Analisis Ketahanan Hidup Pasien Stroke Menggunakan Model Cox Proportional Hazard

Abstract

Hasil Riset Kesehatan Dasar (Riskesdas) Kemeterian RI tahun 2013 menunjukkan telah terjadi peningkatan prevalensi stroke di Indonesia dari 8,3 per mil (tahun 2007) menjadi 12,1 per mil (tahun 2013). Prevalensi penyakit Stroke tertinggi di Sulawesi Utara (10,8 per mil), Yogyakarta (10,3 per mil), Bangka Belitung (9,7 per mil) dan DKI Jakarta (9,7 per mil). Menurut Supriadi (2012) dalam penelitiannya tentang analisis ketahanan hidup 1 tahun pasien stroke menyimpulkan bahwa probabilitas ketahanan hidup pasien stroke dalam jangka waktu 52 minggu sebesar 61% dengan median ketahanan hidup 52 minggu lebih rendah dengan negara lain di dunia. Penelitian tersebut juga menyimpulkan bahwa penyakit jantung dan kolesterol mempengaruhi ketahanan hidup 1 tahun pasien stroke. Ketahanan hidup pasien dipengaruhi oleh banyak faktor. Adapun dalam ilmu statistika ketahanan hidup pasien stroke dapat diprediksi dengan menggunakan analisis survival. Analisis survival atau analisis data ketahanan hidup adalah suatu metode statistik untuk menganalisis data dengan variabel terikat yang diperhatikan berupa waktu sampai terjadinya suatu kejadian (Kleinbaum dan Klein 2012). Salah satu tujuan analisis survival adalah mengetahui hubungan antara waktu survival dengan variabel-variabel yang diduga mempengaruhi waktu survival. Hubungan tersebut dapat dimodelkan dengan model regresi Cox proportional hazard, yang mempunyai variabel terikat berupa waktu survival dan variabel bebas berupa variabel yang diduga berpengaruh terhadap waktu survival. Peneliti sebelumnya yang berkaitan dengan proportional hazard dilakukan oleh Iskandar (2015) untuk menganalisis pengemudi yang pernah mengalami kecelakaan lalu lintas. Peneliti menggunakan 5 variabel bebas yaitu umur, jenis kelamin, kepemilikan surat ijin mengemudi (SIM), penggunaan sabuk pengaman dan pengaruh alkohol sebagai faktor yang mempengaruhi kecelakaan lalu lintas. Penelitian tersebut menyimpulkan bahwa faktor yang mempengaruhi kecelakaan lalu lintas di Amerika Serikat adalah umur pengemudi dan penggunaan sabuk pengaman. Imani (2018) melakukan analisis survival untuk mengetahui faktorfaktor yang mempengaruhi laju perbaikan kondisi klinis penderita stroke di RS PKU Muhammadiyah Yogyakarta tahun 2017 menggunakan model regresi Weibull. Adapun Faktor-faktor yang dapat mempengaruhi laju perbaikan kondisi klinis penderita stroke pada penelitian tersebut yaitu variabel Jenis Kelamin, Hiperkolesterolemia, Hipertrigliseridemia, dan Jenis Stroke. Selanjutnya Nurmala (2016) menggunakan model regresi stratified cox untuk menganalisis ketahanan hidup pasien kanker paru-paru. Penelitian tersebut meyimpulkan bahwa ketahanan hidup pasien kanker paru-paru dipengaruhi besar oleh umur dan keadaan umum dari pasien. Forestryani (2018) menggunakan analisis regresi cox non proportional hazard pada tingkat keberhasilan penetasan telur penyu. Penelitian tersebut mengguakan model regresi extended cox, dari penelitian tersebut menghasilkan faktor-faktor yang mempengaruhi lama waktu pengeraman (inkubasi) dan tingkat keberhasilan penetasan telur penyu di Bali yaitu faktor curah hujan, lokasi, suhu, kelembaban dan lama penyinaran. Penelitian kali ini menggunakan model Cox proportional hazard sebagai aplikasi untuk diterapkan kasus ketahanan hidup pasien stroke di Rumah Sakit Balung. Kombinasi dari variabel-variabel independen akan menghasilkan beberapa model Cox Proportional Hazard, sehingga digunakan seleksi model. Seleksi model digunakan untuk mendapatkan model terbaik yang dapat menggambarkan hubungan antara waktu survival dengan beberapa variabel independen secara tepat. Model terbaik akan dipilih berdasarkan nilai AIC terkecil menggunakan eliminasi backward. Penelitian ini dilakukan dengan tujuan untuk mengetahui bagaimana jenis kelamin, usia, status hipertensi, status kolesterol, status diabetes militus, jenis stroke, dan indeks masa tubuh dapat mempengaruhi ketahanan hidup pasien stroke. Berdasarkan hasil penelitian ini diperoleh yaitu bahwa pasien perempuan, usia≥75th, kategori hipertensi, kategori kolesterol, tidak diabetes militus, stroke iskemik, dan 35≤IMT<40 mempunyai proporsi meninggal yang paling tinggi. Adapun model Cox Proportional Hazard terbaik yang diperoleh dari hasil eliminasi backward dengan AIC 585,61 yaitu : ℎ(𝑡) = ℎ0 (𝑡)exp(0,1901𝑋2 − 0,4821𝑋5 + 1,1045𝑋6) Model Cox Proportional Hazard terbaik memilki p-value Likelihood Ratio sebesar 0,01, sehingga dengan demikian menujukkan bahwa model Cox Proportional Hazard sangat cocok digunakan sebagai aplikasi untuk manganalisis ketahanan hidup pasien stroke di RSD Balung. Interpretasi model Cox Proportional Hazard diperoleh bahwa kategori usia yang tinggi akan mengalami peningkatan risiko kematian sebesar 1,2094 kali lebih besar dari pada kategori usia yang rendah. Pasien yang memiliki penyakit penyerta DM memiliki risiko kematian 0,6175 kali lebih kecil daripada pasien yang tidak memiliki penyakit penyerta DM. Pasien dengan stroke iskemik memiliki risiko kematian 3,0178 kali lebih besar dari pada pasien stroke hemoragik.