Pelatihan Menanam Apotek Hidup Herbal Medicine Tanaman Burdock Sebagai Upaya Preventif Kejadian Anemia
Notice bibliographique
Résumé
Background: Anemia merupakan masalah kesehatan masyarakat yang masih tinggi, terutama pada ibu hamil dan balita. Penelitian ini bertujuan untuk memberdayakan kader melalui pelatihan budidaya tanaman burdock (Arctium lappa L.) sebagai intervensi berbasis apotek hidup dalam upaya pencegahan anemia. Jumlah kasus anemia di Indonesia meningkat dari 37,01% pada 2013 menjadi 48,9% pada 2018, dengan kasus signifikan terjadi pada remaja putri dan anak-anak di Kabupaten Cilacap. Faktor penyebab utama meliputi pola makan yang tidak seimbang, kekurangan zat besi, serta akses layanan kesehatan yang terbatas. Metode: Kegiatan ini dilakukan di Desa Sidanegara dengan pendekatan sosialisasi materi ilmiah, pemberdayaan ibu balita dalam pencegahan stunting, serta pelatihan teknik budidaya burdock. Kader dilatih untuk menanam burdock di pekarangan rumah sebagai sumber pangan fungsional yang kaya zat besi, yang berpotensi meningkatkan kadar hemoglobin dan hematokrit. Evaluasi dilaksanakan melalui observasi praktik, wawancara, dan pendampingan pekarangan secara berkala untuk menjamin keberlanjutan program. Hasil: Hasil menunjukkan bahwa kader memahami manfaat tanaman burdock menunjukkan bahwa pengetahuan kader telah meningkat, dengan nilai rata-rata post-test 93, dan mampu menerapkan teknik budidaya secara mandiri. Selain itu, tercipta lahan apotek hidup yang meningkatkan ketahanan gizi dan kesadaran masyarakat terhadap pemanfaatan herbal sebagai solusi kesehatan jangka panjang. Kesimpulan: Program ini berkontribusi pada pemberdayaan kader, penguatan ketahanan pangan lokal, serta pencegahan anemia berbasis komunitas. Pendekatan terpadu ini efektif diterapkan di Desa Sidanegara sebagai model intervensi kesehatan berkelanjutan.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».