Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Latar belakang: Berdasarkan data National Institute of Health Amerika Serikat tahun 2015, kanker usus halus merupakan salah satu kanker langka dengan dengan insidensi yang diperikirakan meningkat lebih dari 100% selama 4 dekade terakhir di berbagai negara. Teknik diagnosis penyakit ini membutuhkan berbagai pendekatan karena sering terlambat didiagnosis. Standar emas diagnosis kanker usus halus saat ini adalah penilaian histopatologi oleh ahli. Kekurangan metode ini adalah sulit dideskripsikan secara objektif dan belum terdigitalisasi. Sejumlah penelitian menunjukkan bahwa metode spektrofotometri reflektans cahaya tampak dapat digunakan dalam diagnosis sejumlah jenis kanker, seperti kanker kulit dan lesi oral. Metode tersebut lebih terkuantifikasi, dapat didigitalisasi, sangat terjangkau dan mudah digunakan. Namun, penggunaan spektrofotometri cahaya tampak belum digunakan untuk lesi kanker usus halus. Tujuan: Studi ini merupakan studi pendahuluan untuk mengetahui kemampuan spektrofotometer reflektans cahaya tampak sederhana dalam mengklasifikasi derajat lesi kanker usus halus pada mencit berdasarkan pengukuran intensitas cahaya. Metode: Penelitian ini merupakan penelitian analitik potong lintang menggunakan sampel bahan biologis tersimpan blok parafin usus halus mencit Mus musculus. Sampel dikelompokkan berdasarkan derajat lesi menjadi normal, prekanker, dan kanker berdasarkan penilaian ahli patologi anatomi. Seluruh sampel diukur intensitas cahaya reflektansinya pada 132 panjang gelombang cahaya tampak. Hasil pengukuran dianalisis menggunakan perangkat lunak SPSS 24.0 untuk uji komparatif dan Orange Data Mining untuk pengelompokan derajat lesi berdasarkan data yang diperoleh dengan machine learning. Hasil dan Pembahasan: Hasil uji komparatif menunjukkan sebanyak 105 dari 132 panjang gelombang cahaya tampak memiliki perbedaan intensitas reflektans bermakna (p<0,05) antar kelompok sampel. Pengelompokan derajat lesi berdasarkan data intensitas cahaya oleh machine learning dilakukan terbaik dengan model k-nearest neighbors yang memiliki akurasi sebesar 83,3%, AUC sebesar 90,8%, nilai F1 sebesar 0,836, presisi sebesar 0,856, dan recall 0,833. Analisis Tree menunjukkan panjang gelombang 450,3 nm terbaik dalam membedakan sampel. Simpulan: Metode spektrofotometer reflektans cahaya tampak sederhana mampu membedakan jaringan normal, prekanker, dan kanker usus halus pada mencit berdasarkan perbedaan intensitas cahaya. ......Background: According to the United States National Institue of Health in 2015, small intestine cancer is one of the rare cancer with estimated to increase the incidence by more than 100% in the last 4 decades in many countries. The diagnosis of this disease needs various approaches because it is usually late to diagnose. The current gold standard for diagnosing small intestine cancer is histopathology evaluation by the expert. The disadvantages of this method are hard to describe objectively and have not been digitalized. Some studies showed that visible light reflectance spectrophotometry method can be used in cancer diagnoses, such as skin cancer and the oral lesion. This method is quantified, able to be digitalized, affordable, and easy to use. However, the use of visible light spectrophotometry has not been used for small intestine cancer lesions. Objective: This is a pilot study that aims to evaluate the potency of simple visible light reflectance spectrophotometry to classify mice’s small intestine cancer lesion degree based on intensity measurement. Method: This analytical cross-sectional study was done using paraffin block preserve Mus musculus mice small intestine tissue. The samples were grouped according to the lesion degree that had been evaluated by a pathology expert. The reflectance intensity of all samples were measured in 132 different visible light wavelengths. The results were analyzed by using SPSS 24.0 for comparative test and Orange Data Mining’s machine learning for lesion degree classification based on obtained data. Results and Discussion: Comparative test results show that 105 of 132 visible light wavelengths have a significant difference (p<0,05) between groups. The best machine learning to classify lesion degree based on light intensity was performed by k-nearest neighbor, with accuracy 83,3%, AUC 90,8%, F1 score 0,836, precision 0,856, and recall 0,833. Tree analysis showed that 450,3 nm is the best wavelength to differentiate the sample. Conclusion: Simple visible light reflectance spectrophotometer is able to differentiate normal, precancer, and cancer on mice small intestine tissue based on the light intensity difference.

Abstrak :
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.

Abstrak :
Latar Belakang : Indonesia memiliki lebih dari seratus suku dengan nilai dan budayanya masing-masing. Salah satu budaya yang ada yaitu perawatan dengan melakukan penghangatan pada area bagian bawah tubuh ibu setelah bersalin (post partum). Perawatan ini memberi efek berupa peningkatan sirkulasi darah. Pendekatan asuhan keperawatan kepada ibu tersebut adalah dengan transcultural care. Tindakan transcultural care yaitu melakukan modifikasi budaya penghangat tubuh dengan teknologi Photobiomodultion Near Infrared (PBM NIR) yang mempunyai efek yang sama. Penelitian ini bertujuan untuk menilai pengaruh intervensi post partum berbasis budaya dengan teknologi PBM NIR terhadap adaptasi fisik dan psikososial ibu. Metode: Penelitian ini adalah Research and Development. Penelitian dimulai dengan mengidentifikasi adaptasi budaya perawatan post partum dengan penghangatan pada tujuh ibu post partum. Kemudian digunakan instrumen elektronik dengan teknologi PBM NIR untuk memodifikasi keperawatan berbasis budaya. Untuk mengetahui pengaruh instrumen, dilakukan pengukuran adaptasi fisik dan psikososial ibu post partum. Penelitian dilakukan di Palembang, Sumatera Selatan Indonesia. Jumlah sampel sebanyak 90 responden yang dipilih dengan teknik convenience sampling. Responden dibagi dalam tiga kelompok (satu kelompok intervensi dan dua kelompok kontrol). Analisis data menggunakan paired t-test, uji one way ANOVA dan Kruskal Wallis. Hasil : Langkah pertama studi kualitatif ditemukan bahwa semua partisipan ibu post partum, dukun pijat dan tokoh adat sepakat bahwa praktik budaya mereka dengan menghangatkan bagian bawah tubuh ibu dapat dimodifikasi dengan perangkat modern selama mudah digunakan dan dapat dijangkau. PBM NIR kemudian diukur pengaruhnya terhadap adaptasi fisik dan psikososial responden. Hasil diperoleh terdapat perbedaan signifikansi semua sub variabel sebelum dan sesudah intervensi pada responden kelompok intervensi (p <0,05) pada hari ke 1, 3, 6 dan 10. Demikian pula perbedaan yang signifikan antara kelompok intervensi dan dua kelompok kontrol lainnya (p = <0,05). Kesimpulan : Intervensi PBM NIR efektif meningkatkan adaptasi fisik dan psikososial ibu post partum. Hasil studi ini merekomendasikan agar petugas kesehatan dapat menggunakan alat ini sebagai alternatif intervensi perawatan post partum. ......Background: Indonesia consists of more than a hundred ethnic groups that have their own culture and beliefs. One of the beliefs that they do in some areas is post-partum care, which uses heating in the lower area of womens bodies. This culture practice can be modified by a Photobiomodulation Near Infrared (PBM-NIR) with a similar effect. This paper aims to develop culture-based post-partum interventions with PBM-NIR technology and its impact on maternal physical and psychosocial adaptation. Methods: The study design was Research and Development. This study identified the culture practice by warming the lower part of the mothers body in post-partum care by a qualitative study. The following step was modifying this cultural practice into electronic devices called PBM-NIR. It measured the effectiveness of this device toward physical and psychosocial adaptations of the post-partum women. A total sample of 90 respondents was selected by convenience sampling and divided into three groups (intervention and two control groups). Data analysis used a one-way ANOVA test and Kruskal Wallis. Result: Step one, a qualitative study found that all post-partum women, the traditional attendants, and cultural leaders agreed that their cultural practice by warming the lower part of the mothers body could be modified by modern devices as long as easy to used and accessible. The PBM-NIR then measured its effectiveness toward Physical adaptation and psychosocial adaptation due to the result of the significance different of all subvariates pre- and post-intervention among respondents in the intervention group (p <0,05) on the 1st, 3rd, 6th, and 10th day. It was also significantly different between the intervention and another two control groups (p = < 0,05). Conclusion: PBM NIR intervention effectively improves the physical and psychosocial adaptation of post-partum mothers. This study results recommended that health providers can use this device as an alternative intervention for post-partum care.