Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Kambuhnya kanker payudara bergantung pada stadium tumor awal, terapi yang dilakukan sebelumnya, dan tumor biologi. Pengukuran darah lengkap merupakan salah satu pemeriksaan laboratorium yang relatif murah, mudah dan efektif dalam mendiagnosis kanker. Analisis regresi kesulitan dalam membuat kesimpulan dari data yang mengandung sejumlah besar variabel penjelas yang saling berkorelasi. Profile regression mengadopsi sudut pandang yang lebih global, dimana kesimpulan didasarkan pada kelompok yang mewakili pola variabel penjelasnya. Pengelompokan dilakukan untuk menganalisis suatu data dengan melihat karakteristik tiap pengamatan pada data. Suatu data jika dibagi menjadi beberapa kelompok mengartikan data tersebut memiliki karakteristik pengamatan yang berbeda-beda. Analisis pada data yang heterogen bertujuan untuk mengidentifikasi subpopulasi yang homogen dan menentukan hubungan antar variabel dalam setiap subpopulasi. Finite Mixture Model (FMM) dengan pendekatan Bayesian digunakan untuk mengidentifikasi subpopulasi dari pasien kanker payudara berdasarkan pengukuran darah. Berdasarkan nilai Deviance Information Criterion (DIC) didapatkan bahwa subpopulasi yang terbentuk untuk data rasio pengukuran darah pasien kanker payudara adalah dua subpopulasi. Peluang pasien mengalami kekambuhan pada subpopulasi 1 sebesar 35% dan 72% pada subpopulasi 2. Sedangkan subpopulasi yang terbentuk untuk data inter-rasio pengukuran darah pasien kanker payudara yang terbentuk adalah dua subpopulasi. Peluang pasien mengalami kekambuhan pada subpopulasi 1 sebesar 9% dan 3% pada subpopulasi 2.

---

Recurrence of breast cancer depends on the initial tumor stage, previous therapies, and biological tumors. A complete blood test is one of the relatively inexpensive, easy and effective laboratory tests in diagnosing cancer. Simple regression analysis has difficulties in drawing conclusions from data that contain large numbers of explanatory variables that are correlated.  Profile regression adopts a more global perspective, where conclusions are based on groups representing covariate patterns. Clustering method aims to analyze data by looking at the characteristics of each observation in the data. If the data is divided into groups, that means that the data has different observational characteristics. Analysis of heterogeneous data purposes to identify homogeneous subpopulations and determine the relationships between variables in each subpopulation. Finite Mixture Model (FMM) with Bayesian approach is used to identify subpopulations of breast cancer patients based on blood measurements. Based on the value of the Deviance Information Criterion (DIC), it was found that the number of subpopulations formed for the data of the ratio of blood measurements for breast cancer patients are two subpopulations.  The probability of patients experiencing recurrence in subpopulation 1 was 35% and 72% in subpopulation 2. Whereas the number of subpopulations formed for the data of the inter-ratio data of breast cancer patients formed are also two subpopulations.  The probability of patients experiencing recurrence in subpopulation 1 is 9% and 3% in subpopulation 2.

"

"Kejadian berulang atau kekambuhan kanker payudara bukan hanya menyerang kembali fisik, namun juga kondisi psikis pasien kanker payudara. Serangkaian pemeriksaan untukmemprediksi kemungkinan kambuh kanker payudara sangat dibutuhkan untuk mencegah terjadinya kekambuhan kanker payudara. Pemeriksaan darah lengkap merupakan salah satu rangkaian peme iksaan awal pasien kanker payudara yang relatif murah dan mudah. Belum ada penelitian sebelumnya mengenai perhitungan inter rasio pada pemeriksaan darah lengkap untuk mendiagnosis penyakit kanker, khususnya kemungkinan kambuh kanker payudara. Hasil penelitian ini diharapkan dapat membantu tenaga medis dalam memprediksi kemungkinan pasien kambuh berdasarkan klasifikasi dari hasil perhitungan inter rasio pemeriksaan darah lengkap. Data dalam penelitian ini diambil dari rumah sakit XYZ di Jakarta dengan 47 pasien. Algoritma klasifikasi yang digunakan dalam penelitian ini yaitu Classification and Regression Tree (CART) untuk mengetahui variabel yang berpengaruh dalam klasifikasi pasien kambuh dan tidak kambuh. Pada penelitian ini digunakan teknik SMOTE untuk mengatasi permasalahan data tidak seimbang. Variabel inter rasio pemeriksaan darah lengkap antara rasio dari neutrofil terhadap limfosit dan rasio dari platelet terhadap sel darah putih, inter rasio pemeriksaan darahlengkap antara rasio dari limfosit terhadap monosit dan rasio dari limfosit terhadap sel darah putih, inter rasio pemeriksaan darah lengkap antara rasio dari hemoglobin terhadap platelet dan rasio dari platelet terhadap sel darah putih, inter rasio pemeriksaan darah lengkap antara rasio dari platelet terhadap limfosit dan rasio dari hemoglobin terhadap platelet merupakan variabel yang berpengaruh dalam mendiagnosis kekambuhan dengan tingkat akurasi 93.7%, sensitivity 100%, specificity 87.5% pada training data yang sudah seimbang dengan teknik SMOTE. Selanjutnya hasil klasifikasi tersebut dikuantifikasi menggunakan metode regresi logistik untuk mengetahui seberapa besar peran masingmasing variabel dalam memprediksi kekambuhan pasien.

---

Repeated events or recurrences of breast cancer not only re-attack the condition of breast cancer patients physically, but also psychologically. Diagnostics checking to predict the relapse possibility of breast cancer patients is needed to prevent the recurrence of breast

cancer. Complete blood count are one of the diagnostic checking of early breast cancer patients that relatively cheap and easy. There has been no previous research on the calculation of inter-ratios for complete blood count to diagnose cancer, especially possibility relapse of breast cancer. The results of this study are expected to help medical personnel in predicting the relapse possibility of breast cancer patients based on the classification of

the results of the inter ratio calculation of complete blood count. The data in this study were taken from XYZ hospital in Jakarta with 47 patients. The classification algorithm used in this study is Classification and Regression Tree (CART) to determine the effect of the variables in the classification of relapse and non-relapse patients. In this study, the SMOTE technique was used in handling imbalanced data problems. Inter ratio of complete

blood tests between the ratio of neutrophils to lymphocytes and the ratio of platelets to white blood cells, inter ratio of complete blood tests between the ratio of lymphocytes to monocyte and the ratio of lymphocytes to white blood cells, inter ratio of complete

blood tests between the ratio of hemoglobin to platelet and the ratio of platelet to white blood cells, and inter ratio of complete blood tests between the ratio of platelet to lymphocytes and the ratio of hemoglobin to platelet are the variables that influence in diagnosing

recurrence with 93.7% accuracy rate, 100% sensitivity, and 87.5% specificity on training data that balanced using SMOTE technique. Furthermore, the results of the classification are quantified using the logistic regression method to determine how substantial the role

of each variable in predicting patients relapse."

"Kanker merupakan penyebab kematian nomor dua di dunia dan diperkirakan mencapai 9,6 juta kematian pada tahun 2018 dengan kanker payudara menjadi kanker kedua yang sering terjadi setelah kanker paru-paru. Kanker payudara terjadi karena pertumbuhan sel abnormal tidak terkontrol yang dimulai pada saluran yang membawa susu ke puting susu atau kelenjar pembuat susu. Pengobatan kanker payudara bergantung pada subtipe tumor, stadium, penanda genetik, usia pasien, kesehatan pasien umum, status menopause dan mutasi pada gen kanker payudara yang diwariskan. Pada akhir perawatan pasien diberikan terapi tambahan yang bertujuan untuk memperkecil risiko kekambuhan. Meskipun terapi ini telah dilakukan, risiko kekambuhan tetap ada. Surrogate marker merupakan penanda yang digunakan untuk menggantikan titik akhir dari uji klinis yang biasa digunakan untuk mempercepat penanganan pasien. Tujuan dari penelitian ini adalah untuk mengetahui rasio pengukuran hematologi yang dapat digunakan sebagai surrogate marker dalam kekambuhan kanker payudara beserta cut-off yang tepat. Pohon keputusan digunakan untuk menentukan cut-off rasio pengukuran hematologi yang mempengaruhi kekambuhan kanker payudara dan kemudian random forest digunakan untuk mengetahui urutan variabel yang berperan penting dalam pengklasifikasian. Hasil dari kedua metode tersebut dikuantifikasi menggunakan regresi logistik. Berdasarkan analisis, ditemukan bahwa rasio platelet terhadap jumlah sel darah putih (cut-off point sebesar 47,560) dan rasio neutrofil terhadap limfosit (cut-off point sebesar 1,953) mempengaruhi kekambuhan kanker payudara.

---

Cancer is the second leading cause of death globally and is estimated to account for 9.6 million deaths in 2018, with breast cancer being the second cancer that often occurs after lung cancer. Breast cancer occurs due to uncontrolled abnormal cell growth, which starts in the duct that carries milk to the nipple or milk-making glands. Treatment of breast cancer depends on tumor subtype, stage, genetic markers, patient age, general patient health, menopausal status, and mutations in the inherited breast cancer gene. At the end of the treatment the patient is given adjuvant therapy aimed at minimizing the risk of recurrence. Although this therapy has been done, the risk of recurrence remains. Surrogate marker is a marker that is used to substitute the end point of a clinical trial that is usually used to hasten patients handling.

The purpose of this study is to find out the ratio of hematological measurements that can be used as a surrogate marker in breast cancer recurrence along with its cut-off point. Decision tree was used to find the cut-off point of the ratio of hematological measurements that affect breast cancer recurrence, and then random forest was used to find out the order of importance variables in classification. The results of the two methods were quantified using logistic regression. Based on the analysis, it was found that the platelet to white blood count ratio (cut-off point of 47.560) and the neutrophil to lymphocytes ratio (cut-off point of 1.953) affected breast cancer recurrence."

"Kanker adalah penyebab kematian nomor dua di dunia dan diperkirakan mencapai 9,6 juta kematian pada tahun 2018, dengan kanker payudara menjadi kanker kedua yang sering terjadi setelahnya kanker paru-paru. Kanker payudara terjadi karena pertumbuhan sel abnormal yang tidak terkendali, yang dimulai di saluran yang membawa susu ke puting susu atau kelenjar pembuat susu. Pengobatan kanker payudara tergantung pada subtipe tumor, stadium, penanda genetik, usia pasien, kesehatan pasien umum, status menopause, dan mutasi pada gen kanker payudara yang diwariskan. Di akhir pengobatan pasien diberikan terapi tambahan yang bertujuan meminimalkan risiko kekambuhan. Meskipun terapi ini telah dilakukan, risiko kekambuhan tetap ada. Penanda pengganti adalah penanda yang digunakan untuk menggantikan titik akhir dari uji klinis yang biasanya digunakan mempercepat penanganan pasien. Tujuan dari penelitian ini adalah untuk mengetahui rasio hematologi pengukuran yang dapat digunakan sebagai penanda pengganti dalam kekambuhan kanker payudara sepanjang dengan titik cut-off. Pohon keputusan digunakan untuk menemukan titik batas rasio hematologi pengukuran yang mempengaruhi kekambuhan kanker payudara, dan kemudian hutan acak itu digunakan untuk mengetahui urutan variabel penting dalam klasifikasi. Hasil keduanya metode dikuantifikasi menggunakan regresi logistik. Berdasarkan analisis, ditemukan bahwa rasio jumlah trombosit ke darah putih (titik potong 47.560) dan neutrofil terhadap rasio limfosit (titik potong 1,953) mempengaruhi kekambuhan kanker payudara.

---

Cancer is the number two cause of death in the world and is estimated to reach 9.6 million deaths in 2018, with breast cancer becoming the second most common cancer that follows lung cancer. Breast cancer occurs because of uncontrolled abnormal cell growth, which starts in the ducts that carry milk to the nipples or milk glands. Treatment of breast cancer depends on the tumor subtype, stage, genetic markers, patient age, general patient health, menopausal status, and mutations in inherited breast cancer genes. At the end of treatment the patient is given additional therapy aimed at minimizing the risk of recurrence. Despite this therapy, the risk of recurrence remains. A surrogate marker is a marker used to replace the endpoints of clinical trials that are usually used to speed up patient management.

The aim of this study is to determine the hematological ratio measurements that can be used as surrogate markers in breast cancer recurrence along with the cut-off point. The decision tree is used to find the hematological ratio boundary point measurements that affect breast cancer recurrence, and then the random forest is used to determine the order of important variables in the classification. Both results the method is quantified using logistic regression. Based on the analysis, it was found that the ratio of platelet count to white blood (cut point 47,560) and neutrophils against lymphocyte ratio (cut point 1.953) influences breast cancer recurrence."

"Latar Belakang: Sekitar 40% pasien kanker payudara pasca terapi mengalami rekurensi kanker payudara. Sementara itu, masih belum banyak penelitian mengenai faktor prognosis untuk memprediksi kemungkinan rekurensi pada kanker payudara.Tujuan: Mengetahui inter-rasio rasio limfosit-monosit (LMR) dan rasio limfosit-sel darah putih (LWR) sebagai prediktor rekurensi pada kanker payudara.Metode: Penelitian ini dilakukan secara cohort retrospektif dengan melihat rekam medis pasien dari RSCM dan RS MRCC Siloam Jakarta. Peneliti melihat riwayat pasien sejak selesai mendapat terapi dengan rekurensi yang diikuti minimal 3 bulan dan maksimal 7 tahun. Kemudian dilakukan analisis dengan menggunakan uji Chi-square dengan program SPSS for Mac.Hasil: Peneliti mengelompokkan pasien menjadi kelompok inter-rasio LMR/LWR rendah dan tinggi dengan cut-off berupa median senilai 19,67 103/L. Dari 106 sampel yang memenuhi kriteria, didapatkan 52 pasien kelompok rendah dan 54 pasien kelompok tinggi. Hasil yang didapatkan dari analisis kedua kelompok dengan status rekurensi adalah nilai p 0.001 dengan 26 pasien pada kelompok rendah dan 10 pasien pada kelompok tinggi mengalami rekurensi. RR yang didapat adalah 2,7 (95%CI: 3,45 – 5,029) pada inter-rasio LMR/LWR rendah.Kesimpulan: Terdapat hubungan antara inter-rasio LMR/LWR dengan kemungkinan rekurensi pada pasien kanker payudara pasca terapi dan dapat dijadikan salah satu prediktor, dengan kelompok inter-rasio LMR/LWR dibawah cut-off penelitian memiliki resiko lebih tinggi mengalami rekurensi kanker payudara.

---

Background: About 40% cancer patients after they finished their first therapy having a recurrence. However, there isn’t many researches on prognostic factors to predict the possibility of recurrence in breast cancer.

Objective: This research was done to know inter-ratio of lymphocyte-monocyte ratio (LMR) and lymphocyte-white blood cells ratio (LWR) as the predictor for recurrence in breast cancer.

Methods: This study was conducted with cohort retrospective by looking at patient’s medical records at RSCM and MRCC Siloam Hospital Jakarta. Researcher followed patients record after their first therapy finished, and recurrence from 3 months until 7 years later. An analysis was conducted using the Chi-Square test with the SPSS for Mac program.

Results: The patients were grouped into patients with low and high LMR/LWR inter-ratio with median (19,67 103/L) as the cut-off. From 106 samples that met the criteria, there were 52 patients in low group and 54 patients in high group. The results obtained from the analysis between low and high LMR/LWR and patient’s recurrence status is p-value 0.001 which means significant, with 26 patients in low group and 10 patients in high group had recurrence. RR for low LMR/LWR inter-ratio is 2,7 (95% CI : 3,45-5,029) in association with breast cancer’s recurrence.

Conclusion: There is an association between LMR/LWR inter-ratio and the possibility of recurrence in post-treatment breast cancer patients and can be used as predictor. Patients with LMR/LWR inter-ratio under the study cut-off are at higher risk of getting recurrence."

"Angka kejadian kanker payudara di Indonesia dan di dunia masih tinggi begitu pula dengan angka kekambuhan kanker payudara pada pasien yang telah menjalani pengobatan, saat ini diperlukan prediktor yang dapat dijadikan dasar untuk memperkirakan apakah kanker payudara dapat kambuh kembali setelah ditata laksana. Oleh karena itu penelitian dilakukan untuk mengetahui hubungan inter-rasio NLR/PWBR terhadap rekurensi kanker payudara apakah dapat dijadikan prediktor rekurensi kanker payudara. Penelitian dilakukan menggunakan metode cohort retrospektif minimal 3 bulan sampai 7 tahun dengan melihat rekam medis pasien kanker payudara yang telah mendapatkan terapi untuk mengambil data hasil pemeriksaan darah tepi. Selanjutnya data dianalisis menggunakan uji Chi-Square dengan program SPSS. Dari 106 sampel yang memenuhi kriteria seleksi, ditemukan 53 pasien dengan NLR/PWBR rendah dengan 23 kejadian rekurensi dan dari 53 pasien dengan NLR/PWBR tinggi dengan 13 kejadian rekurensi (RR=1,77, CI 95% 1,0070 – 3,1083, p=0,065). Dari pasien dengan hormonal positif, ditemukan 21 kejadian rekurensi pada kelompok NLR/PWBR rendah, dan 9 kejadian rekurensi pada kelompok NLR/PWBR tinggi (RR=2,05, CI 95%=1,088 – 3,857, p=0,035).

---

Incidence rates of breast cancer are still high in Indonesia and in the World. So as the rate of recurrence breast cancer in patients who have undergone treatment. Now needed predictor that can be used as a standard for estimating whether breast cancer can recur after treatment. This research was done to investigate the association between NLR/PWBR inter-ratio to breast cancer recurrence.This research was conducted using a retrospective cohort method by looking at the peripheral blood tests in medical records with minimal 3 months until maximal 7 years observation. The data were analyzed using the Chi Square test with the SPSS software. From 106 patients there were 53 patients with lower NLR/PWBR with 23 breast cancer reccurrence, and from 53 patient with higher NLR/PWBR with 13 breast cancer recurrence (RR=1,77, CI 95%=1,0070 – 3,1083, p=0,065). From patients with hormonal potive, there were 21 breast recurrence from lower NLR/PWBR, and 9 from higher NLR/PWBR (RR=2,05, CI 95%=1,088 – 3,857, p=0,035)."

"Kanker merupakan salah satu penyebab kematian yang paling sering terjadi di seluruh dunia. Salah satu jenis kanker yang dapat mengancam terutama pada wanita adalah kanker payudara. Terlambatnya pendeteksian dini pada penderita kanker payudara menyebabkan sulitnya penanganan untuk proses penyembuhan dan besarnya angka kemungkinan kematian. Metode machine learning banyak diaplikasikan dalam kasus pendeteksian dini karena metode machine learning cukup efektif untuk mendiagnosis suatu penyakit. Pada penelitian ini digunakan metode Bayesian Logistic Regression untuk memprediksi kanker payudara. Metode Bayesian digunakan untuk menghitung bobot dari setiap parameter dari data pada regresi logistik. Data yang digunakan pada penelitian ini adalah data Wisconsin Breast Cancer Database (WBCD, 1992) yang dapat diakses melalui UCI Machine Learning Repository. Berdasarkan hasil uji coba, metode Bayesian Logistik Regression memperoleh akurasi sebesar 96,85%, precision, recall dan F-1 score sebsar 95,44%. Hasil simulasi tersebut menunjukkan bahwa Bayesian Logistic Regression cukup baik untuk membantu praktisi medis dalam mendiagnosis kanker payudara.

---

Cancer is one of the most common cause of death in the world. One type of cancer that can be threaten women is breast cancer. The delay in early detection in patient with breast cancer can cause difficulty in recovery process and high mortality rate. Machine learning technique is widely applied in cases of early detection, because machine learning technique is quite effective in diagnose a disease. In this study, the Bayesian Logistic Regression method was used to predict breast cancer. The Bayesian method is used to calculate the weight of each parameter from the data in logistic regression. The data that used in this study is the Wisconsin Breast Cancer Database from UCI Machine Learning Repository. Based on the results of the experiment, Bayesian Logistic Regression method give 96.85% accuracy, and 95,44% precision, recall and F-1 score. These performance results show that the Bayesian Logistic Regression is good enough to help medical experts in diagnosing breast cancer.

"

"Model regresi logistik umum digunakan untuk memodelkan variabel respon berupa variabel kategorik dengan sejumlah variabel prediktor. Kontribusi dari variabel prediktor terhadap variabel respon dinyatakan melalui koefisien regresi (beta), sehingga beta memiliki peran yang penting dalam penggunaan model. Oleh karena itu, perlu dilakukan estimasi nilai beta. Pada skripsi ini dibahas mengenai estimasi beta menggunakan metode Bayesian. Metode Bayesian adalah metode penaksiran parameter yang memanfaatkan gabungan informasi dari data sampel dan informasi terdahulu/prior mengenai karakteristik parameter yang akan ditaksir sehingga metode Bayesian dapat mengatasi masalah jika kualitas data sampel kurang mendukung pengamatan. Prosedur penaksiran parameter tersebut meliputi spesifikasi distribusi prior, digunakan prior non-konjugat, pembentukan fungsi likelihood, dan pembentukan distribusi posterior. Lalu, metode Bayesian Logistic Regression tersebut akan digunakan dalam menganalisa data pasien kanker nasofaring (KNF) pasca radiasi, untuk menilai signifikansi dari komponen skor Zulewski dalam memprediksi ada tidaknya hipotiroid yang merupakan efek samping jangka panjang dari radiasi yang diberikan untuk KNF. Berdasarkan Markov Chain Monte Carlo dengan Gibbs Sampling, diperoleh hasil estimasi yang konvergen. Hasil yang diperoleh adalah tidak ada komponen skor Zulewski yang lebih signifikan antara satu dengan yang lainnya. Diperlukan tambahan informasi dari pengukuran selain komponen skor Zulewski untuk dapat menentukan apakah seorang pasien KNF akan mengalami hipotiroid atau tidak.

---

Logistic regression models are commonly used to model response variables in the form of categorical variables with a number of predictor variables. The contribution of the predictor variable to the response variable is expressed through a regression coefficient (beta) so that beta has an important role in the use of the model. Therefore, it is necessary to estimate the value of beta. This thesis will discuss the estimated beta using the Bayesian method. Bayesian Method is a parameter estimation method that utilizes a combination of information from sample data and prior information about the characteristics of the parameters to be estimated so that the Bayesian method can overcome the problem if the quality of the sample data does not support observation. The parameter estimation procedure includes the prior distribution specification, which is to use non-conjugate prior, the formation of the likelihood function, and the formation of the posterior distribution. Then, the Bayesian Logistic Regression method will be used in analyzing post-radiation nasopharyngeal cancer (NPC) patient data, to determine the significance of the Zulewski’s score component in predicting the presence or absence of hypothyroidism which is a long-term side effect of radiation given to NPC. Based on Markov Chain Monte Carlo with Gibbs Sampling, a convergent estimate is obtained. The result is that there is no component of Zulewski’s score that is more significant between one another. Additional information is needed from measurements other than the Zulewski’s score component to be able to determine whether a NPC patient will have hypothyroidism or not."

"Penggunaan doxorubicin pada pasien kanker payudara digunakan sebagai terapi tambahan dan akan dimetabolisme menjadi metabolit utama, yaitu doxorubicinol. Menurut beberapa penelitian yang telah dilakukan, doxorubicinol yang terakumulasi dalam tubuh manusia dapat meningkatkan risiko kelainan jantung atau memiliki efek kardiotoksik. Polimorfisme dalam karbonil-1-reduktase (CBR1) dapat mempengaruhi kadar doxorubicinol dalam tubuh. Dalam studi ini, analisis doxorubicin hidroklorida dan doxorubicinol dalam sampel Dried Blood Spot (DBS) dari 25 pasien kanker payudara yang menerima doxorubicin dalam rejimen terapeutik mereka telah dilakukan untuk memantau efek toksisitas doxorubicinol. Sampel DBS diekstraksi dengan metode presipitasi protein dan dianalisis menggunakan Ultra Performance Liquid Chromatography tandem Mass Spectrometry (UPLC-MS/MS). Deteksi massa dilakukan dengan mode ESI (+) tipe Multiple Reaction Monitoring (MRM) dengan nilai m/z 544,22> 397,06 untuk doxorubicin m/z 546.22> 363.05 untuk doxorubicinol dan m/z 180.03> 135.16 untuk hexamethylphosphoramide. Metode ini linier dalam kisaran konsentrasi 10-200 ng/mL untuk doxorubicin dan 4-100 ng/mL untuk doxorubicinol. Hasil analisis pada 25 pasien kanker payudara menunjukkan bahwa kadar doxorubicin berada pada kisaran 11,01 ng/mL hingga 93,75 ng/mL dan doxorubicinol adalah 5,80 ng/mL hingga 58,57 ng/mL. Dosis kumulatif semua pasien berada dalam kisaran 49,11 mg/m2 hingga 303,70 mg/m2 yang memiliki tingkat kejadian kardiomiopati <4% (tingkat kejadian kardiomiopati adalah 4% pada 500 hingga 550 mg/m2, 18% pada 551 hingga 600 mg/m2 m2, dan 36% pada> 600 mg/m2).

---

The use of doxorubicin in breast cancer patients is used as additional therapy and will be metabolized into the main metabolite, namely doxorubicinol. According to several studies that have been done, doxorubicinol which accumulates in the human body can increase the risk of heart abnormalities or have a cardiotoxic effect. Polymorphisms in carbonyl-1-reductase (CBR1) can affect doxorubicinol levels in the body. In this study, analysis of doxorubicin hydrochloride and doxorubicinol in Dried Blood Spot (DBS) samples from 25 breast cancer patients who received doxorubicin in their therapeutic regimen was carried out to monitor the doxorubicinol toxicity effect. DBS samples were extracted by the protein precipitation method and analyzed using Ultra Performance Liquid Chromatography tandem Mass Spectrometry (UPLC-MS/MS). Mass detection is done by ESI (+) type Multiple Reaction Monitoring (MRM) mode with a value of m/z 544.22> 397.06 for doxorubicin; m/z 546.22> 363.05 for doxorubicinol and m/z 180.03> 135.16 for hexamethylphosphoramide. This method is linear in the concentration range of 10-200 ng/mL for doxorubicin and 4-100 ng/mL for doxorubicinol. Analysis of 25 breast cancer patients showed that doxorubicin levels were in the range of 11.01 ng/mL to 93.75 ng/mL and doxorubicinol was 5.80 ng/mL to 58.57 ng/mL. The cumulative doses of all patients are in the range of 49.11 mg/m2 to 303.70 mg/m2 which have a cardiomyopathy rate <4% (cardiomyopathy incidence rate is 4% at 500 to 550 mg/m2, 18% at 551 to 600 mg/m2 m2, and 36% at> 600 mg/m2)."

"Pengukuran kadar gula darah merupakan salah satu kebutuhan utama dalam penanganan diabetes. Namun, moda pengukuran kadar gula darah yang umum saat ini, dilakukan secara invasive atau perlu melukai bagian tubuh manusia untuk mendapat nilai kadar gula darahnya. Terdapat metode pengukuran non invasive tanpa melukai manusia, namun metode ini masih belum dapat diandalkan karena banyaknya factor yang mempengaruhi glukosa tersebut. Penelitian ini mencoba untuk menganalisis akurasi dan performa dari pengukuran gula darah secara non invasive menggunakan sensor infrared pada panjang gelombang 940 nm dengan dibantu oleh Artificial Neural Network dan juga untuk mengevaluasi hubungan komponen dasar dari sinyal analog dari sensor yang bersangkutan terhadap kadar gula darah menggunakan Multiple Regression. Akurasi prediksi gula darah dievaluasi menggunakan Clark Grid Error analysis Dalam analisis ini, 81% dari 97 sampel data berada pada zona yang dapat diterima secara klinis, sedangkan sisanya berada pada zona yang tidak. Hal ini belum mencukupi kebutuhan akurasi 95% yang dapat diterima berdasarkan dari standar ISO 15197, maka hasil daripada penelitian ini masih belum memberikan hasil yang baik. Evaluasi menggunakan multiple regression sendiri menghasilkan hubungan yang tidak signifikan antara komponen dari sinyal analog dengan kadar gula darah dengan nilai R-squared sebesar 0.0174, RMSE 66.9, dan P-value keseluruhan sebesar 0.801.

---

Measuring blood sugar levels is one of the main needs in managing diabetes. However, the current common method of measuring blood sugar levels is carried out invasively or requires injuring parts of the human body to obtain blood sugar levels. There are non-invasive measurement methods without injuring humans, but this method is still not reliable because of the many factors that influence glucose. This research attempts to analyze the accuracy and performance of non-invasive blood sugar measurements using an infrared sensor at a wavelength of 940 nm assisted by an Artificial Neural Network and also to evaluate the relationship of the basic components of the analog signal from the sensor in question to blood sugar levels using Multiple Regression. The accuracy of blood sugar predictions was evaluated using Clark Grid Error analysis. In this analysis, 81% of the 97 data samples were in the clinically acceptable zone, while the rest were in the zone that was not. This does not meet the acceptable 95% accuracy requirement based on the ISO 15197 standard, thus the results of this research still do not provide relatively good results. Evaluation using multiple regression itself produced an insignificant relationship between the components of the analog signal and blood sugar levels with an R-squared value of 0.0174, RMSE 66.9, and an overall P-value of 0.801."