Hasil Pencarian  ::  Simpan CSV :: Kembali

"Ultrasound merupakan salah satu modalitas citra yang masih digunakan untuk mendeteksi dini kelainan ginjal. Proses diagnosa abnormalitas pada ginjal pada umumnya masih menggunakan pendekatan morfologi atau istilah radiologi untuk mendeskripsikannya. Tujuan dari penelitian ini adalah melakukan karakterisasi citra medis hasil ultrasound ginjal normal dan abnormal. Statistical Moment Descriptor merupakan teknik yang digunakan untuk mengkarakterisasi berdasarkan distribusi spasial piksel ultrasound B-mode. Teknik yang digunakan adalah dengan menghitung besarnya rerata, standar deviasi, skewness, kurtosis, entropi, median, dan rentang, serta dimensi ginjal pada region of interest ROI dari tiga area, yaitu area ginjal penuh, kortek, dan renal pelvis, dari total 50 data pasien dengan ginjal normal abnormal. Hasil yang diperoleh menunjukkan sebaran nilai piksel area penuh citra ginjal normal untuk parameter rerata 69 12,83, standar deviasi 41,77 5,66, skewness 0,87 0,28, kurtosis 4,12 0,88, entropi 6,02 0,27, nilai piksel median 75 15,77, range 253 3,18, sedangkan untuk citra ginjal abnormal sebaran nilai piksel dengan parameter rerata 103 31,96, standar deviasi 35,76 7,62, skewness 0,62 0,68, kurtosis 5,43 2,02, entropi 5,74 0,50, nilai piksel median 100 34,43, dan range 254 0. Parameter yang sangat signifikan berbeda terhadap nilai rerata dengan menggunakan uji t adalah standar deviasi, median, rentang, rerata, kurtosis, untuk entropi secara statistik berbeda signifikan, sedangkan skewness, secara statistik tidak begitu signifikan berbeda.

---

Ultrasound is one of the image modality that is still used for detect early kidney abnormalities. Morphological approach or radiology terms are still being used to describe it. The purpose of this research is to characterize normal and abnormal kidney medical ultrasound image. Statistical Moment Descriptor is a techniques that we used to characterize spatial pixels distribution of B Mode by define mean, standard deviation, skewness, kurtosis, entropy, median, range, and dimensions in three region of interest`s, full kidney, cortical, and renal pelvis area, from 50 total patients. The results obtained is that pixel values distribution of full normal kidney area for mean 69 12.83, standard deviation 41.77 5.66, skewness 0.87 0.28, kurtosis 4.12 0, 88, entropy 6,02 0,27, median 75 15,77, and range 253 3,18, for abnormal kidney, mean 103 31,96, standard deviation 35, 76 7.62, skewness 0.62 0.68, kurtosis 5.43 2.02, entropy 5.74 0.50, median 100 34.43, and range 254 0. Standard deviation, median, range, mean and kurtosis differences are considered to be very statistically significant by the t test, entropy is considered as significant, and skewness is considered to be not statistically significant."

"ABSTRAK LatarBelakang: Menentukan prediktor yang paling akurat dalam menilaisulitvisualisasi laring(DVL) dengan menggunakan skor mallampati (MMT) ,Jarak sternomental(SMD) dan jarak buka mulut(IIG), baik secara tunggal maupundalam kombinasi.Metode: Sebanyak 283 pasien ikut serta dalam penelitian dan dievaluasikemungkinan mereka mengalami sulit visualisasi laring. Kesulitan visualisasilaring dinilai dengan laringoskopi langsung berdasarkan klasifikasi CormackLehane (CL). Skor CL derajat III dan IV ditentukan sebagai sulit visualisasilaring. Kondisi ini juga diperkirakan dengan menggunakan prediktor jalan napas,yaitu MMT, SMD dan IIG. Titik potong untuk masing-masing prediktor adalahskor Mallampati III dan IV, ≤ 12,5 cm, dan ≤ 3 cm. Selanjutnya, ditentukan nilaisensitivitas, spesifisitas, nilai prediksi positif dan negatif serta nilai area di bawahkurva (AUC) dari setiap prediktor tersebut, baik secara tunggal maupun dalamkombinasi. Prediktor independen DVL ditentukan dengan melakukan analisisregresi logistik.Hasil: Sulit visualisasi laring ditemukan pada 29 (10,2%) subyek penelitian. Nilaisensitivitas, spesifisitas, prediksi positif dan luas AUC prediktor jalan napasadalah: MMT (20,8%; 99,7%; 71,4%; 68%), SMD (72,4%; 97,2%; 75%; 88%),dan IIG (41,4%; 99,4%; 85,7%; 73%). Penelitian kami menunjukkan bahwakombinasi prediktor terbaik adalah gabungan prediktor SMD + IIG. Kombinasitiga prediktor MMT + SMD + IIG ternyata menunjukkan nilai AUC yang samadengan kombinasi dua prediktor SMD + IIG.Kesimpulan: Penelitian ini menganjurkan gabungan prediktor IIG + SMDsebagai model diagnostik yang optimal untuk memperkirakan sulit visualisasilaring pada populasi ras Melayu di Indonesia.

---

ABSTRAK Background: To determine the most accurate predictor in evaluating difficultvisualization of larynx (DVL) using indicators of modified mallampati test(MMT), sternomental distance (SMD) and inter incisor gap (IIG), either inisolation or in combination.Methods: Two hundred eighty three patients were participated in the study andevaluated for their possibility of having DVL. The difficulty of larynx visualizationwas evaluated using direct laryngoscopy based on grading of the Cormack andLehane (CL) classification. The CL grades III and IV were considered as difficultvisualization of larynx. DVL was also predicted using the airway predictors ofMMT, SMD and IIG. The cut-off points for the airway predictors wereMallampati III and IV; ≤ 12,5 cm, and ≤ 3 cm, respectively. Moreover, sensitivity,specificity, positive and negative predictive value and area under the curve (AUC)of each predictor were determined, either in isolation or in combination.Independent predictors of DVL were determined using logistic regressionanalysis.Results: Difficulty to visualize the larynx was found in 29 (10.2%) subjects. Thesensitivity, specificity, positive predictive value and AUC for the airwaypredictors were: MMT (20.8%; 99.7%; 71.4%; 68%), SMD (72.4%; 97.2%; 75%;88%), and IIG (41.4%; 99.4%; 85.7%; 73%). The best combination of predictorswas SMD + IIG with an AUC of 90.2%. Triple combination of MMT + SMD +IIG showed the same value of AUC with combination of two predictors, SMD +IIG.Conclusion: This study suggests the combination of IIG + SMD predictors as theoptimal diagnostic model to predict DVL in a Malay race population inIndonesia."