Dokumen tersebut membahas berbagai metode diagnosis penyakit, termasuk anamnesis, pemeriksaan fisik, tes diagnostik, dan analisis hasil tes diagnostik seperti sensitivitas, spesifisitas, nilai prediktif, rasio kecenderungan, dan tes ganda. Dokumen ini juga menjelaskan penggunaan analisis keputusan klinis dalam mendiagnosis penyakit.
2. UJI DIAGNOSTIK
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)
3. 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.
4. 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.
5. 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
6. 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
7. 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.
8. 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..?
10. 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)
11. 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.
12. 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
13. Kurva ROC dalam melihat ketepatan pemeriksaan kadar gula darah
setelah 2 jam post prandial penderita DM.
14. 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.
15. 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.
16. 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
17. 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
18. 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
20. 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
21. 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 +∞.
22. Tes Ganda (Multiple Test)
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
23. Tes ganda bisa digunakan dgn 2 cara ::
1. Tes Seri 2. Tes Paralel
25. Analisis 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
26.
27. 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.