-8) to assess respondents medication adherence and the World Health Organization-BREF (WHOQOL-BREF) to assess respondents quality of life. This study used used the Spearman Test with the result of the study there was a significant relationship between medication adherence to the quality of life of people with and without comorbidities.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,005 |
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 ».