Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penelitian ini dilakukan untuk memvalidasi Coefficient of Variation sebagai alat ukur yang memenuhi kriteria uji Goodness of Fit dengan menggunakan prosedur uji analisis sensitivitas yaitu Morris dan Fourier Amplitude Sensitivity Test (FAST) sebagai pembanding. Penelitian ini dilakukan dengan bantuan perangkat lunak MATLAB® vR2020b dan GraphPad Prim 8 menggunakan data sekunder berupa data farmakokinetik 63 pasien yang melakukan terapi radiomolekuler ginjal dengan menggunakan radiofarmaka 177Lu-PSMA-617. Pengujian diawali dengan seleksi model terbaik dari hasil fitting 12 fungsi SOE menggunakan pemodelan NLME yang memenuhi kriteria Goodness of Fit (visualisasi grafis dan %CV) dan seleksi model AICc. Selanjutnya melakukan analisis sensitivitas parameter dari masing-masing fungsi fitting menggunakan metode Morris dan FAST sebagai pembanding. Diperoleh final model dari hasil analisis sensitivitas sama dengan final model yang memenuhi kriteria seleksi model Goodness of Fit dan AICc yaitu fungsi f6a. Dari hasil penelitian ini, diperoleh korelasi %CV dengan indeks sensitivitas uji Morris dan FAST penting dalam seleksi model dilihat dari koefisien gradien fungsi fitting yang memiliki korelasi positif yaitu pada fungsi f5a, f6b dan f6d. Pada penelitian ini, fungsi fitting f6d terpilih sebagai threshold karena memiliki hubungan positif secara statistik menggunakan regresi linier dan tidak memenuhi batas acceptable %CV<50%. Disimpulkan pada penelitian ini bahwa %CV masih menjadi parameter estimasi penting kriteria Goodness of Fit dalam seleksi model berdasarkan hasil analisis dari uji sensitivitas.

---

This study was conducted to validate the Coefficient of Variation as a measuring instrument that meets the Goodness of Fit test criteria by using sensitivity analysis test procedures, namely Morris and Fourier Amplitude Sensitivity Test (FAST) as comparisons. This study was conducted with the help of MATLAB® vR2020b and GraphPad Prim 8 software using secondary data in the form of pharmacokinetic data of 63 patients who underwent renal radiomolecular therapy using radiopharmaceutical 177Lu-PSMA-617. The test begins with the selection of the best model from the results of fitting 12 SOE functions using NLME modeling that meets the Goodness of Fit criteria (graphic visualization and %CV) and AICc model selection. Next, perform parameter sensitivity analysis of each fitting function using the Morris and FAST methods as a comparison. The final model obtained from the results of sensitivity analysis is the same as the final model that meets the selection criteria of the Goodness of Fit and AICc models, namely the f6a function. From the results of this study, the correlation of %CV with the sensitivity index of the Morris test and FAST is important in model selection seen from the gradient coefficient of the fitting function which has a positive correlation, namely f5a, f6b and f6d. In this study, the fitting function f6d was chosen as the threshold because it has a statistically positive relationship using linear regression and does not meet the acceptable limit of %CV<50%. It was concluded in this study that %CV is still an important estimation parameter of Goodness of Fit criteria in model selection based on the results of analysis from sensitivity tests."

"Estimasi yang akurat dari time-integrated activity coefficient (TIAC) ginjal diperlukan untuk optimisasi terapi. Berdasarkan penelitian sebelumnya, prosedur seleksi model berbasis populasi terbukti baik untuk estimasi ini. Penelitian ini menerapkan uji sensitivitas untuk melihat validitas dari persen coefficient-of-variation (%CV) yang digunakan sebagai alat ukur goodness-of-fit (GoF) pada tahapan seleksi model untuk kasus radioterapi molekuler. Data farmakokinetik populasi dari 63 pasien terapi radioligand 177Lu-PSMA-617 digunakan. Dilakukan fitting untuk 12 fungsi sums of exponential (SOE) dengan pemodelan NLME terhadap data seluruh pasien. Seleksi model dilakukan dengan uji GoF (inspeksi visual dan %CV) serta pembobotan Akaike. Uji Variance-Based Sensitivity Analysis (VBSA) dijalankan untuk model setiap fungsi dengan Fourier Amplitude Sensitivity Test (FAST) sebagai pembanding. Hasil VBSA dan FAST sama-sama menunjukkan signifikansi statistik pada arah hubungan yang positif antara indeks sensitivitas dan %CV parameter pada fungsi f6d (gradien = 4,86×10-5 (± 0,91×10-5)) dan f7a (gradien = 3,00×10-2 (± 0,30×10-2)). Hasil tersebut mendukung seleksi model. Model final terbaik yang diperoleh adalah fungsi f6a(t) = A1 exp(-(1 + phys)t) +A2 exp(-(2 + phys)t) − A3 exp(-(3 + phys)t) − (A1 + A2− A3) exp(-(bc + physt). Didapatkan estimasi TIAC ginjal (54,62 ± 23,62) menit. Dengan demikian, penggunaan %CV dalam seleksi model menunjukkan validitas yang didukung oleh uji sensitivitas.

---

Accurate estimation of the kidney time-integrated activity coefficient (TIAC) is required for therapy optimization. Based on previous studies, a population-based model selection procedure has proven to be good for this estimation. This study applied a sensitivity test to see the validity of the percent coefficient-of-variation (%CV) used as a goodness-of-fit (GoF) measure in the model selection process for molecular radiotherapy cases. Population pharmacokinetic data from 63 patients treated with the radioligand 177Lu-PSMA-617 were used.

The fitting of 12 sums of exponential (SOE) functions with NLME modeling was performed on all patients' data. Model selection was performed using the GoF test (visual inspection and %CV) and the Akaike weighting. The Variance-Based Sensitivity Analysis (VBSA) was run for each function model with Fourier Amplitude Sensitivity Test (FAST) as a comparison.

Both VBSA and FAST results showed statistical significance of positive correlation between sensitivity indices and %CVs of parameters in function f6d (slope = 4.86×10-5 (± 0.91×10-5)) and function f7a (slope = 3.00×10-2 (± 0.30×10-2)). The results here supported the model selection. The best final model found was the function f6a(t) = A1 exp(-(1 + phys)t) + A2 exp(-(2 + phys)t) − A3 exp(-(3 +phys)t) − (A1 + A2 − A3) exp(-(bc + phys)t). From this model, an estimated kidney TIAC of (54.62 ± 23.62) minutes was obtained. Thus, the use of %CV in model selection shows validity supported by the sensitivity test."

"Dosimetri berbasis pengukuran pencitraan single-time-point (STP) diperlukan dalam terapi radionuklida untuk mengurangi beban kerja dan beban pasien. Meski demikian, metode untuk menghitung simpangan baku dari time-integrated activity coefficient (TIAC) individu dari metode STP belum pernah dilaporkan dalam literatur. Studi ini bertujuan untuk memperkenalkan metode menggunakan Bayesian fitting (BF) untuk menghitung SB TIAC individu dalam dosimetri STP, serta menganalisis penggunaan data biokinetik dari populasi yang berbeda. Data biokinetik 177Lu-DOTATATE ginjal dari tujuh pasien yang diukur menggunakan SPECT/CT pada empat titik waktu diperoleh dari PMID33443063. Persamaan fitting menggunakan fungsi mono eksponensial. Bayesian fitting dengan metode varians relatif (BFr) dan varians absolut (BFa) digunakan untuk memperoleh TIAC kalkulasi (cTIAC) dari dosimetri STP. Performa metode STP dinilai melalui deviasi relatif (RD) antara cTIAC dengan rTIAC. Akurasi cTIAC dari metode BF dibandingkan terhadap akurasi metode STP dari studi Hänscheid. Data biokinetik 111In-DOTATATE dari PMID26678617 dilakukan crossed dan combined dengan data PMID33443063 untuk dianalisis perbedaannya dengan data awal (origin). Inspeksi visual dari fitting ATP menunjukkan hasil yang baik dengan CV dari parameter fitting <50%. Nilai RMSE dari %RD cTIAC untuk BFr, BFa dan metode Hänscheid masing-masing yaitu: 26.2%; 9.3%; dan 8.5%. SB dari cTIAC lebih besar dari rTIAC pada sebagian besar pasien. Nilai RMSE dari %RD untuk BF origin, crossed, dan combined masing-masing yaitu: 20.26%; 26.48%; dan 21.11%. Kesimpulannya, penelitian ini memperkenalkan metode BF untuk menghitung SB dari TIAC individu dalam dosimetri STP dengan tingkat akurasi yang baik. Penggunaan data populasi dari jenis radiofarmaka yang berbeda melalui metode combined tidak signifikan dalam mempengaruhi akurasi dosimetri STP. Metode BF dapat digunakan sebagai metode alternatif untuk analisis ketidakpastian dalam dosimetri STP.

---

Dosimetry method based on single-time-point (STP) imaging measurement is desirable in radionuclide therapy to reduce the workload and patient burden. Nevertheless, a method to calculate the standard deviation (SD) of the individual time-integrated activity coefficient (TIAC) from the STP method has never been reported in the literature. Therefore, this study aims to present a method based on the Bayesian fitting (BF) framework to calculate the SD of individual TIAC in the STP dosimetry, and to analyze the use of biokinetic data from different populations. Biokinetic data of 177Lu-DOTATATE in kidneys from seven patients measured by SPECT/CT at four-time points were obtained from PMID33443063. The mono exponential function was used for fitting. BF with relative (BFr) and absolute-based (BFa) variance methods were used to obtain the calculated TIACs (cTIACs) from the STP dosimetry. Performance of the STP method with BF methods was obtained by calculating the relative deviation (RD) between cTIACs and rTIACs. The accuracy of the cTIACs from the BF methods was compared to the accuracy of cTIACs from the STP method reported by Hänscheid. The 111In-DOTATATE biokinetic data from PMID26678617 were crossed and combined with PMID33443063 data to analyze the difference with the origin data. The visual inspection of ATP fittings showed a good fit for all patients with a CV of the fitted parameters <50%. The RMSE of cTIAC’s were 26.2% for BFr; 9.3% for BFa; and 8.5% for Hänscheid. The SD from cTIACs was greater than the rTIACs in most of the patients. The RMSE of %RD for BF origin, crossed, and combined were: 20.26%; 26.48%; and 21.11%, respectively. To conclude, this study introduces the BF method to calculate the SD of individual TIACs in STP dosimetry with good accuracy. The use of population data from different types of radiopharmaceuticals through the combined method did not significantly affect the accuracy of STP dosimetry. The BF method can be used as an alternative method for uncertainty analysis in STP dosimetry."

"Dalam teori pengujian hipotesis Neyman-Pearson, keefisienan dari suatu uji hipotesis dinilai dari kekuatannya (power) dalam menolak hipotesis null (H0 ). Untuk mendapatkan bentuk power function dari pengujian perlu diketahui bentuk distribusi statistik uji di bawah hipotesis alternatif H1. Dalam uji chi square goodness of fit, bentuk distribusi statistik uji di bawah hipotesis alternatif H1 adalah distribusi noncentral chi square. Setelah power function dari uji chi square goodness of fit diperoleh maka nilai power untuk setiap nilai hipotesis H1 dapat ditentukan.Power dari suatu uji hipotesis tergantung dari tiga buah faktor, yaitu : tingkat signfikansi alpha, ukuran sampel, dan besar efek (effect size). Analisis power mempelajari hubungan di antara faktor-faktor tersebut dengan tujuan untuk mendapatkan suatu keseimbangan yang tepat di dalam sebuah pengujian hipotesis.Melalui suatu analisis power dalam sebuah pengujian hipotesis maka seorang penguji dapat menyusun suatu bentuk rancangan pengujian yang efektif dan efisien melalui pemilihan spesifikasi pengujian yang optimal. Kata Kunci : distribusi chi square; distribusi noncentral chi square; effect size; parameter noncentral; power; power function; transformasi ortogonal; uji chi square goodness of fit."

"Metode Bayesian memungkinkan kita mampu memperhitungkan nilai ketidakpastian dari hasil perhitungan berdasarkan data pengukuran OTP. Adanya nilai ketidakpastian dalam pengukuran menunjukkan bahwa nilai pengukuran tersebut memiliki tingkat kepercayaan tertentu. Adapun tujuan dari penelitian ini untuk mengetahui tingkat akurasi dari model OTP dengan menggunakan metode bayesian, dan untuk mengetahui ketidakpastian dari model OTP dengan fitting menggunakan metode bayesian. Data yang digunakan adalah data biokinetik organ ginjal berupa data aktivitas pada waktu tertentu dari 8 pasien NETs dengan peptide receptor radionuclide therapy (PRRT) menggunakan ¹⁷⁷Lu-DOTATATE. Data di-fitting menggunakan metode Bayesian menggunakan tiga persamaan matematis yaitu f1,f2 dan f3. Selanjutnya dilakukan perhitungan nilai TIAC untuk empat titik data yang kemudian disebut RTIAC dan nilai TIAC dari setiap satu titik data yang disebut CTIAC. Tingkat akurasi nilai TIACs hasil pengolahan menggunakan persamaan matematis f1,f2 dan f3 relatif baik dengan nilai %RD secara populasi untuk f1 ginjal gabung sebesar 10,17±8.53, %RD f1 ginjal pisah sebesar 12,89 ± 6,93, %RD f2 sebesar 11,31 ± 9,34, dan %RD f3 sebesar 23,42 ± 19,86. Selain itu ketidakpastian perhitungan nilai TIACs di analis berdasarkan CV (median[min,max]) dengan nilai CV CTIACs untuk pengolahan menggunakan f1 ginjal gabung sebesar (33,48[32,15 , 34,70])%, CV f1 ginjal pisah sebesar (33,77[32,79 , 35,55])%, CV f2 sebesar (35,49[32,72 , 54,96])%, dan CV f3 sebesar (24,22[17,96 , 27,00])%.

---

The Byesian method allows us to be able to calculate the uncertainty value of the calculation results based on OTP measurement data. The existence of an uncertainty value in the measurement indicates that the measurement value has a certain level of confidence. The purpose of this study is to determine the level of accuracy of the OTP model using the bayesian method, and to determine the range of uncertainty of the OTP model with fittings using the bayesian method. The data used were biokinetic data in the form of activity data against time in the left kidney and right kidney from 8 patients. The patients were the NET patients with receptor radionuclide therapy (PRRT) using 177Lu-DOTATATE. The data was fitted with the Bayesian method using three mathematical equations f1, f2 and f3. Next, the TIAC value was calculated for four data points, which is then called RTIAC and the TIAC value for each data point was called CTIAC. The level of accuracy of the TIAC values ​​processed using the mathematical equations f1, f2 and f3 is relatively good with the %RD value in population for f1 kidney combined of 10.17±8.53, %RD for f1 kidney separated of 12.89 ± 6.93, %RD for f2 of 11.31 ± 9.34, and %RD for f3 of 23.42 ± 19.86. Meanwhile, the uncertainty in calculating the TIACs value was analyzed based on CV (median[min,max]) with the CV CTIACs value for processing using f1 kidney combined of (33.48[32.15, 34.70])%, CV f1 kidney separated of (33.77[32.79 , 35.55])%, CV f2 "