Hasil Pencarian  ::  Simpan CSV :: Kembali

"Angka kematian ibu adalah tantangan kesehatan masyarakat di dunia, negara-negara berkembang menyumbang 99% kematian ibu secara global. Diperkirakan 15% sampai 20% ibu hamil dari seluruh ibu hamil yang ada akan mengalami keadaan risiko tinggi dan mengalami komplikasi maternal. Asuhan kebidanan komprehensif berbasis bukti yang diberikan oleh bidan maupun dokter spesialis kandungan diharapkan dapat memprediksi komplikasi maternal untuk mencegah kematian ibu. Sistem prediksi komplikasi maternal melalui penilaian usia kehamilan, tanda-tanda vital, tinggi fundus uteri, denyut jantung janin, presentasi, kontraksi, plasenta, robekan, perdarahan, luka perineum, hemoglobin dan proteinurin dengan menggunakan pencatatan dan pelaporan manual membutuhkan waktu untuk mengambil keputusan. Tujuan penelitian ini adalah membangun prototipe aplikasi untuk prediksi komplikasi maternal di Rumah Sakit Mitra Bangsa Pati dalam rangka memprediksi komplikasi maternal, dan merancang basis data maternal dan membuat laporan secara elektronik. Rancangan pengembangan sistem menggunakan pendekatan prototyping. Metode prediksi aplikasi komplikasi maternal berbasis machine learning menggunakan algoritma Naïve Bayes Classifier (NBC). Aplikasi dapat memberikan hasil prediksi komplikasi maternal secara realtime (<3 detik), berupa perdarahan, preeklampsia, infeksi mana nifas, hiperemesis gravidarum, retensio plasenta dan robekan jalan lahir. Pengumpulan data dari buku register, buku KIA dan rekam medis. Dari hasil uji dengan 7-fold cross validation diperoleh nilai akurasi, presisi dan recall adalah 89.2%, 88.8%, dan 89.3% dengan jumlah data latih 2448 data dan data uji 272 data. Pemanfaatan data hasil prediksi yaitu sebagai dasar untuk pengambilan keputusan.

---

Maternal mortality is a challenge for public health field in the world and developing countries account for 99% of maternal deaths globally. It is estimated that 15% to 20% of all pregnant women will experience a high risk state and obstetric complication. The evidence-based midwifery comprehensive guideline provided by the midwife is expected to detect early risk factors for pregnancy, labor, and postpartum women before complication occurs. Maternal complications prediction system through assessment of gestational age, vital signs, high fundal uterine, fetal heart rate, presentation, contractions, placenta, tears, bleeding, perineal wounds, hemoglobin and proteinurin using manual recording and reporting takes time to make decisions. The purpose of this study was to build a prototype application for predicting maternal complications at Rumah Sakit Mitra Bangsa Pati in order to predict maternal complications, and design a maternal database and make reports electronically. The system development design uses a prototyping approach. The prediction method for the application of machine learning maternal complications uses the Naïve Bayes Classifier (NBC) algorithm. Applications can provide predictive results for maternal complications in real time (<3 seconds), such as bleeding, preeclampsia, infections where parturition, hyperemesis gravidarum, retention of the placenta and tear of the birth canal. Collecting data from register books, KIA books and medical records. From the results of the test with 5-fold cross validation, the accuracy, precision and recall value were 89.2%, 88.8%, dan 89.3% with 2,448 training data and 272 testing data. The use of prediction data is a basis for decision making."

"Latar Belakang. Pasien demam neutropenia yang bukan akibat efek samping kemoterapiangka kejadiannya semakin meningkat. Kondisi neutropenia meningkatkan risiko terjadinyainfeksi, adapun penyebab neutropenia tidak hanya obat kemoterapi. Beberapa sistempenilaian risiko komplikasi digunakan untuk dasar terapi antibiotik pada pasien demamneutropenia pasca kemoterapi, belum ada penelitian terhadap pasien demam neutropeniaselain pasca kemoterapi. Penelitian ini bertujuan untuk validasi dan menilai performa skorMASCC dan penambahan prokalsitonin pada populasi demam neutropenia tidak terkaitkemoterapi.Metode. Penelitian dilakukan pada rekam medis 68 pasien demam neutropenia yang bukanterkait kemoterapi di ruang perawatan RSUP Nasional dr. Cipto Mangunkusumo pada bulanJanuari 2018-November 2019. Dilakukan penilaian validasi kalibrasi menggunakan Hosmer-Lameshow dan deskripsi dengan ROC.Hasil. Terdapat variasi skor MASCC dan nilai prokalsitonin subjek penelitian. Median skorMASCC adalah 21 (18-24) yang masuk dalam kategori low-risk. Median prokalsitoninsubjek adalah 1,99 ng/mL (0,72-10,60). Performa MASCC menghasilkan kalibrasi baikp>0,05 dan area under curve (AUC) sebesar 0,888(IK95% 0,813-0,962, p = 0,000).Prokalsitonin menunjukkan AUC sebesar 0,797 (IK95% 0,683-0,911, p = 0,000), titikpotong 1,67 dengan sensitifitas 78,8% dan spesifisitas 72,4%. Performa gabungan skorMASCC dan prokalsitonin juga menghasilkan kalibrasi Hosmer-Lameshow dengan p>0,05dan AUC sebesar 0,901 (IK95% 0,827-0,974).Kesimpulan. Dapat disimpulkan bahwa MASCC merupakan instrumen yang baik untukmendeteksi komplikasi perawatan pada pasien dengan FN yang tidak terkait kemoterapi.Gabungan antara MASCC dan PCT didapatkan hasil yang bermakna dalam prediktorkomplikasi dengan validasi baik.

---

Background. Neutropenia patients who are not due to side effects of chemotherapy areincreased. Neutropenia increases the risk of infection. Several complications risk assessmentsystems are used for antibiotic therapy in patients with post-chemotherapy neutropenia. Thereare no studies in neutropenic fever patients who are not due to chemotherapy drugs. Thisstudy aims to validate and assess the performance of the MASCC score and the addition ofprocalcitonin in the neutropenia fever population not related to chemotherapy.Methods. The study was conducted on the medical records of 68 neutropenic fever patientswho were not chemotherapy-related in the National Hospital Dr. Cipto Mangunkusumo inJanuary 2018-November 2019. The calibration validation was assessed using Hosmer-Lameshow and description with ROC.Results. There are variations in MASCC scores and procalcitonin scores in the study subjects.The median MASCC score is 21 (18-24). The median procalcitonin subject was 1.99 ng / mL(0.72 - 10.60). MASCC's performance resulted in a good calibration of p> 0.05 and areaunder curve (AUC) of 0.888 (IK95% 0.813 - 0.962, p = 0.000). Procalcitonin showed AUC of0.797 (IK95% 0.683 - 0.911, p = 0.000), the cut point 1.67 with a sensitivity of 78.8% andspecificity of 72.4%. The combined performance of MASCC and procalcitonin scores alsoresulted in Hosmer-Lameshow calibration with p> 0.05 and AUC of 0.901 (IK95% 0.827-0.974).Conclusion. It can be concluded that MASCC is a good instrument for detecting treatmentcomplications in patients with FN that are not chemotherapy related. The combination withPCT has significant results "