Epidemiologi Klinik_Diagnosis
-
Upload
gabriela-insani-y -
Category
Documents
-
view
156 -
download
0
Transcript of Epidemiologi Klinik_Diagnosis
DIAGNOSIS Gabriela Insani Yonesty, S.Si.
Beberapa metode untuk membuat diagnonis suatu penyakit
1. Riwayat penyakit (Anamnesis)
2. Physical Examination (Pemeriksaan Fisik)
Both exercises are known as Clinical Examination (Pemeriksaan Klinis)
3. Diagnostic Test (Uji diagnostik)
UJI DIAGNOSTIK
UJI DIAGNOSTIK
Dengan menggunakan anamnesis dan pemeriksaan fisik,
rata-rata 73% kasus berhasil didiagnosis dengan tepat.
Pemeriksaan klinis jauh lebih baik dibanding sekedar hasil
laboratorium.
Penetapan Diagnosis Persen Persen
1 Anamnesis 56% 73%
2 Pemeriksaan klinik 17%
3 Uji diagnostik 27%
Sandler G. 1980. The importance of the history in the
medical clinic and the cost unnecessary tests.
American Heart Journal 100 (Part 1) : 928. dalam
Murti, Bhisma.
Perbedaan dalam diagnosis – pretest probability
Setelah melakukan anamnesis dan
pemeriksaan fisik, diagnosis dapat
dibuat namun tidak sepenuhnya
memiliki kepastian karena
diperlukan juga beberapa daftar
kemungkinan diagnosis yang
berbeda.
Pemeriksaan ketepatan diagnosa
sebelum menetapkan uji diagnostik ::
pretest probability
Urutan Angka Kemungkinan Penyakit
Kemungkinan penyakit Angka kemungkinan
Tidak ada penyakit sama sekali 0
Kemungkinan penyakit 0.25
Penyakit 50 : 50 0.50
Kemungkinan penyakit 0.75
Kepastian penyakit 1
Penggunaan uji diagnostik akan memperbaiki diagnosis awal
Beberapa klinisi kurang memahami
bagaimana hasil uji diagnostik
merubah kecenderungan ketepatan
diagnosis.
Informasi dari hasil uji diagnostik dapat
digunakan untuk memperkuat
kemungkinan diagnosis. Perbaikan
diagnosis awal setelah dilakukan uji
diagnostik :: posttest probability.
Seleksi Uji Diaknostik
Setelah didapatkan perhitungan uji diagnostik sebesar 27% untuk mendiagnosa suatu penyakit, diperlukan seleksi pada uji diagnostik tersebut dengan mendayagunakan uji klinik.
Uji klinik mendukung uji diagnostik untuk menghasilkan diagnosis penyakit secara akurat, karna akan memberikan informasi tambahan kepada klinisi untuk mereduksi ketidakpastian dalam membuat suatu diagnosis
Ukuran ketepatan dalam uji diagnostik..?
Tabel Uji Diagnostik Sederhana
Karakteristik Uji Diagnostik
Sensitifitas :: proporsi pasien yg menderita penyakit, menunjukkan
hasil uji diagnostik yg positif untuk penyakit tsb.
a / (a+c)
Spesifisitas :: proporsi pasien yang tidak menderita penyakit,
menunjukkan hasil uji diagnostik yg negatif untuk
penyakit tsb.
d / (b+d)
Positive Predictive Value :: proporsi pasien yg menunjukkan hasil
(PPV) uji positif untuk penyakit tersebut.
a / (a+b)
Negative Predictive Value :: proporsi pasien yg menunjukkan
hasil (NPV) uji negatif untuk penyakit
tersebut.
d / (c+d)
Uji Diagnostik Terbaik
Uji diagnostik yang sensitif akan menghasilkan
data pasien yang menderita penyakit >> positif.
Uji diagnostik yang spesifik akan menghasilkan
data pasien yang
tidak menderita penyakit >> negatif.
Penggunaan uji diagnostik yang sensitif dan
spesifik akan menghasilkan data yang akurat.
Uji yg sensitif bertujuan untuk
menemukan penyakit,
sedangkan uji yg spesifik bertujuan untuk
memastikan suatu diagnosis yang telah
diduga dengan data
lain.
Kurva ROC
(Receiver Operating Characteristic)
Kurva ROC menunjukkan hubungan antara uji sensitifitas
dan spesifisitas.
Digunakan untuk menerangkan ketepatan uji dalam berbagai
tingkatan titik potong (sebagai nomogram) dalam membaca
spesifisitas yang sesuai dengan sensitifitas yang ada.
Ketepatan keseluruhan dari uji bisa diterangkan dalam daerah di
bawah kurva ROC.
>> Bertambah besar luas daerahnya, maka hasil
uji tersebut semakin baik
Kurva ROC dalam melihat ketepatan pemeriksaan kadar gula darah
setelah 2 jam post prandial penderita DM.
Nilai Prediktif/Predictive Value (PV)
:: Ukuran seberapa baik uji diagnostik yang telah
digunakan dalam memprediksi suatu penyakit
Nilai PPV yang tinggi menunjukkan tingginya
probabilitas individu dengan uji yang positif untuk
dinyatakan menderita penyakit.
Nilai NPV yang tinggi menunjukkan tingginya
probabilitas individu dengan uji yang negatif
untuk dinyatakan tidak menderita penyakit.
Hubungan antara PV, Sensitifitas,
Spesifisitas dan Prevalensi
Nilai prediktif dari suatu uji diagnostik terdapat pada sensitifitas dan spesifisitasnya.
Semakin sensitif dan spesifik suatu uji diagnostik, nilai prediktif akan semakin tinggi, berarti pengelompokkan pasien yang positif akan menunjukkan terkena penyakit, atau pengelompokkan pasien yang negatif akan menunjukkan tidak terkena penyakit.
Hubungan antara PV, Sensitifitas,
Spesifisitas dan Prevalensi
Nilai prediktif juga bergantung pada
prevalensi penyakit tersebut pada suatu
populasi.
Semakin tinggi prevalensi suatu penyakit,
akan didapatkan nilai prediktif yang
tinggi, dan sebaliknya. Hal tersebut tetap
tergatung pada uji diagnostik dengan
spesifisitas dan sensitifitas yang tinggi
Rasio Kecenderungan (LR)
:: Probabilitas dari hasil uji dengan adanya penyakit, dibagi dgn
probabilitas hasil uji pada orang2 yang tidak sakit
Menunjukkan besar-kecilnya kecenderungan hasil uji
pada orang sakit dibanding pada orang tidak sakit.
LR (+) = kecenderungan uji positif pada orang yg sakit a/(a+c)
kecenderungan uji positif pada orang yg tdk sakit b/(b+d)
LR (+) = sensitifitas LR (-) = 1-sensitifitas
1-spesifisitas spesifisitas
Efek Rasio Kecenderungan pada Posttes Probability
Rasio Kecenderungan Posttest Probability suatu penyakit
0 Tidak ada penyakit
0.1 Rendah
1 Tanpa perubahan
10 Tinggi
+∞ Penyakit serius
Odd
:: perbandingan dua probabilitas
:: p/(1-p)
Odd & Probabilitas
Odd :: p/(1-p)
Probabilitas :: odds/(1+odds)
Penggunaan rasio kecenderungan
Pretest probability Posttes probability
Pretest Odd x Rasio kecenderungan = Posttest Odd
Pretest Odd mengandung informasi yang sama seperti pretest
probability.
Rasio kecenderungan = sensitifitas/spesifisitas
Posttes Odd = posttes probability
Hubungan Probabilitas dan Odd
Ketika probabilitas tidak terlalu rendah (≥0.10), Odd lebih baik
digunakan dibanding probabilitas, juga Odd tidak bisa digunakan
untuk mensubstitusi probabilitas.
Tapi ketika probabilitas rendah (<0.10), Odd dapat mengarah
pada probabilitas, sehingga keduanya dapat saling bersubstitusi.
Ketika nilai probabilitas = 0.5, maka nilai Odd =
1.
Probabilitas terbatas berkisar nilai 0 hingga 1,
sedangkan kisaran Odd adalah 0 hingga +∞.
Kekurangan dari uji diagnostik :: tidak sempurna
sensitivitas & spesifisitas < 100%
rasio kecenderungan tk. menengah
Biasanya klinisi cenderung menaikkan / menurunkan
probabilitas penyakit
atau
dilakukan tes berikutnya >> tes ganda
Tes Ganda (Multiple Test)
Tes ganda bisa digunakan dgn 2 cara ::
1. Tes Seri 2. Tes Paralel
Analisis Keputusan
Membuat suatu pohon keputusan
menentukan probabilitas pada kesimpulan
peluang
menentukan kegunaan sesuai dg hasil
menghitung harapan kegunaan untuk
alternatif tindakan
tentukan pilihan dengan kegunaan
tertinggi yg diharapkan
analisis kepekaan
Analisis Keputusan
Referensi :
Fletcher, Robert H., et al. 1991. Sari Epidemiologi Klinik.
Yogyakarta : UGM Press.
Murti, Bhisma. How to Use Information From a Diagnostic Test
to Refine The Probability of Disease. The Clinical
Epidemiology/Evidence Based Medicine Series. Universitas
Sebelas Maret.