Update Artikelilmiah: 54448

RIDHA SABRINA

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Demam tifoid merupakan penyakit infeksi yang masih menjadi masalah kesehatan di Indonesia dan dapat menyebabkan perbedaan lama rawat inap pasien. Analisis survival adalah metode statistik yang digunakan untuk menganalisis lamanya waktu sampai suatu kejadian terjadi. Pada penelitian ini, kejadian yang dimaksud adalah lamanya pasien menjalani rawat inap hingga dinyatakan sembuh. Penelitian ini bertujuan untuk mengidentifikasi faktor-faktor yang memengaruhi lama rawat inap pasien demam tifoid menggunakan model Cox Proportional Hazard dengan pendekatan Bayesian dan asumsi data lama rawat inap berdistribusi lognormal. Data yang digunakan merupakan data rekam medis pasien demam tifoid yang mencakup lama rawat inap, status kejadian, serta variabel lain yang mendukung penilitian. Estimasi parameter dilakukan menggunakan metode Markov Chain Monte Carlo (MCMC) dengan algoritma Metropolis-Hastings. Hasil analisis menunjukkan bahwa dengan credible interval 95% variabel umur dan muntah berpengaruh signifikan terhadap laju kesembuhan pasien, sedangkan variabel lainnya tidak menunjukkan pengaruh yang signifikan. Nilai hazard ratio menunjukkan bahwa peningkatan umur cenderung memperlambat laju kesembuhan, sementara pasien yang mengalami muntah memiliki laju kesembuhan yang lebih rendah dibandingkan pasien yang tidak mengalami muntah. Dengan demikian, model Cox proportional hazard dengan pendekatan Bayesian dan asumsi berdistribusi lognormal mampu mengidentifikasi faktor-faktor yang memengaruhi lama rawat inap pasien demam tifoid dan memberikan estimasi parameter yang stabil melalui pendekatan Bayesian.

Abtrak (Bhs. Inggris)

Typoid fever is an infectious disease that remains a public health problem in Indonesia and can lead to variations in the length of patients’ hospital stays. Survival analysis is a statistical method used to analyze the length of time until an event occurs. In this study, the event in question is the length of time a patient spends hospitalized until they are declared recovered. This study aims to identify factors influencing the length of hospital stay for patients with typhoid fever using the Cox Proportional Hazards model with a Bayesian approach and the assumption that hospital stay data follow a lognormal distribution. The data used consisted of medical records of patients with typhoid fever, including length of hospital stay, case status, and other variables relevant to the study. Parameter estimation was performed using the Markov Chain Monte Carlo (MCMC) method with the Metropolis-Hastings algorithm. The results of the analysis show that, with a 95% credible interval, the variables of age and vomiting have a significant effect on the rate of patient recovery, while the other variables do not show a significant effect. The hazard ratio indicates that increasing age tends to slow the rate of recovery, while patients who experience vomiting have a lower rate of recovery compared to those who do not. Thus, the Cox proportional hazards model with a Bayesian approach and the assumption of a lognormal distribution is able to identify factors that influence the length of hospital stay for patients with typhoid fever and provide stable parameter estimates through the Bayesian approach.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman