Pemodelan Waktu Bertahan Hidup Pasien Hemodialisis di Rumah Sakit XYZ dengan Pendekatan Bayesian Mixture Survival Model

Aisy, Rahida Rihhadatul (2025) Pemodelan Waktu Bertahan Hidup Pasien Hemodialisis di Rumah Sakit XYZ dengan Pendekatan Bayesian Mixture Survival Model. Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 6003232023-Master_Thesis.pdf - Accepted Version Restricted to Repository staff only Download (6MB) | Request a copy

Abstract

Hemodialisis adalah salah satu bentuk terapi pengganti ginjal yang sering digunakan pada pasien gagal ginjal kronis stadium akhir (end-stage chronic kidney disease). Terlepas dari risiko kematian yang lebih tinggi dan komplikasi lanjutan pada pasien, terapi ini menjadi pilihan bagi pasien dalam bertahan hidup sehingga perlu adanya pemodelan survival untuk mengetahui risiko kematian pasien CKD dalam hemodialisis. Pemodelan parametrik survival secara tradisional umumnya sulit untuk menangkap distribusi waktu survival pasien yang memiliki pola multimodal yang dapat mengindikasikan adanya heterogenitas populasi pada pasien. Dalam penelitian ini dikembangkan model mixture yang lebih fleksibel dalam mengatasinya. Tujuan penelitian ini untuk mengestimasi parameter model mixture proportional hazard khususnya pada distribusi Weibull dengan pendekatan Bayesian sebagai langkah untuk mengetahui risiko kematian pasien beserta faktor yang mempengaruhinya, diantaranya jenis kelamin, usia, riwayat diabetes, riwayat hipertensi, dan kadar kreatinin saat sebelum hemodialisis pertama. Model yang dikembahkan diestimasi dengan modifikasi pendekatan expectation maximization (EM) dengan algoritma No-U-Turn sampler (NUTS) pada langkah maximization untuk mengetahui variabel laten keanggotaan pasien dengan batasan dua hingga empat grup. Pemilihan model yang sesuai didasarkan pada perhitungan Bayesian information criterion (BIC) terendah. Hasil analisis mengidentifikasi dua grup pasien dengan karakteristik pasien yang berbeda berdasarkan efek kovariatnya dengan variabel signifikan yaitu jenis kelamin, usia, dan adanya hipertensi pada Grup 1 sementara pada Grup 2 yaitu jenis kelamin, adanya hipertensi, dan kreatinin. Secara perhitungan survival dari persebaran posterior probability, peluang survival pasien Grup 2 lebih baik, namun setelah mempertimbangkan kovariat dalam model, pasien Grup 2 memiliki hazard 2 kali lebih tinggi dibandingkan Grup 1. Hal ini menunjukkan pentingnya mempertimbangkan pengaruh signifikan kovariat dalam stratifikasi risiko dan penggunaan model Weibull mixture proportional hazard untuk mengetahui heterogenitas agar dapat memberikan menjadi pertimbangan dalam pemberian perawatan secara personal dan terfokus pada kondisi pasien.
=================================================================================================================================
Hemodialysis is one of the most commonly used forms of renal replacement therapy in patients with end-stage chronic kidney disease (CKD). Despite the higher risk of mortality and further complications in patients, this therapy becomes a choice for patients to survive, making survival modeling necessary to determine the mortality risk of CKD patients undergoing hemodialysis. Traditional parametric survival models usually have difficulty capturing the complexity of distribution due to multimodal survival data found in heterogeneous populations such as hemodialysis patients. To overcome this, mixture models provide greater flexibility by combining several distributions to better reflect distinct subgroup survival patterns. The aim of this research is to estimate the parameters of the mixture proportional hazard model, specifically with the Weibull distribution, using a Bayesian approach to determine the mortality risk of patients and the factors influencing it, including gender, age, diabetes, hypertension, and creatinine levels before the first hemodialysis. The model is estimated by modifying the expectation maximization (EM) approach with the No-U-Turn Sampler (NUTS) algorithm in the maximization step to identify the latent membership variables of patients, with the number of groups limited to two to four. Model selection is based on the calculation of the Bayesian Information Criterion (BIC). Based on covariate effects, analysis revealed two patient groups with different features. Gender, age, and history of hypertension were significant variables in Group 1, while gender, history of hypertension, and creatinine levels were significant variables in Group 2. Group 2 had a higher empirical survival probability based on posterior probability distribution calculations. However, after accounting for influential variables in the model, patients in Group 2 had a two times higher hazard than Group 1. This contradictory result emphasizes how crucial it is to take into account the important effects of covariates in risk stratification and the usefulness of the Weibull mixture proportional hazard model in capturing population heterogeneity, which makes it easier to provide individualized and focused patient care based on unique medical traits.

Item Type:	Thesis (Masters)
Uncontrolled Keywords:	Analisis Survival, Bayesian Mixture Survival Model, Hemodialisis,Bayesian Mixture Survival Model, Hemodialysis, Survival Analysis
Subjects:	Q Science > QA Mathematics > QA276 Mathematical statistics. Time-series analysis. Failure time data analysis. Survival analysis (Biometry)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Statistics > 49101-(S2) Master Thesis
Depositing User:	Rahida Rihhadatul Aisy
Date Deposited:	19 Jan 2026 08:54
Last Modified:	19 Jan 2026 08:54
URI:	http://repository.its.ac.id/id/eprint/129757

Actions (login required)

View Item