Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
ABSTRAK
Penyakit Parkinson merupakan penyakit neurodegeneratif terbanyak kedua setelah dimensia Alzheimer. Penyakit ini merupakan penyakit yang disebabkan oleh menurunnya dopamin di dalam otak, yang menyebabkan otak bekerja secara tidak normal. Hingga saat ini belum diketahui penyebab pasti dari penyakit Parkinson. Beberapa pengukuran dinyatakan dengan total skor. Akan tetapi total skor hanya dapat mengetahui seberapa tinggi tingkat keparahan yang dialami penderita Parkinson tanpa mengetahui faktor dominan yang menyebabkannya. Maka diperlukan suatu metode alternatif yang dapat menjelaskan faktor yang menyebabkan penderita Parkinson kondisinya memburuk, salah satunya adalah dengan metode Bayesian network. Dengan metode ini dapat dilihat hubungan keterkaitan antar satu faktor dengan faktor lainnya yang menggambarkan kondisi dari penderita penyakit Parkinson. Pada tugas akhir ini digunakan dataset dari Parkinson rsquo;s Progression Markers Initiative PPMI . Data diambil dari periode baseline BL, kunjungan pertama bulan ke-0, kunjungan di bulan ke-12 VO4 , kunjungan di bulan ke-24 V06 , kunjungan di bulan ke-36 V08 , kunjungan di bulan ke-48 V10 , dan kunjungan di bulan ke-60 V12 . Dari ke-6 periode yang diamati didapatkan pengukuran sebanyak 293 penderita Parkinson. Data tersebut akan diukur menggunakan suatu alat pengukuran Movement Disorder Society-Unified Parkinson Disease Rating Scale MDS-UPDRS. MDS-UPDRS merupakan suatu alat ukur umum yang digunakan dalam menilai kondisi penderita Parkinson. MDS-UPDRS terdiri dari 4 bagian. Penelitian ini akan menggunakan MDS-UPDRS part 2 mengenai penilaian aspek motorik dari penderita Parkinson. Terdapat 13 variabel aspek motorik yang akan digunakan dalam analisis penentuan variabel aspek motorik apa yang paling memengaruhi tingkat keparahan penderita Parkinson. Hasil analisis data penderita Parkinson dalam penelitian ini menyatakan bahwa faktor tremor selalu memberikan efek yang signifikan terhadap kemampuan menulis handwritten penderita Parkinson, dengan nilai probabilitas terbesar di setiap periode pengamatan.

---

ABSTRACT
Parkinson 39 s disease is the second most neurodegenerative disease after Alzheimer 39 s dementia. This type of disease is caused by dopamine that decreset inside brain, which causes the brain to work abnormally. Until today the spesific cause of Parkinson 39 s disease is unknown. A few measurements are being declared by the total score. However, the total score only tell how high the severity experienced by Parkinson 39 s patients without knowing the dominant factors that cause it. So needed an alternative method that can explain the factors that cause it. Then it is necessary for an alternative method which can explain the factor causing the patient rsquo s condition gets worse, one of them with the Bayesian network method. With this method, relations between one factor and another can be seen by describing the condition of the patient. In this final project it rsquo s using the dataset from Parkinson 39 s Progression Markers Initiative PPMI . The data was taken on baseline period BL, first visit month 0, visit at month 12 VO4 , visit at month 24 V06 , visit at month 36 V08 , visit on month to month 48 V10 , and visits in the 60th month V12 . From the 6 periods observed was measured 293 Parkinson 39 s patients. The data will be measured using a Movement Disorder Society Unified Parkinson Disease Rating Scale MDS UPDRS measurement tool. MDS UPDRS is a common measure used in assessing the condition of people with Parkinson 39 s. MDS UPDRS consists of 4 parts. This study will use MDS UPDRS part 2 on the assessment of motor aspects of Parkinson 39 s patients. There are 13 motor aspect variables that will be used in determining analysis of motor aspect variable which most influence the severity of Parkinson 39 s. The results of data analysis of Parkinson 39 s patients in this study stated that the tremor factor always gives a significant effect on the writing ability handwritten of Parkinson 39 s patients, with the greatest probability value in each observation period.

Abstrak :
Sudah banyak penelitian dilakukan untuk mengetahui keamanan penggunaan pestisida dengan munculnya penyakit pada petani. Seorang petani wanita usia 52 tahun menderita penyakit Parkinson setelah bekerja selama 27 tahun dengan menggunakan herbisida paraquat. Tulisan ini dilakukan untuk mendapatkan jawaban tentang dampak paparan paraquat pada kejadian Parkinson pada petani melalui laporan kasus berbasis bukti yang berasal dari tinjauan literatur. Laporan kasus ini diawali dengan metode pencarian dan pemilihan artikel dari PubMed, ProQuest, dan Cochrane Library untuk menjawab pertanyaan penelitian. Proses pencarian artikel menggunakan kata kunci "Paraquat dan Parkinson dan Petani". Pemilihan artikel dilakukan dengan menggunakan kriteria inklusi dan eksklusi yang telah ditentukan. Pada pencarian awal didapatkan 35 artikel, setelah melalui proses seleksi, maka dipilih tiga artikel dari tinjauan sistematis meta-analisis untuk ditelaah. Artikel dari Tangamornsuksan dan Vaccari menunjukkan terdapat hubungan yang bermakna secara statistik antara paparan paraquat dengan kejadian munculnya penyakit Parkinson, dengan nilai pooled OR sebesar 1,70 dan 1,24. Adapun artikel dari Yan menunjukkan bahwa lamanya paparan pestisida juga akan meningkatkan risiko Parkinson. Dimana durasi paparan selama 5 dan 10 tahun menggunakan pestisida akan meningkatkan risiko Parkinson dari 5% menjadi 11%. Semua penelitian yang diambil menerapkan validasi untuk mengurangi efek bias, heterogenitas atau metode statistik yang tidak memadai. Berdasarkan hasil laporan kasus berbasis bukti ini, menunjukkan bahwa studi epidemiologis yang diambil dapat membuktikan bahwa kemungkinan penyakit Parkinson pada petani ini disebabkan oleh paparan paraquat. ......Many studies have been carried out to assess the safety of the widespread use of pesticides in agriculture with diseases in farmers. A 52-year-old female farmer suffered Parkinson's after working 27 years using paraquat herbicide. This study was conducted to obtain answers about the impact of paraquat exposure on the incidence of Parkinson's in farmers through evidence-based case reports (EBCR) derived from a literature review. The review was conducted through the search and selection method of articles in PubMed, ProQuest, and Cochrane Library to answer research questions. The article search process used the keywords "paraquat AND Parkinson AND farmer". Article selection was carried out using predetermined inclusion and exclusion criteria. In the initial search, 35 articles were retrieved and through the selection process three articles of the meta-analysis systematic review were selected. Selected articles from Tangamornsuksan and Vaccari show a statistically significant association between paraquat exposure and the incidence of Parkinson's disease (PD) in workers, with a pooled OR of 1.70 and 1.24. Meanwhile, Yan's study shows that duration of exposure to pesticides increases the risk of PD. The result showed a 5 and 10 years of duration exposure to pesticide were associated with a 5% and 11% augment in the risk of PD. All studies applied validation to reduce bias and heterogeneity effects or inadequate statistical methods. Based on the results of this evidence-based case report, it shows that the epidemiological studies taken can prove the possibility that Parkinson's disease in this farmer is caused by exposure to paraquat.

Abstrak :
ABSTRACT
Penyakit Parkinson terbagi dalam dua subtipe, yaitu Tremor Dominant (TD) dan Postural Instability/Gait Dominant (PIGD). Tiap subtipe memiliki perbedaan dalam penanganan klinis, sehingga perlu dilakukan klasifikasi subtipe penyakit Parkinson. Dalam Statistika, ada beberapa model yang membahas klasifikasi diantaranya adalah decision tree, regresi logistik, dan logit leaf model (LLM). LLM merupakan model campuran dari decision tree dan regresi logistik yang diusulkan oleh De Caigny et al. (2018). Penulisan ini membahas klasifikasi subtipe penyakit Parkinson menggunakan model klasifikasi statistika beserta penanganan masalah imbalanced data yang terjadi pada data penyakit Parkinson. Diperoleh model klasifikasi regresi logistik dengan melakukan proses SMOTE ± = 600, = 200 untuk menangani masalah imbalanced data. Model tersebut memberikan akurasi sebesar 98,83%, sensitivitas sebesar 98,41%, dan spesifisitas sebesar 99,07%.

---

ABSTRACT
Parkinsons Disease has two sub-types which are Tremor Dominant (TD) and Postural Instability/Gait Difficulty (PIGD). Each subtype has the difference in clinical treatment, so it is necessary to classify Parkinsons Disease subtypes. In Statistics, there are statistical models for classifying such as decision tree, logistic regression, and logit leaf model (LLM). LLM is a hybrid model from decision tree and logistic regression that proposed by (De Caigny et al., 2018). In this thesis discuss Parkinsons Disease Classification using statistical models with imbalanced data problem handling happen in Parkinson`s Disease data. For the result, logistic regression by processing SMOTE ± = 600, = 200 to handle data imbalanced problem. The model provides an accuracy of 98,83%, sensitivity of 98.41%, and specificity of 99.07%.