Pendekatan Regresi Longitudinal Tobit Dengan Batas Bawah Pada Skala GCS Trauma Kepala Penderita Stroke Di Rumah Sakit Haji Surabaya

Kartika, Evy Annisa (2018) Pendekatan Regresi Longitudinal Tobit Dengan Batas Bawah Pada Skala GCS Trauma Kepala Penderita Stroke Di Rumah Sakit Haji Surabaya. Masters thesis, Institut Teknologi Sepuluh Nopember.

[img] Text
06211450010005-Master_Thesis.pdf - Published Version
Restricted to Repository staff only

Download (2MB) | Request a copy

Abstract

Stroke adalah masalah kesehatan utama bagi masyarakat modern saat ini. Jumlah penderita stroke cenderung meningkat setiap tahunnya. Dalam kasus pasien stroke, penderita stroke sering menderita luka kepala akibat tabrakan di kamar mandi, di tangga atau setelah bangun tidur. Cara untuk menentukan keparahan trauma kepala pada pasien stroke adalah rekam medis Glasgow Coma Scale (GCS). Tujuan dari penelitian ini adalah untuk mengetahui faktor-faktor yang mempengaruhi nilai GCS. Data yang digunakan adalah data longitudinal, dengan jumlah pasien yang diukur sebagai 39 pasien, pengukuran dilakukan setiap 2 jam pada pengukuran pertama, diikuti 24 jam, dan 48 jam pada pengukuran berikutnya, ada 14 pengukuran pada setiap pasien. Variabel yang digunakan sebagai penelitian adalah skor GCS sebagai variabel respon dengan 3 kategori yaitu rendah, sedang dan tinggi, variabel prediktor terdiri dari 4 yaitu tekanan darah sistolik, diastolik, suhu tubuh, dan denyut nadi. Variabel respon dari penelitian ini memiliki batas tertinggi dari waktu ke waktu sehingga metode yang digunakan adalah regresi tobit longitudinal dengan batas bawah pada skor 8. Hasil penelitian ini menunjukkan bahwa mayoritas pasien bila diukur skor GCS berada pada kategori cedera sedang. . Setiap pasien juga memiliki varians yang berbeda. Kebanyakan pasien memiliki hipertensi karena mereka memiliki tekanan darah rata-rata yang melebihi normal. Setelah membuat plot online dari semua pasien menunjukkan bahwa fluktuasi nilai GCS yang diukur pada pasien satu sama lain tidak sama. Pemodelan regresi linier klasik tidak berlaku dalam penelitian ini, jika ditunjukkan oleh pola scatterplot antara Y * dengan masing-masing variabel prediktor. Langkah selanjutnya adalah melakukan pemodelan regresi berganda pada setiap pasien, menghasilkan 39 model, namun tidak semuanya signifikan secara simultan dan parsial. Data selanjutnya dimodelkan dengan regresi tobit longitudinal, hasil pemodelan ditunjukkan pada plot garis antara nilai asli nilai GCS dan nilai prediksi. ========== Stroke is a major health problem for modern society today. The number of stroke patients tends to increase every year. In the case of stroke patients, a stroke patient often suffers from head injuries from fallings in the bathroom, on stairs or after waking. The way to determine the severity of head trauma in stroke patients is used Glasgow Coma Scale (GCS) medical records. The purpose of this study is to determine the factors that affect the GCS score. The data used were longitudinal data, with the number of patients measured as 39 patients, the measurement was done every 2 hours at the first measurement, followed by 24 hours, and 48 hours on the next measurement, there were 14 measurements in each patient. The variables used as research are GCS score as response variable with 3 categories that is low, medium, and high, predictor variable consist of 4 that is systolic blood pressure, diastolic, body temperature, and pulse. Response variable from this research has the highest limit from time to time therefore the method used is longitudinal tobit regression with lower limit on score 8. The results of this study indicate that the majority of patients when measured GCS score is in the category of moderate injury. Each patient also has a different variance. Most patients have hypertension because they have an average blood pressure that exceeds normal. Having made plots online from all patients showed that fluctuations in GCS scores measured in patients with each other were not the same. Classical linear regression modeling is not applicable in this study, if indicated by the scatterplot pattern between Y * with each predictor variable. The next step is tobit regression modeling in each patient, resulting in 39 models, but not all of them are significant simultaneously and partially. Next data is modeled with longitudinal tobit regression, modeling results are shown in the line plots between the original values of the GCS score and the predicted value.

Item Type: Thesis (Masters)
Uncontrolled Keywords: GCS, Longitudinal, Regresi Tobit Longitudinal, Longitudinal, Longitudinal Tobit Regression
Subjects: Q Science > QA Mathematics > QA278.2 Regression Analysis
R Medicine > RD Surgery
R Medicine > RT Nursing
Divisions: Faculty of Mathematics, Computation, and Data Science > Statistics > (S2) Master Theses
Depositing User: Evy Annisa Kartika S
Date Deposited: 01 Aug 2018 14:15
Last Modified: 01 Aug 2018 14:15
URI: http://repository.its.ac.id/id/eprint/52313

Actions (login required)

View Item View Item