Hubungan Tinggi Badan Ibu dengan Kejadian Stunting di Wilayah Kerja Puskesmas Branti Raya Kabupaten Lampung Selatan Tahun 2022
Bibliographic record
Abstract
Stunting merupakan masalah kesehatan masyarakat yang berhubungan dengan peningkatan risiko morbiditas, mortalitas, dan hambatan pertumbuhan motorik dan mental. Prevalensi balita stunting nasional mengalami peningkatan dari 29,6% di tahun 2017 menjadi 30,8% di tahun 2018. Stunting dapat disebabkan tinggi badan ibu. Tujuan penelitian ini untuk mengetahui hubungan tinggi badan ibu dengan kejadian stunting di Wilayah Kerja Puskesmas Branti Raya Kabupaten Lampung Selatan Tahun 2022. Penelitian ini dilakukan pada bulan Desember. Jenis penelitian ini adalah kuantitatif dengan rancangan case control. Populasi dalam penelitain ini adalah anak usia 6-59 bulan dengan jumlah 3.364 balita dan ibu dengan balita usia 6-59 bulan yang mengalami stunting di Puskesmas Branti Raya sebesar 30 orang. Sampel dalam penelitain ini yaitu 30 orang kelompok kasus dan 30 orang kelompok kontrol. Analisis univariat menggunakan persentase (%), sedangkan analisis bivariat menggunakan chi square. Hasil penelitian ini menunjukkan bahwa pada kelompok kasus terdapat 16 (53,3%) responden dengan tinggi badan normal dan pada kelompok kasus terdapat 25 (83,3%) responden dengan tinggi badan normal. Hasil analisis bivariat didapatkan ada hubungan tinggi badan ibu (p-value= 0,026) dengan kejadian stunting. Diharapkan ibu dapat melakukan pengukuran tinggi badan anaknya secara rutin pada kegiatan posyandu tiap bulannya guna memantau status gizi TB/U anak secara teratur.
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) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 0.004 |
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".