Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada penelitian ini akan dirancang sebuah sistem telehealth berbasis client to server, lebih tepatnya merupakan sistem datalogger yang berfungsi untuk mengumpulkan data berupa denyut jantung manusia yang di dapat dari pulse sensor yang data tersebut akan disimpan di dalam datalogger. Data tersebut dapat dilihat oleh pekerja medis melalui jaringan VPN yang terhubung dengan sistem datalogger. Data tersebut akan ditampilkan melalui web. Hasil didapat setelah melakukan pengujian data yaitu pengujian presentase eror data dan pengujian response time. Hasil dari pengujian presentase eror data antara data BPM pada datalogger dengan BPM pada ECG rumah sakit memiliki rata-rata sebesar 1,94%. Hasil dari pengujian response time sistem datalogger memiliki rata-rata sebesar 12,4ms. Hasil pengujian presentase eror data mengindikasikan bahwa nilai eror yang didapat memiliki eror yang cukup rendah untuk data biomedis, sehingga sistem dapat digunakan untuk keperluan pemonitoran denyut jantung manusia.

---

In this study will be designed a telehealth system based on client to server, rather a datalogger system that serves to collect data in form of human heart rate obtained from the pulse sensor and it will stored inside the datalogger. Such data can be monitored by healthcare worker through the VPN network that is connected to the datalogger system. The data will be displayed via web. Result that obtained from two different testing which are error rate testing and response time testing.

Results of error rate percentage between data from datalogger and data from ECG at hospital has an average of 1.94%. Results of the system response time testing has an average of 12,4ms. The test results indicate that data error rate percentage between datalogger system and ECG at hospital have low enough error to be used as biomedical data. So the system can be used for purposes of monitoring the human heart rate."

"Penyakit kardiovaskular merupakan penyebab utama kematian global, termasuk di Indonesia. Evaluasi kesehatan dini, menggunakan heart rate variability (HRV) melalui pengukuran root mean square of successive RR interval differences (RMSSD) dan percentage of successive RR intervals that differ by more than 50 𝑚𝑠 (pNN50), menjadi penting untuk merefleksikan respons relaksasi, stres, kualitas tidur, dan aktivitas fisik. Evaluasi ini sebaiknya dilakukan saat seseorang masih dalam kondisi sehat. Sejalan dengan itu, penelitian ini bertujuan mengevaluasi kesehatan pasien dengan irama jantung normal melalui metode clustering pada variabel RMSSD, pNN50, dan usia, yang diambil dari rekaman elektrokardiogram milik online database Physionet. Setiap cluster yang terbentuk dapat memberikan informasi unik, memungkinkan penentuan risiko penyakit kardiovaskular serta penanganan yang tepat. Namun, karena pola data yang digunakan tidak jelas, mengandung outlier, dan berdimensi rendah, maka dilakukan perbandingan antara metode Hierarchical clustering dan Gaussian Mixture Models (GMM) clustering yang mampu mengatasi hal tersebut. Mengingat GMM clustering yang sangat sensitif terhadap inisialisasi awal, penelitian ini menggunakan dua pendekatan inisialisasi, yaitu acak dan K-Means. Penentuan metode terbaik dilakukan dengan mempertimbangkan metrik evaluasi (efektivitas) dan waktu komputasi metode (efisiensi). Hasil penelitian menunjukkan bahwa GMM clustering dengan inisialisasi K-Means adalah metode terbaik dengan membentuk tiga cluster. Meskipun alat EKG menilai pasien dalam kondisi sehat, namun analisis clustering dapat mengungkapkan informasi penting, terutama bagi pasien yang teridentifikasi memiliki tingkat HRV yang relatif rendah.

---

Cardiovascular diseases are a leading cause of global mortality, including in Indonesia. Early health evaluation, utilizing heart rate variability (HRV) through root mean square of successive RR interval differences (RMSSD) and percentage of successive RR intervals that differ by more than 50 𝑚𝑠 (pNN50) measurements, is crucial to reflect responses to relaxation, stress, sleep quality, and physical activity. This evaluation is ideally conducted while an individual is still in a healthy condition. In line with that, this research aims to evaluate the health of patients with a normal sinus rhythm through clustering methods on variables like RMSSD, pNN50, and age, extracted from electrocardiogram recordings from the online Physionet database. Each cluster can provide unique information, enabling the identification of cardiovascular disease risks and appropriate interventions. However, due to unclear data patterns, the presence of outliers, and is low-dimensiona, a comparison is made between Hierarchical clustering and GMM methods, capable of addressing these issues. Given GMM clustering's sensitivity to initializations, this study employs two approaches, random and K-Means. The determination of the best method is based on considerations of evaluation metrics (effectiveness) and computational time (efficiency). Research results indicate that GMM clustering with K-Means initialization is the most effective and efficient method, forming three clusters. Despite ECG assessments indicating healthy conditions, clustering analysis can reveal crucial information, especially for patients identified with relatively low HRV levels."

"Berdasarkan data eKatalog LKPP tahun 2019-2021, transaksi alat kesehatan di Indonesia masih didominasi produk impor, yakni sebanyak 88%. Patient monitor merupakan salah satu alat medis yang berperan penting untuk membantu dokter mendiagnosa kondisi pasien. Pandemi Covid-19 menciptakan momentum untuk penelitian berbasis health monitoring, terlihat dari banyaknya penelitian di tahun 2020-2023 tentang patient monitor menggunakan STM32, Arduino, dan STM32. Oleh karena itu, penelitian ini mengembangkan modul pemantauan saturasi oksigen dan denyut jantung berbasis mikrokontroler STM32F411CEU6 untuk aplikasi patient monitor. Modul yang dikembangkan menggunakan sensor MAX30102 dengan akurasi pemantauan saturasi oksigen sebesar 98.942%, dan akurasi pemantauan denyut jantung sebesar 80.6855%.

---

Based on data from the LKPP eCatalog for the years 2019-2021, the transaction of medical devices in Indonesia is still dominated by imported products, accounting for 88%. On the other hand, patient monitors are essential medical devices that assist doctors in diagnosing patient conditions. Furthermore, the Covid-19 pandemic has created momentum for health monitoring research, evident from numerous studies conducted between 2020 and 2023 on patient monitors powered by STM32, Arduino, and STM32 platforms. Therefore, this research develops an oxygen saturation and heart rate monitoring module based on the STM32F411CEU6 microcontroller for patient monitor applications. The developed module utilizes the MAX30102 sensor with an oxygen saturation monitoring accuracy of 98.942% and a heart rate monitoring accuracy of 80.6855%."

"Prematuritas merupakan salah satu factor dari kematian bayi. Resiko yang mungkin terjadi akibat prematuritas adalah bradikardia dan takikardia, dimana terjadi kelainan pada frekuensi denyut jantung, oleh karena itu diperlukan pemantauan denyut jantung secara real time. Pada skripsi ini akan dibahas penelitian dalam membangun perangkat pemantau denyut jantung secara real time dan kontinu dengan memanfaatkan stetoskop. Perangkat ini tersusun atas stetoskop, mikrofon kondenser elektret, rangkaian pengkondisi sinyal, dan mikrokontroler Arduino UNO. Pengujian perangkat dilakukan dengan memasang stetoskop baik pada dada maupun punggung subjek untuk menangkap sinyal denyut jantung. Setelah itu, sinyal denyut jantung dikirim ke mikrofon elektret yang dilengkapi rangkaian pre-amplifier dengan penguatan sebesar 100 kali. Sinyal detak jantung yang masih terdapat noise selanjutnya diproses oleh pengkondisi sinyal yang terdiri dari buffer, filter frekuensi cut-off sebesar 0,48Hz dan 1,59Hz dan amplifier. Sinyal denyut jantung yang keluar dari rangkaian pengkondisi sinyal diproses dengan mikrokontroler Arduino UNO R3 dan ditampilkan pada LCD dalam beat per minute BPM.

---

Prematurity is one of the factors of infant mortality. Risks that may occur due to prematurity are bradycardia and tachycardia, where there are abnormalities in the frequency of heart rate. Therefore it is necessary to monitor the heartbeat in real time. In this research is discussed about building a heart rate monitoring device in real time and continuous by utilizing stethoscope. This device is composed of stethoscope, electro condenser microphone, signal conditioning circuit, and Arduino UNO microcontroller.

The experiment is done by installing a stethoscope both on the subject 39 s chest and back to capture the heartbeat signal. After that, the heartbeat signal is sent to an electro microphone equipped with a pre amplifier circuit with a gain of 100 times. The remaining heartbeat signal is then processed by signal conditioners consisting of buffers, filters cut off frequencies of 0.48Hz and 1.59Hz and amplifiers. The heartbeat signal coming out of the signal conditioning circuit is processed by Arduino UNO R3 microcontroller and displayed on the LCD in beat per minute BPM."

"Jaringan thin client merupakan pengembangan konsep pemberdayaan jaringan komputer lokal berbasis Green ICT. Model jaringan dumb terminal dan diskless merupakan dua model jaringan thin client yang dikenal saat ini. Model jaringan dumb terminal dan diskless menawarkan penghematan konsumsi daya dan upaya pendukung teknologi ramah lingkungan. Tulisan ini membahas tentang kinerja jaringan dumb terminal dan diskless untuk melayani aktivitas pengguna dengan aplikasi multimedia yang banyak dimanfaatkan pengguna saat ini. Hasil pengujian menunjukkan bahwa sistem jaringan diskless memiliki kinerja lebih baik dibandingkan jaringan dumb terminal untuk mengoperasikan aplikasi multimedia. Hal ini ditunjukkan bahwa jaringan diskless mampu menghemat penggunaan sumber daya hingga 30,78 % untuk konsumsi CPU dan 12,16 % untuk konsumsi memori serta memiliki intensitas komunikasi data hingga 15,17 % lebih besar dibandingkan dengan jaringan dumb terminal.

---

Thin client network is a development concept of Local Area Network (LAN) deployment based on Green ICT. Dumb terminal network and diskless network are two well known of thin client network model. Dumb terminal network and diskless network offer saving power consumption and "Green" technology effort. This paper discuss about dumb terminal network and diskless network performance to server user activities with multimedia application that well known around many people now.

Experiment result show that diskless network system performance is better than dumb terminal network system to operate multimedia application. It show that diskless network can save resource usage up to 30.78 % of CPU usage and up to 12,16 % of memory usage and also has data transfer intensity up to 15.17 % that is bigger than dumb terminal network."

"Skripsi ini bertujuan membuat sistem untuk memantau kondisi jantung manusia secara nirkabel dengan menggunakan antenna teksil yang mempunayi frekuensi kerja 2,45 GHz. Sistem ini terdiri dari pemancar (transmitter) dan penerima (receiver) Hasil rancangan sistem komunikasi ini telah diuji dengan menggunakan scenario pengujian untuk komunikasi on-body dan komunikasi off-body yang dilakukan di Laboratorium Telekomunikasi FTUI. Untuk proses validasi data, hasil pembacaan oleh sistem telah dibandingkan dengan uji klinis laboratorium yang dilakukan pada Raditya Medical Centre. Hasil pembacaan sistem mempunyai bentuk yang mirip dengan hasil uji klinis EKG. Perbedaan bentuk EKG yang diperoleh terjadi pada variasi besarnya amplitudo yang didapatkan, hal ini disebabkan oleh terdapatnya Electromagnetical Interference disaat pengujian sistem dan kurang merekatnya kontak yang terjadi antara elektroda dengan kulit subjek.

---

This bachelor thesis is aimed to design wireless ECG system for heart monitoring using a textile antenna at 2.45 GHZ of ISM band. The system constructed by two main sub-systems, the transmitter and receiver. System has been tested using several off-body and on-body measurement scenarios at Telecommunication Laboratory FTUI. For data's verification, the system?s result has been compared with clinical trials at Raditya Medical Centre.

The result show that the shape of the received ECG signals is precisely similar with the clinilal ECG signal, although some various amplitude occurs between three consecutive pulses. The differences between received single and clinical trials are caused by the electrodes are not tightly coupled to the patient and Electromagnetic intereference is occured when the system is being tested."

"Pemantauan keadaan dan kesehatan janin selama kehamilan sangat penting untuk mendeteksi komplikasi dan mengurangi angka bayi lahir mati. Fetal elektrokardiogram (FEKG) dapat digunakan untuk memonitor aktivitas jantung janin. Namun, pengembangan aplikasi FEKG yang memvisualisasikan dan menginterpretasikan data masih terbatas. Penelitian ini mengembangkan aplikasi FEKG berbasis Bluetooth menggunakan MIT App Inventor. Aplikasi FECG_App berhasil dikembangkan untuk telepon genggam Android versi 11 ke atas. Simulator FEKG menggunakan mikrokontroler ESP32 untuk mengirim data melalui Bluetooth. Aplikasi ini memiliki jarak operasional maksimal 10 meter dengan error pemetaan sinyal FEKG rata-rata sebesar 1,85%. Pengembangan aplikasi ini dapat membantu tenaga medis dan ibu hamil dalam memonitor pertumbuhan janin secara mudah

---

Monitoring the condition and health of the fetus during pregnancy is crucial for detecting complications and reducing stillbirth rates. Fetal electrocardiogram (FECG) can be used to monitor the fetal heart activity. However, the development of FECG applications that visualize and interpret data is still limited. This study focuses on developing a Bluetooth-based FECG application using MIT App Inventor. The FECG_App was successfully developed for Android mobile phones version 11 and newer. The FECG simulator uses an ESP32 microcontroller to transmit data via Bluetooth. The application has a maximum operational range of 10 meters with an average FEKG signal mapping error of 1.85%. This application's development can assist healthcare professionals and expectant mothers in easily monitoring fetal growth."

"

Investasi untuk alat-alat di ruang ICU, ICCU, PICU dan NICU menjadi sebuah masalah tersendiri di mana total keseluruhan per ruangannya membutuhkan biaya yang sangat mahal. Di tambah dengan fasilitasnya sendiri yang masih belum merata di Indonesia. Pembuatan Purwarupa Patient Health Monitor 3 Parameter ini bertujuan mempermudah diagnosa pihak medis dan menekan biaya investasi tadi.

Parameter yang dipilih pada patient monitor ini sendiri yakni detak jantung, SpO₂, dan suhu tubuh. Pemilihannya di dasarkan pada kebutuhan pihak medis. Dan aturan klinis terkait medis pun juga perlu di kumpulkan. Metodologi nya sendiri meliputi durasi, tatacara dan tindakan medis. Di tambah dengan upaya mencari tahu tentang garis besar prosedur yang dijalankan di rumah sakit. Runutan program nya pun juga sangat berkaitan erat dengan scheduling dan time execution guna memastikan total waktu keseluruhan tidak melebihi durasi yang telah di tetapkan.

---

The investment in equipment in the ICU, ICCU, PICU and NICU is a separate problem where the total cost per room is very expensive. Not to mention the facilities are still not evenly distributed in Indonesia. The Prototype of Patient Health Monitor 3 parameter aims to simplify the medical diagnosis and reduce investment cost.

The parameters chosen in this patient monitor are heart rate, SpO₂, and body temperature. The selection is based on the needs of the medical party. And clinical medical rules also need be collected. The methodology itself includes the duration, procedures and medical actions; also finding out the main outline procedure in the hospital. The program is also closely related to scheduling and time execution to ensure that the overall time does not exceed the specified duration.

"

"Latar belakang: Pasien sindom koroner akut (SKA) dengan gejala ansietas berisiko mengalami luaran negatif yang dimediasi oleh disfungsi otonom yang dapat dinilai dengan variabilitas denyut jantung (VDJ). Penurunan VDJ ditemukan baik pada pasien SKA maupun ansietas. Penelitian ini bertujuan untuk mengetahui perbedaan nilai VDJ pada pasien SKA dengan gejala ansietas dibandingkan dengan tanpa gejala ansietas dan menentukan korelasi antara nilai VDJ dengan gejala ansietas. Metode: Penelitian ini merupakan studi potong lintang. Subjek penelitian diambil dari data penelitian utama pada pasien SKA yang dirawat di ruang intensif rawat jantung RSCM periode April-September 2021 secara total sampling. Gejala ansietas dinilai dengan kuesioner. Hospital Anxiety and Depression Scale (HADS). Data VDJ yang diambil adalah domain waktu (SDNN, RSSMD) dan frekuensi (LF, HF, rasio LF/HF). Uji Mann-Whitney dilakukan untuk perbedaan nilai VDJ antara subjek dengan gejala ansietas dibanding tanpa gejala ansietas, uji Spearman untuk korelasi antara nilai VDJ dengan gejala ansietas, dan analisis multivariat untuk faktor perancu. Hasil: Tujuh puluh subjek SKA yang dilibatkan terdiri dari 23 subjek dengan gejala ansietas dan 47 subjek tanpa gejala ansietas. Tidak didapatkan perbedaan nilai VDJ (SDNN, RMSSD, LF, HF, rasio LF/HF) antara subjek dengan gejala ansietas dibanding tanpa gejala ansietas secara statistik. Setelah mengontrol variabel perancu, gejala ansietas memiliki korelasi dengan SDNN (r = -0,563; p<0,001) yang dipengaruhi oleh usia (p<0,004); sementara nilai LF (r = -0,63; p< 0,001) dipengaruhi oleh usia (p = 0,007) dan penyekat beta (p = 0,030). Kesimpulan: Tidak didapatkan perbedaan nilai VDJ antara pasien SKA dengan gejala ansietas dibanding tanpa gejala ansietas yang bermakna secara statistik, namun terdapat penurunan nilai SDNN, HF, dan rasio LF/HF pada kelompok dengan gejala ansietas yang lebih besar. Terdapat korelasi antara nilai VDJ (SDNN dan LF) dengan gejala ansietas pada pasien SKA.

---

Background: Acute coronary syndrome (ACS) patients with anxiety symptoms are at high risk of developing poor outcomes mediated by autonomic dysfunction that can be assessed with heart rate variability (HRV). Reductions in HRV are reported not only in ACS but also in anxiety. This study aims to compare HRV of ACS subjects with and without anxiety and to determine the correlation between HRV and anxiety symptoms.

Methods: This research is a cross-sectional study. The study subjects were taken from the primary research data of ACS patients treated at the ICCU of RSCM from April to September 2021 by total sampling. Anxiety symptoms are assessed with Hospital Anxiety and Depression Scale (HADS) questionnaire. HRV analysis consist of time (SDNN, RSSMD) and frequency (LF, HF, LF/HF ratio) domain. Data were analyzed using Mann- Whitney test for differences in HRV between ACS subjects with anxiety symptoms compared to those without anxiety symptoms, Spearman's test for the correlation between HRV and anxiety symptoms, and multivariate analysis for confounding factors.

Results: Seventy ACS subjects involved consisted of 23 subject with anxiety symptoms and 47 without anxiety symptoms. There was no statistical difference in comparison of HRV (SDNN, RMSSD, LF, HF, LF/HF ratio) between anxiety symptoms compare to those without anxiety symptoms. After controlling for confounding variables, SDNN has a correlation with anxiety symptoms (r = -0,563; p<0,001) which was influenced by age (p<0,004); while the LF has a correlation (r = -0,63; p< 0,001) which are influenced by age (p = 0,007) and beta blockers (p = 0,030).

Conclusion: There was no significant difference in HRV values (SDNN, RMSSD, LF, HF, ratio LF/HF) between ACS patients with anxiety symptoms compared to those without anxiety symptoms. There was a correlation between HRV (SDNN and LF) and anxiety symptoms. "

"Latar belakang : Major Adverse Cardiac Events (MACE) merupakan penyebab utama meningkatnya mortalitas pada pasien ST-Elevasi Miokard Infark (STEMI) yang menjalani intervensi koroner perkutan primer (IKPP). Identifikasi faktor prediktor yang mempengaruhi terjadinya MACE selama perawatan diharapkan dapat meningkatkan perawatan dan luaran klinis dari pasien STEMI. Penelitian ini bertujuan untuk mengetahui faktor prediktor MACE selama perawatan pada pasien STEMI yang dilakukan IKPP di RSCM.Metode : Studi kohort retrospektif dengan menelusuri rekam medis pasien yang menjalani IKPP di RSCM periode Januari 2015-Maret 2020. Dilakukan analisa bivariat antara faktor prediktor usia, status merokok, hipertensi, diabetes mellitus, penyakit ginjal kronik, time-to-treatment, kelas killip, fraksi ejeksi ventrikel kiri (FEVK) dan kadar kolesterol LDL dengan kejadian MACE selama perawatan pada pasien STEMI yang menjalani IKPP, menggunakan metode Chi-square. Analisa multivariat dan analisa model prediksi dilakukan dengan metode regresi logistik terhadap variabel dengan nilai p= <0,25 pada analisa bivariat.Hasil : Didapatkan subyek sebanyak 291 pasien untuk diteliti. Major Adverse Cardiac Events selama perawatan didapatkan sebesar 43,3% dengan usia >60 tahun (29,6%), status merokok (61,2%), hipertensi (50,9%), diabetes mellitus (36.1%), penyakit ginjal kronik (6,2%), kelas Killip II-IV (32,2%), FEVK > 50% (57%) dan kadar kolesterol LDL > 100 mg/dl (79,4%). Median time-to-treatment didapatkan sebesar 528 (379-730) menit. Usia, kelas killip dan FEVK mempengaruhi kejadian MACE selama perawatan dengan OR (IK 95%) masing-masing 2,15 (1,22-3,79), 4,34 (2,49-7,56) dan 2,88 (1,72-4,82). Model prediksi MACE selama perawatan pada pasien STEMI yang menjalani IKPP memiliki nilai area under curve (AUC) 0,729 (IK 95% 0,67-0,78).Kesimpulan : Major Adverse Cardiac Events (MACE) selama perawatan pada pasien STEMI yang menjalani IKPP sebesar 43,3%, yang dipengaruhi oleh usia, kelas killip dan FEVK.

---

Introduction: Major Adverse Cardiac Events (MACE) is the main causes to increase mortality on ST-Elevation Myocardial Infarction (STEMI) patients who undergo Primary Percutaneous Coronary Intervention (PPCI). In-hospital MACE inducing factor predictors identification is expected to enhance STEMI patients’ care and outcome. This study aims to identify in-hospital MACE factor predictors on STEMI patients with PPCI treatment at RSCM.

Method: Restropective cohort study by tracing medical record on patients with PPCI treatment at RSCM during January 2015 - March 2020. Chi-squared bivariate analysis concluded between predictor factors; age, smoking, hypertension, diabetic mellitus, chronic kidney disease, time-to-treatment, killip class, left ventricle ejection fraction (LVEF) and LDL cholesterol level. Logistic regression is used on multivariat and prediction model analysis on variables with p=<0,25 in bivariate analysis.

Result: This study involves 291 patient subjects. During this study, the occurance of MACE is 43.3% on patients age > 60 years (29,6%), smoking (61,2%), hypertension (50,9%), diabetes mellitus (36,1%), chronic kidney disease (6,2%), killip class II-IV (32,2%), LVEF > 50% (57%) dan cholesterol LDL level > 100 mg/dl (79,4%). Median time-to-treatment is 528 (379-730) minutes. Age, killip class, and LVEF influences in-hospital MACE during PPCI with OR (95% CI) consecutively are 2,15 (1,22-3,79), 4,34 (2,49-7,56) and 2,88 (1,72-4,82). MACE prediction model in this study produces area under curve (AUC) 0,729 (95% CI 0,67-0,78).

Conclusion: In-hospital MACE on STEMI patient after PPCI occurance is 43.3%, influenced by age, killip class, and LVEF."