GAMBARAN FUNGSI KOGNITIF PADA LANSIA DI POLIKLINIK JANTUNG DAN POLIKLINIK ENDOKRIN RSUD DR ZAINOEL ABIDIN BANDA ACEH
Bibliographic record
Abstract
Penurunan fungsi kognitif merupakan masalah yang sering terjadi pada golongan usia lanjut. Prevalensi penurunan fungsi kognitif tinggi pada negara yang memiliki populasi lansia yang tinggi. Indonesia merupakan negara keempat dunia yang memiliki populasi lansia tertinggi dan diperkirakan akan menjadi ketiga tertinggi pada tahun 2020. Pemeriksaan yang cepat dan praktis namun nilainya akurat untuk menilai fungsi kognitif adalah kuesioner Montreal Cognitive Assessment versi Indonesia (MoCA-Ina). Tujuan penelitian ini adalah untuk mengetahui gambaran fungsi kognitif lansia di Poliklinik Jantung dan Poliklinik Endokrin RSUD dr Zainoel Abidin Banda Aceh. Jenis penelitian ini adalah deskriptif dengan desain cross sectional. Pengambilan sampel secara quota sampling dengan jumlah sampel 32 lansia yang memenuhi kriteria inklusi. Data dikumpulkan melalui wawancara dengan menggunakan kuesioner (MoCA-Ina). Berdasarkan usia dan jenis kelamin menunjukkan penurunan fungsi kognitif terbanyak adalah pada usia 60-74 tahun (96,9%) dan mayoritas pada perempuan (75%). Berdasarkan riwayat pendidikan lansia dengan riwayat SD lebih cenderung mengalami penurunan fungsi kognitif (25,0%). Penurunan fungsi kognitif lebih dominan dialami oleh lansia yang tidak mengalami hipertensi dan diabetes melitus (31,2%). Kata Kunci : Fungsi Kognitif, Lansia, (MoCA-Ina)
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| 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) | 0.016 | 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".