Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK Pada penelitian ini dicari pengaruh dari Faktor Struktur dan Proses sebagai unsur mutu sesuai teori Donabedian terhadap Net Death Rate/ NDR dari penyakit Stroke. Sumber data yang terpilih berasal dari pasien Sroke berupa kasus Intracerebral haemorrhage dan Cerebral infarction di RSUD Dr Kanujoso Djatiwibowo Balikpapan pada tahun 2014. Penelitian bersifat kualitatif dengan metode deskriptif analitik menggunakan studi retrospektif. Didapatkan faktor struktur secara berurutan yang mempengaruhi adalah kondisi pasien, fasilitas, kebijakan dan sumber daya manusia. Sedangkan faktor proses terbanyak di Rawat Inap yang mempengaruhi adalah kendala dalam menjalankan instruksi serta adanya Infeksi Rumah Sakit/ IRS yang terjadi dalam proses perawatan. Di IRD faktor proses yang menjadi kendala adalah pelayanan pemeriksaan penunjang khusus nya CT Scan tidak selalu dapat dilakukan. Disarankan untuk melakukan peningkatan mutu pelayanan dengan memperbaiki kendala faktor struktur dan proses serta mengembangkan pelayanan satu atap Unit Stroke.

---

ABSTRACT This study is seeking the impact of structure and process as the quality aspect according to Donabedian 's theory that affecting to the Net Death Rate/ NDR Stroke disease. Selected data source are Stroke patients, consisting of Intracerebral Haemorrhage and Cerebral Infarction at Dr Kanujoso Djatiwibowo Balikpapan Hospital in the year 2014. This study is a qualitative research using descriptive analytic retrospective method. Structure and Process Factors that are influencing each other. It reveals that Structure Factors in hospitalization that are affecting sequentially are the condition of the patient, facilities, policies and human resource. On the other hand it reveals that Process Factors include obstacle on running the primary instruction and also Hospital Accociated Infections/ HAIs occurs due to the nursing process. In Emergency Unit there is obstacle in Process Factor as the CT Scan service is not available sometime. It is recommend to improve the quality of Stroke patient to overcome the Structure and Process Factors and to develop the on stop service Stroke Unit.

Abstrak :
Stroke merupakan penyakit yang menempati urutan ketiga sebagai penyebab kematian terbesar di dunia setelah penyakit jantung dan kanker. Stroke juga menduduki posisi pertama sebagai penyakit yang dapat menyebabkan kecacatan, baik ringan maupun berat. Salah satu jenis stroke yang umum terjadi adalah infark serebri. Di Indonesia, jumlah penderita stroke, terutama infark serebri, semakin meningkat setiap tahunnya. Tidak hanya terjadi pada seseorang yang berusia lanjut, namun infark serebri juga dapat terjadi pada seseorang yang masih muda dan produktif. Oleh sebab itu, pendeteksian dini terhadap infark serebri sangatlah penting. Berbagai metode medis selalu digunakan untuk mengklasifikasi infark serebri, namun dalam penelitian ini, akan digunakan metode machine learning. Metode yang diusulkan yaitu Multiple Support Vector Machine dengan Seleksi Fitur Information Gain (MSVM-IG). MSVM-IG merupakan metode baru yang menggunakan support vector sebagai data baru untuk selanjutnya dilakukan seleksi fitur dan evaluasi performa. Data yang digunakan berupa data numerik hasil CT Scan yang diperoleh dari RSUPN dr. Cipto Mangunkusumo, Jakarta. Berdasarkan hasil uji coba, metode yang diusulkan mampu mencapai nilai akurasi sebesar 88,71%. Sehingga, metode MSVM-IG ini dapat menjadi salah satu alternatif untuk membantu praktisi medis dalam mengklasifikasi infark serebri.

---

Stroke is a disease that ranks third as the biggest cause of death in the world after heart disease and cancer. Stroke also occupies the first position as a disease that can cause disability, both mild and severe. One type of stroke that is common is cerebral infarction. In Indonesia, the number of stroke patients, especially cerebral infarction, is increasing every year. Not only occurs in someone who is elderly, but cerebral infarction can also occur in someone who is young and productive. Therefore, early detection of cerebral infarction is very important. Various medical methods are always used to classify cerebral infarction, but in this study, machine learning methods would be used. The proposed method is Multiple Support Vector Machine with Information Gain Feature Selection (MSVM-IG). MSVM-IG is a new method that uses support vector as a new dataset, then feature selection step and performance evaluation are performed. The data used in the form of numerical data results of CT scan obtained from RSUPN Dr. Cipto Mangunkusumo, Jakarta. Based on the results, the proposed method is able to achieve an accuracy value of 88.71%. Thus, the MSVM-IG could be an alternative to assist medical practitioners in classifying cerebral infarction.

Abstrak :
ABSTRAK
Latar belakang dan tujuan: Gangguan fungsi kognitif, mulai dari gangguan ringan hingga demensia, yang prevalensinya semakin meningkat seiring dengan peningkatan angka harapan hidup, akan mempengaruhi kualitas hidup seseorang. Hingga saat ini, minimnya pemanfaatan pemeriksaan patologi untuk menegakkan diagnosis definitif menjadikan pemeriksaan fungsi luhur sebagai pemeriksaan baku emas dengan angka sensitivitas dan spesifisitas yang baik. Seiring kemajuan teknologi kedokteran, MRI kepala mulai digunakan secara luas untuk menilai proses neurodenegeratif dan patologi vaskular otak yang berkorelasi kuat dengan gangguan fungsi kognitif. Penilaian temuan kelainan dengan metode skala pengukuran visual yang menggabungkan temuan atrofi dan lesi vaskular terbukti memberikan hasil yang baik dalam penegakkan diagnosis dan prediksi prognosis gangguan fungsi kognitif. Titik potong baku dan valid untuk menegakkan diagnosis dan memprediksi adanya gangguan fungsi kognitif perlu diteliti untuk meningkatkan peran MRI kepala dalam penilaian fungsi kognitif.Metode: Uji deskriptif dengan pendekatan potong lintang untuk mengetahui nilai titik potong skor atrofi serebri, skor lesi substansia alba, dan skor infark serebri pada pasien dengan demensia dan gangguan fungsi kognitif ringan. Pemeriksaan dilakukan berdasarkan data pemeriksaan fungsi kognitif dan MRI kepala terhadap 76 subjek penelitian dalam kurun waktu Januari 2014 hingga Desember 2016.Hasil: Skala pengukuran visual dapat menggambarkan perubahan struktur otak pada pasien dengan gangguan fungsi kognitif. Dengan perhitungan receiver operation curve ROC dari skor atrofi, lesi vaskular, dan skor visual gabungan pada pasien dengan demensia dan gangguan fungsi kognitif ringan didapatkan bahwa skor visual gabungan memiliki nilai akurasi diagnostik terbaik dengan nilai AUC 78,3 95 IK 68,1 -88,6 . Kemudian didapatkan titik potong skor visual gabungan sebesar 8,5 sensitivitas 55,6 , spesifisitas 82,5 dengan tingkat spesifisitas tertinggi dalam membedakan pasien dengan demensia dan gangguan fungsi kognitif ringan.Kesimpulan: Skor visual gabungan mempunyai nilai akurasi diagnostik sedang dan dapat digunakan pada praktik klinis dalam membedakan pasien dengan demensia dan gangguan fungsi kognitif ringan

---

ABSTRACT Background and objective Impaired cognitive function, ranging from mild impairment to dementia, whose prevalence increases with increasing life expectancy, will affects the quality of life. Until now, the lack of utilization of pathology examination to make a definitive diagnosis makes the neuropsychological screening instruments as a gold standard examination with good sensitivity and specificity. As medical technology advances, head MRIs are beginning to be widely used to assess neurodegenerative processes and brain vascular pathology that are strongly correlated with cognitive impairment. Assessing findings of abnormalities by a visual measurement scale method that combines the findings of atrophy and vascular lesions proved to provide good results in the diagnosis and prediction of cognitive function impairment prognosis. Standard and valid cutoff points for diagnosis and predicting cognitive dysfunction need to be investigated to improve the role of head MRI in cognitive function assessment. Methods A descriptive test with a cross sectional approach to determine the value of the cutoff point of cerebral atrophy, white matter lesion, and cerebral infarct score in patients with dementia and mild cognitive impairment. The examination was performed based on cognitive function and head MRI examination data on 76 subjects in the period from January 2014 to December 2016. Result The scale of visual measurements can describe changes in brain structure in patients with cognitive impairment. With the calculation of receiver operation curve ROC of atrophic scores, vascular lesions, and combined visual scores in patients with dementia and mild cognitive impairment, AUC 78.3 95 CI 68.1 88.6 was obtained with cut point cut point 8.5 with the highest level of specificity sensitivity 55.6 , specificity 82.5 in distinguishing patients with dementia and mild cognitive impairment. Conclusion The combined visual score cutoff point has a moderate diagnostic value of accuracy and can help to distinguish patients with dementia and mild cognitive impairment in clinical practice.