HUBUNGAN OBESITAS DAN POLA AKTIVITAS DENGAN HIPERTENSI DI WILAYAH KERJA PUSKESMAS III DENPASAR UTARA
Bibliographic record
Abstract
Hipertensi merupakan suatu keadaan yang menyerang usia produktif dari umr 35 – 60 tahun yang semakin meningkat dari tahun ke tahun. Faktor kemunculan hipertensi ada dua faktor yaitu faktor yang dapat dikontrol dan tidak dapat dikontrol misalnya obesitas dan aktivitas fisik. Tekanan darah tinggi tidak bisa disembuhkan tetapi bisa dikontrol dengan cara pencegahan primer dan pencegahan sekunder. Tujuan penelitian ini adalah untuk mengetahui tentang hubungan antara obesitas dan pola aktivitas dengan hipertensi di Wilayah Kerja Puskesmas III Denpasar Utara. Metode yang digunakan dalam penelitian ini yaitu deskriftif korelasional dengan pendekatan cros sectional dengan tehnik pengambilan sampel non probability sampling dengan tehnik purposive sampling. Analisis data menggunakan uji rank spearman. Hasil uji statistik didapatkan r hitung = 0,426 dan p-value= 0,001 atau p≤0,05. Hasil uji statistik didapatkan bahwa r hitung = -0,421 dan p-value = 0,001 atau p≤0,05. Hasil Penelitian ini menunjukkan bahwa terdapat hubungan antara obesitas dan pola aktivitas dengan hipertensi di wilayah kerja puskesmas III denpasar utara, oleh karena itu diharapkan kepada tenaga medis khususnya keperawatan dapat meningkatkan pelayanan kesehatan khususnya program promotif dan preventif serta penyuluhan mengenai faktor-faktor risiko yang dapat menyebabkan terjadinya hipertensi.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".