Abstrak: ABSTRAK Kanker paru merupakan kanker yang paling sering didiagnosis dan menjadi penyebab utama kematian akibat kanker. Prognosisnya masih buruk karena di tahap awal tidak ada gejala yang merujuk pada kanker paru sehingga sebagian besar didiagnosis pada stadium lanjut. Tujuan penelitian ini untuk mengetahui faktor-faktor yang mempengaruhi kesintasan pasien kanker paru. Penelitian kohort retrospektifdilakukan di RSUP Persahabatan menggunakan data rekam medis pasien kanker paru yang didiagnosis pada periode 2014-2016 dengan 228 pasien eligibel. Terdapat sepuluh faktor yang dianalisisyaitu usia, jenis kelamin, status merokok, status gizi, komorbiditas, performance status, sumber pembiayaan, stadium klinis, jenis histologi dan jenis terapi. Pada analisis Kaplan Meier diperoleh survival ratesatu, dua dan tiga tahun adalah 50%, 425dan 38% dengan median 12 bulan (95% CI 6,31-17,69). Hasil analisis cox proportional hazards menunjukkan bahwa pada kesintasan 1 tahun stadium IV memiliki risiko 2,46 kali lebih besar untuk terjadi kematian (95%CI: 1,25-4,87; P=0,010). Pada kesintasan 2 tahun, stadium IV memiliki risiko 2,58 kali (95%CI: 1,35-4,93; P=0,004)dan performance status (PS) >2 memiliki risiko 1,85 kali lebih besar untuk terjadi kematian (95%CI: 1,21-2,83; P=0,005). Pada kesintasan 3 tahun, stadium IV memiliki risiko 2,26 kali lebih besar untuk terjadi kematian (95%CI: 1,24-4,11; P=0,008) dan pada interaksi stadium IV dengan PS >2 memiliki risiko 4,07 kali untuk terjadi kematian. Disimpulkan stadium klinis dan performance statusmerupakan faktor prediktor kesintasan pasien kanker paru. Kata Kunci : kesintasan, kanker paru, faktor prediktor Lung cancer is the most commonly diagnosed cancer and the leading cause of cancer deaths. The prognosis is still poor because in the early stages there are no symptoms that refer to lung cancer so that most are diagnosed at an advanced stage. The objective of this studywas to determine the factors affecting survival of lung cancer. The retrospective cohort study was conducted in Persahabatan Hospital using medical record data of lung cancer patients diagnosed in the period 2014-2016 with 228 eligible patients. There were ten factors analyzed: age, sex, smoking status, nutritional status, comorbidity, performance status, funding source, stage, histology type and therapy. In Kaplan Meier analysis showed that one-, two- and three years survival rate were 50%, 42 and 38% with median 12 months (95% CI 6.31-17,69). The results of cox proportional hazards analysis showed that in the 1st year of survival, stage IV had 2.46 times higher risk for death (95% CI: 1.25-4,87; P = 0.010). At 2 years survival, stage IV and performance status (PS) >2 had a risk of 2.58 (95% CI: 1.35-4.93; P = 0.004) and 1.85 times greater risk for death ( 95% CI: 1.21-2,83; P = 0.005). At 3-year survival, stage IV had a 2.26 times greater risk of death (95% CI: 1.24-4.11, P = 0.008) and in interaction betweenstage IV with PS> 2 had a risk of 4.07 times for death. Stage and performance status are a predictor factors of lung cancer survival. Key words:survival rate, lung cancer, predictor factors

Abstrak: Latar Belakang: Kelahiran preterm merupakan penyebab tertinggi kematian neonatal. Indonesia menduduki posisi tertinggi di ASEAN dan kelima di dunia untuk kelahiran preterm. Rumusan masalah: Belum adanya model prediksi kelahiran preterm yang memperlihatkan prediktor yang berguna untuk mengembangkan program pencegahan. Tujuan: Menemukan model prediksi kelahiran preterm berbasis machine learning untuk deteksi dini kelahiran preterm di Fasilitas Kesehatan Tingkat Pertama (FKTP). Metode: Penelitian ini menggunakan desain studi case control dengan menggunakan data rekam medis Rumah Sakit (RS) di Palembang yaitu RS YK Madira, RSMH, RS Bunda, RS Ar Rasyid, RS Muhammadiyah, dan RS Bhayangkara tahun 2019 dengan jumlah sampel 1758 responden yang terdiri dari 879 preterm dan 879 aterm. Faktor risiko yang digunakan pada penelitian ini didapatkan dari Systematic Literature Review yang terdiri dari faktor sosiodemografi (10 variabel), faktor perilaku/gaya hidup (5 variabel), faktor maternal/kondisi ibu sebelum kehamilan (8 variabel), faktor kehamilan/obstetri ginekologi (21 variabel), faktor biologis (3 variabel), faktor pelayanan kesehatan (2 variabel) dan Faktor Kondisi Janin (4 variabel). Pemodelan dilakukan dengan menggunakan machine learning dengan menggunakan algoritme decision tree, K-Nearest Neighbour (KNN), naïve bayes, logistic regression, Support Vector Machine (SVM) dan neural network (CNN1D, multilayer perceptron dan backpropagation). Hasil: Ditemukan 21 variabel penelitian dari 53 variabel yang dibutuhkan, dan menemukan 6 variabel yang menjadi prediktor utama kelahiran preterm di antaranya pre-eklamsia, perdarahan dalam kehamilan, riwayat ketuban pecah dini, jarak antar dua kehamilan, paritas, dan anemia. Pada penelitian ini ditemukan algoritma terbaik yaitu decision tree dengan nilai akurasi 95% untuk training dan 96% untuk testing dan telah dibuat prototype berupa aplikasi berbasis web untuk deteksi dini di FKTP. Kesimpulan: Ditemukan research novelty yaitu diperoleh model prediksi kelahiran preterm, dimana model ini potensial untuk digunakan di FKTP sebagai upaya deteksi dini. Model prediksi ini akan mendeteksi ibu hamil akan berisiko preterm atau tidak berisiko. Apabila diketahui ibu berisiko kelahiran preterm, maka ibu dianjurkan untuk melakukan pemeriksaan di RS, agar tidak terjadi keterlambatan penanganan yang menyebabkan kematian ibu maupun bayi. Dibandingkan tidak ada model prediksi, maka risiko kelahiran preterm tidak dapat dicegah, sehingga keterlambatan penanganan akan terjadi.

Abstrak:

ABSTRAK Nama :  Marta Butar Butar Program Studi         :   Epidemiologi Judul                  :   Prediktor Kejadian Infeksi Sifilis Pada Populasi Lelaki Suka Seks dengan Lelaki (LSL) di 10 Kabupaten/Kota Di Indonesia (Analisis Data STBP 2015) Latar Belakang : Berdasarkan angka kejadian sifilis pada kelompok LSL yang tercatat pada STBP Tahun 2011 cenderung meningkat sebesar 9 % (dari 4% menjadi 13%) dibandingkan STBP Tahun 2007. Tujuan penelitian ini adalah menganalisis prediktor kejadian sifilis pada populasi LSL yaitu umur, tingkat pendidikan, status HIV, penggunaan kondom, konsumsi Napza/Napza suntik, konsumsi alkohol, jumlah pasangan seks dan pemeriksaan IMS. Metode : Desain Penelitian cross sectional menggunakan data sekunder dari STBP 2015. Data di analisis dengan Cox regresion. Populasi penelitian yaitu kelompok LSL yang berasal dari 10 kabupaten/kota dengan jumlah sampel responden yaitu 1495 orang. Hasil : Proporsi infeksi Sifilis pada kelompok LSL pada 10 kabupaten/kota di Indonesia adalah 15,7%. Ada hubungan yang bermakna antara status HIV (PR 2,05 (95% CI 1,58-2,66), Umur (20-24 tahun (PR 2,45, 95% CI 1,07-5,64), 25-29 tahun (PR 3,01, 95% CI 1,30-6,95), > 30 tahun (PR 2,42, 95% CI 1,04-5,65) dibandingkan LSL umur 15-19 tahun) dengan kejadian infeksi sifilis pada LSL dan ada interaksi antara alkohol dan pendidikan (LSL berpendidikan rendah yang minum alkohol (PR Interaksi 0,47 95% CI 0,23-0,96), LSL berpendidikan rendah tidak minum alkohol (PR Interaksi 1,34 95% CI 0,94-1,90) dan LSL berpendidikan tinggi yang minum alkohol (PR Interaksi 1,4 95% CI 1,03-1,90) dibandingkan LSL yang berpendidikan tinggi yang tidak minum alkohol) dengan kejadian infeksi sifilis pada LSL sedangkan penggunaan kondom, Napza/Napza suntik, jumlah pasangan seks lelaki dan pemeriksaan IMS tidak berhubungan secara statistik dengan nilai p > 0,05 dengan kejadian sifilis. Kata kunci : Prediktor, sifilis, Lelaki Suka Seks dengan Lelaki

ABSTRACT Name :     Marta Butar Butar Program Major     :     Epidemiology Title                     :     Predictors of Syphilis Infections In Population of Male Who Have Sex With Men (MSM) in 10 Districts / Cities In Indonesia (Data analysis STBP 2015) Background  :   Based on the incidence of Syphilis in delayed groups of MSM in STBP 2011 the symptoms increased by 9% (from 4% to 13%) compared to STBP Year 2007. The purpose of this study was predictors of syphilis infection in MSM population, age, education level, HIV status, Condoms, intake / drug consumption, alcohol consumption, number of sex partners and STI examination. Method: The cross sectional study design used secondary data from STBP 2015. The data were analyzed by Cox regression. The population of the study were MSM group from 10 districts / cities with 1495 respondents Results: The proportion of Syphilis infections in MSM in 10 districts / cities in Indonesia was 15.7%. There was a significant relationship between HIV status (PR 2.05 (95% CI 1.58-2.66), Age (20-24 years (PR 2.45, 95% CI 1.07-5.64), 25 29 years (PR 3.01, 95% CI 1.30-6.95),> 30 years (PR 2.42, 95% CI 1.04-5.65) compared with men aged 15-19 years) with syphilis infection in MSM and there is an interaction between alcohol and education (low educated MSM who drink alcohol (PR Interaction 0.47 95% CI 0.23-0.96), low educated MSM who not drink alcohol (PR Interaction 1.34 95 % CI 0.94-1.90) and high educated MSM who drink alcohol (PR Interaction 1,4 95% CI 1.03-1.90) than high educated MSM who not drink alcohol with syphilis infection in MSM while condom use, drug/ injecting drug, number of male sex partners and STI examination were not statistically correlated (p> 0,05) with syphilis infection. Keywords: Predictors, syphilis, Men Sex With Men

---

 

Abstrak: Penyakit infeksi Human Immunodeficiency Virus (HIV) sampai sekarang masih menjadi masalah kesehatan di dunia termasuk di Indonesia. Progresivitas penyakit pada pasien HIV/AIDS dipengaruhi oleh berbagai faktor antara lain faktor usia, genetik, penyakit infeksi lain seperti tuberkulosis dan hepatitis, faktor gizi, status imunologi dan lain-lain. Adanya pengobatan ARV belum mampu menyembuhkan penyakit namun mampu mengontrol progresivitas penyakit HIV dan AIDS dengan menekan replikasi virus, mengurangi timbulnya infeksi oportunistik. Walaupun program ini telah dilaksanakan, namun kematian akibat HIV tetap saja terjadi terutama pada tahun pertama pengobatan ARV. Tujuan penelitian ini adalah untuk mengetahui prediktor yang berhubungan dengan kematian pada pasien HIV-AIDS yang mendapatkan terapi ARV di RS dr. H. Marzoeki Mahdi Bogor Tahun 2008-2012. Desain studi yang digunakan adalah kohort retrospektif dengan menggunakan data register ART dan Rekam Medik. Sampel berjumlah 396 pasien HIV yang menggunakan ARV. Analisis data dilakukan dengan menggunakan Regresi Cox. Hasil analisis multivariat menunjukkan prediktor kematian pasien HIV-AIDS yang mendapatkan ARV adalah status fungsional baring (RR=2,34, 95% CI:1,32-4,11), kategori IO berat (RR=2,11, 95% CI:1,26-3,54), dan status anemia (RR=2,56, 95% CI:1,74-3,77). Diperlukan perhatian khusus dan pemantauan bagi pasien HIV-AIDS yang menggunakan ARV dengan status fungsional baring, anemia, dan memiliki infeksi oportunistik yang berat. Kata kunci: ARV; HIV-AIDS; kohort retrospektif; kematian; prediktor

---

Human Immunodeficiency Virus (HIV) is still an issue in health sector in the world, particularly in Indonesia. Progression of disease is influenced by various factors including age, genetic, and other infectious diseases such as tuberculosis and hepatitis, nutritional factors, and immunological status. ARV therapy has not been able to cure the disease yet is able to control the progression of HIV/AIDS by suppressing viral replication which reduce the incidence of opportunistic infections. Although the program has been implemented, the deaths from HIV continue to occur, especially in the first year of ARV treatment. This study aims to investigate the predictors related to death in HIV-AIDS patients with ARV therapy in Dr. H. Marzoeki Mahdi Hospital in Bogor in 2008-2012. The study design was retrospective cohort using ART registration data and Medical Record. Number of samples were 396 HIV patients with ARV therapy. Data analysis was performed using Cox Regression. The multivariate analysis showed that the predictors of deaths in HIV-AIDS patients with ARV therapy were functional baring status (RR = 2.34, 95% CI: 1.32-4.11), heavy IO category (RR = 2.11, 95% CI : 1.26-3.54), and anemia status (RR = 2.56, 95% CI: 1.74-3.77). Special attention and monitoring are required for HIV/AIDS patients taking antiretroviral medications with functional status of baring, anemia, and having severe opportunistic infections. Keywords: ARV; HIV-AIDS; Retrospective cohort; Death; Predictors.

Abstrak: Angka kematian ibu adalah tantangan kesehatan masyarakat di dunia, negara-negara berkembang menyumbang 99% kematian ibu secara global. Diperkirakan 15% sampai 20% ibu hamil dari seluruh ibu hamil yang ada akan mengalami keadaan risiko tinggi dan mengalami komplikasi maternal. Asuhan kebidanan komprehensif berbasis bukti yang diberikan oleh bidan maupun dokter spesialis kandungan diharapkan dapat memprediksi komplikasi maternal untuk mencegah kematian ibu. Sistem prediksi komplikasi maternal melalui penilaian usia kehamilan, tanda-tanda vital, tinggi fundus uteri, denyut jantung janin, presentasi, kontraksi, plasenta, robekan, perdarahan, luka perineum, hemoglobin dan proteinurin dengan menggunakan pencatatan dan pelaporan manual membutuhkan waktu untuk mengambil keputusan. Tujuan penelitian ini adalah membangun prototipe aplikasi untuk prediksi komplikasi maternal di Rumah Sakit Mitra Bangsa Pati dalam rangka memprediksi komplikasi maternal, dan merancang basis data maternal dan membuat laporan secara elektronik. Rancangan pengembangan sistem menggunakan pendekatan prototyping. Metode prediksi aplikasi komplikasi maternal berbasis machine learning menggunakan algoritma Naïve Bayes Classifier (NBC). Aplikasi dapat memberikan hasil prediksi komplikasi maternal secara realtime (<3 detik), berupa perdarahan, preeklampsia, infeksi mana nifas, hiperemesis gravidarum, retensio plasenta dan robekan jalan lahir. Pengumpulan data dari buku register, buku KIA dan rekam medis. Dari hasil uji dengan 7-fold cross validation diperoleh nilai akurasi, presisi dan recall adalah 89.2%, 88.8%, dan 89.3% dengan jumlah data latih 2448 data dan data uji 272 data. Pemanfaatan data hasil prediksi yaitu sebagai dasar untuk pengambilan keputusan.

Abstrak:

---

Abstrak: ix ABSTRAK Nama : Ulya Qoulan Karima Program Studi : Magister Epidemiologi (Komunitas) Departemen : Epidemiologi Judul : Prediktor Kejadian TB pada ODHA di Rumah Sakit Dr. H. Marzoeki Mahdi Bogor Tahun 2014-2016 TB merupakan tantangan bagi pengendalian Acquired Immunodeficiency Syndrome (AIDS) karena merupakan infeksi oportunistik terbanyak pada orang dengan HIV/AIDS (ODHA). TB dapat meningkatkan progresivitas HIV dan meningkatkan risiko kematian bagi penderita HIV. Tujuan penelitian ini adalah untuk mengetahui prediktor yang berhubungan dengan kejadian TB pada ODHA di RS dr. H. Marzoeki Mahdi Bogor Tahun 2014-2016. Desain studi yang digunakan adalah cross sectional dengan menggunakan data register ART dan Rekam Medis.Sampel berjumlah 817 pasien HIV. Analisis data dilakukan dengan mengguunakan multiple cox regression. Hasil analisis multivariat menunjukkan adanya peningkatan risiko TB pada kelompok dengan anemia (PR=1,60, 95% CI: 1,18-2,29) dibandingkan kelompok tanpa anemia, adanya status IO (PR=4,83, 95% CI: 2,30-10,61) dibandingkan kelompok tanpa IO, stadium HIV 3-4 (PR=6,38, 95% CI: 3,22-12,65) dibandingkan stadium HIV 1-2 dan kadar CD4 dengan nilai PR masing masing kategori: kadar 350-499 Vs ≥500 (PR=2,52, 95% CI: 0,33-19,34), kadar 200-349 Vs ≥500 (PR=2,71, 95% CI: 0,36-20,23), kadar <200 Vs ≥500 (PR=3,31, 95% CI: 0,45-24,37).Selain itu ditemukan adanya interaksi antara variabel stadium HIV dan status IO. Kata kunci: Prediktor, TB, HIV/AIDS,cross sectional, RS dr. H. Marzoeki Mahdi Bogor TB is a challenge for the control of Acquired Immunodeficiency Syndrome (AIDS) because it is the most common opportunistic infection in people living with with HIV (PLWH). TB increase HIV progressivity and increase the risk of death for PLWH. The purpose of this study is to determine the predictors are associated with TB among PLWH in RS dr. H. Marzoeki Mahdi Bogor, 2014-2016. Study design was cross sectional using ART register data and Medical Record. Total sample of 817 HIV patients were collected. Multiple cox regression analysis were applied in this research . The results of multivariate analysis showed an increased risk of TB in the group with anemia (PR = 1.60, 95% CI: 1.18-2.29) compared to the group without anemia, group with IO (PR = 4,83, 95% CI: 2,30-10,61) than those without IO, HIV stage 3-4 (PR = 6,38, 95% CI: 3,22-12,65) than HIV stage 1-2, and CD4 levels with PR for each category: levels of 350-499 vs ≥500 (PR = 2.52, 95% CI: 0.33-19.34), levels of 200-349 vs ≥500 (PR = 2.71 , 95% CI: 0.36- 20.23), levels <200 vs ≥500 (PR = 3.31, 95% CI: 0.45-24.37). In addition, there was an interaction between HIV stage and IO. Keywords: cross sectional;HIV / AIDS; Predictors; RS. dr. H. Marzoeki Mahdi Bogor;TB

Abstrak:

Latar belakang: Preeklamsia merupakan sindroma kompleks yang timbul pada ibu hamil yang disebabkan oleh perubahan fisiologi pembuluh darah pada saat konsepsi. Dampak kesehatan yang timbul dari kehamilan dengan preeklamsia sangat luas. Sejauh ini berbagai upaya telah ditempuh untuk dapat melakukan prediksi akan terjadinya preeklamsia. Keterbatasan kemampuan statistik mengolah berbagai jenis prediktor saat ini bisa ditingkatkan dengan menggunakan metode machine learning (ML).
Tujuan: Penelitian ini bertujuan untuk melakukan pemodelan prediksi terhadap kejadian preeklamsia menggunakan ML menggunakan fitur yang serupa dengan fitur yang ada di fasyankes primer
Metodologi: Penelitian ini menggunakan disain restrospektif kohort dengan menggunakan data sekunder dari ibu hamil yang melakukan pemeriksaan antenatal di RS Budi Kemuliaan Jakarta yang direkrut pada periode waktu Juli 2012 hingga April 2015 dan diikuti hingga terjadi persalinan. Data tersebut adalah data yang dikumpulkan pada penelitian sebelumnya untuk melihat berbagai faktor risiko dari terjadinya hipertensi dalam kehamilan. Faktor risiko yang diteliti meliputi riwayat diabetes melitus (DM) sebelumnya, riwayat hipertensi sebelumnya, riwayat DM dalam keluarga, riwayat hipertensi dalam keluarga, riwayat merokok, primigraviditas, rerata tekanan arteri (MAP), indeks masa tubuh (BMI) sebelum kehamilan, terhadap kejadian preeklamsia. Permodelan dilakuan dengan menggunakan beberapa model dalam pembelajaran mesin: Random Forest, Logistic Regression, Support Vector Machine (SVM), Decision Tree, dan K-Nearest Neighbour (KKN) untuk mendapatkan model terbaik.
Hasil: Model Suport Vector Machine (SVM) dengan pembelajaran mesin yang disertai dengan re-sampling (undersampling) pada kumpulan data dan perlakuan hyperparameter tuning berhasil mendapatkan akurasi 70,31 %, sensitifitas 67,5 %, spesifisitas 57,23%, dan AUC 0.68.
Kesimpulan: Model SVM menunjukkan kinerja paling baik di antara model prediksi lain pada kumpulan data dan fitur yang tersedia. Model tersebut menghasilkan akurasi 70% dan AUC sebesar 0,68. Model ini mampu mencapai sensitivitas 67,5% dan spesifisitas 57,23%, dengan presisi (positive predictive value) sebesar 74,98%. Artinya, dari seluruh prediksi positif, sekitar 75% adalah benar, sementara sisanya adalah positif palsu. Temuan ini menunjukkan bahwa model prediksi berbasis SVM memiliki potensi untuk dikembangkan lebih lanjut. Optimasi sensitivitas dan spesifisitas menjadi prioritas pada penelitian lanjutan agar model lebih akurat dalam prediksi dan lebih efektif dalam deteksi dini preeklampsia di layanan primer.

---

Background: Preeclampsia is a complex syndrome that arises in pregnant women caused by physiological changes in blood vessels at the time of conception. The health impacts arising from pregnancy with preeclampsia are widespread. So far, various efforts have been taken to be able to predict the occurrence of preeclampsia. The limitations of statistical ability to process various types of predictors today can be improved by using machine learning (ML) methods.
Objective: This study aims to model predictions for the incidence of preeclampsia using machine learning based on features found in primary health facilities
Methodology: This study uses a cohort retrospective design using secondary data from pregnant women who underwent antenatal care at Budi Kemuliaan Hospital Jakarta who were recruited in the period from July 2012 to April 2015 and followed until delivery. The data was collected in previous studies to look at various risk factors for the occurrence of hypertension in pregnancy. The risk factors studied included history of diabetes mellitus (DM), history of hypertension, a family history of DM, a family history of hypertension, a history of smoking, primigravidity, mean arterial pressure (MAP), body mass index (BMI) before pregnancy, and the incidence of preeclampsia. The modeling was carried out using several models in machine learning: Random Forest, Logistic Regression, Support Vector Machine (SVM), Decision Tree, and K-Nearest Neighbour (KKN) to get the best model.
Results: The Support Vector Machine (SVM) model with machine learning accompanied by re-sampling (undersampling) on the dataset and hyperparameter tuning treatment managed to obtain an accuracy of 70.31%, sensitivity of 67.5%, specificity of 57.23%, and AUC of 0.68.
Conclusion: The SVM model shows the best performance among other prediction models for the available datasets and features. The model produces 70% accuracy and an AUC of 0.68. This model was able to achieve sensitivity of 67.5% and specificity of 57.23%, with a precision of 74.98% which provide the positive predictions about 75% are true, while the rest are false positives. These findings suggest that SVM prediction models have the potential to be further developed. Sensitivity and specificity optimization are priorities in further research to achieve a more robust model with optimum accuracy to predict preeclampsia and more effective in early detection of preeclampsia in primary care.