ANALISIS SURVIVAL DENGAN MODEL
REGRESI COX WEIBULL PADA PENDERITA
DEMAM BERDARAH DENGUE
DI RSU HAJI SURABAYA
Oleh
: Endhy Bastyan
NRP
: 1308100011
Tahap
: Sarjana
Dosen Pembimbing :Dr. I Nyoman Latra, MS
AGENDA
JURUSAN STATISTIKA ITS
I
• PENDAHULUAN
II
• TINJAUAN PUSTAKA
III
• METODOLOGI PENELITIAN
IV• ANALISIS & PEMBAHASAN
JURUSAN STATISTIKA ITS
Jurusan
Statistika ITS
Indonesia --- kasus tertinggi di Asia Tenggara
2009 150000 kasus (10% meninggal dunia) 2010 75000 kasus
2011 50000 kasus
Surabaya --- kasus tertinggi di Jawa Timur 2011 Februari – Maret = 289 kasus. Jumlah kematian akibat kesalahan penanganan harus diminimalisir.
Faktor-faktor yang mempengaruhi kesembuhan pasien harus dideteksi. Analisis Survival mampu mengetahui laju kesembuhan pasien beserta
faktor-faktor yang mempengaruhinya. Analisis Survival : - Bayessian
Jurusan
Statistika ITS
• PEMODELAN DEMAM BERDARAH DENGUE (DBD) DI
JAWA TIMUR BERDASARKAN FAKTOR IKLIM DAN SOSIO EKONOMI DENGAN PENDEKATAN REGRESI PANEL SEMIPARAMETRIK
Yussanti
(2012)
• ANALISIS SURVIVAL & FAKTOR-FAKTOR YANG
MEMPENGARUHI KESEMBUHAN PASIEN DEMAM BERDARAH DENGAN REGRESI COX (STUDI KASUS PASIEN DEMAM BERDARAH DI RSU HAJI SURABAYA TAHUN 2011)
Fa’rifah
(2012)
• ANALISIS SURVIVAL TERHADAP FAKTOR – FAKTOR
YANG MEMPENGARUHI LAJU KESEMBUHAN PASIEN PENDERITA DEMAM BERDARAH DENGUE (DBD) MENGGUNAKAN REGRESI COX WEIBULL DAN
LOGNORMAL 2 PARAMETER
Yuswantara
(2013)
Jurusan
Statistika ITS
Bagaimana karakteristik pasien penderita demam berdarah dengue (DBD)
di RSU Haji Surabaya ?
1
Faktor-faktor apa saja yang mempengaruhi laju kesembuhan dari pasien
penderita penyakit demam berdarah dengue (DBD) yang ditinjau dari data
rekam medis dan data pribadi pasien di RSU Haji Surabaya ?
2
Bagaimana laju kesembuhan pasien penderita penyakit demam berdarah
dengue (DBD) di RSU Haji Surabaya ?
Jurusan
Statistika ITS
Mengetahui karakteristik pasien penderita demam berdarah dengue (DBD)
di RSU Haji Surabaya
1
Mengetahui faktor-faktor apa saja yang mempengaruhi laju kesembuhan
dari pasien penderita penyakit demam berdarah dengue (DBD) yang
ditinjau dari data rekam medis dan data pribadi pasien di RSU Haji
Surabaya
2
Mengetahui laju kesembuhan pasien penderita penyakit demam berdarah
dengue (DBD) di RSU Haji Surabaya
Jurusan
Statistika ITS
Mengetahui faktor yang berpengaruh secara signifikan sehingga dapat
memberikan alternatif pemecahan masalah terhadap penyembuhan
pasien DBD di RSU Haji Surabaya
1
Agar dapat memahami dan menerapkan metode Regresi Cox serta
mengembangkan pengetahuan mengenai penaksiran parameter dan
pengujian pada model Regresi Cox
Jurusan
Statistika ITS
Data rekam medis pasien penderita DBD di RSU Haji Surabaya periode tahun 2012
Penelitian ini hanya berlaku untuk kasus demam berdarah dengue (DBD) di RSU
Haji Surabaya.
Batasan faktor –faktor data rekam medis dan data pribadi pasien adalah data usia pasien, jenis
kelamin pasien, kadar hemoglobin, leukosit, hematokrit, serta trombosit, suhu tubuh saat pertama kali dilakukan pertama kali pengecekan, pemberian transfusi darah, serta lamanya pasien menginap di RSU Haji Surabaya
JURUSAN STATISTIKA ITS
TINJAUAN
PUSTAKA
Jurusan
Statistika ITS
Analisis survival merupakan suatu metode statistik yang berkaitan
dengan waktu, yaitu dimulai dari time origin atau start point sampai
pada suatu kejadian khusus (failure event/end point). Salah satu analisis
survival yang digunakan adalah regresi cox, yaitu suatu regresi yang
digunakan untuk analisis data dengan variabel dependennya berupa
waktu survival. Waktu survival tersebut diperoleh dari suatu
pengamatan terhadap obyek yang dicatat waktu dari awal kejadian
sampai terjadinya peristiwa tertentu, yaitu kegagalan dari setiap obyek
yang disebut dengan failure event (Collet, 1994).
Jurusan
Statistika ITS
H
0: Waktu survival mengikuti distribusi tertentu
H
1: Waktu survival tidak mengikuti distribusi tertentu
Daerah Penolakan:
Tolak H
0apabila
> nilai F
α,V1,V2atau bisa diketahui p-value kurang dari
α. Atau dapat dikatakan, akan mengikuti distribusi tertentu jika nilai
Anderson - Darling yang diperoleh lebih kecil dari nilai – nilai pada
distribusi yang lainnya (Law dan Kelton, 2000
)
Statistik uji :2
Jurusan
Statistika ITS
.
FUNGSI KEPADATAN PELUANG :
FUNGSI DISTRIBUSI KOMULATIF :
0
,
exp
)
,
|
(
1>
−
=
−t
t
t
t
f
γ γη
η
η
γ
γ
η
(
)
−
−
=
γη
γ
η
t
t
F
|
,
1
exp
Jurusan
Statistika ITS
.
(
)
−
=
γ
η
γ
η
t
t
S
|
,
exp
Jurusan
Statistika ITS
FUNGSI HAZARD :
KOMULATIF HAZARD :
γη
η
γ
γ
η
=
t
t
h
(
|
,
)
γη
γ
η
=
t
t
H
(
|
,
)
Jurusan
Statistika ITS
.
VARIANS INFLATION FACTORS (VIF) :
KORELASI PEARSON:
21
1
jR
VIF
−
=
− − − =∑
∑
∑
∑
∑
∑
∑
= = = = = = = n i n i i i n i i n i i n i i n i i n i i i x x x x n x x n x x x x n r 1 2 1 2 2 2 2 1 1 1 2 1 1 2 1 1 1 2 1 2 1Jurusan
Statistika ITS
.
UJI INDEPENDENSI
H0 : variabel Xi dan Xj saling bebas
H1 : variabel Xi dan Xj tidak saling bebas
Statistik Uji :
(
)
∑∑
= =−
=
I i J j ij ij ijn
1 1 2 2ˆ
ˆ
µ
µ
χ
Daerah penolakan : 2 ) 1 )( 1 ( , 2 − −>
χ
α I Jχ
Jurusan
Statistika ITS
Metode Regresi Cox pertama kali dikenalkan oleh Cox, adalah salah satu analisis
survival yang paling sering digunakan. Regresi ini digunakan ketika variabel
dependennya merupakan suatu data yang diperoleh dari perhitungan waktu suatu peristiwa tertentu. Misalnya data tentang waktu pasien menderita penyakit tertentu, dimana perhitungannya dimulai dari awal sakit hingga dinyatakan sembuh atau terjadi kejadian khusus, yaitu seperti kematian, atau kejadian khusus lainnya (Cox, 1972). Pada umumnya, analisis survival dengan regresi Cox biasanya digunakan di dunia kesehatan, seperti mengenai ketahanan hidup pasien penderita penyakit tertentu (Omurlu, Ture, Tokatli, 2009). Regresi ini tidak mempunyai asumsi mengenai sifat dan bentuk sesuai dengan distribusi normal seperti asumsi pada regresi yang lain, distribusi yang digunakan adalah sesuai dengan variabel dependen yang digunakan (Ahmed, Vos, dan Holbert, 2007).
Jurusan
Statistika ITS
Jurusan
Statistika ITS
Seleksi model terbaik digunakan untuk mendapatkan model terbaik
yang dapat menggambarkan hubungan antara waktu survival dengan
beberapa
variabel
independen
secara
tepat.
Cara
untuk
membandingkan sejumlah kemungkinan model dengan berdasarkan
Akaike Information Criterion (AIC) (Collet, 1994). Nilai AIC dapat
diperoleh dari.
K
L
AIC
2
ln
2
^+
−
=
Jurusan
Statistika ITS
Pada penelitian ini seleksi yang digunakan adalah eliminasi backward. Langkah-langkah eliminasi backward menurut (Le, 1997) adalah sebagai berikut.
1.Membuat model regresi yang berisi semua variabel independen yang tersedia. 2.Memilih satu variabel independen yang berdasarkan kriteria pemilihan merupakan variabel terakhir untuk dimasukkan dalam model.
3.Melakukan pengujian pada variabel independen yang terpilih pada langkah 2 dan memutuskan untuk menghilangkan atau tidak variabel tersebut.
4.Mengulangi langkah 2 dan 3 untuk setiap variabel yang terdapat pada model. Apabila tidak ada kriteria yang sesuai berdasarkan langkah 3 maka proses telah selesai karena tidak ada lagi variabel independen yang dihilangkan dari model.
Jurusan
Statistika ITS
H
0: β
1= β
2= ... = β
p= 0
H
1: paling sedikit ada satu β
k≠ 0, dengan k = 1, 2, ..., p
Statistik Uji : Uji rasio likelihood
Λ
−
=
2
ln
2
G
Jurusan
Statistika ITS
H
0: β
k= 0
H
1: β
k≠ 0
Statistik Uji : Uji Wald
2 2 2 = ∧ ∧ k SE W k β β
Daerah kritis : tolak H
0jika
2atau p-value < α
1 , 2 α X W >
Jurusan
Statistika ITS
ODDS RATIO = = = β = −β = e e t h t h x t h x t h ) ( ) ( ) 1 ( ) 0 ( 0 0 0 0Nilai odds ratio yang diperoleh tersebut mempunyai arti bahwa tingkat kecepatan terjadinya failure event (laju kesembuhan) pada individu dengan kategori x=0 adalah sebesar kali tingkat kecepatan terjadinya resiko terjadinya peristiwa
failure event pada individu dengan kategori x=1.
β
−
e
Untuk variabel independen yang kontinu, nilai dari mempunyai interpretasi bahwa perbandingan odds ratio antara individu dengan nilai X lebih besar 1 satuan dibanding individu lain.
β − e β −
e
Jurusan
Statistika ITS
1.Demam Berdarah Dengue adalah penyakit demam akut yang disebabkan oleh virus dengue, dimana virus tersebut masuk ke dalam peredaran darah manusia melalui gigitan nyamuk dari genus Aedes.
2.Terdapat 4 jenis virus dengue yang diketahui menjadi penyebab DBD: DEN-1, DEN-2, DEN-3, dan DEN-4.
3.Masa Inkubasi penyakit DBD : 3-14 hari, rata-ratanya adalah 3-7 hari.
4.Kadar Hemoglobin : untuk wanita adalah 11,4 sampai 15,1 g/dl, sedangkan untuk laki-laki adalah 13,4 sampai 17,7 g/dl.
5.Kadar Leukosit : batas normal bagi wanita adalah 4300-11300/mm3, untuk
laki-laki adalah 4300-10300/mm3.
6.Kadar Hematokrit : Keadaan normal hematokrit pada tubuh manusia adalah antara 38 sampai 42% untuk wanita dan 40-47% untuk laki-laki.
7.Kadar Trombosit : Dalam kondisi normal, kadar trombosit untuk wanita dan laki-laki adalah antara 150.000-400.000/mm3.
JURUSAN STATISTIKA ITS
METODOLOGI
PENELETIAN
Jurusan
Statistika ITS
Data yang digunakan pada penelitian ini adalah data
sekunder yang diperoleh dari manajemen RSU Haji
Surabaya yaitu data rekam medis mengenai waktu survival
pasien penderita penyakit DBD pada periode 2012 yang
dirawat di RSU Haji Surabaya.
Jurusan
Statistika ITS
Variabel dependen pada penelitian ini adalah waktu
survival (lama pasien dirawat inap) pasien DBD di RS Haji
Jurusan
Statistika ITS
Variabel independen yang digunakan pada penelitian ini yaitu variabel
– variabel yang diduga berpengaruh terhadap waktu survival (lama
pasien dirawat inap) pasien DBD di RSU Haji Surabaya, yaitu:
1.Usia Pasien (X1)
2.Jenis Kelamin Pasien(X2)
3.Kadar Hemoglobin Pasien(X3)
4.Kadar Leukosit Pasien(X4)
5.Kadar Hematokrit Pasien(X5)
6. Kadar Trombosit Pasien(X6)
7. Suhu Tubuh Pasien (X7)
Jurusan
Statistika ITS
1. Deskripsi karakteristik penderita penyakit DBD
2. Mendapatkan faktor-faktor yang mempengaruhi laju kesembuhan pasien penderita penyakit DBD, dengan langkah sebagai berikut.
- Melakukan pengujian distribusi weibull dua parameter dengan menggunakan statistik uji
Kolmogorov Smirnov
- Melakukan uji multikolinearitas antar variabel independen yang digunakan. - Menghitung estimasi parameter model serta fungsi hazard.
- Melakukan uji signifikansi parameter.
- Menentukan model terbaik dengan kriteria AIC.
3.Untuk mengetahui laju kesembuhan pasien penderita penyakit DBD, langkah analisis yang dilakukan terdiri dari :
- Menghitung nilai odd ratio dari variabel independen yang berpengaruh terhadap model untuk mengetahui perbandingan laju kesembuhan setiap kategori dari variabel independen.
- Menghitung nilai taksiran fungsi hazard dari model yang terbentuk untuk mengetahui laju kesembuhan pasien pada waktu t
Jurusan
Statistika ITS
Mulai
Pengumpulan data
Analisis statistika deskriptif
Uji distribusi pada variabel respon (T)
Uji Multikolinieritas
Melakukan Estimasi Model beserta Fungsi Hazard
A
A
Seleksi model terbaik
Uji signifikansi parameter
Mencari faktor-faktor yang berpengaruh berdasarkan model terbaik
Menghitung nilai odd ratio
B
B
Menghitung Laju Kesembuhan melalui
model pada saat t
JURUSAN STATISTIKA ITS
ANALISIS &
Jurusan
Statistika ITS
Variabel Minimum Maximum Mean Standar Deviasi W.Survival 1 13 5,0521 1,90495 Usia 1 65 21,4167 15,03656 Hemoglobin 9,2 20,7 13,9427 1,96097 Leukosit 1440 17240 5252,0417 3147,78709 Hematokrit 27,3 57,5 41,1542 5,10358 Trombosit 8000 342000 106968,75 61174,72012 Suhu 35,4 40,6 37,6115 1,17203
Jurusan
Statistika ITS
Laki-laki 52%
Perempuan 49%
Jurusan
Statistika ITS
Tidak ada transfusi 85% Ada transfusi
Jurusan
Statistika ITS
Waktu
survival
Jenis Kelamin (%) Total
Laki-Laki Perempuan (%) < 4 hari 19,79 21,88 41,66 4- 5 hari 9,37 12,50 21,87 >5 hari 21,88 14,58 36,47 Total 51,04 48,96 100
Jurusan
Statistika ITS
Waktu survival
Pemberian Transfusi Darah (%)
Total (%)
Ada Transfusi Darah Tidak Ada Transfusi
Darah
< 4 hari 8,34 33,33 41,67
4-5 hari 1,04 20,84 21,88
>5 hari 6,25 30,20 36,45
Jurusan
Statistika ITS
Prediktor
VIF
Usia (X1)
1,099
Hemoglobin (X3)
8,561
Leukosit (X4)
1,359
Hematokrit (X5)
8,692
Trombosit (X6)
1,408
Suhu Tubuh (X7)
1,099
Jurusan
Statistika ITS
Variabel AIC
Semua variabel independen 89,669 Tanpa Hematokrit (X5) 87,672 Tanpa Hematokrit (X5) dan Leukosit (X4) 85,683 Tanpa Hematokrit (X5), Leukosit (X4) dan Suhu
Tubuh (X7) 84,934
Tanpa Hematokrit (X5), Leukosit (X4), Suhu Tubuh
(X7) dan Trombosit (X6) 83,718 Tanpa Hematokrit (X5), Leukosit (X4), Suhu Tubuh
(X7), Trombosit (X6) dan Transfusi Darah (X8) 82,468
Tanpa Hematokrit (X5), Leukosit (X4), Suhu Tubuh (X7), Trombosit (X6), Transfusi Darah (X8) dan Jenis Kelamin (X2)
81,692
Tanpa Hematokrit (X5), Leukosit (X4), Suhu Tubuh (X7), Trombosit (X6), Transfusi Darah (X8), Jenis Kelamin (X2), Hemoglobin (X3)
Jurusan
Statistika ITS
Variabel Estimasi Koefisien
Odds Ratio
Usia -0,0232 0,97706
Jurusan
Statistika ITS
1.Agresti, A. (2002). Categorical Data Analysis Second Edition. New York: John Wiley & Sons.
2.Ahmed, F. E., Vos, P. W., dan Holbert, D. (2007). Modeling Survival in Colon Cancer : A Metodological Review. Molecular Cancer, 6, 15
3.Collet, D. (1994). Modelling Survival Data in Medical Reseach. London: Chapman and Hall
4.Cox, D. R. (1972). Regression Model and Life Table. J Roy Stat Soc B, 34, 187-202 5.Draper N.R. dan Smith H. (1992). Analisa Regresi Terapan, Second Edition. New York: John Wiley & Sons.
6.Hocking, R. R. (2003). Methods and Application of Linier Models (Regression and
The Analysis of The Variance, Second Edition). New York: John Wiley & Sons.
7.Hosmer, D.W., Lemeshow, S. dan May, S. (2008). Applied Survival Analysis. Wiley & Sons, Inc., Hoboken, New Jersey
8.Kristina, Isminah dan Wulandari.L. (2004). Demam Berdarah Dengue. http://www.litbang.depkes.go.id/maskes/052004/demamberdarah1.html [diakses tanggal 31 Januari 2013]
Jurusan
Statistika ITS
9.Kusriastuti. (2012). Indonesia Jawara DBD se-ASEAN.
http://www.waspada.co.id/index.php [diakses tanggal 31 Januari 2013]
Kementrian Kesehatan Republik Indonesia. (2009). Database Kesehatan Per
Provinsi.: Kementrian Kesehatan Republik Indonesia
10.Latief. A.H.M. Mahbub, Hosain. M. Zakir, Islam. M. Ataharul. Model Selection
Using Modified Akaike’s Information Criterion: An Application to Maternal Morbidity Data.Australian Journal of Statistics Vol.37 No.2 (2008), p. 175-184.
11.Law, A. M., & Kelton, D. W. (2000). Simulation Modelling Analysis (3th ed.). New York: MacGraw-Hill
12.Le, C. T. (1997). Applied Survival Analysis. New York: John Wiley and Sons, Inc. Liang, C.,Zheng, G., Zhu, N., Zhe, T., Lu, S., dan Chen, L. (2011). A New
Environmental Heat Stress Index for Indoor Hot and Humid Envirenments Based
on Cox Regression. Journal International of
Jurusan
Statistika ITS
13.Omurlu, I. K., Ture, M., Tokatli, F. (2009). The Comparisons of Random Survival
Forest and Cox Regression analysis with Simulation and an Application Related to Breast Cancer. Journal International of Expert Systems with Applications, 36,
8582-8588
14.Yussanti, N. (2011). Pemodelan Wabah Demam Berdarah Dengue (DBD) di Jawa
Timur Berdasarkan Faktor Iklim dan Sosio-ekonomi Dengan Pendekatan Regresi Panel Semiparametrik. Institut Teknologi Sepuluh Nopember, Surabaya
15.Yuswantara, Y (2013). Analisis Survival Terhadap Faktor-Faktor
YangMempengaruhi Laju KesembuhanPasienPenderita Demam Berdarah Dengue (DBD) Regresi Cox Weibull Dan Lognormal Dua Parameter. Institut Teknologi
Sepuluh Nopember, Surabaya
16.Walpole, R. E. (1995). Pengantar Statistika (3nd ed.). Jakarta: PT Gramedia Pustaka Utama
17.Wikipedia Web site. (2012). Demam Berdarah. Diakses pada 27 Januari 2012, dari http://id.wikipedia.org/wiki/Demam_Berdarah