Anda di halaman 1dari 7

Pengembangan Skor untuk Keparahan Infeksi Dengue

Surangrat Pongpan,1,2 Apichart Wisitwong,3 Chamaiporn Tawichasri,4


Jayanton Patumanond,5 and Sirianong Namwongprom6

Tujuan. Untuk mengembangkan sistem penilaian sederhana untuk


memprediksi keparahan infeksi dengue berdasarkan karakteristik pasien
dan profil klinis rutin. Metode. Data retrospektif anak dengan infeksi
dengue dari 3 rumah sakit umum di Thailand ditinjau. Infeksi dengue
dikategorikan menjadi 3 tingkatan keparahan: infeksi dengue (DF),
demam berdarah dengue (DBD), dan demam berdarah shock syndrome
(DSS). Koefisien prediktor signifikan dari tingkat keparahan penyakit di
bawah analisis regresi ordinal diubah menjadi skor item. Skor total
digunakan untuk mengklasifikasikan pasien menjadi 3 tingkat keparahan.
Hasil. Prediktor klinis yang signifikan dari keparahan demam dengue
adalah usia> 6 tahun, hepatomegali, hematokrit 0,40%, tekanan sistolik
<90 mmHg, jumlah sel darah putih> 5000 /..L, dan platelet 0,50000 /..L.
Total skor yang diperoleh, yang berkisar antara 0 sampai 18
diklasifikasikan menjadi 3 tingkatan keparahan: DF (skor <2,5, .. = 451,
58,1%), DBD (skor 2.5.11.5, .. = 276, 35,5%), dan DSS (skor> 11,5, .. =
50, 6,4%). skor yang diperoleh pasien diklasifikasikan ke dalam tingkat
keparahan asli mereka di 60,7%. Estimasi bawah 25,7% dan over-estimasi
13,5% yang diterima secara klinis. Kesimpulan. Skor tingkatan
keparahan Infeksi dengue mengklasifikasikan pasien ke DF, DHF, atau
DSS, dengan benar ke tingkat keparahan asli mereka. Validasi skor harus
dtegaskan kembali sebelum penerapan praktek rutin.
1. Pendahuluan
Infeksi dengue telah menjadi beban kesehatan masyarakat
internasional. Setengah dari populasi dunia saat ini beresiko infeksi
dengue. Sekitar 50-100 juta kasus terinfeksi dilaporkan setiap tahunnya.
Di antara mereka yang terinfeksi, 500000 pasien mengalami infeksi parah
dan diperlukan prawatan di rumah sakit; kebanyakan adalah anak-anak.
Sekitar 2,5% meninggal akibat infeksi [1] . Biaya perawatan setinggi $ US
2,1 miliar per tahun di Amerika Serikat [2]. Tidak ada perawatan yang
spesifik yang tersedia kecuali untuk gejala [3], yang efektif dalam deteksi
dini [4]. Pada pasien dengan infeksi berat, syok dan perdarahan biasanya
mengikuti [4, 5]. Jika tidak diobati, kematian mungkin konsekuensinya.
Deteksi dini atau prognosisasi dengan benar dapat menghindari
komplikasi berat [4, 6].
Risiko klinis dan berbagai hasil laboratorium dipelajari untuk
mengeksplorasi peran mereka dalam memprediksi keparahan dengue .
Kebanyakan adalah perempuan [7], anak-anak di atas 5 tahun [8], sakit

perut terus-menerus [9], lesu, tangan dan kaki dingin [10], hepatomegali
[11], perdarahan abnormal [12], kelebihan berat badan [13], anak-anak
kurang gizi [14], ascites [8], efusi plural [15], leukopenia (jumlah darah
putih <4000 / uL) [8], trombositopenia [16], hemokonsentrasi [16], waktu
protrombin memanjang (PT) [16], waktu tromboplastin parsial memanjang
(PTT) [17], aspartat aminotransferase meningkat (AST), dan enzim alanin
aminotransferase (ALT) [18].
Sistem penilaian, seperti Skor Pediatric Logistic Organ Disfungsi
(PELOD) dan skor (DIC), digunakan untuk memprediksi mortalitas pada
DSS [19]. Sebuah bagan algoritma keputusan digunakan untuk
membedakan DBD dari demam jenis lain dan juga untuk memprediksi
tingkat keparahan infeksi dengue [20]. Beberapa penelitian menerapka
sistem penilaian DIC untuk mendiagnosa DIC lebih tepat, menggunakan
tanda dan gejala klinis dan investigasi laboratorium rutin untuk
membedakan DBD dari DF [21] .Sebagian dari sistem prediksi di masa lalu
difokuskan pada hasil klinis dari penyakit. Beberapa studi berfokus
langsung pada keparahan infeksi dengue .
Tujuan dari penelitian ini adalah untuk mengembangkan sistem
penilaian risiko klinis sederhana untuk memprediksi keparahan infeksi
dengue, berdasarkan karakteristik klinis pasien dan pemeriksaan
laboratorium rutin, yang diperoleh dari penelitian sebelumnya [22].
2. Bahan dan metode
2.1. Pasien. Catatan medis anak-anak berusia 1-15 tahun dengan infeksi
dengue antara 2007-2010 di tiga universitas yang berafiliasi dengan
rumah sakit umum yang terletak di wilayah utara Thailand, Rumah Sakit
Sawanpracharak, Rumah Sakit Nakorn, Kamphaeng Phet, ditinjau. Data
diambil dari database rumah sakit, di bawah ICD-10: A90-demam
berdarah, A91-demam berdarah dengue, dan A910-demam berdarah
dengue syok.
2.2. Parameter indikator. Karakteristik pasien dengan prediksi
berpotensi termasuk
(1) demografi: jenis kelamin dan usia;
(2) mode presentasi: hepatomegali, nyeri kepala, mialgia, muntah, batuk,
sakit perut, ruam, efusi pleura, petechiae, dan setiap episode perdarahan;
(3) profil hemodinamik: tekanan nadi, tekanan darah sistolik (SBP), dan
tekanan darah diastolik (DBP);

(4) profil hematologi: hematokrit, hemoglobin, jumlah sel putih, limfosit,


neutrofil, dan trombosit;
(5) profil biokimia: aspartat aminotransferase (AST), SGPT (ALT), waktu
protrombin (PT), dan waktu tromboplastin parsial (PTT).
2.3. Definisi Keparahan Dengue. Tingkat keparahan operasional DBD
didefinisikan oleh kriteria sebagai berikut:
(1) infeksi dengue (DF): onset akut atau tiba-tiba demam, disertai dengan
tes tourniquet positif, dan Hitung darah putih 5.000 / uL [23];
(2) demam berdarah dengue (DBD): semua item berikut [24]:
(I) demam mendadak selama 2-7 hari,
(Ii) setidaknya salah satu episode perdarahan berikut:
(A) uji tourniquet positif,
(B) petechiae, ekimosis, atau purpura,
(C) perdarahan dari mukosa, saluran cerna, situs injeksi, atau lokasi lain,
(D) hematemesis atau melena,
(III) platelet 100.000 / uL,
(IV) setidaknya salah satu dari kebocoran plasma berikut :
(A) hemokonsentrasi dinilai dari peningkatan hematokrit 20% dari
hematokrit sebelumnya,
(B) tanda-tanda kebocoran plasma, seperti efusi pleura atau asites, atau
bukti hypoalbuminemia;
(3) dengue shock syndrome (DSS): semua item untuk dengue demam
berdarah di atas, diikuti bukti kegagalan sirkulasi [24]:
(I) denyut nadi cepat dan lemah,
(II) tekanan nadi 20 mmHg, atau manifestasi
(I) hipotensi,
(II) suhu tubuh dingin atau mudah marah.
Keparahan dengue diklasifikasikan menjadi 4 kelas, berdasarkan
perdarahan dan syok, sebagai berikut:
kelas 1: tidak ada bukti perdarahan, uji Tourniquet Positif,

grade 2: bukti pendarahan,


kelas 3: adanya denyut nadi cepat dan lemah, tekanan darah rendah, atau
tekanan nadi sempit,
kelas 4: tekanan darah tidak terukur atau nadi tidak teraba.
nilai 1-2 diklasifikasikan sebagai DBD dan nilai 3-4 diklasifikasikan sebagai
DSS [24].
2.4. Analisis data. Prediktor potensi untuk keparahan dengue dari
laporan sebelumnya [22] diuji dengan tes nonparametrik. Kemampuan
prediksi dianalisis dengan regresi logistik ordinal multivariabel dan
disajikan dengan koefisien dan odds rasio. Data yang hilang digantikan
oleh nilai themean parameter. Skor item diperoleh dari transformasi
koefisien parameter. Total skor digunakan untuk mengklasifikasikan pasien
menjadi 3 tingkat keparahan. Distribusi tiga skor keparahan kelompok
disajikan dengan kotak plot. Kemampuan membedakan dan kemampuan
prediktif dari skor disajikan dengan kurva probabilitas.
2.5. Ethical Approval. Penyelidikan disetujui oleh Komite Etik Penelitian
Fakultas Kedokteran, Universitas Chiang Mai, dan komite etika penelitian
dari tiga rumah sakit.
3. Hasil
Sebanyak 777 pasien dengan infeksi dengue digolongkan berdasarkan
kriteria di atas menjadi 3 tingkat keparahan: DF ( = 391), DBD ( = 296),
dan DSS ( = 90).
3.1. Prediktor yang signifikan. Pada analisis univariat, tiga kelompok
keparahan terdapat kesamaan pada jenis kelamin ( = 0,888), usia ( =
0,903), muntah ( = 0,187), batuk ( = 0.425), ruam ( = 0,124), dan DBP
( = 0,084) tetapi ada perbedaan berdasarkan adanya hepatomegali,
sakit kepala, mialgia, sakit perut, efusi pleura, petechiae, episode
perdarahan, SBP, tekanan nadi, hematokrit, hemoglobin, jumlah sel putih,
limfosit, neutrofil, trombosit, AST, ALT, PT, dan PTT (Tabel 1).
Pada analisis multivariabel, karakteristik klinis dengan kemampuan
prediksi yang signifikan untuk keparahan dengue termasuk usia> 6 tahun
(OR = 1,46, 95% CI = 1,12-1,91, = 0,005), hepatomegali (OR = 12,31,
95% CI = 8,84-17,15, < 0,001), hematokrit 40% (OR = 1,34, 95% CI =
1,10-1,64, = 0,003), SBP <90mmHg (OR = 1,70, 95% CI = 1,32-2,17,
<0,001), jumlah sel darah putih> 5000 / uL (OR = 1,40, 95% CI = 1,131,75, = 0,002), dan trombosit 50000 / uL (OR = 3,95, 95% CI = 3,14-

4,96, <0,001) . Prediktor terkuat adalah hepatomegali (OR = 12,31) dan


platelet 50000 / uL (OR = 3,95) (Tabel 2).
3.2. Sistem skoring. Transformasi dari parameter koefisien yang
signifikan menjadi item skor dilakukan oleh divisi dari masing-masing
koefisien dengan koefisien terkecil dari model (0.30) dan dibulatkan ke
atas atau ke bawah yang paling dekat 0,5. Skor item berkisar antara 0
sampai 8.5, dan total skor berkisar 0-18 (Tabel 2).
3.3. Pembedaan. Rata-rata skor total keparahan pasien dengan DF, DHF,
dan DSS adalah 3,6 2,1, 5,1 3,2, dan 11,0 4,1 (Tabel 3). Distribusi
turunan dari skor keparahan berbeda di antara tiga kelompok keparahan
(Gambar 1). Skor yang diperoleh membedakan DBD dari DF dan juga
membedakan DSS dari DBD (Gambar 2).
3.4. Prediksi klinis. Sistem penilaian kami menmembedakan DSS dan
DBD dari DF dengan daerah di bawah kurva operasi penerima (AuROC)
dari 0,7416 (95% CI = 0,7294-0,7537, gambar tidak ditampilkan) dan
membedakan DSS dari DBD dan DF dengan AuROC lebih tinggi dari
0,8877 (95% CI = 0,8788-0,8964, gambar tidak ditampilkan).
Cut-off poin digunakan untuk mengklasifikasikan pasien sebagai 3
kelompok keparahan: skor <2,5 (DF), skor 2,5-11,5 (DBD), dan skor> 11,5
(DSS). Skor <2,5 memprediksi DF dengan benar pada 297 dari 391 pasien
dengan 1 tingkat dibawah estimasi pada 149 pasien (19,2%) dan 2-tingkat
dibawah estimasi pada 5 pasien (0,6%) atau total 19,8% di bawah
estimasi.
Skor antara 2,5 dan 11,5 memprediksi DBD dengan benar pada 136
dari 296 pasien, dengan di bawah estimasi pada 46 pasien (5,9%) dan di
atas estimasi pada 94 pasien (12,1%).
Skor> 11,5 memprediksi DSS dengan benar pada 39 dari 90 pasien,
dengan 1 tingkat di atas estimasi pada 1 dari 11 pasien (1,4%), dengan
tidak ada 2-tingkat di atas estimasi (0%), atau total 1,4% di atas estimasi
(Tabel 3).
4. Diskusi
Infeksi dengue adalah kondisi yang membutuhkan diagnosis segera
dan pengobatan sebelum pasien masuk ke dalam perdarahan atau
keadaan syok. Sistem penilaian sebelumnya mencoba untuk
mengevaluasi atau memperkirakan keparahan penyakit termasuk sistem
skoring demam berdarah berdasarkan informasi epidemiologis dan tandatanda klinis atau gejala, yang mungkin berguna dalam mendeteksi DF
sangat awal sebelum didapatkan hasil laboratorium [25]. Sistem skoring

lainnya adalah Pediatric Logistic Organ Disfunction (PELOD) Score dan


Pediatric Risk of Mortality III (PRISM III), digunakan untuk mengevaluasi
tingkat kematian [26], dan skor Disseminate Intravascular Coagulation
(DIC) untuk mendiagnosa DIC dan membedakan DF dan DHF dari penyakit
demam lainnya [27].
Bagan algoritma keputusan juga diterapkan untuk
mengklasifikasikan infeksi dengue ke DF, DHF kelas I, DBD grade II, dan
DHF grade III [28]. Mereka juga dapat memprediksi pasien dengan resiko
rendah yang mungkin dapat dipulangkan dengan aman dan memilih
pasien berisiko tinggi yang harus dipantau ketat [29].
Studi-studi ini menggunakan gejala klinis dan / atau tes
laboratorium untuk mengevaluasi atau memprediksi risiko. Beberapa studi
menginklusi hanya pasien dewasa [25, 29] yang mungkin relevan atau
tidak relevan dengan anak-anak. Pada studi yang menginklusi anak-anak,
beberapa studi menggunakan informasi yang digunakan pada beberapa
hari pertama masuk di Unit Perawatan Intensif Pediatrik (PICU) [19].
Dalam beberapa penelitian, pasien DHF tidak mengalami syok dan
mungkin tidak disimpulkan untuk pasien dengan DSS [21]. Prediksi resiko
dalam banyak studi ini didasarkan pada pemeriksaan laboratorium tidak
rutin [19, 20, 26, 28, 29] . Meskipun kekuatan prediksi mereka tinggi,
prediktor tidak rutin tidak tersedia di banyak pusat perawatan primer.
Investasi pada fasilitas tersebut mungkin tidak layak dan mungkin tidak
efektif pada biaya.
Studi kami mengembangkan sistem penilaian berdasarkan risiko
klinis dan parameter laboratorium rutin dan mengkategorikan pasien
dengan infeksi dengue ke DF, DHF, atau DSS.
(1) Pasien skor <2,5 diklasifikasikan sebagai DF bentuk paling ringan.
Pasien-pasien ini biasanya tidak memerlukan perawatan di rumah sakit
bahkan dalam tahap demam. Pasien mungkin aman ditangani sebagai
pasien rawat jalan dengan perawatan gejala dan mungkin disarankan
untuk mengamati tanda-tanda atau gejala abnormal dengan follow-up.
(2) Pasien skor antara 2,5 dan 11,5 diklasifikasikan sebagai kelompok
risiko DBD. Pasien-pasien ini harus harus dipantau secara ketat untuk
tanda-tanda awal kebocoran plasma, hemokonsentrasi, koagulopati,
trombositopenia.
(3) Pasien skor > 11,5 diklasifikasikan sebagai kelompok risiko DSS.
Pasien-pasien ini juga harus dirawat untuk memonitor tanda-tanda awal
syok.

Sistem penilaian memprediksi DSS dengan benar dengan nilai


prediksi positif (PPV) dari 88%, mirip dengan penelitian lain yang
melaporkan PPV dari 82-95% [20, 26]. Skor ini mungkin dapat digunakan
untuk membedakan DSS dari DF dan DHF.
Namun, fakta bahwa skor yang diperoleh pada DF dan DHF yang
tumpang tindih lebih atau kurang membuatnya kurang mungkin untuk
digunakan untuk membedakan DBD dari DF. Prediktor tidak rutin lainnya
khusus untuk DBD mungkin diperlukan.
Dalam kasus penyelidikan laboratorium rutin terus menerus, skor
kami juga dapat digunakan untuk memantau risiko pasien untuk DSS
sebagai penyakit yang berkembang dari hari ke hari. Pada pasien rawat
jalan, hal ini akan membantu dokter membuat keputusan kapan harus
memasukkan pasien ke rumah sakit. Penerapan sistem scoring ini ke
perawatan pasien rutin dapat membantu mengurangi perawatan yang
tidak perlu dan juga mengurangi fasilitas kasus pada kasus yang berat
yang diakui berdasarkan skor risiko tinggi.
5. Kesimpulan
Skor keparahan infeksi dengue mengklasifikasikan pasien ke DF,
DHF, atau DSS, dengan benar ke tingkat keparahan aslinya. Validasi skor
harus menegaskan kembali sebelum mengaplikasi dalam praktek rutin.
Konflik kepentingan
Penelitian ini sebagian didukung oleh Penelitian Hibah untuk Ilmu
Dasar dan Terapan, Fakultas Kedokteran, Chiang Mai University.
Ucapan Terima Kasih
Penulis ingin mengucapkan terima kasih kepada pihak berwenang
dari tiga rumah sakit atas dukungan mereka dalam pengumpulan data
dan terima kasih kepada Fakultas Kedokteran, Chiang Mai University,
untuk dukungan hibah parsial.