Anda di halaman 1dari 27

DIAGNOSIS

Gabriela Insani Yonesty, S.Si.

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)

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 1 2 3 Anamnesis Pemeriksaan klinik Uji diagnostik

Persen 56%

Persen 73%

17% 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 ::

Urutan Angka Kemungkinan Penyakit


Kemungkinan penyakit Tidak ada penyakit sama sekali Kemungkinan penyakit Penyakit 50 : 50 Kemungkinan penyakit Kepastian penyakit Angka kemungkinan 0 0.25 0.50 0.75 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

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 1-spesifisitas LR (-) = 1-sensitifitas spesifisitas

Efek Rasio Kecenderungan pada Posttes Probability


Rasio Kecenderungan Posttest Probability suatu penyakit 0 0.1 1 10 + Tidak ada penyakit Rendah Tanpa perubahan 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 +.

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

Tes ganda bisa digunakan dgn 2 cara :: 1. Tes Seri

2. Tes Paralel

Analisis Keputusan
Membuat suatu pohon keputusan

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

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.