Faktor Risiko Kejadian Anemia Pada Ibu Hamil Di Daerah Urban Di Wilayah Kerja Puskesmas Sialang Buah Tahun 2020
Bibliographic record
Abstract
Latar Belakang: Prevalensi anemia pada ibu hamil di Puskesmas Sialang Buah cukup tinggi pada tahun 2019 (41,9%), tahun 2018 yaitu (40,7%), tahun 2017 (40,5%) dan tahun 2016 (32,3%). Prevalensi anemia pada ibu hamil di daerah urban masih cukup tinggi (35,4%). Urgensi penelitian ini adalah perlunya diketahui faktor risiko anemia ibu hamil sehingga dapat dikendalikan dan diatasi yang selanjutnya berdampak pada menurunnya angka anemia pada ibu hamil. Tujuan: Penelitian ini bertujuan untuk mengetahui faktor risiko kejadian anemia pada ibu hamil di daerah urban Wilayah Kerja Puskesmas Sialang Buah tahun 2020. Metode: Jenis penelitian ini adalah observational analitik yang dilakukan untuk mengetahui determinan prevalensi anemia pada ibu hamil di daerah urban Wilayah Kerja Puskesmas Sialang Buah tahun 2020. Sampel penelitian adalah semua ibu hamil dari daerah urban (58 orang). Kadar Hb darah diperiksa menggunakan Stik/Hb Meter di Puskesmas Sialang Buah. Ibu hamil dinyatakan anemia apabila kadar Hb darah < 11gr/dl. Data yang dikumpulkan kemudian dilakukan analisis univariat dan bivariat. Hasil penelitian: Hasil analilisis bivariat menunjukkan ada hubungan antara pengetahuan konsumsi tablet Fe dengan anemia pada ibu hamil di daeral urban di Wilayah kerja Puskesmas Sialang Buah Tahun 2020. Tidak ada hubungan antara kehamilan remaja, pendidikan, status ekonomi dan kunjungan ANC dengan Fe dengan anemia pada ibu hamil di daeral urban di Wilayah kerja Puskesmas Sialang Buah Tahun 2020. Simpulan: Bagi Pihak Puskesmas, perlu melakukan penanganan dan tindak lanjut segera bagi ibu hamil yang terjaring anemia sehingga kejadian anemia tidak semakin parah. Bagi pihak Puskesmas juga diharapkan untuk tetap melaksanakan penyuluhan berkala untuk meningkatkan pengetahuan ibu hamil tentang pencegahan anemia dan monitoring konsumsi tablet Fe. Kata kunci: Anemia, Pengetahuan, Konsumsi tablet Fe, Urban
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".