MétaCan
Menu
Retour à la cohorte
Enregistrement W7286481

Pengaruh Jus Mentimun (Cucumis Sativus Linn) Pada Tekanan Darah Perempuan dan Laki-Laki Dewasa

2011· dissertation· id· W7286481 sur OpenAlexvenueno aff
Lauw Haris Hariada

Notice bibliographique

RevueDimensions in health service · 2011
Typedissertation
Langueid
DomaineAgricultural and Biological Sciences
ThématiqueMedicinal Plant Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineGynecology
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Hipertensi adalah suatu penyakit yang banyak dijumpai di Indonesia, dengan komplikasi perdarahan otak, gagal jantung, gagal ginjal, dan kebutaan. Penggunaan obat antihipertensi modern dapat menimbulkan efek samping, oleh karena itu, obat tradisional bisa menjadi pilihan, salah satunya buah mentimun. Buah mentimun dapat menurunkan tekanan darah. Penelitian ini dilakukan untuk mengetahui pengaruh jus buah mentimun terhadap tekanan darah, serta membandingkan pengaruhnya terhadap tekanan darah laki-laki dan perempuan dewasa. Penelitian ini bersifat eksperimental sungguhan dengan menggunakan rancangan acak lengkap terhadap masing – masing 20 orang laki-laki dan perempuan dewasa. Variabel data yang dinilai adalah tekanan sistol dan diastol sampel (dalam mmHg) sebelum dan sesudah meminum jus buah mentimun. Data dianalisis dengan menggunakan uji “t” berpasangan sedangkan untuk membandingkan pengaruhnya terhadap laki-laki dan perempuan dewasa, digunakan uji “t” tidak berpasangan dengan α = 0.05. Pada laki-laki, tekanan darah rata-rata sesudah minum jus buah mentimun adalah 102,3/73,2 mmHg, lebih kecil daripada sebelum minum jus buah mentimun, yaitu sebesar 109,2/77,4 mmHg. Pada perempuan tekanan darah rata-rata sesudah minum jus buah mentimun adalah 98/68,3 mmHg, lebih kecil daripada sebelum minum jus buah mentimun, yaitu sebesar 106,4/74,55 mmHg (p 0,05). Pemberian jus buah mentimun dapat menurunkan tekanan darah pada perempuan dewasa dan laki-laki dewasa, dengan presentase penurunan tekanan darah yang sebanding.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0160,003

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 Opus0,074
Tête enseignante GPT0,336
Écart entre enseignants0,262 · 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'étudeEssai non randomisé
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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDimensions in health serviceMême sujetMedicinal Plant ResearchTravaux en français237 207