IDENTIFIKASI RESPON PENDERITA DALAM MENYIKAPI NYERI FRAKTUR DI WILAYAH KABUPATEN DAN KOTA PROVINSI SUMATERA SELATAN TAHUN 2017
Bibliographic record
Abstract
Kondisi nyeri banyak ditemukan pada sebagian besar kasus seperti pada kondisi luka bakar, luka tusuk, luka robek serta pada kondisi fraktur, baik fraktur terbuka maupun fraktur tertutup. Setiap individu yang mengalami nyeri mempunyai respon yang berbeda dalam menyikapi kondisi nyeri yang dialaminya seperti berteriak, meringis, memejamkan mata dengan kuat, menggigit bibir, meniup, memegang dan menggosok area yang mengalami nyeri. Tujuan dari dilakukannya penelitian ini adalah untuk melakukan identifikasi terhadap respon apa saja yang dilakukan oleh penderita fraktur dalam menyikapi nyeri yang dialaminya di wilayah Kabupaten dan Kota Provinsi Sumatera Selatan Tahun 2017. Penelitian ini merupakan penelitian deskriptif kuantitatif dimana peneliti melakukan identifikasi terhadap respon yang dilakukan penderita fraktur di wilayah Kabupaten dan Kota Provinsi Sumatera Selatan. Sampel dalam penelitian ini adalah penderita yang mengalami fraktur berjumlah 78 orang yang dipilih dengan menggunakan tehnik Accidental Sampling serta memenuhi kriteria yang telah ditentukan. Data dalam penelitian ini di dapat dengan melakukan identifikasi langsung terhadap respon penderita yang mengalami fraktur. Hasil identifikasi dicatat dan selanjutnya dilakukan entry data ke dalam program SPSS versi 19. Penelitian ini dilaksanakan pada bulan Januari-Juni 2017 bertempat di wilayah Kabupaten dan Kota Provinsi Sumatera Selatan. Berdasarkan hasil penelitian diketahui jika respon penderita yang mengalami fraktur cukup banyak dan bervariasi, respon terbanyak yaitu dengan meringis sebanyak 17 orang responden (21.8%), menangis sebanyak 15 orang responden (19.2%) berteriak dan menjerit masing-masing sebanyak 7 orang responden (9.0%). Beberapa respon dilakukan oleh penderita fraktur seperti melakukan kompres, relaksasi/mengatur pola pernafasan dan memegang area fraktur, respon yang bersifat mandiri tersebut dilakukan oleh penderita dengan tujuan untuk meminimalisir intensitas nyeri fraktur yang sedang dialaminya.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".