Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKAterosklerosis merupakan inflamasi akibat OxLDL yang berhubungan dengan lipoprotein associated phospholipase A2 LpPLA2 , sehingga menarik mengetahui lebih jauh peran LpPLA2 dalam patogenesis awal aterosklerosis, Penelitian eksperimental ini menggunakan metode post-test with control group secara invivo 50 ekor tikus Sprague Dawley SD yang dikelompokkan dalam kelompok normal, dislipidemia DL , DM tipe 2 DMT2 dan DL serta DMT2 yang diberikan Darapladib DP dengan dosis 30 mg/kg berat badan/hari. Terdiri dari 2 serial waktu perlakuan yaitu 8 dan 16 minggu. Uji statistik menunjukkan kondisi DL, ekspresi protein Lp-PLA2 di jaringan aorta signifikan dengan peningkatan jumlah sel busa. Pada kondisi DMT2, ekspresi relatif mRNA Lp-PLA2 darah signifikan dengan peningkatan jumlah sel busa. Pemberian DP menekan ekspresi Lp-PLA2 dan LisoPC di jaringan aorta tetapi DP tidak menekan ekspresi mRNA Lp-PLA2 jaringan aorta dan darah baik pada kondisi DMT2 maupun DL. DP mampu menekan inflamasi baik di jaringan aorta maupun plasma kondisi DL maupun DMT2. Ekspresi protein Lp-PLA2 jaringan aorta sesuai dengan perubahan kadar LisoPC jaringan aorta. Namun, profil ekspresi mRNA Lp-PLA2 tidak sesuai dengan profil perubahan kadar LisoPC. Protein Lp-PLA2 tidak dapat menggambarkan ekspresi Lp-PLA2 di aorta. Terdapat perbedaan jalur patomekanisme Lp-PLA2 dalam mengaktivasi respons inflamasi diantara kondisi DMT2 dan DL. Keywords : Aterosklerosis, Dislipidemia, DM Tipe 2, LP-PLA2, LisoPC

---

ABSTRACTAthrosclerosis in an inflamation caused by OxLDL which has corellation with lipoprotein associated phospholipase A2 LpPLA2 . Then, it is interesting to do a deeper exploration about LpPLA2 rsquo s role in atherosclerosis patogenesis. These experimental reseacrh use an invivo post test with control group in 50 Sprague Dawley rats SD that will be grouped in a normal, dyslipidemia DL , type 2 diabetes DMT2 or DL and DMT2 group with Darapladib DP administration 30 mg kg body weight daily, each group consisted of 2 serials treatment time, which are 8 weeks and 16 weeks treatment groups. Statistics result showed that in DL condition Lp PLA2 protein expression in aortic tissue correlate significantly with the increase of foam cells, while in DMT2 condition mRNA Lp PLA2 blood expression correlate significantly with the increase of foam cells. DP decreases Lp PLA2 protein expression and LysoPC in aortic tissue, but DP failed to decrease blood and aorta tissue mRNA Lp PLA2 expression both in DL and DMT2 condition. DP is able to decrease inflammation marker both in aortic tissue and plasma both in DMT2 and DL condition. The pattern of Lp PLA2 protein expression in aorta is similar to LysoPC level. However, mRNA Lp PLA2 expression pattern is different from lisoPC level pattern. mRNA Lp PLA2 and Lp PLA2 protein expressions in aorta is different from the blood. Therefore, Lp PLA2 expression in blood does not represent the expression of Lp PLA2 in the aorta. There is a different pattern of Lp PLA2 pathomechanism in activating inflammation response between DMT2 and DL conditions. Keywords Atherosclerosis, Dyslipidemia, type 2 DM, LP PLA2, LisoPC"

"ABSTRAKSepsis adalah disfungsi organ yang mengancam jiwa akibat gangguan regulasi pejamu sebagai respons terhadap infeksi. Renjatan sepsis adalah subset sepsis dengan abnormalitas sirkulasi, selular, dan metabolisme yang berkaitan dengan risiko kematian. Penelitian ini bertujuan untuk menilai peran ekokardiografi, biomarker kardiovaskular, fungsi ginjal dan saturasi oksigen vena sebagai prediktor kematian pasien renjatan sepsis. Pada pemeriksaan ekokardiografi dinilai fungsi diastolik E/e rsquo;, Fraksi Ejeksi Bilik Kiri, Indeks Kardiak, TAPSE, sedangkan biomarker kardiovaskular dinilai Troponin I dan NT Pro BNP, dengan disain penelitian kohort prospektif. Tempat penelitian di Rumah Sakit Umum Kabupaten Tangerang, Banten. Selama periode 2 tahun penelitian ada 111 pasien masuk dalam kriteria renjatan sepsis yaitu adanya infeksi, hipotensi MAP < 65 mmHg dan Laktat darah > 2 mmol/L. Pada hari pertama dan kelima dilakukan pemeriksaan ekokardiografi dan laboratorium darah pada semua pasien renjatan sepsis. Pada pengamatan selama 10 hari diperoleh pasien yang meninggal 64 58 dan yang hidup 47 42 . Rerata umur pasien 48 18 tahun. Analisis bivariat ditemukan Fraksi Ejeksi Bilik Kiri abnormal memiliki risiko kematian 1,6 kali dibanding normal RR 1,6; p = 0,034 . Biomarker Troponin I abnormal menunjukkan risiko kematian 1,6 kali dibanding normal RR 1,6; p = 0,004 . Pasien dengan gangguan fungsi ginjal memiliki risiko kematian 1,5 kali RR 1,5; p = 0,024 . Pasien dengan Troponin I abnormal dengan atau tanpa gangguan fungsi ginjal menunjukkan peningkatan risiko kematian, demikian pula pada pasien dengan Troponin I normal yang disertai gangguan fungsi ginjal. Hasil analisis multivariat menunjukkan prediktor kematian pasien renjatan sepsis adalah kadar Troponin I dan Fraksi Ejeksi Bilik Kiri RR 1,83; IK95 1,049 ? 3,215; p = 0,043 dan RR 1,99; IK95 1,009 ? 3,956; p = 0,047 Simpulan: Troponin I dan Fraksi Ejeksi Bilik Kiri merupakan prediktor kematian pasien renjatan sepsis. Kata kunci :Ekokardiografi, Kematian, NT Pro BNP, Renjatan Sepsis, Troponin I.

---

ABSTRACTSepsis is a life threatening organ dysfunction caused by host regulation disorder in response to infections. Septic shock is a subset of sepsis with circulatory, cellular, and metabolic abnormalities associated with the risk of mortality. The aim of this study is to assess the role of echocardiography, cardiovascular biomarker, renal function and oxygen vein saturation as predictors of mortality in patients with septic shock. In this study, echocardiography examination including diastolic function E e 39 , Left Ventricle Ejection Fraction LVEF , Cardiac Index CI , and TAPSE, whereas cardiovascular biomarker Troponin I and NT Pro BNP were assessed. Research design of this study is cohort perspective. The study took place in Tangerang Regional General Hospital, Banten Province. During two years of research, there were 111 patients included in septic shock category, which indicated by the presence of infections, hypotension MAP 65 mmHg and serum lactate 2 mmol L. On the first and the fifth day, examinations on echocardiography and laboratory blood test were conducted on each patient of septic shock. During ten days of observation, 64 patients died 54 and 47 patients were survived 42 . The mean age of the patients was 48 18 years old. Bivariate analysis showed abnormal LVEF had 1.6 times higher mortality risk than normal RR 1.6 p 0.034 . Abnormal Troponin I biomarker showed 1.6 higher mortality risk, compared to normal RR 1.6 p 0.004 . The patients with kidney function disorder had 1.5 times higher mortality risk RR 1.5 p 0.024 . Patients with abnormal Troponin I with or without kidney function disorder showed increase in mortality risk. Normal Troponin I with kidney function disorder also increase in mortality risk. Multivariate analysis showed Troponin I and Left Ventricular Ejection Fraction as predictors of mortality in patients with septic shock RR 1.83 CI95 1.049 3.215 p 0.043 dan RR 1.99 CI95 1.009 3.956 p 0.047 In conclusion, Troponin I biomaker and Left Ventricular Ejection Fraction are predictors of mortality in patients with septic shock. Keyword Echocardiography, Death, NT Pro BNP, Septic Shock, Troponin I "

"Deteksi dini gagal jantung (GJ) penting untuk mengurangi angka kesakitan, kematian dan rawat ulang, terutama pada era pandemi COVID-19. Kecerdasan buatan berdasarkan data ekokardiografi berpotensi mempermudah identifikasi GJ, tetapi tingkat kesahihan belum diketahui. Oleh karena itu, dikembangkan model Learning Intelligent for Effective Sonography (LIFES) dengan metode deep learning menggunakan algoritme visual geometry group (VGG)-16 untuk menilai validitas model kecerdasan buatan dalam deteksi GJ dan membedakan jenis GJ dengan atau tanpa penurunan fraksi ejeksi ventrikel kiri (FEVKi) di berbagai alat ekokardiografi. Penelitian uji diagnostik ini menggunakan desain potong lintang yang dibagi dua fase yaitu fase pertama populasi pasien normal dan GJ dengan atau tanpa FEVKi menurun di RS Pusat Jantung Nasional Harapan Kita dan fase kedua di 10 RS jejaring pada bulan Januari 2020–Maret 2022. Pada fase pertama dilakukan analisis 141 rekaman video ekokardiografi dan fase kedua dianalisis 685 video meliputi tampilan apical 4 chamber (A4C), apical 2 chamber (A2C), dan parasternal long axis (PLAX). Dataset setiap fase dibagi untuk melatih (tahap training) dan menguji (tahap testing) model LIFES dalam membedakan dua kelas diagnosis (GJ dan individu normal) dan tiga kelas diagnosis (GJ dengan FEVKi menurun, GJ dengan FEVKi terjaga, dan individu normal). Pada fase 1 performa terbaik model LIFES dalam membedakan dua kelas ditunjukkan pada tampilan A2C dengan skor F1 0,94 dan area under the curve (AUC) 0,93. Klasifikasi tiga kelas terbaik ditunjukkan pada tampilan A2C dengan F1 0,78 dan AUC 0,83 sampai 0,92. Pada fase 2 klasifikasi dua kelas terbaik ditunjukkan oleh tampilan PLAX dengan skor F1 mencapai 0,93 dan AUC 0,91. Klasifikasi tiga kelas terbaik ditunjukkan pada tampilan PLAX dengan F1 0,82 dan AUC berkisar dari 0,91 hingga 0,94. Waktu pemrosesan model LIFES sekitar 0,15 sampai 0,19 detik untuk memprediksi satu sampel. Disimpulkan model LIFES berfungsi baik untuk deteksi dini GJ sesuai konsensus ahli, sekaligus dapat membedakan jenis GJ dengan atau tanpa FEVKi menurun pada berbagai mesin ekokardiografi.

---

Early detection of heart failure (HF) is important to reduce morbidity, mortality, and re-hospitalization, especially in the era of the COVID-19 pandemic. Artificial intelligence based on echocardiographic data has the potential to facilitate the identification of HF, but the level of validity is unknown. Therefore, Learning Intelligent for Effective Sonography (LIFES) model was developed with a deep learning method using the visual geometry group (VGG)-16 algorithm to assess the validity of the artificial intelligence model in the detection of HF and distinguish the type of HF with reduced ejection fraction (HFrEF) or preserved in left ventricular ejection fraction (HFpEF) in various echocardiographic devices. This diagnostic test study used a cross-sectional design, which was divided into two phases, namely the population of normal and HFrEF or HFpEF patients at the Harapan Kita National Heart Center Hospital and ten network hospitals from January 2020 to March 2022. In the first phase, 141 echocardiographic video recordings were analyzed and in the second phase, 685 videos were analyzed, including apical-4 chamber (A4C), apical-2 chamber (A2C), and parasternal-longaxis (PLAX) displays. The dataset for each phase was divided between training and testing the LIFES model in distinguishing two-diagnostic classes (HF and normal individuals) and three-diagnostic classes (HFrEF, HFpEF, and normal individuals). In phase 1, the best performance of the LIFES model in distinguishing the two classes is shown on the A2C display with an F1 score of 0.94 and an area under the curve (AUC) 0.93. The best three-class classifications are shown on the A2C display with an F1 of 0.78 and an AUC of 0.83 to 0.92. In phase 2, the best twoclass classifications are shown by the PLAX display with F1 scores reaching 0.93 and AUC 0.91. he best three-class classifications are shown on the PLAX display, with an F1 of 0.82 and an AUC ranging from 0.91 to 0.94. The

processing time of the LIFES model is about 0.15 to 0.19 seconds to predict a single sample. It is concluded that the LIFES model works well for the early detection of HF, according to expert consensus while at the same time being able to distinguish the type of HF (HFrEF or HFpEF) on various echocardiographic machines."