Analisis competing risk merupakan bentuk khusus dari analisis survival yangmenggunakan lebih dari satu event yang diamati dalam suatu waktu. Pendekatan yangpaling populer untuk analisis competing risk adalah dengan Cumulative IncidenceFunction (CIF). CIF menggabungkan pendekatan product-limit dan sebab-akibat yangbersaing. Model Fine-Gray merupakan model hazard proporsional untuk pemodelanCIF dengan kovariat atau variabel dan menjadikan kurva CIF sebagai fungsisubdistribusi.Preeklamsia adalah suatu kondisi yang terkadang terjadi pada ibu hamil. Kondisi inimerupakan komplikasi kehamilan yang ditandai dengan peningkatan tekanan darahdisertai protein dalam urin (proteinuria). Pada studi tentang preeklamsia sebelumnyatelah menggunakan beberapa metode, yaitu mulai dari analisis regresi logistik biner,lalu dilanjutkan dengan analisis regresi logistik multivariat, hingga analisis survival.Namun, studi-studi terdahulu ini belum dapat memprediksi ketika ibu hamil memilikiresiko bersaing untuk mengalami preeklamsia atau tidak pada suatu waktu tertentu.Penelitian ini bertujuan untuk memprediksi subdistribusi hazard atau dalam artiprobabilitas mengalami suatu kejadian pada suatu waktu, mengingat bahwa belum adakejadian lainnya yang terjadi atau bahwa kejadian yang bersaing terjadi sebelum suatuwaktu tersebut. Dalam kasus preeklamsia ini, subdistribusi hazard-nya yaitu tingkatkejadian sesaat dari ibu hamil yang mengalami preeklamsia dengan kejadian bersaingnon-preeklamsia. Penelitian ini menggunakan data sekunder dari salah satu rumah sakitdi Jakarta divisi obstetri dan ginekologi. Pengukuran yang digunakan meliputikarakteristik maternal, pengukuran biofisik dan biokimia.Hasil pada penelitian ini adalah konstruksi model Fine-Gray pada analisis competingrisk dan dapat mengidentifikasi faktor-faktor risiko preeklamsia pada ibu hamil diIndonesia dengan metode regresi Fine-Gray.

---

Competing risk analysis is a special form of survival analysis that uses more than one

event that is observed at a time. The most popular approach to competing risk analysis

is the cumulative incidence Function (CIF). CIF combines a competitive product-limit

and cause-and-effect approach. The Fine-Gray model is a proportional hazard model for

CIF modeling with covariates or variables and makes the CIF curve a subdistribution

function.

Preeclampsia is a condition that sometimes occurs in pregnant women. This condition is

a complication of pregnancy characterized by increased blood pressure accompanied by

protein in the urine (proteinuria). Preeclampsia is the highest cause of maternal death in

Indonesia. Nevertheless, preeclampsia mortality can be reduced by early detection of

risk factors through prenatal care at least six times during pregnancy. Previous studies

on preeclampsia have used several methods, starting from binary logistic regression

analysis, followed by multivariate logistic regression analysis, to survival analysis.

However, these previous studies have not been able to predict when pregnant women

have a competing risk of developing preeclampsia or not at a certain time.

This study aims to predict the hazard subdistribution or in terms of the probability of

experiencing an event at a time, given that no other event has occurred or that a

competing event occurred before that time. In this case of preeclampsia, the hazard

subdistribution is the transient incidence rate of pregnant women experiencing

preeclampsia with competing events of non-preeclampsia. This study uses the Fine-

Gray regression approach, with competing incidences of pregnant women with

preeclampsia and without preeclampsia. This study was utilizing secondary data

obtained from a hospital in Jakarta, obstetrics and gynecology division. The

measurements used include maternal characteristics, biophysical and biochemical

measurements.

The result of this study is the construction of the Fine-Gray model on competing risk

analysis and can identify risk factors for preeclampsia in pregnant women in Indonesia

using the Fine-Gray regression method.