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.
Preview |
Text
06211450010005-Master_Thesis.pdf - Accepted Version Download (2MB) | Preview |
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) |
|---|---|
| Additional Information: | RTSt 519.536 Evy p-1 3100018075405 |
| Uncontrolled Keywords: | GCS, Longitudinal, Regresi Tobit Longitudinal, Longitudinal, Longitudinal Tobit Regression |
| Subjects: | Q Science > QA Mathematics > QA278.2 Regression Analysis. Logistic regression |
| Divisions: | Faculty of Mathematics, Computation, and Data Science > Statistics > 49101-(S2) Master Thesis |
| Depositing User: | Evy Annisa Kartika S |
| Date Deposited: | 01 Aug 2018 14:15 |
| Last Modified: | 09 Oct 2020 02:19 |
| URI: | http://repository.its.ac.id/id/eprint/52313 |
Actions (login required)
 |
View Item |