HUBUNGAN PENANGANAN PASIEN DIABETES MELITUS MELALUI UPAYA SELFCARE DI WILAYAH KERJA PUSKESMAS ANREAPI
Bibliographic record
Abstract
Puskesmas Anreapi pada tanggal 9 Desember 2022, melalui dari Petugas Puskesmas Anreapi Dinas Kesehatan Kabupaten Polewali Mandar jumah kasus keseluruhan yang terdapat Diabetes Melitus pada tahun 2020 adalah 54 kasus, sedangkan jumlah kasus keselurahan yang terdapat Diabetes Melitus pada tahun 2021 adalah 84 kasus. Serta berdasarkan data Januari-November 2022 sebanyak 149 kasus. Dengan adanya peningkatan dari tahun ke tahun sehingga kasus ini menjadi perhatian kita semua.penelitian ini bertujuan untuk mengetahui Hubungan tingkat pengetahuan dengan aktivitas self care (perawatan diri) pada penderita Diabetes Melitus di wilayah kerja Puskesmas Anreapi. jenis penelitian yang di gunakan dalam penelitian ini adalah analitik observasional dengan menggunakan pendekatan desain cross sectional. Penelitian ini dilaksanakan di Wilayah Kerja Puskesmas Anreapi. Populasi yang digunakan pada penelitian ini adalah penderita DM yang berada di Wilayah Kerja Puskesmas Anreapi dengan jumlah 149 orang, menggunakan sampel Arikunto sebanyak 37 Responden. hasil Penelitian ini menunjukkan Adanya hubungan yang signifikan antara tingkat pengetahuan dengan aktivitas self care pada penderita diabetes melitus di wilayah Kerja Puskesmas Anreapi dengan p value = 0,001
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 | 0.001 |
| 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 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.021 | 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".