Hasil Pencarian  ::  Simpan CSV :: Kembali

"

Pendahuluan: Fibrilasi atrium (FA) adalah tipe aritmia yang paling sering ditemukan. Selama berjalannya waktu, FA telah menunjukan peningkatan dalam prevalensi dan insidens. Namun angka mortalitas tersebut lebih terkait dengan komplikasinya, yaitu gagal jantung dan stroke. Untuk itu, pencegahan komplikasi FA, terutama stroke, dalam bentuk terapi antikoagulan oral (TAK), adalah sama pentingnya dengan pengobatan FA lainnya seperti kendali laju dan kendali irama. Studi ini bertujuan untuk mendapatkan karakteristik klinik pasien FA dan pola penggunaan TAK di RSCM.

Metode: Data dari rekam medis dikumpulkan dan dianalisis menggunakan aplikasi SPSS. Karakteristik klinik pasien FA akan disediakan dalam bentuk frekuensi, dan rata-rata.

Hasil: Rata-rata umur pasien FA di RSCM adalah 56.37±14.69 tahun dan distribusi jenis kelamin hampir seimbang. Pasien FA yang overweight dan obese ada 23 (45.1%) secara total. Klasifikasi FA paling sering adalah FA persistent (37.3%). Tipe FA yang paling sering ditemukan adalah FA non-valvular (64.7%). Gejala tersering ditemukan adalah sesak nafas (56.9%). Penyakit jantung coroner (PJK) adaalah komorbiditas tersering (39.2%), sedikit lebih tinggi dari hipertensi (37.3%) di populasi pasien FA di RSCM. Komplikasi FA tersering adalah gagal jantung (60.8%). Strategi kendali laju paling sering digunakan (94.1%) untuk pasien FA di RSCM. Kebanyakan pasien FA di RSCM memiliki skor CHA₂DS₂VASc ≥2 (82.4%). Warfarin paling sering digunakan (84.3%) sebagai TAK untuk pasien FA di RSCM.

Kesimpulan: Hasil dari studi ini memiliki perbedaan dan kesamaan dengan negara Asia lainnya dalam distribusi variabel. Pola penggunaan TAK berada diluar ekpektasi, mungkin dikarenakan harga yang mahal dalam meresepkan NOAC

 

---

Introduction: Atrial fibrillation (AF) is the most common type of arrythmia which has shown increasing prevalence and incidence throughout the years. However, the mortality of AF cases is related to its complication which are stroke and heart failure. Therefore, in the attempt to prevent complication of AF, particularly stroke, anticoagulant treatment, which has developed by time, is considered when encountering AF cases just as importantly as the rate control and rhythm control management of AF. This study aims to provide the clinical characteristics of patients with AF and the pattern of anticoagulant therapy in RSCM.

Methods: Data from medical records from RSCM were collected and were analyzed using SPSS, where the frequency and mean or median of the variables were explored where appropriate.

Results: The average age of AF patients in RSCM was 56.37±14.69 years old with an almost equal distribution of gender. AF patients who were overweight and obese was 23 (45.1%) in total. The most common classification of AF was persistent AF (37.3%). Non-valvular AF was the most common type of AF (64.7%). The most common symptom in the population was dyspnea (56.9%). Coronary artery disease was the most frequent comorbidity (39.2%), slightly higher than hypertension (37.3%). The most frequent complication found was heart failure (60.8%). Rate control was mostly used (94.1%). Most AF patients in RSCM had CHA₂DS₂VASc score ≥2 (82.4%). Vitamin K Antagonists (VKA) was mostly used (84.3%) as oral anticoagulant of choice in RSCM.

Conclusion: This study had differences and similarities with studies from other Asian countries. The pattern of oral anticoagulant treatment was commonly VKA, which is unexpected, might be due to high cost in prescribing NOAC.

 

"

"Penyakit jantung menjadi permasalahan utama di dunia medis. Hal ini dikarenakan sulitnya mendeteksi gejala awal dari penyakit tersebut. Pendeteksian gejala ini dapat dilakukan dengan memonitori sinyal elektrokardiogram pasien untuk mendeteksi jenis aritmia yang diderita. Penelitian klasifikasi aritmia mengunakan pemrosesan komputer telah berhasil mengidentifikasi tipe aritimia satu dengan lainnya. Namun dalam permasalahan dunia nyata, pasien dapat menderita jenis aritmia yang merupakan gabungan dari jenis aritmia lainnya. Penelitian ini bertujuan untuk melakukan klasifikasi aritmia secara multi-label pada data elektrokardiogram. Data yang digunakan adalah data yang berasal dari The China Physiological Signal Challenge 2018. Eksperimen yang dilakukan terbagi menjadi dua proses, yaitu pemilihan dan pemelajaran data. Teknik yang digunakan untuk pemilihan data dengan memotong data berdasarkan letak QRS sinyal menggunakan Combined Adaptive Threshold. Kemudian hasil data segmentasi sinyal dipelajari menggunakan 1DCNN dan LSTM dengan Attention. Penelitian ini berhasil melakukan klasifikasi multi-label pada data aritmia dan memperoleh rata-rata F1-Score sebesar 81.7% berdasarkan hasil evaluasi terbaik menggunakan K-Cross Validation.

---

Heart Disease is the main problem in medical world. One of the reasons is because the disease is still hard to detect it earlier. The main method to detect the heart disease is monitoring electrocardiogram signal and try to identify arrhythmia of the patient. The latest research has succeeded to classify the arrhythmia using deep learning. But in the real-world problem, patient can be having a multiple arrhythmia at the same time. This research focus on to classify multiple arrhythmia with electrocardiogram data. The data that had been used for this research is from The China Physiological Signal Challenge 2018. The experiment had two step process, there are sampling step, and learning step. Technique that had been used for sampling is based on slicing the data using QRS detection based on Combined Adaptive Threshold. Then the result of the segmentation is used for training data in 1DCNN and LSTM with attention This research has succeeded to get average of F1- Score 81.7% based on the best evaluation result using K-Cross Validation."