Hasil Pencarian  ::  Simpan CSV :: Kembali

Abstrak :
Latar Belakang: Seiring berjalannya pandemi COVID-19, diperlukan tes diagnostik yang lebih baik, cepat, andal, mudah dan tersedia secara luas. Foto rontgen dada digunakan sebagai pemeriksaan awal untuk menegakkan diagnosis kerja. Kecanggihan Artificial Intelligence (AI) diketahui dapat meningkatkan presisi diagnosis Pneumonia pada foto rontgen dada. Salah satu program AI yang sedang marak digunakan adalah CAD4COVID-Xray. Tujuan: Penelitian ini bertujuan untuk mengetahui dan melihat perbedaan performa skoring AI dibanding skoring Brixia pada foto rontgen dada untuk mendiagnosis dan menentukan derajat keparahan pneumonia COVID-19. Metode: Penelitian ini menggunakan desain potong-lintang pada 300 pasien terduga dan terkonfirmasi pneumonia COVID-19. Rontgen dada dinilai secara kuantitatif menggunakan program CAD4COVID dan semi-kuantitatif menggunakan sistem skoring Brixia. Analisa performa diagnostik dinilai menggunakan estimasi AUC dan perbandingannya, serta perbandingan nilai sensitivitas, spesifisitas, nilai prediksi positif, nilai prediksi negatif dan akurasi. Hasil: AI probability score (AUC 0,542, IK95% 0,471-0,613), AI ALA score (AUC 0,442, IK95% 0,375-0,510) dan overall CXR score (AUC 0,461, IK95% 0,393-0,528) tidak memiliki kemampuan diskriminasi hasil RT-PCR SARS CoV-2 pada subjek terduga COVID-19. AI probability score (AUC = 0,888, IK95% 0,820- 0,956), AI ALA score (AUC = 0,875, IK95% 0,789-0,953) dan overall CXR score (AUC = 0,878, IK95% 0,808-0,948) memiliki kemampuan diskriminasi sangat baik untuk menentukan derajat keparahan penyakit subjek terkonfirmasi COVID-19. AI probability score (Sn 87,2%, Acc 85,6%) dan AI ALA score (Sn 82,6%, Acc 80,4%) lebih sensitif dan akurat dibandingkan overall CXR score (Sn 75,6%, Acc 78,4%) untuk mendiskriminasi derajat keparahan penyakit pneumonia COVID-19. Simpulan: AI probability score, AI ALA score dan overall CXR score tidak memiliki kemampuan membedakan hasil RT-PCR SARS CoV-2 pada subjek terduga COVID-19. AI probability score, AI ALA score dan overall CXR score memiliki kemampuan yang sangat baik untuk membedakan derajat keparahan penyakit subjek terkonfirmasi COVID-19. AI probability score dan AI ALA score lebih sensitif dan akurat dibandingkan overall CXR score untuk membedakan derajat keparahan penyakit pneumonia COVID-19. ......Background: As the COVID-19 pandemic progresses, a better, faster, reliable, easy and widely available diagnostic tests are needed. Chest X-rays are currently used as an initial examination to confirm a working diagnosis. Advancement of Artificial Intelligence (AI) is known to increase diagnosis precision of pneumonia on chest X-rays. One of the AI programs that is widely being used during the COVID-19 pandemic is CAD4COVID-Xray. Objective: This study aims to determine and compare the performance of AI scoring system using colour heat-map compared to Brixia scoring system on chest X-rays to diagnose and determine the severity of COVID-19 pneumonia. Methods: This study is a cross-sectional study, involving 300 suspected and confirmed COVID-19 pneumonia patients. Chest X-rays were assessed quantitatively using the CAD4COVID program and semi-quantitatively using the Brixia scoring system. Performance analysis is assessed using AUC estimation and its comparison, as well as comparisons of sensitivity, specificity, positive predictive value, negative predictive value and accuracy. Results: AI probability score (AUC 0.542, 95% IK 0.471-0.613), AI ALA score (AUC 0.442, 95% IK 0.375-0.510) and overall CXR score (AUC 0.461, 95% CI 0.393-0.528) did not have the ability to discriminate RT-PCR results of subjects with suspicion of COVID-19. AI probability score (AUC = 0.888, 95% CI 0.820- 0.956), AI ALA score (AUC = 0.875, 95% IK 0.789-0.953) and overall CXR score (AUC = 0.878, 95% CI 0.808-0.948) had excellent strength of agreement to determine disease severity in subjects with confirmed COVID-19. AI probability score (Sn 87.2%, Acc 85.6%) and AI ALA score (Sn 82.6%, Acc 80.4%) are more sensitive and accurate than overall CXR score (Sn 75.6%, Acc 78 ,4%) to determine the severity of COVID-19 pneumonia. Conclusions: AI probability score, AI ALA score and overall CXR score did not have the ability to discriminate RT-PCR results of subjects with suspicion of COVID-19. AI probability score, AI ALA score and overall CXR score had excellent strength of agreement to determine disease severity in subjects with confirmed COVID-19. AI probability score and AI ALA score are more sensitive and accurate than overall CXR score to determine the severity of COVID-19 pneumonia.

Abstrak :
[ABSTRAK
Rontgen dada atau Chest X-Ray (CXR) merupakan salah satu aplikasi pencitraan medis yang paling sering digunakan dalam pendeteksian kelainan khususnya tumor pada paru – paru. Untuk menentukan diagnosis kelainan tersebut, seorang dokter masih mengandalkan pengamatan visual dalam pembacaan hasil citra CXR sehingga penilaian bersifat subyektif tergantung pada masing – masing dokter. Oleh karena itu, pada penelitian ini dilakukan perancangan sistem pengolahan citra sebagai alat bantu identifikasi kelainan paru – paru. Kategori citra CXR yang digunakan adalah citra pada keadaan normal, tumor, dan kelainan bukan tumor. Tahapan pengolahan yang dilakukan berupa pre-processing menggunakan median filtering dan ekualisasi histogram serta proses segmentasi menggunakan otsu’s thresholding dan active contour : snake. Uji hasil pengolahan citra dengan hasil diagnosis dokter menggunakan jaringan syaraf tiruan backpropagation menghasilkan akurasi sebesar 92,85 %.

---

ABSTRACT
Chest X-Ray (CXR) is a medical imaging applications that most commonly used for detects of abnormalities, especially tumors of the lung. To determine the abnormality diagnosis, doctors still rely on visual observations to read a CXR image, so that the assessments are subjective depending on each doctor. This study purposes to design an image processing system as a tool for identification of lung’s abnormalities. It used three classification of CXR image, which are lungs image in normal circumstances, tumors, and abnormalities besides tumor. Stages of image processing are done in the form of pre-processing using a median filtering and histogram equalization and also the process of segmentation using Otsu's thresholding and active contour: snake. Test the image processing results with the results of the doctor's diagnosis using artificial neural network backpropagation produces an accuracy of 92,85 %., Chest X-Ray (CXR) is a medical imaging applications that most commonly used for detects of abnormalities, especially tumors of the lung. To determine the abnormality diagnosis, doctors still rely on visual observations to read a CXR image, so that the assessments are subjective depending on each doctor. This study purposes to design an image processing system as a tool for identification of lung’s abnormalities. It used three classification of CXR image, which are lungs image in normal circumstances, tumors, and abnormalities besides tumor. Stages of image processing are done in the form of pre-processing using a median filtering and histogram equalization and also the process of segmentation using Otsu's thresholding and active contour: snake. Test the image processing results with the results of the doctor's diagnosis using artificial neural network backpropagation produces an accuracy of 92,85 %.]

Abstrak :
Indonesia masuk kedalam 20 besar Negara terbanyak tekonfirmasi kasus COVID-19. Hingga 17 Mei 2021, sudah tercatat lebih dari 1 juta kasus COVID-19 terkonfirmasi dengan jumlah kematian mencapai lebih dari 48 ribu orang. tes Reverse transcriptionpolymerase chain reaction (RT-PCR) merupakan standarisasi alat pendeteksian dini COVID-19. Namun, tes RT-PCR membutuhkan waktu waktu yang lama dan biaya yang mahal dalam mengidentifikasi tahap awal kasus COVID-19. Hal ini mengakibatkan peningkatan jumlah pasien COVID-19 terjadi terus menerus secara eksponensial dan terjadi antrian panjang dalam menggunakan Intensive Care Unit (ICU) pada rumah sakit. Oleh karena itu, dibutuhkan alat pendeteksian dini yang cepat dan akurat salah satunya menggunakan citra chest X-ray. Deep learning merupakan salah satu metode klasifikasi citra yang populer dan terbukti baik dalam melakukan klasifikasi citra medis, salah satunya adalah Capsule Network (CapsNet) yang merupakan pengembangan dari Convolutional Neural Network (CNN). Pada penelitian ini, penulis menggunakan model CapsNet berbasis Inception V3 dengan optimasi AdaBelief (Adapting Stepsizes by the Belief in Observed Gradients) untuk mengklasifikasikan citra chest X-ray COVID-19. Data yang digunakan dalam penelitian ini diambil dari situs kaggle yang berisi citra chest X-ray COVID-19. Selanjutnya, dilakukan tahap pra-pengolahan pada citra seperti resize dan menerapkan normalisasi agar semua citra dapat diinput ke dalam model dengan ukuran yang sama serta meningkatkan kinerja model. Hasil penelitian ini menunjukkan model CapsNet berbasis Inception V3 dengan optimasi AdaBelief pada dataset citra chest X-ray COVID-19 dapat mengklasifikasikan data menjadi dua kelas, yaitu normal dan COVID-19, sehingga dapat membantu untuk mendiagnosis COVID-19 dengan baik. Selain itu, hasil terbaik juga diperoleh oleh model CapsNet berbasis Inception V3 dengan optimasi AdaBelief berdasarkan nilai loss sebesar 0,2703 dan akurasi 88,75% dibandingkan metode CapsNet tradisional dan berbagai optimasi lainnya untuk mengklasifikasikan dataset citra chest X-ray COVID-19. ......Indonesia is in the top 20 countries with the most confirmed cases of COVID-19. As of May 17, 2021, there have been more than 1 million confirmed cases of COVID-19 with the death toll reaching more than 48 thousand people. Reverse transcription polymerase chain reaction (RT-PCR) test is a standardization tool for early detection of COVID-19. However, the RT-PCR test takes a long time and is expensive to identify early stages of COVID-19 cases. This resulted in an exponential increase in the number of COVID-19 patients and long queues for using the Intensive Care Unit (ICU) at the hospital. Therefore, a fast and accurate early detection tool is needed, one of which is using chest X-ray images. Deep learning is one of the popular image classification methods and has proven good in classifying medical images, one of which is the Capsule Network (CapsNet) which is the development of the Convolutional Neural Network (CNN). In this study, the authors used the Inception V3-based CapsNet model with AdaBelief optimization (Adapting Stepsizes by the Belief in Observed Gradients) to classify COVID-19 chest X-ray images. The data used in this study was taken from the kaggle site which contains COVID-19 chest Xray images. Furthermore, pre-processing is carried out on the image such as resizing and applying normalization so that all images can be inputted into the model with the same size and improve model performance. The results of this study show that the Inception V3-based CapsNet model with AdaBelief optimization on the COVID-19 chest X-ray image dataset can classify data into two classes, namely normal and COVID-19, so that it can help to diagnose COVID-19 properly. In addition, the best results were also obtained by the Inception V3-based CapsNet model with AdaBelief optimization based on a loss value of 0,2703 and 88,75% accuracy compared to traditional CapsNet methods and various other optimizations to classify COVID-19 chest X-ray image datasets.

Abstrak :
Tuberkulosis masih menjadi salah satu penyakit menular yang paling mematikan di dunia. Saat ini diperkirakan 9,6 juta orang memiliki masalah terkait TB pada tahun 2014 (5,4 juta laki-laki; 3,2 juta perempuan; dan 1 juta anak-anak). Kasus tertinggi terdapat di India, Indonesia dan China dengan julah kasus masing-masing: 23%, 10% dan 10%. WHO telah memperkenalkan the End TB Strategy dalam upaya menurunkan prevalensi TB, yang berlaku sejak tahun 2016. Sehubungan dengan strategi tersebut, telah ditetapkan target terkait dengan SDGs yaitu menurunkan jumlah kematian TB sebesar 90% dan jumlah kasus TB baru sebesar 80% dari target tahun 2015 untuk tahun 2030 serta memastikan bahwa tidak ada keluarga dibebani dengan bencana biaya karena TB. Prinsip dasar perawatan kasus tuberkulosis adalah sama di seluruh dunia. Diagnosis harus ditetapkan secara akurat dan sedini mungkin, dan rejimen pengobatan harus sesuai standar. Skrining foto toraks menunjukkan sensitivitas yang baik dalam mengidentifikasi individu dengan risiko tertinggi mengalami TB, terutama ketika kriteria abnormal pada paru-paru dan pleura digunakan. Banyak negara menggunakan skrining foto toraks untuk TB peningkatan deteksi kasus TB. Tujuan utama penelitian ini adalah: menganalisis positivitas skrining TB dengan memanfaatkan pemeriksaan foto toraks serta potensi kerugian ekonomi yang dapat dicegah. Tujuan khusus adalah menganalisis peningkatan positivitas bakteriologi positif pada skrining TB dengan penambahan foto toraks; menganalisis akurasi dengan penambahan pemeriksaan skrining foto toraks dan implikasinya terhadap biaya pemeriksaan. Penelitian ini menggunakan data sekunder SPTB yang dilaksanakan tahun 2013-2014 untuk tingkat nasional dan 3 wilayah. Disain SPTB 2013-2014 adalah potong lintang dengan stratified multi-stage cluster sampling. Semua partisipan diwawancarai tentang gejala TB dan dilakukan skrining foto toraks kecuali wanita hamil dan partisipan yang menolak. Suspek adalah partisipan dengan gejala TB atau abnormal foto toraks, pemeriksaan sputum mikroskopik, kultur dan Xpert MTB/Rif dilakukan oleh tujuh laboratorium rujukan TB. Hasil penelitian ini membuktikan bahwa skrining foto toraks dapat mendeteksi sebesar 97% smear positif, 94% smear negatif, serta 95% dari konfirmasi bakteriologis TB. Sebanyak 30% smear positif dan 51% smear negatif serta 43% konfirmasi bakteriologis TB hanya terdeteksi dari skrining foto toraks tanpa skrining gejala TB. Berarti terdapat kasus TB yang tidak terdeteksi jika tanpa skrining foto toraks dan jika hanya mengandalkan skrining gejala TB di Indonesia tahun 2013-2014, sebanyak 602.717 untuk umur ≥15 tahun, dan 421.250 untuk kelompok umur 18-60 tahun diantaranya, laki-laki 273.810 dan perempuan 147.440. Penambahan skrining foto toraks minimal meningkatkan empat kali konfirmasi bakteriologis TB dibanding dengan hanya skrining gejala TB dan sembilan kali jika bersama-sama skrining gejala dan skrining foto toraks. Sensitivitas dan spesifitas abnomal foto toraks pada skrining gejala positif masing-masing terhadap konfirmasi bakteriologis TB adalah 91,3% dan 47,2%. Hasil lainnya apabila hasil uji diagnostik penambahan skrining foto toraks normal pada skrining gejala positif, maka probabilitas pasien tidak TB adalah sebesar 99,4 %(NPV). Hal ini berarti adanya efisiensi dari sekitar 45% pasien dengan skrining gejala TB positif tetapi skrining foto toraks normal, bukan suspek TB sehingga tidak memerlukan biaya untuk pemeriksaan laboratorium smear dan Xpert MTB/RIF. Umumnya (96%) hasil pemeriksaan Xpert MTB/RIF positif adalah kultur positif yang diacu sebagai gold standard, sedangkan hanya 49% hasil BTA positif diantara kultur positif. Penambahan skrining foto toraks untuk mendeteksi TB dapat menghemat biaya pengeluaran dalam deteksi kasus TB terutama pada laki-laki umur produktif. Sebesar 38% biaya yang dapat dihemat berasal dari biaya tidak langsung yaitu kehilangan tahun produktifitas karena kematian dini dan selama sakit. Biaya yang dapat dihemat ini tinggi terutama pada laki (50%) Penambahan pemeriksaan foto toraks juga dapat menurunkan kematian dan transmisi sebesar 75% pada smear positif dan 30% pada smear negatif. Oleh karena itu rekomendasi utama penelitian ini adalah memasukkan skrining foto toraks selain skrining gejala TB pada alur diagnosis TB dewasa bersama pemeriksaan Xpert MTB/RIF dalam deteksi dini kasus TB untuk menurunkan prevalensi, kematian akibat TB dan transmisi di masyarakat. ......Tuberculosis remains one of the world?s deadliest communicable diseases. Worldwide, 9.6 million people was estimated to have TB?s related problems in 2014; i.e 5.4 million in men; 3.2 million women and 1 million children. Globally, India, Indonesia and China had the largest number of TB cases: 23, 10 and 10 of total percentage. WHO has launched the End TB Strategy in the effort of reducing TB?s prevalence that has been implemented since 2016. With regard to the target of the strategy which is linked to the SDGs, 90% of mortality and 80% of the new TB cases (year 2015) should be achieved in 2030. In addition, there should be taken for granted there would not any family be financially burden because of TB. The basic principle to cure TB cases is the same all over the world. Diagnose has to be done accurately and as early as possible. In addition, treatment regiments have to be standardized. Thorax screening has shown as a good sensitivity in identifying a high risk TB suspect, especially when abnormality criterion at lung and pleura is implemented. Many countries has adopting screening of thorax photo to escalate for TB case detection. The purpose of this study is to analyze the positivity of TB screening through thorax photo identification and its economics potential losses that can be prevented. The specific purposes are: to analyze the positivity of bacteriologically TB confirmed in TB screening with chest X-ray; to analyze accuracy of adding chest X-ray screening in a bacteriologicallyTB confirmed and its financial implication on TB diagnose. This study utilized a secondary data of SPTB that has been collected in 2013-2014 for national level and 3 regions representative. The design of the study is a cross-sectional, implementing stratified multi-stages cluster sampling. Participants were interviewed on TB?s symptoms and screened for direct digital chest radiography (DDR) except for pregnant women and those refused to participate. Suspect are those who having symptoms of TB or abnormal thorax photo, assessed for microscopic sputum for acid-fast bacillus (AFB),, culture and Xpert MTB/RIF done by seven referal TB?s laboratory. Study results showed, screening for thorax photo can detect as much as 97% of positive smear, 94% of negative smear and 95% of bacteriologically TB confirmed. Without symptoms of TB, thorax photo can detect 30% positive smear, 51% negative smear and 43% bacteriologically TB confirmed. It can be said that there are TB cases that can?t be detected without taking thorax photo. By doing screening of symptoms only, there are 602,717 cases of age ≥15 years old, 421,250 cases of age 18-60 years among others 273,810 cases are men and 147,440 cases are women were may loss detected. By adding thorax screening we can increase four-fold TB bacteria confirmation and nine-fold when both (symptoms and thorax) are done simultaneously. Sensitivity and specificity of abnormal thorax photo for positive symptom towards TB bacterilogically TB cofirmed was 91.3% and 47.2% respectively. Other results was when the results of thorax photo screening normal, but having positive symptoms, the probability of non TB cases was 99.4% (NPV). Thus, there would be about 45% efficiency can be done for cases of symptom positive ? thorax normal, or non TB suspect which can save finance for laboratory smear assessment and Xpert MTB/RIF. Generally 96% of Xpert MTB/RIF positive was culture positive that used as a gold standard comparing to 49% of BTA positive among culture positive. Using chest X-Ray screening to detect TB could save budget in detecting TB cases, especially at men of productive age. As much as 38% finance reveal as indirect cost that is productivity losses due to premature death and temporary disability. This cost saving is relatively high (50%). By adding thorax photo assessment, it can reduce 75% mortality and TB?s transmission of positive smear and 30% of negative smear. The main recommendation of this study is to implement thorax photo screening in spite of TB?s symptom screening at the diagnoses pathways for adult TB cases, simultaneously with early detection of Xpert MTB/RIF to reduce TB prevalence, mortality as well as transmission in the community.

Abstrak :
Salah satu dampak negatif perkembangan pembangunan khususnya industri adalah pencemaran lingkungan kerja. Debu adalah salah satu pajanan akibat proses industrialisasi yang dapat menimbulkan gangguan kesehatan khususnya paru dan akan dapat mengakibatkan turunnya kualitas dan produktivitas kerja . Perusahaan P.T. A di Bandung Jawa Barat adalah salah satu usaha penambangan batuan untuk konstruksi bangunan yang diketahui mempunyai tingkat pajanan debu yang tinggi dan berpotensi menimbulkan gangguan paru. Tujuan penelitian ini adalah untuk mengetahui kondisi kesehatan paru pekerja perusahaan tersebut dengan menilai gambaran radiologi X ray paru berdasarkan klasifikasi standar internasional ILO. Penelitian ini bersifat analitik deskriptif dengan pendekatan cross sectional yang dilakukan pada 51 pekerja yang bekerja di dua unit bagian penambangan dan tiga unit bagian penggilingan. Dari hasil penelitian, diketahui kadar debu lingkungan kerja kerja ke lima unit tersebut berkisar antara 2.09347 mg/m3 - 22.4887 mg/m3. Sedangkan Batas yang ditetapkan adalah 10 mg/m3, Prevalensi rate Pneumokoniosis adalah 9.8 % atau 5 orang dari 51 pekerja. Masa-kerja z 10 tahun berhubungan dengan timbulnya Pneumokoniosis di mana kemungkinannya 12 kali dibandingkan dengan masa kerja < 10 tahun. Demikian juga riwayat pekerjaan, bila pernah bekerja pada usaha sejenis berkemungkinan 22 kali untuk timbulnya Pneumokoniosis dibandingkan dengan riwayat tidak pernah bekerja pada usaha sejenis. Bagian penambangan dan bagian penggilingan mempunyai risiko yang sama untuk timbulnya Pneumokoniosis. Dari 51 pekerja , 95.1 % diketahui memakai APD yang buruk. Tidak didapat hubungan pemakaian APD, jenis kelamin dengan Pneumokoniosis. Usia pekerja, jarak tempat tinggal ke perusahaan juga tidak ada hubungan walaupun dapat dijadikan sebagai kandidat model. Dapat disimpulkan bahwa masa kerja dan pernah bekerja pada usaha sejenis mempunyai hubungan untuk timbulnya Pneumokoniosis. Dengan melihat hasil penelitian tersebut disarankan, adanya pemeriksaan khusus paru pra kerja dan berkala maupun khusus melalui pemeriksaan X ray paru ataupun Spirometer. Demikian juga pemeriksaan jenis batu/debu untuk mengetahui kadar silika bebas. Sebagai saran tambahan agar dilakukan rotasi pekerja untuk menghindarkan pajanan yang tinggi dan lama. Daftar bacaan = 40 ( 1979 - 1997)

---

Epidemiological Analysis of Pneumoconiosis Based on Chest X-Ray Radiograph Standard Classification of International Labour Organization (ILO) Among Workers of Stone Mine in `A' Corporated in Bandung West JavaOne of negative impact of industrial development is pollution in occupational environment. Dust is one of exposures as an industrialization process which can cause health disorder especially lung and also decrease work quality and productivity. "A" Corporated, located in Bandung West Java is one of business in stone mine for building construction known high level of dust exposure and potential to cause lung disorder. The objective of this research is to find the condition of lung health of company workers by examine radiology description of Chest X ray based on standard ILO classification. Research methodology is descriptive analytic conducted by cross sectional approach which is carried out among 51 workers in two mining unit in section and three unit mill section. Result found that, dust concentration in occupational environment in five unit section range between 2.09347 mglm3 - 22.4887 mg/m3. Where as limit value determined is 10 mglm3. Pneumoconiosis prevalency rate is 9.8 % or 5 (five) of 51 workers.The length of work ? 10 years has relationship with Pneumoconiosis where ats possibility is 12 times compared to length of work < 10 years. Also the history of work, if the workers have worked in same business, the possibility to get Pneumoconiosis is 22 times compared to the workers with to history that they never worked in the same business. Both mining and mill unit section have same risk of Pneumoconiosis. Result found that from 51 workers, 95.1 % of them wear poor APD. There is no relationship between APD usage, sex and Pneumoconiosis. And there is no relationship between workers age, distance from residence to the company and Pneumoconiosis , ever though they are possible to be a model candidate. Resift concluded that the variable of length of work and had worked in the same business have relationship with Pneumoconiosis. Based on this condition, we may able to suggested company should be lung examine before work and periodically by using X ray or Spirometer. The kind of stone and dust also should be examine to find out the content of free silicate and also rotation of workers should be conducted periodically. References : 40 (1979 - 1997)

Abstrak :
Di Indonesia, tuberkulosis (TB) paru menjadi salah satu prioritas nasional dalam program pengendalian penyakit karena dapat berdampak terhadap kualitas hidup, ekonomi, dan menyebabkan kematian. Status gizi merupakan penentu penting dari klinis pasien TB. TB diketahui dapat menyebabkan malnutrisi, sedangkan malnutrisi dapat menjadi faktor risiko terjadinya aktivasi TB. Penelitian ini bertujuan untuk mengetahui prevalensi gizi kurang pada pasca TB paru dan faktor-faktor yang berhubungan. Faktor-faktor yang diteliti dalam penelitian ini adalah gejala klinis TB dan hasil gambaran foto X-ray toraks. Penelitian ini merupakan penelitian observasional analitik menggunakan desain penelitian cross sectional. Penelitian dilakukan pada Juni 2011 di Timor Tengah Selatan, Nusa Tenggara Timur. Pemilihan sampel penelitian dilakukan dengan total sampling dengan jumlah sampel 78 orang. Pengambilan data dilakukan melalui pengisian kuesioner dengan wawancara langsung, pengukuran berat badan, pengukuran tinggi badan, dan pemeriksaan radiologi X-ray toraks. Hasil penelitian menunjukkan bahwa subyek terbanyak berusia 26-65 tahun (74,4%) dan berjenis kelamin laki-laki (52,6%). Prevalensi malnutrisi pada pasca TB sebesar 52,3% dengan rerata IMT 18,29±2,43 kg/m2. Sebanyak 67,9% subyek masih memiliki gejala klinis TB dan lesi infiltrat pada foto X-ray toraks sebanyak 51,3%. Berdasarkan uji statistik dapat disimpulkan bahwa tidak terdapat hubungan bermakna antara status gizi dengan gejala klinis TB (p≥0,05) dan gambaran hasil foto X-ray toraks (p≥0,05).

---

In Indonesia, pulmonary tuberculosis (TB) is one of a national priority in disease control programs because it affects the quality of life, economy, and mortality. Nutritional status is an important determinant of clinical manifestation in pulmonary TB patients. TB can lead to malnutrition, while malnutrition may predispose TB. This study aims to determine prevalence of under nutrition on post pulmonary TB and its associated with clinical symptoms and chest X-ray findings. This study is an observational analytic using cross sectional design. This study was held in June 2011 in South Central Timor District, East Nusa Tenggara. The selection of the samples is done by total sampling by involving 78 subjects. The data was collected by interviewing all subjects with questionnaire, the body weight measurement, height measurement, and chest X-ray examination. The result of this study shows that the most subjects aged 26-65 years (74,4%) and males (52,6%). Prevalence of under nutrition on post TB is 52,3% and the mean BMI is 18,29±2,43 kg/m2. Most of subjects still have one of clinical symptoms of TB (67,9%) and infiltrate on chest X-ray finding (51,3%). It was concluded that there are no association between nutritional status with clinical symptoms (p≥0,05) and chest X-rays findings (p≥0,05).

Abstrak :
Diagnosis COVID-19 dapat dilakukan dengan berbagai metode, salah satunya dengan interpretasi citra medis rongga dada menggunakan machine learning. Namun, metode ini memiliki memerlukan waktu dan biaya yang besar, tidak ada standar dalam pengambilan gambar citra medis, dan pelindungan privasi pada data pasien. Model yang dilatih dengan dataset publik tidak selalu dapat mempertahankan performanya. Diperlukan metode pengklasifikasi berbasis multicenter yang dapat memiliki performa optimal pada dataset yang berbeda-beda. Skenario pertama dengan melatih model menggunakan arsitektur VGG-19 dan ConvNeXt dengan gabungan seluruh data dan masing-masing data. Lalu dilakukan fine tuning terhadap model yang dilatih pada gabungan seluruh data. Skenario kedua dengan Unsupervised Domain Adaptation berbasis maximum mean discrepancy dengan data publik sebagai source domain dan data privat sebagai target domain. Metode transfer learning dengan fine-tuning model pada arsitektur VGG-19 menaikkan train accuracy pada data Github menjadi 95% serta menaikkan test accuracy pada data Github menjadi 93%, pada data Github menjadi 93%, pada data RSCM menjadi 72%, dan pada data RSUI menjadi 75%. Metode transfer learning dengan fine-tuning model pada arsitektur ConvNeXt menaikkan evaluation accuracy pada data RSCM menjadi 73%. Metode unsupervised domain adaptation (UDA) berbasis maximum mean discrepancy (MMD) memiliki akurasi sebesar 89% pada dataset privat sehingga merupakan metode yang paling baik. Berdasarkan GRAD-CAM, model sudah mampu mendeteksi bagian paru-paru dari citra X-Ray dalam memprediksi kelas yang sesuai. ......Diagnosis of COVID-19 can be done using various methods, one of which is by interpreting medical images of the chest using machine learning. However, this method requires a lot of time and money, there is no standard in taking medical images, and protecting patient data privacy. Models that are trained with public datasets do not always maintain their performance. A multicenter-based classification method is needed that can have optimal performance on different datasets. The first scenario is to train the model using the VGG-19 and ConvNeXt architecture by combining all data and each data. Then, the model trained using combined data is fine tuned. The second scenario uses Unsupervised Domain Adaptation based on maximum mean discrepancy with public data as the source domain and private data as the target domain. The transfer learning method with the fine-tuning model on the VGG-19 architecture increases train accuracy on Github data to 95% and increases test accuracy on Github data to 93%, on Github data to 93%, on RSCM data to 72%, and on data RSUI to 75%. The transfer learning method with the fine-tuning model on the ConvNeXt architecture increases the evaluation accuracy of RSCM data to 73%. The unsupervised domain adaptation (UDA) method based on maximum mean discrepancy (MMD) has an accuracy of 89% in private dataset making it the best method. Based on GRAD-CAM, the model has been able to detect parts of the lungs from X-Ray images in predicting the appropriate class.

Abstrak :
Latar Belakang : Coronavirus disease 2019 (COVID-19) menjadi pandemi pada Maret 2020. Luaran penyakit ini sangat bervariasi, hingga mengakibatkan kematian. Mortalitas COVID-19 dipengaruhi oleh banyak faktor. Pemeriksaan radiografi merupakan salah satu pemeriksaan penunjang yang dapat dilakukan pada COVID-19 untuk skrining, diagnosis, menentukan derajat keparahan penyakit dan memantau respons pengobatan. Foto toraks merupakan modalitas yang banyak tersedia di berbagai fasilitas layanan kesehatan, murah, mudah, dan dapat dilakukan di tempat tidur pasien. Skor Brixia merupakan salah satu sistem penilaian derajat keparahan foto toraks yang mudah dan cepat. Metode : Desain penelitian ini adalah kohort retrospektif menggunakan data rekam medik awat inap RSUP Persahabatan yang dipilih secara acak sistematis. Subjek penelitian adalah pasien COVID-19 yang dirawat pada Maret hingga Agustus 2020. Subjek penelitian dipilih sesuai kriteria inklusi dan eksklusi. Hasil : Pada penelitian ini didapatkan total 313 subjek dengan pasien yang memiliki luaran meninggal sebanyak 65 subjek dan yang hidup sebanyak 248 subjek. Nilai tengah skor Brixia 8 dengan nilai paling rendah 0 dan paling tinggi 18. Jenis kelamin terbanyak adalah laki-laki sebanyak 185 subjek (59,1%). Sebanyak 79 subjek (25,2%) merupakan pasien berusia lanjut (> 60 tahun). Status gizi subjek terdiri atas gizi cukup (53,7%), gizi lebih (42,5%), dan gizi kurang (3,8%). Pasien yang memiliki komorbid sebanyak 143 subjek (45,7%) dengan jenis komorbid terbanyak adalah hipertensi dan diabetes melitus. Pada titik potong 7,5, skor Brixia memiliki nilai sensitivitas 61,5% dan spesifisitas 50%. Terdapat hubungan bermakna skor Brixia dengan status gizi (p < 0,001) dan ada tidaknya komorbid (p 0,002). Tidak terdapat hubungan bermakna antara usia (p 0,420), jumlah komorbid (p 0,223) dan mortalitas (p 0,121) dengan skor Brixia. Skor Brixia 16-18 memiliki risiko mortalitas 3,29 kali lebih besar daripada skor Brixia 0-6. ......Background : Coronavirus disease 2019 (COVID-19) became a pandemic in March 2020. The outcome of this disease varies widely, including death. There are many risk fators for mortality in COVID-19. Imaging is one of the supporting examinations that can be performed on COVID-19 for screening, diagnosis, determining the severity of the disease and monitoring response to treatment. Chest X-ray is a modality that is widely available in various health care facilities, is cheap, easy, and can be done bedside patient. The Brixia score is an easy and fast chest radiograph severity rating system. Methods : The design of this study was a retrospective cohort using medical records of inpatients at Persahabatan General Hospital which were selected systematically random sampling. The research subjects were COVID-19 patients who hospitalized from March to August 2020. The study subjects were selected according to the inclusion and exclusion criteria. Results : In this study, a total of 313 subjects were obtained with 65 died and 249 survived. The median of Brixia score was 8 with the lowest score 0 and the highest score 18. The male population was 185 subjects (59.1%). Total of 79 subjects (25.2%) were elderly patients (> 60 years). The subjects are grouped into three categories nutritional status based on body mass index. There were normal (53.7%), overweight (42.5%), and malnutrition (3.8%). Patients who had comorbidities were 143 subjects (45.7%). The most frequent comorbidities were hypertension and diabetes mellitus. At the cut point of 7.5, the Brixia score has a sensitivity value 61.5% and a specificity 50%. There is a significant relationship between the Brixia score and nutritional status (p < 0.001) and the presence or absence of comorbidities (p 0.002). There was no significant relationship between age (p 0.420), number of comorbidities (p 0.223) and mortality (p 0.121) with the Brixia score. Brixia score of 16-18 has a mortality risk 3.29 times higher than Brixia score of 0-6.

Abstrak :
Latar belakang: Kasus COVID-19 anak lebih jarang ditemukan daripada dewasa. Meskipun demikian, pada dasarnya anak tetap dapat terinfeksi SARS-CoV-2 dan turut berperan dalam transmisi penyakit. Pemeriksaan reverse transcription polymerase chain reaction (RT-PCR) merupakan baku emas untuk mendiagnosis COVID-19 namun memerlukan waktu relatif lama untuk memperoleh hasil. Radiografi toraks memiliki potensi menjadi modalitas diagnostik COVID-19 di masa pandemi. Sampai saat ini, belum ada penelitian terhadap penggunaan kategori gambaran radiografi toraks untuk menunjang diagnosis COVID-19 pada pasien anak. Metode: Penelitian ini dilaksanakan dengan desain potong lintang menggunakan data sekunder berupa hasil pemeriksaan radiografi toraks dan hasil RT-PCR terhadap 88 pasien anak di RSUPN Cipto Mangunkusumo mulai dari periode April 2020 hingga Oktober 2021, yang terdiri dari 22 pasien pneumonia COVID-19 dan 66 pasien pneumonia bukan COVID-19. Hasil: Analisis kappa Cohen untuk menilai kesesuaian antara kategori radiografi toraks (tipikal dan non-tipikal) dan hasil RT-PCR (pneumonia COVID-19 dan pneumonia bukan COVID-19) menunjukkan hasil nilai kappa ialah 0,22 (p = 0,033) yang mengindikasikan tingkat kesesuaian lemah namun bermakna. Simpulan: Tidak terdapat gambaran radiografi toraks yang khas pada anak dengan pneumonia COVID-19. Tidak terdapat kesesuaian yang baik antara kategori radiografi toraks dan hasil RT-PCR pada anak dengan pneumonia COVID-19. ......Background: COVID-19 pneumonia is rare in children. However, children may still be infected and transmit disease. RT-PCR is the gold standard in diagnosing COVID-19, although results may be delayed. Chest radiograph may have role in diagnosing COVID- 19. To dates, literature in chest radiograph categorization in diagnosing COVID-19 in children has yet to be found. Method: This study used secondary data of chest radiographs and RT-PCR result from 88 children in RSUPN Cipto Mangunkusumo from April 2020 to October 2021. Result: Kappa Cohen analysis of agreement between chest radiographic category and RT-PCR result showed kappa score of 0,22 (p = 0,033), indicating a weak agreement yet statistically significant. Conclusion: There is no pathognomonic chest radiograph findings of COVID-19 pneumonia in children. Agreement between chest radiographic category and RT-PCR testing in paediatric COVID-19 pneumonia is poor.

Abstrak :
Latar belakang : penegakkan diagnosis TB paru pada pasien HIV dapat dilakukan berdasarkan pemeriksaan mikrobiologis dan klinis. Rekomendasi WHO 2007, memperbolehkan penegakan diagnosis berdasarkan hasil pemeriksaan klinis dengan dan tanpa melalui pemeriksaan mikrobiologis. Penelitian ini bertujuan mendapatkan perbedaan karakteristik gambaran radiografi toraks pasien HIV dengan TB paru yang didiagnosis berdasarkan pemeriksaan mikrobiologis dan klinis. Metode : Penelitian ini adalah comparative cross sectional study. Subyek penelitian diambil secara consecutive dan dipilih berdasarkan catatan hasil pemeriksaan BTA sputum, kultur, Genexpert®, CD4+, dan radiografi toraks. Subyek penelitian dikelompokkan menjadi mikrobiologis dan klinis. Dilakukan pembacaan ulang radiografi toraks. Hasil : gambaran radiografi toraks dengan frekuensi terbanyak pada kelompok diagnosis mikrobiologis adalah infiltrat/konsolidasi, fibroinfiltrat, limfadenopati, kavitas dan kalsifikasi. Sisanya efusi pleura, milier, fibrosis, bronkiektasis, pneumotoraks dan normal. Pada kelompok diagnosis klinis, gambaran radiografi toraks dengan frekuensi terbanyak adalah infiltrat/konsolidasi, kavitas, limfadenopati, fibroinfiltrat dan sisanya kalsifikasi, efusi pleura, milier, fibrosis, bronkiektasis, dan normal. Terdapat perbedaan bermakna karakteristik gambaran radiografi toraks fibroinfiltrat pada kelompok diagnosis mikrobiologis dan klinis. Frekuensi fibroinfiltrat terbanyak adalah di kelompok mikrobiologis dengan sebaran lokasi tersering di lapangan atas paru. Kesimpulan : Terdapat perbedaan bermakna karakteristik gambaran radiografi toraks fibroinfiltrat pada kelompok diagnosis mikrobiologis dan klinis dengan lokasi tersering di lapangan atas paru.

---

Background : To diagnose Pulmonary Tuberculosis in HIV patient can be done based on microbiology examination and clinically. WHO 2007 recommendation, allowing diagnosis based on clinical examination with and without microbiological examination. This study aims to obtain the different characteristics of chest radiographs of HIV patients with pulmonary TB were diagnosed based on clinical and microbiological examination. Methods : This study is a comparative cross-sectional study. Subjects were taken consecutively and selected based on the results of sputum smear examination, culture, Genexpert®, CD4+, and chest x-ray. The study subjects were grouped into microbiological and clinical. Then we do expertise review. Results : The most chest x-ray finding in the microbiological group is infiltrates/ consolidation. Following by fibroinfiltrat, lymphadenopathy, cavities and calcification. The rest are pleural effusion, miliary, fibrosis, bronchiectasis, pneumothorax and normal . In the group of clinical diagnosis, the highest frequency chest x-ray finding is infiltrates/ consolidation. Following by cavities, lymphadenopathy, fibroinfiltrat and the rest are calcification, pleural effusion, miliary, fibrosis, bronchiectasis and normal. There is significant differences of fibroinfiltrat on microbiological and clinical diagnosis groups. The highest frequency of fibroinfiltrat is in the microbiological group with the most common sites in the upper of the lung field. Conclusions : There is significant differences of fibroinfiltrat on microbiological and clinical diagnosis groups with the most common sites in the upper lung field.