Latar Belakang: Keganasan merupakan salah satu penyebab terbanyak pada efusi pleura, baik sebagai tumor primer di pleura maupun merupakan metastasis dari berbagai tumor di tempat lain. Prognosis efusi pleura maligna pada umumnya buruk dengan survival rata-rata 3-12 bulan. Belum ada suatu model dalam bentuk skoring yang memprediksi mortalitas pasien efusi pleura pada keganasan di IndonesiaTujuan: Mengetahui proporsi mortalitas 90 hari pasien efusi pleura pada keganasan dan mengidentifikasi faktor-faktor yang mempengaruhi mortalitas dan membuat model skoring untuk memprediksi mortalitas 90 hari pasien efusi pleura pada keganasanMetode: Penelitian berupa kohort retrospektif, data diambil dari rekam medik Rumah Sakit Cipto Mangunkusumo secara konsekutif, yaitu pasien yang secara klinis dan dari hasil pemeriksaan penunjang didiagnosis sebagai efusi pleura maligna,Variabel penelitian dikelompokkan menjadi data kategorik dan dilakukan analisis bivariat dengan chi square dan analisis multivariat menggunakan regresi logistik dengan metode backward stepwise sehingga didapatkan model akhir berupa variabel dengan nilai

---

Background Malignancy is one of the most common causes of pleural effusion, either as a primary tumor in the pleura or a metastasis of various tumors elsewhere. The prognosis of malignant pleural effusion is generally poor with an average survival of 3 12 months. There is not yet a model in the form of scores predicting mortality of malignant pleural effusion patients in Indonesia.Objective To know the 90 days mortality proportion, to identify factors affecting mortality and also to create a scoring prediction models of 90 days mortality in malignant pleural effusion patientsMethods The study was a retrospective cohort. Data were taken from Cipto Mangunkusumo Hospital rsquo s medical record on a consecutive basis, the diagnosis of malignant pleural effusion was made on the basis of clinical and investigation. The variables of study were grouped into categorical data. Bivariate analysis was performed using chi square and multivariate analysis was performed using logistic regression with backward stepwise method to get the final model in the form of variable with p value