Hasil Pencarian  ::  Simpan CSV :: Kembali

"Latar Belakang Uji latih jantung beban (ULJB) merupakan modalitas diagnostik PJKO yang telah lama digunakan. Meskipun demikian, perannya semakin semakin tergantikan oleh karena tingginya angka positif palsu, khususnya pada respons iskemik sugestif positif. Tujuan studi ini adalah untuk menyusun sebuah model algoritme prediksi menggunakan kecerdasan buatan untuk mendeteksi PJKO pada populasi respons iskemik sugestif positif.Metode Pasien yang menjalani ULJB dengan hasil respons iskemik sugestif positif dan angiografi koroner invasif dalam rentang 1 tahun pasca ULJB diikutsertakan dalam studi ini. Populasi studi dibagi secara acak menjadi kelompok latihan (80%) dan uji (20%) untuk membuat algoritme prediktif. Total 16 dari 122 fitur yang digunakan, meliputi informasi klinis, faktor risiko dan EKG saat ULJB. Algoritme yang digunakan meliputi support vector machine, logistic regression, random forest, k-nearest neighbor, naive Bayesian, Adaboost, decision tree dan extreme gradient boosting. Hasil Sebanyak 124 dari 513 pasien dengan respons iskemik sugestif positif ikutserta dalam studi ini. Algoritme random forest memiliki nilai akurasi yang paling tinggi 0,75±0,05 dengan indeks Youden 0,37 serta AUC 0,7±0,14. Sebanyak 86(69,35%) populasi terbukti memiliki stenosis signifikan.Kesimpulan ULJB dengan bantuan kecerdasan buatan dapat mendeteksi adanya PJKO pada pasien dengan sindroma koroner kronik dengan respons iskemik sugestif positif.

---

Background Treadmill stress testing (TST) used to be an established diagnostic modalities in diagnosing obstructive coronary artery disease (OCAD) among patients with chronic coronary syndrome (CCS). Nevertheless, it has high false positive rate especially especially those with suggestive positive ischemic response (SPIR). We aim to develop an predictive model based on machine learning to detect OCAD among those with SPIR.

Method Patients who underwent TST and coronary angiography (CAG) within 1 year interval were enrolled into the study. They were randomly splitted into training (80%) and testing (20%) dataset for model development. Sixteen out of 122 features were used, including clinical information, risk factor and ECG parameter during TST. Several algorithm were used in model development including support vector machine, logistic regression, random forest, k-nearest neighbor, naive Bayesian, Adaboost, decision tree dan extreme gradient boosting.

Result 124 out of 513 patients with SPIR were enrolled in this study. Random forest algorithm achieved the highest accuracy (0,75±0,05) with Youden index of 0,37 and AUC 0,7±0,14. A total of 86(69,35%) patients had OCAD based on CAG.

Conclusion Machine learning based predictive model can diagnosed OCAD among CCS patients with SPIR."

"Latar belakang: Evaluasi status fungsional pada pasien dengan angina refrakter yang tidak adekuat dikendalikan dengan terapi medis, angioplasti perkutan (IPK) ataupun bedah pintas arteri koroner (BPAK) dalam melakukan aktivitas sehari-hari dapat dilakukan dengan six-minute walk test (6MWT). Harapan Kita ECP (HARTEC Study) menggunakan Exernal Counterpulsation (ECP) sebagai pilihan terapi pada pasien dengan angina refrakter yang tidak adekuat dengan terapi konvensional. Saat ini belum ada yang menilai faktor-faktor yang mempengaruhi hasil 6MWT pada pasien dengan angina refrakter. Tujuan: Mengetahui faktor klinis, parameter klinis, elektrokardiografi dan ekokardiografi apa saja yang berhubungan dengan hasil 6MWT pada pasien dengan angina refrakter yang tidak ideal untuk dilakukan revaskularisasi konvensional yang masuk dalam HARTEC Study. Metode: Studi kohort retrospektif dilakukan pada 63 pasien angina refrakter yang tidak ideal untuk revaskularisasi konfensional (IPK/BPAK) selama periode Juni 2018-Desember 2019 yang diikutsertakan dalam HARTEC study. Kapasitas fungsional diukur dengan metode six-minute walk test, dimana pasien akan diukur jarak yang dapat ditempuh pasien selama enam menit dalam satuan meter. Hasil: Kapasitas fungsional pada pasien dengan angina refrakter yang diukur dengan 6MWT dipengaruhi oleh faktor-faktor independen diantaranya adalah: (1) jenis kelamin, dimana laki-laki memiliki pengaruh terhadap nilai 6MWT sebesar 47.97 meter (p 0.010) lebih baik dibanding perempuan; (2) Usia memiliki pengaruh sebesar -1.64 meter (p 0.025) yang berarti setiap penambahan usia 1 tahun akan mengurangi jarak tempuh sejauh 1.64meter; (3) Riwayat stroke akan mengurangi 6MWT sejauh  39.96 meter (p 0.014); (4) setiap peningkatan 10 mmHg tekanan darah diastolik memiliki pengaruh sebesar 14 meter (p 0.014); (5) setiap peningkatan 10% LVEF akan memberikan peningkatan 6MWT sebesar 6.9 meter (p 0.050). Kesimpulan: Terdapat lima variabel yang menjadi faktor yang berpengaruh terhadap 6MWT, yaitu: jenis kelamin, Usia, riwayat stroke, tekanan darah diastolik, dan LVEF.

---

Background: Evaluation of functional capacity in refractory angina patients with

debilitating refractory angina inadequately controlled by medical therapy, percutaneous angioplasty (PCI) or coronary artery bypass surgery (CABG) can be measured with six-minute walk test. Harapan Kita ECP (HARTEC study) using

external counterpulsation (ECP) as alternative non-invasive therapy in patients with refractory angina. There has been no study evaluating factors predicting counterpulsation outcome in form of functional capacity with six minute walk test

in patients with debilitating refractory angina.

Objective: To determine what clinical factors, electrocardiography and echocardiography parameters which has correlation to 6MWT in patients with refractory angina inadequately controlled by medical therapy, PCI, or CABG in

HARTEC study. Methods: we conducted retrospective cohort study to 63 patients with refractory

angina inadequately controlled by medical therapy, PCI, or CABG in June 2018-December 2019 who was enrolled in HARTEC study. Functional capacity was

assess with six-minute walk test, the patients were asked to walk as far as they could go in 6 minutes, and the data will be presents in meters

Results: Functional capacity which assessed with 6MWT influenced by independent factors which are: [1] gender, that has contribute to 47.97 meters (p

0.010) better than woman; [2] Age, every one years added will effect in reduced 6MWT as far as 1.64 meter (p0.025); [3] History of stroke will reduced 6MWT 39.96 meter (p 0.014); [4] every 10 mmHg of diastolic pressure will increase 6MWT 14 meter (p 0.014); [5] every 10% of LVEF increased will add 6.9 meter (p 0.050) in 6MWT Conclusion: There are five factors predicting 6MWT as the outcome of externalcounterpulsation, which are: gender, Age, history of stroke, diastolic pressure, and LVEF."