Efektivitas Pemberian Kolang-Kaling Sebagai Alternatif Anti Inflamasi Terhadap Penurunan Intensitas Nyeri Pada Osteoartritis Lutut
Bibliographic record
Abstract
Kolang-kaling adalah biji buah aren berbentuk lonjong, kenyal, berwarna putih transparan dan mempunyai rasa menyegarkan. Kolang-kaling umumnya digunakan campuran minuman ini ternyata memiliki manfaat besar bagi gerak tubuh yang mengalami kekakuan yaitu sebagai pangan nutrasetikal untuk terapi sehat bagi penderita osteoarthritis. Kandungan karbohidrat kolang-kaling sebagian besar berupa galaktomanan yaitu senyawa polisakarida yang memiliki fungsi analgesik dan anti-inflamasi untuk OA. Hasil analisis pada penelitian sebelumnya di unit laboratorium Universitas Brawijaya Malang, diketahui bahwa ekstrak galaktomanan kolang-kaling memberikan efek yang lebih signifikan dalam proses terapi OA lutut dibandingkan dengan obat Na-Diklofenak dan obat-obat komersial lainnya dalam hal penurunan volume edema. Penelitian ini bertujuan untuk membuktikan efektivitas pemberian kolang-kaling sebagai alternatif anti inflamasi terhadap penurunan intensitas nyeri pada osteoartritis lutut. Penelitian dilakukan dengan variasi dosis takaran penyajian pemberian minuman kolang-kaling, dianalisis menggunakan skala WOMAC pada sebelum dan setelah pemberian kolang-kaling sekaligus mencari dosis takaran penyajian pemberian minuman kolang-kaling yang paling efektif. Desain penelitian ini adalah eksperimental dengan Pretest-Posttest Control Group Design. Subyek penelitian 20 responden dengan gejala dan tanda klinis OA pada lutut. Responden terbagi dalam 1 kelompok kontrol, tanpa pemberian minuman kolang-kaling (X0) dan 3 kelompok perlakuan berupa pemberian minuman kolang-kaling; 1 x 50 gram pagi hari (X1), 2 x 50 gram pagi dan siang hari (X2) dan 3 x 50 gram pagi, siang dan malam hari (X3), masing-masing perlakuan akan dilakukan selama 7 hari. Penelitian didasarkan pada pemeriksaan intensitas nyeri lutut menggunakan skala Western Ontario and McMaster Universities Osteoarthritis Index (WOMAC) dengan menyelesaikan 24 parameter pertanyaan kuesioner. Pengambilan citra radiografi osteoarthritis genu proyeksi AP weight bearing kanan dan kiri, dinilai dengan skala Kellgren-Lawrence (KL), grade 0-1 = normal, grade 2 = definit margin of osteofit, grade 3 = tampak JSN dan grade 4 = bone on bone contact, digunakan sebagai gold standar dan konfirmasi hasil WOMAC sebelum perlakuan. Analisis data menggunakan analisis univariat karakteristik responden berdasarkan jenis kelamin, umur dan Body Mass Index (BMI) dengan Chi Square Test, Shapiro Wilk dan One Way Anova Test. Kemudian dilakukan analisis bivariat untuk menguji perbedaan hasil skala WOMAC sebelum dan setelah pemberian minuman kolang-kaling dengan Paired T-Test dan Wilcoxon Sign Test. Selanjutnya dilakukan analisis multivariat untuk menguji perbedaan hasil skala WOMAC antar kelompok, baik pada sebelum maupun setelah pemberian minuman kolang-kaling, dilakukan One Way Anova Test, kemudian uji lanjut dengan Post Hoc Test Tukey HSD dan dilakukan Kruskal Wallis Test, kemudian dilakukan uji lanjut dengan Mann-Whitney Test. Terakhir, dilakukan penentuan dosis takaran penyajian pemberian minuman kolang-kaling yang paling efektif, dilihat pada hasil mean tertinggi untuk Post Hoc Test Tukey HSD atau hasil mean rank tertinggi untuk Kruskal Wallis Test.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".