Pemodelan Kasus Komplikasi Diabetes Melitus Menggunakan Propensity Score Matching Caliper dan Non-Caliper

Tsary, Mia Fairush (2024) Pemodelan Kasus Komplikasi Diabetes Melitus Menggunakan Propensity Score Matching Caliper dan Non-Caliper. Other thesis, Institut Teknologi Sepuluh Nopember.

Text 5003201093-Undergraduate_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (30MB) | Request a copy

Abstract

Diabetes Melitus (DM) merupakan suatu kelompok penyakit metabolik yang ditandai dengan kadar glukosa darah di atas normal yang terjadi karena defisiensi insulin oleh pankreas, penurunan efektivitas insulin, atau keduanya. Data rekam medis pasien RSUD Haji Provinsi Jawa Timur menunjukkan bahwa jumlah penderita DM pada tahun 2023 mencapai 947 jiwa. Melihat tingginya kejadian DM di Surabaya yang berdampak pada kejadian komplikasi kesehatan, dibutuhkan tindakan preventif untuk mengendalikan faktor-faktor penyebab terjadinya komplikasi kesehatan DM. Namun, karena Randomized Controlled Trials (RCT) tidak bisa dilakukan di bidang kesehatan dan adanya kemungkinan variabel confounding pada kejadian komplikasi kesehatan pada pasien DM yang mengakibatkan hasil estimasi menjadi bias dan tidak akurat sehingga dilakukan penelitian yang bertujuan untuk mengurangi efek bias tersebut. Metode yang digunakan adalah Propensity Score Matching (PSM) dengan metode estimasi nilai propensity score yaitu regresi logistik biner. Data yang digunakan dalam penelitian ini adalah data rekam medis pasien DM tipe 2 yang dirawat di RSUD Haji Provinsi Jawa Timur pada periode September dan Oktober 2023 dengan faktor-faktor yang diamati adalah usia, jenis kelamin, riwayat genetik DM, hipertensi, dan obesitas. Hasil penelitian matching tanpa caliper menunjukkan bahwa ada sebanyak 47 dari 108 pasien dengan hipertensi (variabel confounding) yang dipasangkan dengan pasien yang tidak hipertensi sedangkan matching dengan caliper = 0,024 menghasilkan sebanyak 17 pasangan pasien hipertensi dan tidak hipertensi. Hasil estimasi ATT menunjukkan bahwa hipertensi berpengaruh signifikan terhadap komplikasi kesehatan DM. Pendekatan PSM tanpa caliper dalam penelitian ini berhasil mereduksi bias (PBR) sebesar 73,2% sedangkan PSM dengan caliper mereduksi bias sebesar 99,1%.
==========================================================================================================
Diabetes Mellitus (DM) is a group of metabolic diseases characterized by elevated blood glucose levels resulting from insulin deficiency by the pancreas, reduced insulin effectiveness, or both. Medical records from RSUD Haji Provinsi Jawa Timur indicate that the number of DM patients reached 947 in 2023. Considering the high incidence of DM in Surabaya, which leads to various health complications, preventive measures are needed to control the factors causing these complications. However, since Randomized Controlled Trials (RCT) cannot be conducted in the health sector and there is a possibility of confounding variables in health complications among DM patients that may result in biased and inaccurate estimation, a study was conducted to reduce this bias effect. The method used is Propensity Score Matching (PSM) with the estimation of propensity scores using binary logistic regression. The data used in this study were medical records of type 2 DM patients treated at RSUD Haji Provinsi Jawa Timur during September and October 2023, with observed factors including age, gender, genetic history of DM, hypertension, and obesity. The results of the study using matching without caliper showed that 47 out of 108 patients with hypertension (confounding variable) were matched with patients without hypertension, whereas matching with a caliper of 0,024 resulted in 17 pairs of hypertensive and non-hypertensive patients. The ATT estimation results indicate that hypertension has a significant effect on DM health complications. The PSM approach without caliper in this study successfully reduced bias (PBR) by 73,2%, while PSM with caliper reduced bias by 99,1%.

Item Type:	Thesis (Other)
Uncontrolled Keywords:	Binary Logistic Regression, Caliper, Confounding, PSM, Type 2 Diabetes Mellitus, Caliper, Confounding, Diabetes Melitus Tipe 2, PSM, Regresi Logistik Biner.
Subjects:	H Social Sciences > HA Statistics > HA31.3 Regression. Correlation
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49201-(S1) Undergraduate Thesis
Depositing User:	Mia Fairush Tsary
Date Deposited:	09 Aug 2024 03:32
Last Modified:	09 Aug 2024 03:32
URI:	http://repository.its.ac.id/id/eprint/114717

Actions (login required)

View Item