epidemiologi klinik_diagnosis

DIAGNOSIS Gabriela 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 DIAGNOSTIK

UJI 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 – pretest 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 Penyakit

Kemungkinan penyakit Angka 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 akan memperbaiki diagnosis awal

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 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 Sederhana

Karakteristik Uji Diagnostik

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 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 ROC

(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 darah

setelah 2 jam post prandial penderita DM.

Nilai Prediktif/Predictive 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,

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,

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)

:: 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 Posttes Probability

Rasio Kecenderungan Posttest Probability suatu penyakit

0 Tidak ada penyakit

0.1 Rendah

1 Tanpa perubahan

10 Tinggi

+∞ Penyakit serius

Odd

:: perbandingan dua probabilitas

:: p/(1-p)

Odd & Probabilitas

Odd :: p/(1-p)

Probabilitas :: odds/(1+odds)

Penggunaan rasio kecenderungan

Pretest 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 dan 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

atau

dilakukan tes berikutnya >> tes ganda

Tes Ganda (Multiple Test)

Tes ganda bisa digunakan dgn 2 cara ::

1. Tes Seri 2. Tes Paralel

Analisis Keputusan

Membuat suatu pohon keputusan

menentukan probabilitas pada kesimpulan

peluang

menentukan kegunaan sesuai dg hasil

menghitung harapan kegunaan untuk

alternatif tindakan

tentukan pilihan dengan kegunaan

tertinggi yg diharapkan

analisis kepekaan

Analisis 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.