Date post: | 02-Jun-2015 |
Category: |
Education |
Upload: | biefluorescens |
View: | 1,625 times |
Download: | 3 times |
DIAGNOSISDIAGNOSISGabriela 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 DIAGNOSTIKUJI DIAGNOSTIK
UJI DIAGNOSTIKUJI 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 – Perbedaan dalam diagnosis – pretest probabilitypretest 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 Urutan Angka Kemungkinan PenyakitPenyakit
Kemungkinan penyakitAngka
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 Penggunaan uji diagnostik akan memperbaiki diagnosis akan memperbaiki diagnosis awalawal
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 DiaknostikSeleksi 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 Tabel Uji Diagnostik SederhanaSederhana
Karakteristik Uji Karakteristik Uji DiagnostikDiagnostik
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 TerbaikUji 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 ROCKurva ROC(Receiver Operating Characteristic)(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 darahsetelah 2 jam post prandial penderita DM.
Nilai Prediktif/Predictive Nilai Prediktif/Predictive Value (PV)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, Hubungan antara PV, Sensitifitas, Spesifisitas dan Prevalensi 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, Hubungan antara PV, Sensitifitas, Spesifisitas dan Prevalensi 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)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 Efek Rasio Kecenderungan pada Posttes ProbabilityPosttes Probability
Rasio Kecenderungan Posttest Probability suatu penyakit
0 Tidak ada penyakit
0.1 Rendah
1 Tanpa perubahan
10 Tinggi
+∞ Penyakit serius
OddOdd
:: perbandingan dua probabilitas:: p/(1-p)
Odd & ProbabilitasOdd :: p/(1-p)Probabilitas :: odds/(1+odds)
Penggunaan rasio Penggunaan rasio kecenderungankecenderunganPretest 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 Hubungan Probabilitas dan Odddan 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
ataudilakukan tes berikutnya >>
tes ganda
Tes Ganda (Multiple Test)Tes Ganda (Multiple Test)
Tes ganda bisa digunakan dgn 2 cara ::1. Tes Seri 2. Tes Paralel
Analisis KeputusanAnalisis Keputusan
Membuat suatu pohon keputusan
menentukan probabilitas pada kesimpulan peluang
menentukan kegunaan sesuai dg hasilmenghitung harapan kegunaan untuk
alternatif tindakan tentukan pilihan dengan kegunaan
tertinggi yg diharapkananalisis kepekaan
Analisis KeputusanAnalisis 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.