Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Latar belakang: Seiring kemajuan alat pencitraan di bidang neurologi, telah ditemukan banyak lokasi lesi sindrom afasia diluar lokasi klasiknya. Regio yang berkaitan dengan fungsi bahasa tidak hanya terkait dengan gray matter namun juga white matter tract yang menghubungkan antar regio bahasa. Penelitian ini bertujuan untuk mengetahui perbedaan proporsi antara lokalisasi lesi klasik dan non klasik pada sindrom afasia dengan menggunakan MRI dan DTI. Metode: Desain penelitian cross sectional. Pengambilan sampel dengan tekhnik consecutive sampling pada pasien sindrom afasia yang memenuhi kriteria inklusi dan ekslusi. Dilakukan pemeriksaan afasia yang disetujui oleh 2 pakar dan penilaian MRI DTI dengan jeda maksimal 2 hari. Hasil: Dari seluruh sindrom afasia didapatkan proporsi lokalisasi klasik 40% dan non klasik 60%. Terdapat perbandingan proporsi yang signifikan antara lokasi klasik dan non klasik pada afasia konduksi dibandingkan afasia global dan afasia anomik dengan nilai p < 0.05. Lokasi klasik pada afasia konduksi secara signifikan lebih banyak dibandingkan dengan lokasi klasik pada afasia global dan afasia anomik. Kesimpulan: Pada studi pendahuluan ini dari seluruh sindrom afasia didapatkan lokalisasi non klasik lebih banyak dibandingkan lokalisasi klasiknya, masih dibutuhkan pengumpulan sampel lebih lanjut untuk dapat melakukan uji analitik yang mewakili populasi penelitian. ......Background: Along with advances in neurology imaging technology, many locations of aphasia syndrome lesions have been found outside the classic location. Regions related to language function are not only related to gray matter but also white matter tracts that connect between language regions. This study aims to determine the difference in proportion between the localization of classic and non-classical lesions in aphasia syndrome using MRI and DTI. Methods: The study design was cross-sectional. Sampling was taken using consecutive techniques in patients with aphasia syndrome who met the inclusion and exclusion criteria. The aphasia examination which approved by 2 experts and the MRI-DTI assessment was carried out within 2 days intervals. Results: From all aphasia syndromes, the proportion of classic and non-classical localization is 40% and 60%. There is a significant proportion comparison between classic and non-classical locations in conduction aphasia compared to global aphasia and anomic aphasia with p-value <0.05. The classical location of conduction aphasia is significantly more than the classical location of global aphasia and anomic aphasia. Conclusion: In this preliminary study, were found more non-classical localizations of aphasia syndrome, than its classical localizations. Further sample collection is still needed to carry out analytical tests that more representative with study population.

Abstrak :

Gangguan pendengaran pada umumnya dapat terjadi sejak lahir (tuli kongenital) atau di kemudian hari (tuli didapat). Kedua grup memiliki perbedaan karakteristik yang berdampak pada proses pengobatannya. Oleh karena itu, mengetahui kedua jenis penyakit tersebut terlebih dahulu sebelum melanjutkan ke tindakan selanjutnya adalah sangat penting. Namun, saat ini di Indonesia masih belum ada program skrining yang berjalan untuk mendeteksi gangguan pendengaran pada anak sejak dini. Menanggapi hal tersebut, penelitian ini bertujuan menganalisis data Diffusion Tensor Imaging (DTI) dari kedua jenis pasien tuli untuk dilanjutkan ke proses klasifikasi dan clustering supaya didapat model yang dapat membedakan kedua kondisi tersebut. Pengembangan model dilakukan melalui proses hyperparameter tuning serta percobaan terhadap dataset dengan dan tanpa fitur usia. Selanjutnya, diterapkan juga percobaan terhadap ada atau tidaknya data validasi terpisah. Performa model dianalisis berdasarkan beberapa metrik evaluasi seperti akurasi, presisi, spesifisitas, recall, confusion matrix, skor F1, area under the ROC curve (AUC-ROC), precision-recall curve, dan silhouette score. Hasil analisis secara keseluruhan menunjukkan bahwa performa model menggunakan fitur usia lebih baik, yaitu pada model klasifikasi diperoleh spesifisitas 89.89%, skor F1 91.93%, dan AUC-ROC 88.61%, dan pada model clustering diperoleh nilai silhouette sebesar 0.8524. Analisis tanpa fitur usia menunjukkan bahwa kedua kelompok dapat diklasifikasi, namun tidak berdasarkan kondisi maturasinya, sedangkan hasil clustering menunjukkan pengelompokkan kelas yang berbeda dari klasifikasi. Penelitian ini berpotensi untuk dikembangkan lebih lanjut, terutama jika kedua kelas memiliki rasio dataset yang seimbang. ......In general, hearing disorders can occur since birth (congenital hearing loss) or later in life (acquired hearing loss). Both group has different characteristics that affected the treatment process. Therefore, knowing both types of diseases beforehand before proceeding to further actions is crucial. However, currently in Indonesia, there are no any functional screening programs to detect hearing disorders on children from early ages. In response to this, this study aims to analyze Diffusion Tensor Imaging (DTI) data from both types of deaf patients to proceed to the classification and clustering processes to obtain a model that can differentiate between the two conditions. Model development is conducted through hyperparameter tuning and experimentation with datasets with and without age features. Additionally, we will experiment with the presence or absence of separate validation data. The model's performance is analyzed based on several evaluation metrics such as accuracy, precision, specificity, recall, confusion matrix, F1 score, area under the ROC curve (AUC-ROC), precision-recall curve, and silhouette score. The overall analysis results show that the model performance using age features is better, namely in the classification model, specificity of 89.89%, F1 score of 91.93%, and AUC-ROC of 88.61% are obtained. Meanwhile, in the clustering model, a silhouette score of 0.8524 is obtained. The analysis without age features indicates that both groups can be classified, but not based on their maturation conditions, while the clustering results show different grouping of classes from the classification. This research has the potential for further development, particularly if both classes have a balanced dataset ratio and age data distributed evenly.