Hasil Pencarian  ::  Simpan CSV :: Kembali

"Pada tahun 2018, kanker prostat merupakan penyakit ganas kedua terbanyak pada pria secara global setelah kanker paru-paru. IDC-P merupakan varian agresif dari kanker prostat yang sering sering disalahinterpretasikan dengan proliferasi intraduktal seperti HGPIN yang dapat mempengaruhi perawatan pasien laki-laki pengidap kanker prostat. Teknik analisis spektroskopi Raman merupakan teknik molekuler berprospek untuk menganalisa jaringan biologis yang telah banyak digunakan dalam mencoba untuk mengidentifikasi berbagai macam jenis kanker. Sayangnya, spektroskopi Raman menghasilkan sinyal yang lemah dan mudah dipengaruhi oleh noise dan latar belakang floresens. Penelitian ini bertujuan untuk mengembangkan pipeline yang mencakup tahapan prapengolahan dan klasifikasi terhadap spektra Raman dari spesies IDC-P dan HGPIN untuk mendapatkan hasil metrik evaluasi yang optimal. Tujuan ini dicapai dengan menemukan nilai parameter optimal pada tahapan prapengolahan (smoothing, baseline correction, normalisasi), dan klasifikasi untuk menghasilkan hasil klasifikasi yang terbaik. Dihasilkan sebuah pipeline yang mencakup tahapan prapengolahan dan klasifikasi dengan kemampuan untuk meng- hasilkan hasil evaluasi metrik yang tinggi untuk metrik evaluasi F1 Test, accuracy, dan AUC-ROC masing-masing bernilai : 98.8%, 97.9%, dan 98.8%. Berdasarkan hasil anali- sis ANOVA, ditemukan bahwa perbedaan pada parameter window length dan polynomial order pada tahapan Savitzky-Golay smoothing tidak memiliki signifikansi terhadap hasil evaluasi metrik (p > 0.05). Sebaliknya, metode baseline correction beserta nilai polynomial degree yang berbeda cenderung memberikan signifikansi ke hasil evaluasi metrik (p < 0.05).

---

In 2018, prostate cancer was the second most common malignant disease in men globally, following lung cancer. IDC-P is an aggressive variant of prostate cancer often misinterpreted as intraductal proliferation like HGPIN, which can impact the treatment of male patients with prostate cancer. Raman spectroscopy analysis is a promising molecular technique for analyzing biological tissues and has been extensively used in attempts to identify various types of cancer. Unfortunately, Raman spectroscopy produces weak signals that are easily influenced by noise and fluorescent backgrounds. This research aims to develop a pipeline that includes preprocessing and classification stages for Raman spectra of IDC-P and HGPIN species to achieve optimal evaluation metric results. This goal is achieved by finding the optimal parameter values in preprocessing stages (smoothing, baseline correction, normalization) and classification to produce the best classification results. A pipeline was created that includes preprocessing and classification stages capable of producing high evaluation metric results for the F1 Test, accuracy, and AUC-ROC metrics, respectively valued at 98.8%, 97.9%, and 98.8%. Based on ANOVA analysis, it was found that differences in the ’window length’ and ’polynomial order’ parameters in the Savitzky-Golay smoothing stage do not significantly affect the evaluation metric results (p > 0.05). Conversely, the baseline correction method and different ’polynomial degree’ values tend to significantly impact the evaluation metric results (p < 0.05)."

"ABSTRAKPada makalah ini akan dikemukakan pengobatan radiasi pada karsinoma prostat, dengan suatu laporan retrospektif pengeobatan radiasi pada pasien yang dikirim ke Unit Radioterapi RSCM/FKUI selama periode Januari 1982 sampai dengan Desember 1986.Kesimpulannya adalah: (1). Penderita karsinoma prostat yang datang berobat ke Subbagian Radioterapi RSCM/FKUI pada umumnya sudah berada pada stadium lanjut, (2). Limfografi penting bukan saja untuk diagnostik tetapi juga dalam hal penanganan terapi, (3). Pengobatan radiasi yang diberikan pada karsinoma prostat umumnya merupakan radiasi pasca bedah, (3). Perlu disusun protokol pengobatan karsinoma prostat."

"Kanker prostat merupakan masalah kesehatan yang umum terjadi pada pria di seluruh dunia. Diagnosis dini dan akurat sangat penting untuk pengobatan yang efektif. Spektroskopi Raman (RμS) menawarkan teknik yang menjanjikan untuk menganalisis sampel jaringan dan berpotensi membedakan antara jaringan prostat jinak dan ganas. Studi ini menyelidiki kemanjuran algoritma Machine Learning dalam mengklasifikasikan kanker prostat menggunakan data RS dari spesimen biopsi. Data Spektrum Raman yang digunakan berasal dari penelitian di Kanada yang dikumpulkan dari tiga kelompok Cohort yakni Centre Hospitalier de l’Universit´e de Montr´eal (CHUM) sebagai Cohort training, serta University Health Network (UHN) dan Centre Hospitalier de l’Universite de Montreal (CHUQc-UL) sebagai Cohort testing. Spektrum ini, yang mewakili komposisi kimia jaringan (Raw Spectra), digunakan untuk training dan model evaluation Machine Learning.Untuk membantu menganalisis komposisi kimia data RμS yang akurat, diperlukan algoritma Machine Learning dalam mengklasifikasikan BPH dan PC. Dua algoritma yang digunakan adalah Support Vector Machine (SVM) dan Extreme Gradient Boosting (XGBoost). Data RμS dilakukan training dan testing menggunakan data yang berbeda yang menghasilkan nilai metrik klasifikasi dari dua algoritma yang dibandingkan dalam mengklasifikasikan sampel BPH atau PC. Ternyata, algoritma XGBoost memiliki kemampuan klasifikasi yang kurang unggul daripada SVM, hal ini dibuktikan dengan SVM memiliki rata-rata Akurasi sebesar 83,3%, Sensitivitas sebesar 96.,7%, Spesifisitas sebesar 46,4%, F1-Score sebesar 98,1%, dan ROC-AUC sebesar 87,7%. Sementara, XGBoost menunjukkan Akurasi sebesar 78%, Sensitivitas sebesar 80%, Spesifisitas sebesar 75%, F1-Score sebesar 78%, dan ROC-AUC sebesar 85%.Selain itu kedua algoritma juga bisa menentukan titik Feature Importance pada grafik Spektra Raman, yang ditunjukkan dengan beberapa fitur vibrasi molekul untuk BPH dan PC berdasarkan algoritma SVM dan XGBoost, yakni 720 cm−1, 828 cm−1, dan 931 cm−1 sebagai karakteristik jaringan BPH, dan 1.431 cm−1 dan 1.470 cm−1 sebagai jaringan PC.

---

Prostate cancer is a common health problem in men worldwide. Early and accurate diagnosis is essential for effective treatment. Raman spectroscopy (RμS) offers a promising technique to analyze tissue samples and potentially differentiate between benign and malignant prostate tissue. This study investigated the efficacy of a Machine Learning algorithm in classifying prostate cancer using RS data from biopsy specimens. The Raman Spectrum data used were from a Canadian study collected from three cohort groups, namely the Centre Hospitalier de l’Universit´e de Montr´eal (CHUM) as the training Cohort, and the University Health Network (UHN) and Centre Hospitalier de l’Universit´e de Montreal (CHUQc-UL) as the testing Cohort. This spectrum, which represents the chemical composition of the tissue (Raw Spectra), is used for training and model evaluation Machine Learning.

To help analyze the chemical composition of accurate RμS data, a Machine Learning algorithm is needed to classify BPH and PC. The two algorithms used are Support Vector Machine (SVM) and Extreme Gradient Boosting (XGBoost). The RμS data is trained and tested using different data that produces classification metric values from the two algorithms that are compared in classifying BPH or PC samples. It turns out that the XGBoost algorithm has a classification capability that is less superior than SVM, this is evidenced by SVM having an average Accuracy of 83.3%, Sensitivity of 96.7%, Specificity of 46.4%, F1-Score of 98.1%, and ROC-AUC of 87.7%. Meanwhile, XGBoost showed Accuracy of 78%, Sensitivity of 80%, Specificity of 75%, F1-Score of 78%, and ROC-AUC of 85%. In addition, both algorithms can also determine the Feature Importance point on the Raman Spectra graph, which is indicated by several molecular vibration features for BPH and PC based on the SVM and XGBoost algorithms, namely 720 cm−1, 828 cm−1, and 931 cm−1 as characteristics of BPH tissue, and 1.431 cm−1 and 1.470 cm−1 as PC tissue."

"Pembesaran Prostat Jinak ( PPJ ) merupakan penyakit yang tersering kedua di klinik urologi di Indonesia setelah batu saluran kemih. Penyakit ini mengenai laki-laki terutama mulai dari dekade kelima dan prevalensinya meningkat dengan makin bertambahnya umur. Gejala pada PPJ berhubungan dengan meningkatnya jumlah sel-sel epitel dan peningkatan tonus otot polos yang berada pada kelenjar prostat, leher kandung kemih dan kapsul prostat yang diatur oleh saraf otonom. Pada awalnya pembesaran prostat tersebut menekan uretra dan selanjutnya dapat mengalami herniasi ke dalam kandung kemih yang akhirnya dapat menyebabkan gangguan aliran kencing lebih lanjut.Ezz, et al melaporkan bahwa tidak ada hubungan antara gejala gangguan berkemih dengan besarnya volume prostat. Data dari Olmstead County Study of Urinary Symptoms and health Status Among Men mengemukakan bahwa terdapat hubungan yang signifikan antara besamya volume prostat dengan terjadinya gejala-gejala gangguan berkernih, pancaran urin dan kemungkinan terjadinya retensio urin pada pasien PPJ. Menurut data tersebut, pancaran urin maksimal yang rendah secara bermakna berhubungan dengan beratnya gejala gangguan berkemih dan besamya volume prostat.Penonjolan prostat ( protrusi ) ke dalam kandung kemih dapat diukur dengan ultrasonografi ( USG ) transabdominal. Menurut Poo terdapat korelasi antara tingkat protrusi prostat intravesika dengan beratnya obstruksi. Melihat adanya perbedaan di atas maka dilakukan penelitian mengenai hubungan antara kejadian retensi urin pada pasien PPJ dengan besarnya volume prostat dan tingkat protrusi prostat intravesikaAdapun maksud dan tujuan penelitian ini adalah untuk mengetahui berapa besarnya volume prostat yang dapat mempengaruhi terjadinya gangguan berkemih pada pasien PPJ dan adakah hubungan antara besarnya volume prostat dengan terjadinya retensi urin. Juga dievaluasi hubungan antara terjadinya retensi urin dengan protrusi prostat intravesika.PPJ adalah kelainan berupa kelenjar prostat yang mengalami hiperplasia terutama kelenjar periuretral. Jaringan prostat asli terdesak ke perifer menjadi kapsul bedah. Bila pembesaran tersebut mendesak ke arah luar dari uretra pars prostatika maka tidak menimbulkan gejala. Tetapi jika mendesak ke dalam uretra, akan menekan uretra dan menimbulkan gejala sumbatan saluran kencing bagian bawah. Pembesaran prostat dapat terjadi pada lobos medius sehingga menimbulkan penonjolan ( protrusi ) ke dalam kandung kemih yang dapat dideteksi dengan USG transabdominal. Protrusi prostat ini dapat mengganggu proses pengosongan urin di dalam kandung kemih pada waktu berkemih."

"Tujuan: Mengevaluasi secara prospektif keamanan dan efektifitas penyuntikan lidokain 1% periprostat pada biopsi prostat transrektal dengan bimbingan USG transrektal.Materi dan Metoda: sari 60 pasien yang dibiopsi prostat, dipilih secara random masing-masing 30 orang disuntikan lidokain 1% atau plasebo secara double-blind. Disuntikan 5 cc lidokain 1% atau Na CI 0,9% menggunakan jarum 22 dengan bantuan probe USG transrektal ke kumpulan syaraf dikedua sisi prostat. Nyeri yang dirasakan waktu biopsi dinilai dengan menggunakan skala nyeri "Visual Analogue Scale" (VAS) dan komplikasi yang terjadi setelah biopsi pada kedua grup. Skala nyeri dianalisa statistik menggunakan Student -T Test.Hasil: Skala nyeri waktu biopsi antara yang disuntikan lidokain 1% dibandingkan NaCl 0,9% berbeda secara bermakna dengan VAS (2,1 ± 1,3 dan 5,7 ± 1,7 p<0,05). Komplikasi setelah biopsi seperti nyeri, hematuri, hematochezia dan demam pada kedua perlakuan tidak memberikan perbedaan yang bermakna.Kesimpulan: Penyuntikan lidokain 1% periprostat merupakan metode mudah, aman dan efektif untuk mengurangi nyeri pada biopsi prostat.

---

Purpose : We prospectively evaluated the safety and efficacy of periprostatic 1 % lidocaine injection during transrectal prostate biopsy with transrectal ultrasound guided.Materials and Methods: A total of 60 consecutive patients undergoing prostate biopsy were randomized into 1% lidocaine and placebo groups using 0,9% sodium chloride of 30 each in double-blind fashion. A 2,5 ml dose of 1% lidocaine or 0,9% sodium chloride was injected via 22 gauge needle inserted through and guided by the transrectal ultrasound probe at the prostatic neurovasculer bundle on each side. Pain during biopsy was assessed using a 0 to 10 point linear visual analog pain scale and other complications (pain after biopsy, hematuria, hematochezia and fever) were recorded to determine whether there was a difference between those two groups. Statistical analysis of pain score was performed by using Student T-Test.Results : Pain scores were significantly lower in the periprostatic 1% lidocaine injection group compared to the placebo group (2.1 ± 1.3 versus 5.7 ±1.7 , p < 0.05 ). There was no significant difference in pain after biopsy, hematuria, hematochezia and fever rate among these two groups.Conclusions : Per iprostatic 1% lidocaine injection is a simple, safe and efficacious method of providing satisfactory anesthesia to reduce pain in men undergoing transrectal prostate biopsy."

"Dunia industri sedang menggalakkan penggunaan material baru yang memiliki karakteristik yang baik, ringan, kuat, dan dapat dibuat dengan biaya yang relatif murah, dan hal ini hanya dapat dipenuhi dengan melakukan studi pengembangan lebih lanjut mengenai berbagai karakteristik material, baik material paduan logam, non logam dengan logam atau non logam dengan non logam. Penelitian yang lebih seksama dengan menggunakan material non logam masih sangat terbatas, oleh karena itu studi lanjut mengenai material non logm sangatlah diharapkan. Dalam hal ini penulis melakukan penelitian mengenai karakteristik material non logam dengan pengujian torsi yang belum banyak dilakukan. Adapun material yang di uji adalah jenis polivinil clorida (PVC AW) yang berbentuk tabung berdinding tipis, dimana dilakukan- penelitian mengenai modulus geser material, tegangan geser, regangan geser, dan karakteristik material lajnnya. Dengan harapan dapat di tarik kesimpulan yang menarik untuk pengembangan dan aplikasi material tersebut dalam dunia industri di masa datang. Peralatan uji yang di gunakan dalam penelitian ini adalah peralatan uji torsi sederhana, dimaksudkan untuk meringankan biaya pengujian itu sendiri yang memiliki tingkat kesulitan tersendiri dan alat uji torsi ini dilengkapi dengan sensor yang merupakan modifikasi dari mouse komputer. Sensor tersebut langsung dihubungkan ke PC yang menggunakan perangkat lunak microsoft visual basic for windows sehingga diperoleh data-data yang cerrnat dan akurat."