Vous êtes sur la page 1sur 24

Algoritma alur Keputusan

dapat Memprediksi
Diagnosis dan Akibat dari
Demam Dengue pada Fase
Awal Penyakit
Jurnal Infeksi
RANTI ADRIANI

Latar Belakang
Dengue di daerah tropis rekurensi epidemic yang sering.
4 virus dengue nyamuk Aedes, terutama Aedes aegypti
DHF dan sindrom syok dengue (DSS) tidak ditatalaksana baik,
kematian.
Patofisiologi DHF berat dan DSS : kebocoran plasma sebagai dampak dari
perubahan permeabilitas mikrovaskular
Belum ada vaksin atau terapi antiviral spesifik untuk DF/DHF dan
penatalaksanaan kasus kebanyakan hanya tinggal supportif.
Manifestasi klinis awal rancu mengacaukan
penatalaksanaan klinis dan juga pengawasan penyakit.

Gejala yang lebih spesifik seperti nyeri retro orbital, dan tanda klinis
seperti ptekie, tidak muncul sampai fase lanjutan penyakit, lab
mahal tidak tersedia di daerah endemis
Data klinis sederhana dan tepat saat awal manajemen kasus, tapi
juga untuk pengawasan dengue
Skema WHO gejala klinis yang tidak ada pada awal bukan
untuk diagnosis dini mengawasi progesifitas penyakit untuk
penatalaksanaan klinis dari DHF/DSS berat

Evidence-based triaged strategi tingkatan awal


penyakit dengue mengarahkan stratifikasi pasien
untuk investigasi klinis, manajemen, dan pengawasan
virology.
Disini kami melaporkan indentifikasi dari algoritma yang
dapat membedakan dengue dengan penyakit febril
lainnya di pelayanan primer dan memperkirakan
keparahan penyakit pada dewasa.

Tujuan penelitian
Pohon keputusan algoritma diagnosis intuitif : menggunakan
parameter klinis dan haematologi, membedakan dengue dari
penyakit non-dengue dalam 72 jam pertama penyakit.
bukti konsep untuk penetapan prognosis awal penyakit dengue.

Metode penelitian

Protokol penelitian disetuji oleh setiap dewan institusi.

Pendaftaran pasien, pengumpulan data klinis dan epidemiologi pada the National
Healthcare Group, Singapura : disetujui oleh NHG IRB (DSRB B/05/013).

Pendaftaran pasien, pengumpulan data klinis dan epidemiologi di Rumah Sakit Dong
Hap oleh komite penelitian dan etik rumah sakit

Oxfordshire Tropical Research Ethical Committee, Inggris.

Pendaftaran peserta : kondisional dengan informed consent yang sesuai

. Semua material biologi yang dikumpulkan bersifat anonim setelah melengkapi


pengumpulan data demografis dan klinis.

Skrining dan perekrutan

Singapura : Pasien dewasa (usia lebih dari 18 tahun) yang hadir di poliklinik layanan primer terpilih dalam rentang
72 jam dari onset demam akut dan tanpa rhinitis atau secara klinis jelas memiliki diagnosis alternative untuk demam
termasuk kedalam kriteria inklusi penelitian.

informasi demografis, klinis, dan epidemiologi yang dibuat anonim, formulir data yang terstandarisasi dalam 3
kesempatan: 1-3 hari setelah onset demam (kunjungan pertama), 4-7 hari setelah onset demam (kunjungan kedua)
dan 3-4 minggu setelah onset demam (kunjungan ketiga).

Darah vena analisis haematologi, virology, dan serologi dalam setiap kunjungan.

Sisa serum dan darah dibuat anonim dan disimpan pada -80C hingga saaat digunakan.

Metode Laboratorium

Haematologi : Hitung darah lengkap haematositometer yang diakui noleh


FDA.

Serologi dan deteksi antigen. ELISAs

Reverse-transcription polymerase chain reaction (RTPCR). RNA virus


dinamakan dengue-1 (S144), dengue-2 (ST), dengue-2 (ST), dengue-3
(SGH) dan dengue-4 (S006), diperbanyak dalam kultur sel C6/36

Analisis algoritma untuk modeling penyakit


Classifier modeling.

Software Inforsense C4.5 decision tree classifier

(InforSense Ltd., London, Inggris) mencegah over-fitting data.


berbagai macam pohon keputusan dengan kasus minimal dihitung, hasil
yang didapatkan pada pohon dengan performa terbaik yang dipilih.
Algoritma yang telah dihitung divalidasi

pendekatan validasi k-fold

cross.
Sampel

asli

dibagi

kedalam

sampel

k-sub.

Setiap

sub-sampel

dikesampingkan dahulu sebagai data evaluasi untuk pengujian model.

Proses validasi silang diulang k kali (lipat) dan setiap sampel k-sub digunakan
sekali

sebagai data validasi. Hasil k didapatkan dari k-folds dapat kemudian menjadi

rerata untuk menghasilkan estimasi tunggal dari performa model . Nilai fold diatur
sebagai k = 10.
sensitivitas dan spesifisitas kurva rerata receiver-operating characteristic
(ROC).
Area dibawah kurva (AUC) digunakan sebagai indikator performa algoritma secara
keseluruhan. Algoritma dengan nilai sensitivitas tertinggi
dipilih.

dengan AUC tinggi yang

Analisis statistik
Data : means dan standar deviasi
variabel kontinu uji T sampel independen.
Uji normalitas ShapiroWilk : menilai parameter dengan distribusi tidak normal dengan nilai p
0,05 yang mengindikasikan bahwa parameter tidak cenderung berasal dari distribusi normal.
Parameter dengan distribusi tidak normal ditransformasi logistik dan diperikasa ulang
normalitasnya.
Jika distribusi tidak normal u ji Kruskal-Walis non-parametrik digunakan untuk variabel
kontinu
uji Chi-square digunakan jika expected frequencies lebih tinggi dari 5, dimana uji Fishers
exact dilakukan ketika expected table values kurang dari 5.
Semua kalkulasi dilakukan menggunakan Systat for Windows (SYSTAT Software Inc. San
Jose, CA). Nilai p two-tailed 0.05 dianggap signifikan secara statistik

Hasil penelitian
Sebanyak 1.200 pasien dengan 72 jam pertama demam akut direkrut
dan di follow up sampai periode 4 minggu periode,
1.012 direkrut dari Singapura dan 188 orang dari Vienam
.Dari semua pasien, 364 adalah pasien dengue RT-PCR positif, 173
pasien dengan demam dengue, 171 pasien dengan DBD, dan 20 pasien
dengan DSS sebagai diagnosis akhirnya

Hasil penelitian

Algoritma keputusan untuk diagnosis dengue

Analisis statistik (chi-square) dari pemisahan kriteria


yang dilakukan pada setiap supgrup pada titik-titik
keputusan

Kurva Receiver operating characteristics (ROC) untuk algoritma


diagnosis dalam memprediksi kasus dengue positif dan dengue
negative

Ringkasan dari analisis validasi silang K-fold (k = 10) untuk algoritma


diagnosis dengue dengan 262 diagnosis untuk sensitivitas dan
spesifisitas algoritma diagnosis dengue.

strategi penatalaksanaan dengue terkini membutuhkan pengamatan harian


tanda-tanda perburukan klinis, adanya haemorragik atau kebocoran
plasma.
penyakit dengue dengan prevalensi tinggi, cepat mengatasi permasalahan
keterbatasan sumber daya layanan kesehatan.
kemudian mencari algoritma yang dapat digunakan untuk penentuan
prognosis.
mengunakan hitung platelet 50.000/mm3 atau kurang pada hari ke 5 sampai 7
setelah onset penyakit tujuan akhir untuk analisis
Trombositpenia pada level ini telah ditemukan berhubungan dengan
peningkatan risiko haemorragik dan syok pada dewasa dengan DF.

Algoritma keputusan untuk memprediksi


penyakit dengue berat.

Analisis statistik (chi-square)dari pemisahan kriteria yang


dilakukan pada setiap sub-grup di titik-titik keputusan

Kurva receiver operating characteristics (ROC) untuk


algoritma dalam memprediksi perkembangan dari penyakit
berat diantara kasus dengue

Ringkasan validasi silang K-fold (k = 10) untuk algoritma prediksi


keparahan dengan 262 analisi untuk sentivitas dan spesifisitas algoritma
dalam memprediksi penyakit dengue berat

Jumlah kasus yang dirawat inap di rumah sakit : rata-rata lama


hari rawatan dan jumlah dengue yang berat secara klinis dari
kohort

Kesimpulan

Penelitian ini menunjukkan sebuah pembuktian


konsep bahwa algoritma keputusan dengan
menggunakan parameter klinis dan haematologi
sederhana memprediksi diagnosis dan prognosis
dari penyakit dengue,
sebuah temuan yang dapat terbukti efektif dalam
penatalaksanaan dan pengawasan penyakit.

Terimakasih