Latar Belakang: Rendahnya ketepatan kultur bakteriologis dan kurangnya fasilitas pencitraan terutama di daerah perifer, mendiagnosis meningitis tuberkulosis (MTB) pada anak menjadi suatu tantangan.Tujuan: untuk membentuk sistem skor yang terdiri dari manifestasi klinis dan pemeriksaan laboratorium sederhana untuk membantu diagnosis MTB pada anak.Metode: Studi retrospektif menggunakan model prediktif diagnostik multivariabel dengan anak usia 3 bulan hingga 18 tahun terdiagnosis meningitis, dirawat inap selama periode Juli 2011 hingga November 2021 di rumah sakit tersier.Hasil: Dari 10 variabel yang memiliki signifikansi statistik dengan TBM, diperoleh 8 variabel untuk membangun model prediksi untuk mengidentifikasi TBM. Variabel ini dibagi menjadi dua bagian skoring yang keduanya memiliki diskriminasi dan kalibrasi yang baik, sistem skoring sistemik (4 parameter, batas nilai skor ³3, sensitivitas 78,8%, spesifisitas 86,6% dengan AUC 89,9% (p<0,001) ) dan sistem skoring neurologis (4 parameter, batas nilai skor ³2, sensitivitas 61,2%, spesifisitas 75,2% dengan AUC 73,3% (p<0,001). Sistem skoring ini bila digunakan bersamaan dan memenuhi batas nilai skor masing-masing, dapat memprediksi diagnosis TBM pada anak dengan baik (sensitivitas 47,1%, spesifisitas 95,1%, dan nilai prediksi positif 90,9%).Kesimpulan: Sistem skoring klinis yang terdiri dari dua bagian, skor sistemik dan skor neurologis, memiliki kemampuan yang baik dalam memprediksi diagnosis TBM pada anak.

---

Due to the low accuracy of culture techniques in bacteriological confirmation and the lack of brain imaging facilities especially in peripheral areas, diagnosing tuberculous meningitis (TBM) in children become a challenge

Objective : to establish scoring systems consisting of clinical manifestations and simple laboratory examination to help diagnosing TBM in children.

Method: Retrospective study using a multivariable diagnostic predictive model with children diagnosed as meningitis aged 3 months to 18 years, hospitalized during July 2011 until November 2021 period in a tertiary hospital.

Result: From 10 variables that have statistical significance with TBM, 8 variables were obtained for establishing the predictive model to identify TBM. These variables divided into two scoring parts which both had good discrimination and calibration, the systemic scoring system (4 parameters, total cut-off score ³3, sensitivity of 78.8%, specificity of 86.6% with AUC of 89.9% (p<0.001)) and the neurological scoring system (4 parameters, total cut-off score ³2, sensitivity of 61.2%, specificity of 75.2% with AUC of 73.3% (p<0.001)). Furthermore, these scoring systems when used together and met the cut-off score respectively, can predict the diagnosis of TBM in children well (sensitivity 47.1%, specificity 95.1%, and positive predictive value 90.9%).

Conclusion: a clinical scoring systems consist of two parts, systemic score and neurological score, have good ability in predicting the diagnosis of TBM in children.