Hubungan Asupan Protein dengan Kejadian Stunting pada Balita di Negara Sedang Berkembang : Systematic Review
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Latar Belakang: Stunting merupakan permasalahan tumbuh kembang pada anak. Stunting paling sering terjadi pada anak kurang dari 5 tahun. Stunting merupakan salah satu masalah kesehatan anak yang harus diperhatikan di dunia. Distribusi stunting paling banyak terjadi pada negara yang sedang berkembang. Hal tersebut salah satunya dikarenakan kurangnya asupan gizi pada negara berkembang yang menyebabkan rendahnya asupan nutrisi mikro dan makro. Salah satu makronutrien yang berperanuntuk pertumbuhan adalah protein Tujuan: Untuk mengetahui hubungan kurangnya asupan protein dengan peningkatan kejadian stunting pada balita di negara sedang berkembang Metodologi: Kajian sistematik ini hanya dibuat oleh satu orang pengkaji saja dan dibuat berdasarkan Prefered Reporting Items For Systematic Review and Meta-Analysis (PRISMA). Artikel yang dikaji merupakan studi observasional. Setiap artikel dilakukan uji kualitas literatur menggunakan Agency for Health Research and Quality (AHRQ) dan Newcastle-Ottawa Scaleuntuk jenis studi case control. Hasil: Dari hasil pencarian menggunakan strategi pencarian di PUBMED, diperoleh 257jurnal, kemudian dilakukan seleksi berdasarkan judul, abstrak, dan kriteria inklusi ekslusi. Setelah melalui proses tersebut didapatkan 3jurnal yang dikaji, dua penelitian cross sectional dan satu penelitian case control. Hasil kajian sistematik ini tiga penelitian mengatakan bahwa asupan protein berhubungan dengan peningkatan kejadian stunting di negara sedang berkembang.Kesimpulan: Kurang asupan protein berhubungan dengan peningkatan kejadian stunting di negara sedang berkembang
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.
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.040 | 0.000 |
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 it