Analisis Survival pada Kasus DBD di RS Salamun Menggunakan Regresi Cox Proportional Hazard

Siska Setiawati; Suwanda

doi:10.29313/bcss.v5i1.17361

Siska Setiawati Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung
Suwanda Statistika, Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Islam Bandung

DOI: https://doi.org/10.29313/bcss.v5i1.17361

Keywords: Analisis Survival, Cox Proportional Hazard, Demam Berdarah Dengue (DBD)

Abstract

Abstract. Survival analysis, or time-to-event analysis, is a set of statistical procedures used to analyze data where the outcome variable of interest is the time until an event occurs. The purpose of survival analysis is to understand the relationship between event time and predictor variables measured during the study and to identify significant influencing factors. One key measure in survival analysis is the hazard function, which can be modeled based on related covariates and used to predict the hazard ratio. A regression approach that can be used is the Cox Proportional Hazard regression model. The data used in this study consists of medical records of patients with Dengue Hemorrhagic Fever (DHF) at AU dr. M. Salamun Hospital in 2022. Factors suspected to influence the survival time of DHF patients include age, gender, hemoglobin, leukocytes, hematocrit, platelets, and body temperature. Subsequently, survival analysis using the Cox Proportional Hazard regression model is conducted to determine the factors affecting the recovery rate of DHF patients. Based on the best model selection using the backward method, the most influential factors in the recovery rate of DHF patients at AU dr. M. Salamun Hospital are platelets and body temperature, as indicated by the smallest AIC value.

Abstrak. Analisis survival atau analisis ketahanan hidup adalah kumpulan prosedur statistik yang digunakan untuk menganalisis data dimana hasil variabel yang diinginkan adalah waktu hingga suatu peristiwa terjadi. Tujuan dari analisis survival adalah untuk mengetahui hubungan antara waktu kejadian dengan variabel prediktor yang diukur selama penelitian dan untuk melihat faktor-faktor yang berpengaruh signifikan. Salah satu ukuran dalam analisis survival adalah fungsi Hazard. Fungsi Hazard dapat dimodelkan berdasarkan kovariat yang berkaitan dan dapat digunakan untuk prediksi hazard ratio. Pendekatan metode regresi yang bisa digunakan adalah regresi Cox Proportional Hazard. Data yang digunakan dalam penelitian ini adalah rekam medis pasien penderita Demam Berdarah Dengue (DBD) di Rumah Sakit AU dr. M. Salamun tahun 2022. Faktor yang diduga mempengaruhi waktu survival pasien DBD diantaranya adalah usía, jenis kelamin, hemoglobin, leukosit, hematokrit, trombosit dan suhu badan. Selanjutnya dengan faktor-faktor tersebut dilakukan analisis survival dengan model regresi Cox Proportional Hazard untuk mengetahui faktor yang mempengaruhi laju kesembuhan pasien DBD. Berdasarkan pemilihan model terbaik dengan metode backward diperoleh faktor-faktor yang paling mempengaruhi laju kesembuhan pasien penderita penyakit DBD di Rumah Sakit AU dr. M. Salamun adalah trombosit dan suhu badan dengan nilai AIC terkecil.

References

1] Agustina, N. (2022). Demam Berdarah. Available at: https://yankes.kemkes.go.id/view_artikel/608/ayo-cari-tahu-apa-itu-demam-berdarah#:~:text=Demam%20Berdarah%20Dengue%20(DBD)%20adalah%20penyakit%20infeksi%20oleh%20virus%20dengue,tinggi%20terhadap%20penularan%20virus%20tersebut.
[2] Annas. S., Nusrang, M., Arisandi., R., Fadillah., N. & Kartikasari, P. (2018). Cox Proportional Hazard Regression Analysis of Dengue Hemorrhagic Fever. Journal of Physics.
[3] Faisal, A. R., Bustan, M. N.,Annas, S. (2020). Analisis Survival dengan Pemodelan Regresi Cox Proportional Hazard Menggunakan Pendekatan Bayesian (Studi Kasus: Pasien Rawat Inap Penderita Demam Tifoid di RSUD Haji Makassar). Journal of Statistics and Its application on Teaching and Research. 2 (2). 62-70.
[4] Hosmer, D. W. (2008). Applied Survival Analysis: Regression Modeling of Time-to-Event Data Second Edition. New Jersey: John Wiley & Sons, Inc.
[5] Ilmiah, M. (2015). Analisis Survival dengan Model Regresi Cox (Studi Kasus: Pasien Tuberkulosis Di RSUD Dr. Soetomo Surabaya). Institut Teknologi Sepuluh Nopember.
[6] Kleinbaum, D. G., & Klein, M. (2012). Survival Analysis : Statistics for Biology and Health. Springer: New York.
[7] Lee, E. T., & Wang, W. J. (2003). Statistical Methods for Survival Data Analysis. 3rd . ed. New Jersey: John Wiley & Sons, Inc.
[8] Nurfain. (2017). Analisis Regresi Cox Extended Pada Pasien Kusta Di Kecamatan Brondong Kabupaten Lamongan. Institut Teknologi Sepuluh Nopember, Surabaya.
[9] Rahmadeni, & Ranti, S. (2016). Perbandingan Model Regresi Cox Menggunakan Estimasi Parameter Efron Partial Likelihood dan Breslow Partial Likelihood. Seminar Nasional Teknologi Informasi, Komunikasi dan Industri (SNTIKI) 8, 9 November 2016, Pekanbaru.
[10] Utami, N.F. (2017). Analisis Survival Dengan Pemodelan Regresi Cox Proporsional Hazard. Universitas Negeri Makassar.