Anda di halaman 1dari 20

ARTIKEL PENELITIAN skor prognostik untuk memprediksi kematian selama pengobatan TB di / pasien

koinfeksi HIV TB

Duc Nguyen T. 1, Helen E. Jenkins 2, Edward A. Graviss 1 * Duc Nguyen T. 1, Helen E. Jenkins 2, Edward
A. Graviss 1 * Duc Nguyen T. 1, Helen E. Jenkins 2, Edward A. Graviss 1 * Duc Nguyen T. 1, Helen E.
Jenkins 2, Edward A. Graviss 1 * Duc Nguyen T. 1, Helen E. Jenkins 2, Edward A. Graviss 1 * Duc Nguyen
T. 1, Helen E. Jenkins 2, Edward A. Graviss 1 *

1 HoustonMethodist Rumah Sakit Institute, Houston, Texas, Amerika Serikat, 2 Departemen biostatistik,
Boston University School of Public Health, 1 HoustonMethodist Rumah Sakit Institute, Houston, Texas,
Amerika Serikat, 2 Departemen biostatistik, Boston University School of Public Health, 1
HoustonMethodist Rumah Sakit Institute, Houston, Texas, Amerika Serikat, 2 Departemen biostatistik,
Boston University School of Public Health, 1 HoustonMethodist Rumah Sakit Institute, Houston, Texas,
Amerika Serikat, 2 Departemen biostatistik, Boston University School of Public Health, Boston,
Massachusetts, Amerika Serikat

* eagraviss@houstonmethodist.org

Abstrak

Latar Belakang Memperkirakan risiko kematian selama pengobatan TB pada pasien HIV koinfeksi
menantang bagi para profesional kesehatan, terutama pada populasi prevalensi TB rendah, karena
kurangnya sistem prognostik standar. Studi saat ini bertujuan untuk mengembangkan dan memvalidasi
mortalitas sistem penilaian prognostik sederhana untuk / pasien TB HIV co-terinfeksi.

metode Menggunakan data dari Sistem Manajemen Tuberkulosis genotip Informasi CDC pasien TB di
Texas dilaporkan dari 01/2010 melalui 12/2016, usia 15 tahun, HIV (+), dan hasil yang “selesai” atau
“mati”, kami mengembangkan dan internal divalidasi amortality skor prognostik menggunakan regresi
logistik ganda. diskriminasi Model ditentukan oleh daerah di bawah penerima operasi karakteristik
(ROC) kurva (AUC). kalibrasi baik model ditentukan oleh kebaikan non-signifikan Hosmer-Lemeshow ini
uji fit.

hasil Di antara 450 pasien dimasukkan dalam analisis, 57 (12,7%) meninggal selama pengobatan TB. Skor
prognostik akhir digunakan enam karakteristik (usia, tempat tinggal di fasilitas perawatan jangka
panjang, TB meningeal, dada x-ray, budaya positif, dan budaya tidak dikonversi / tidak diketahui), yang
secara rutin dikumpulkan oleh program TB. skor prognostik dikategorikan menjadi tiga kelompok yang
diperkirakan kematian: berisiko rendah (<20 poin), risiko menengah (20-25 poin) dan berisiko tinggi (>
25 poin). Model ini memiliki diskriminasi baik dan kalibrasi (AUC = 0,82; 0,80 di validasi bootstrap), dan
non-signifikan uji Hosmer-Lemeshow p = 0,71.

Kesimpulan

divalidasi kematian sistem prognostik scoring sederhana kami dapat menjadi alat praktis bagi para
profesional kesehatan dalam mengidentifikasi / pasien koinfeksi HIV TB dengan risiko kematian yang
tinggi.
pengantar Tuberkulosis (TB) merupakan penyebab utama morbiditas dan mortalitas pada orang yang
terinfeksi HIV. Pada tahun 2016, diperkirakan ada satu juta kasus baru TB di antara orang-orang yang
HIVpositive di seluruh dunia dengan 374.000 kematian [ 1 ]. diperkirakan ada satu juta kasus baru TB di
antara orang-orang yang HIVpositive di seluruh dunia dengan 374.000 kematian [ 1 ]. diperkirakan ada
satu juta kasus baru TB di antara orang-orang yang HIVpositive di seluruh dunia dengan 374.000
kematian [ 1 ]. Sebagai salah satu dari empat negara (California, Texas, New York, dan Florida) yang
menyumbang 50,6% dari total kasus nasional di Amerika Serikat (AS) [ 2 ], Texas memiliki 9.007 kasus TB
baru dan 30.979 orang HIV-positif yang dilaporkan antara nasional di Amerika Serikat (AS) [ 2 ], Texas
memiliki 9.007 kasus TB baru dan 30.979 orang HIV-positif yang dilaporkan antara nasional di Amerika
Serikat (AS) [ 2 ], Texas memiliki 9.007 kasus TB baru dan 30.979 orang HIV-positif yang dilaporkan
antara 2010 dan 2016 [ 3 - 5 ]. Pada 2015, Texas memiliki insiden TB sebesar 4,9 per 100.000 penduduk,
2010 dan 2016 [ 3 - 5 ]. Pada 2015, Texas memiliki insiden TB sebesar 4,9 per 100.000 penduduk, 2010
dan 2016 [ 3 - 5 ]. Pada 2015, Texas memiliki insiden TB sebesar 4,9 per 100.000 penduduk, 2010 dan
2016 [ 3 - 5 ]. Pada 2015, Texas memiliki insiden TB sebesar 4,9 per 100.000 penduduk, 2010 dan 2016 [
3 - 5 ]. Pada 2015, Texas memiliki insiden TB sebesar 4,9 per 100.000 penduduk,

5,1% dari pasien TB baru adalah HIV positif [ 4 ]. Di Texas, penyakit TB telah diidentifikasi sebagai
penyakit menular yang 5,1% dari pasien TB baru adalah HIV positif [ 4 ]. Di Texas, penyakit TB telah
diidentifikasi sebagai penyakit menular yang 5,1% dari pasien TB baru adalah HIV positif [ 4 ]. Di Texas,
penyakit TB telah diidentifikasi sebagai penyakit menular yang memiliki rasio kematian tertinggi standar
(SMR) relatif terhadap referensi nasional dengan 679 kematian antara tahun 2001 dan 2010 [ 6 ]. Studi
di pengaturan lainnya telah mengidentifikasi beberapa faktor prognostik yang berhubungan dengan
mortalitas 2010 [ 6 ]. Studi di pengaturan lainnya telah mengidentifikasi beberapa faktor prognostik
yang berhubungan dengan mortalitas 2010 [ 6 ]. Studi di pengaturan lainnya telah mengidentifikasi
beberapa faktor prognostik yang berhubungan dengan mortalitas pada / pasien HIV TB seperti usia 45,
smear (+) TB paru, terapi antiretroviral (ART), memiliki rejimen TB awal dengan rifamycin, pada / pasien
HIV TB seperti usia 45, smear (+) TB paru, terapi antiretroviral (ART), memiliki rejimen TB awal dengan
rifamycin, isoniazid dan pirazinamid, tes kerentanan terhadap obat (DST), dan jumlah sel CD [ 7 . 8 ].
Podlekareva et al. baru-baru ini isoniazid dan pirazinamid, tes kerentanan terhadap obat (DST), dan
jumlah sel CD [ 7 . 8 ]. Podlekareva et al. baru-baru ini isoniazid dan pirazinamid, tes kerentanan
terhadap obat (DST), dan jumlah sel CD [ 7 . 8 ]. Podlekareva et al. baru-baru ini isoniazid dan
pirazinamid, tes kerentanan terhadap obat (DST), dan jumlah sel CD [ 7 . 8 ]. Podlekareva et al. baru-
baru ini isoniazid dan pirazinamid, tes kerentanan terhadap obat (DST), dan jumlah sel CD [ 7 . 8 ].
Podlekareva et al. baru-baru ini disajikan indeks kesehatan (HCI) skor dengan komponen yang dipilih dari
intervensi yang sering digunakan dan menyarankan hubungannya dengan hasil pada pasien HIV-positif [
8 ]. Namun, komponen HCI yang subyektif dipilih dan bukan hasil hubungannya dengan hasil pada
pasien HIV-positif [ 8 ]. Namun, komponen HCI yang subyektif dipilih dan bukan hasil hubungannya
dengan hasil pada pasien HIV-positif [ 8 ]. Namun, komponen HCI yang subyektif dipilih dan bukan hasil
pemodelan regresi multivariat objektif atau analisis statistik. Meskipun beberapa skor risiko kematian TB
telah dikembangkan, mereka juga tidak termasuk pasien HIVinfected, memiliki ukuran sampel yang
kecil, atau yang dikembangkan berdasarkan rumah sakit tunggal untuk memprediksi kematian di rumah
sakit, atau menyertakan variabel yang tidak rutin tersedia di program TB masyarakat [ 9 - 11 ]. Dalam
terang ini, membuat prognosis yang akurat untuk risiko kematian selama pengobatan TB pada TB
masyarakat [ 9 - 11 ]. Dalam terang ini, membuat prognosis yang akurat untuk risiko kematian selama
pengobatan TB pada TB masyarakat [ 9 - 11 ]. Dalam terang ini, membuat prognosis yang akurat untuk
risiko kematian selama pengobatan TB pada TB masyarakat [ 9 - 11 ]. Dalam terang ini, membuat
prognosis yang akurat untuk risiko kematian selama pengobatan TB pada TB masyarakat [ 9 - 11 ]. Dalam
terang ini, membuat prognosis yang akurat untuk risiko kematian selama pengobatan TB pada pasien
HIV koinfeksi menantang bagi para profesional kesehatan, terutama pada populasi prevalensi TB
rendah, karena kurangnya sistem prognostik standar. Studi saat ini bertujuan untuk mengembangkan
dan memvalidasi suatu sistem prognostik scoring sederhana dengan menggunakan data surveilans
populationbased, yang secara rutin dikumpulkan oleh program TB yang paling dan bisa memprediksi
risiko kematian pasien selama pengobatan TB. skor risiko kematian yang diusulkan bisa menjadi alat
praktis untuk dokter TB dan profesional kesehatan lainnya dalam mengelola penyakit TB pada pasien
dengan TB / HIV co-infeksi.

metode populasi penelitian Penelitian ini menggunakan data surveilans de-diidentifikasi retrospektif dari
semua pasien TB dikonfirmasi dari negara bagian Texas (AS) dilaporkan ke Surveillance System TB
Nasional (NTSS). dataset ini diunduh dari Pusat Pengendalian dan Pencegahan Penyakit (CDC) didukung
genotipe Sistem Informasi Manajemen TB situs (TBGIMS). Kriteria inklusi didefinisikan sebagai: (1)
menegaskan kasus TB di negara bagian Texas dari 01/2010 melalui 12/2016 (berdasarkan tanggal
“caseness” ketika kasus itu diverifikasi oleh Texas Departemen Pelayanan Kesehatan Negara termasuk
dalam count kasus resmi negara) [ 12 ]; (2) usia 15 tahun; (3) status HIV positif; dan (4) memiliki
termasuk dalam count kasus resmi negara) [ 12 ]; (2) usia 15 tahun; (3) status HIV positif; dan (4)
memiliki termasuk dalam count kasus resmi negara) [ 12 ]; (2) usia 15 tahun; (3) status HIV positif; dan
(4) memiliki didokumentasikan hasil pengobatan TB di dataset baik sebagai pengobatan selesai (
“selesai”) atau mati ( “mati”). Sebagai dataset hanya memiliki satu TB pediatrik / pasien koinfeksi HIV,
pasien ini tidak termasuk dalam penelitian ini. Mengingat tujuan utama dari studi kami adalah untuk
memprediksi kematian selama pengobatan TB pada pasien terinfeksi HIV terhadap penyelesaian
pengobatan, pasien yang memiliki hasil coding selain “selesai” atau “mati” (seperti “merugikan”,
“hilang” , “pindah”, “lain”, “menolak”, atau “tidak diketahui”), yaitu Status penting tidak dapat
diverifikasi, dan memiliki status HIV negatif atau tidak diketahui juga dikeluarkan dari analisis. Sebuah
kasus TB dikonfirmasi dalam dataset didefinisikan baik sebagai kasus laboratorium dikonfirmasi atau
kasus dikonfirmasi klinis, Staf menggunakan CDC TB definisi kasus [ 12 ]. Seorang pasien dengan
Mycobacterium tuberculosis Staf menggunakan CDC TB definisi kasus [ 12 ]. Seorang pasien dengan
Mycobacterium tuberculosis Staf menggunakan CDC TB definisi kasus [ 12 ]. Seorang pasien dengan
Mycobacterium tuberculosis Staf menggunakan CDC TB definisi kasus [ 12 ]. Seorang pasien dengan
Mycobacterium tuberculosis ( mtb) konversi kultur didefinisikan sebagai pasien yang memiliki kultur
sputum positif awal yang dikonversi ke ( mtb) konversi kultur didefinisikan sebagai pasien yang memiliki
kultur sputum positif awal yang dikonversi ke ( mtb) konversi kultur didefinisikan sebagai pasien yang
memiliki kultur sputum positif awal yang dikonversi ke budaya negatif didokumentasikan tanpa
mengubahnya kembali ke budaya positif selama pengobatan seluruh. Status konversi tidak diketahui
didefinisikan sebagai pasien yang memiliki awal mtb biakan dahak positif dan Status konversi tidak
diketahui didefinisikan sebagai pasien yang memiliki awal mtb biakan dahak positif dan Status konversi
tidak diketahui didefinisikan sebagai pasien yang memiliki awal mtb biakan dahak positif dan
pengobatan TB selesai tetapi hasil semua budaya tindak lanjut tidak tersedia. Kelainan konsisten dengan
penyakit TB pada rontgen dada (TB-CXR) tercatat dalam dataset sebagai variabel biner (normal vs
abnormal) [ 13 ].

Pernyataan etika

Karena ini adalah penelitian retrospektif dengan menggunakan data de-diidentifikasi, persetujuan etis
tidak diperlukan.

Analisis statistik Data demografi dan klinis dilaporkan sebagai frekuensi dan proporsi. Perbedaan
karakteristik demografi dan klinis antara kolam populasi pasien dikecualikan dan termasuk yang
ditentukan dengan menggunakan Chi-square atau tes eksak Fisher, yang sesuai. Data hilang dinilai untuk
hilang sepenuhnya secara acak (MCAR) dan kovariat tergantung missingness (CDM) dengan
menggunakan Little chi-squared tes [ 14 ]. (MCAR) dan kovariat tergantung missingness (CDM) dengan
menggunakan Little chi-squared tes [ 14 ]. (MCAR) dan kovariat tergantung missingness (CDM) dengan
menggunakan Little chi-squared tes [ 14 ]. Univariat dan beberapa model regresi logistik digunakan
untuk menentukan kontribusi variabel prognostik potensi untuk hasil pasien. Variabel untuk model
regresi logistik dipilih dengan menggunakan model Bayesian rata-rata (BMA) metode [ 15 . 16 ]. Secara
singkat, Stata ini BMA programwas menjalankan untuk mengevaluasi rata-rata (BMA) metode [ 15 . 16 ].
Secara singkat, Stata ini BMA programwas menjalankan untuk mengevaluasi rata-rata (BMA) metode [
15 . 16 ]. Secara singkat, Stata ini BMA programwas menjalankan untuk mengevaluasi rata-rata (BMA)
metode [ 15 . 16 ]. Secara singkat, Stata ini BMA programwas menjalankan untuk mengevaluasi rata-rata
(BMA) metode [ 15 . 16 ]. Secara singkat, Stata ini BMA programwas menjalankan untuk mengevaluasi
kemungkinan set Model dari semua variabel memiliki p-nilai <0,2 dalam analisis univariat atau variabel
dianggap penting secara klinis. Program BMA menyarankan model yang baik yang termasuk variabel
dengan probabilitas tinggi menjadi faktor risiko. Tes Kemungkinan Ratio digunakan untuk mengurangi
subset model yang. Model terbaik dipilih berdasarkan kriteria informasi Bayesian kecil (BIC). faktor risiko
yang signifikan ditugaskan tertimbang-poin yang sebanding dengan mereka β nilai koefisien regresi.
Sebuah skor prognostik ditugaskan tertimbang-poin yang sebanding dengan mereka β nilai koefisien
regresi. Sebuah skor prognostik ditugaskan tertimbang-poin yang sebanding dengan mereka β nilai
koefisien regresi. Sebuah skor prognostik dihitung untuk setiap pasien dalam kelompok. Pasien
dikategorikan dalam desil skor risiko dan kemudian runtuh menjadi tiga kelompok yang berbeda secara
signifikan dalam risiko prediktif untuk mortalitas (rendah, sedang dan berisiko tinggi). diskriminasi
Model ditentukan oleh daerah di bawah penerima operasi karakteristik (ROC) kurva (AUC). kalibrasi baik
model ditentukan oleh kebaikan non-signifikan Hosmer-Lemeshow ini uji fit. validasi model yang
dilakukan dengan menggunakan metode resampling bootstrap dengan 2000 ulangan. Semua analisa
dilakukan dengan menggunakan Stata versi 14.2 (StataCorp LP, College Station, TX, USA). Nilai p dari
<0,05 dianggap signifikan secara statistik. 17 ].

hasil Karakteristik sampel penelitian Dari Januari 2010 sampai Desember 2016, 569 orang dewasa yang
terinfeksi HIV di negara bagian Texas dikonfirmasi dengan penyakit TB dan dilaporkan dalam database
Nasional TB Surveillance System. Sebanyak 450 pasien, termasuk 57 orang yang meninggal (12,7%) yang
digunakan dalam analisis setelah 119 pasien dengan hasil selain “selesai” atau “mati” dikeluarkan (
Gambar 1 ). Tidak ada perbedaan yang signifikan antara karakteristik kelompok dikecualikan dan
termasuk ( Tabel dikeluarkan ( Gambar 1 ). Tidak ada perbedaan yang signifikan antara karakteristik
kelompok dikecualikan dan termasuk ( Tabel dikeluarkan ( Gambar 1 ). Tidak ada perbedaan yang
signifikan antara karakteristik kelompok dikecualikan dan termasuk ( Tabel dikeluarkan ( Gambar 1 ).
Tidak ada perbedaan yang signifikan antara karakteristik kelompok dikecualikan dan termasuk ( Tabel 1
). Data dari 434 pasien yang dimasukkan digunakan dalam pengembangan dan validasi internal dari
kematian sistem 1 ). Data dari 434 pasien yang dimasukkan digunakan dalam pengembangan dan
validasi internal dari kematian sistem penilaian prognosis.

Pengembangan kematian sistem skor prognostik Asosiasi mentah antara faktor-faktor risiko potensial
dan kematian diperiksa menggunakan analisis regresi logistik univariat ( Meja 2 ). Proses seleksi variabel
dengan menggunakan metode model averaging Bayesian menyarankan tujuh univariat ( Meja 2 ). Proses
seleksi variabel dengan menggunakan metode model averaging Bayesian menyarankan tujuh univariat (
Meja 2 ). Proses seleksi variabel dengan menggunakan metode model averaging Bayesian menyarankan
tujuh variabel dengan makna prognostik untuk penyelidikan lebih lanjut dalam model regresi logistik
ganda akhir: kelompok usia, tunawisma, warga fasilitas perawatan jangka panjang, TB meningeal, TB-
CXR, diagnosis TB dikonfirmasi oleh budaya positif atau Nucleic Acid Amplification (NAA), mtb budaya
tanpa konversi atau status konversi tidak diketahui budaya positif atau Nucleic Acid Amplification (NAA),
mtb budaya tanpa konversi atau status konversi tidak diketahui budaya positif atau Nucleic Acid
Amplification (NAA), mtb budaya tanpa konversi atau status konversi tidak diketahui selama pengobatan
TB. Enam variabel yang digunakan dalam pengembangan skor risiko kematian TB, semua kecuali untuk
variabel tunawisma, yang tidak signifikan dalam model akhir. poin tertimbang ditugaskan untuk masing-
masing dari enam faktor risiko akhir menggunakan transformasi linear dari yang sesuai koefisien regresi
[(dibagi dengan yang terkecil β koefisien (1,07, usia), dikalikan dengan konstanta (5), dan dibulatkan ke
bilangan bulat terdekat, ( tabel 3 )].

Sebuah skor prognostik dihitung untuk pasien individu berdasarkan rumus berikut: Prognosticscore ¼ 5
½ Usia 45 ?? Sebuah skor prognostik dihitung untuk pasien individu berdasarkan rumus berikut:
Prognosticscore ¼ 5 ½ Usia 45 ?? Sebuah skor prognostik dihitung untuk pasien individu berdasarkan
rumus berikut: Prognosticscore ¼ 5 ½ Usia 45 ?? Sebuah skor prognostik dihitung untuk pasien individu
berdasarkan rumus berikut: Prognosticscore ¼ 5 ½ Usia 45 ?? Sebuah skor prognostik dihitung untuk
pasien individu berdasarkan rumus berikut: Prognosticscore ¼ 5 ½ Usia 45 ?? Sebuah skor prognostik
dihitung untuk pasien individu berdasarkan rumus berikut: Prognosticscore ¼ 5 ½ Usia 45 ?? Sebuah
skor prognostik dihitung untuk pasien individu berdasarkan rumus berikut: Prognosticscore ¼ 5 ½ Usia
45 ??

þ 12 ½ Residentof panjang þ 12 ½ Residentof panjang þ 12 ½ Residentof panjang þ 12 ½ Residentof


panjang termcarefacility ?? þ 9 ½ MeningealTB ?? termcarefacility ?? þ 9 ½ MeningealTB ??
termcarefacility ?? þ 9 ½ MeningealTB ?? termcarefacility ?? þ 9 ½ MeningealTB ?? termcarefacility ?? þ
9 ½ MeningealTB ?? termcarefacility ?? þ 9 ½ MeningealTB ??

þ 6 ½ TB CXR ?? þ 9 ½ positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR


?? þ 9 ½ positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ?? þ 6 ½ TB CXR ?? þ 9 ½
positivecultureorNAA ?? þ 10 ½ Culturenotconvertedorunknown ??

Semua variabel yang biner dengan “No” = 0 dan “Ya” = 1. Pasien dibagi menjadi tiga kelompok yang
berbeda secara signifikan dalam risiko prediktif untuk mortalitas: kelompok berisiko rendah (<20 poin),
kelompok risiko menengah (20- 25 poin), dan kelompok risiko tinggi (> 25 poin). Kematian di rendah,
menengah, dan berisiko tinggi kelompok 2,6%, 11,9% dan 44,4%, masing-masing ( tabel 4 . Gambar 2 ).
probabilitas diprediksi kematian selama pengobatan TB dapat dihitung dari intercept masing-masing (
tabel 4 . Gambar 2 ). probabilitas diprediksi kematian selama pengobatan TB dapat dihitung dari
intercept masing-masing ( tabel 4 . Gambar 2 ). probabilitas diprediksi kematian selama pengobatan TB
dapat dihitung dari intercept masing-masing ( tabel 4 . Gambar 2 ). probabilitas diprediksi kematian
selama pengobatan TB dapat dihitung dari intercept masing-masing ( tabel 4 . Gambar 2 ). probabilitas
diprediksi kematian selama pengobatan TB dapat dihitung dari intercept (-6,994499) dari model akhir
dan koefisien regresi yang sesuai dari variabel termasuk dalam nilai risiko berdasarkan rumus berikut:
kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½
longtermcarefacility Residentof ?? berikut: kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½
Usia 45 ?? þ 2: 541.147 ½ longtermcarefacility Residentof ?? berikut: kematian Predictedprobabilityof ¼
6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½ longtermcarefacility Residentof ?? berikut:
kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½
longtermcarefacility Residentof ?? berikut: kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½
Usia 45 ?? þ 2: 541.147 ½ longtermcarefacility Residentof ?? berikut: kematian Predictedprobabilityof ¼
6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½ longtermcarefacility Residentof ?? berikut:
kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½
longtermcarefacility Residentof ?? berikut: kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½
Usia 45 ?? þ 2: 541.147 ½ longtermcarefacility Residentof ?? berikut: kematian Predictedprobabilityof ¼
6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½ longtermcarefacility Residentof ?? berikut:
kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½
longtermcarefacility Residentof ?? berikut: kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½
Usia 45 ?? þ 2: 541.147 ½ longtermcarefacility Residentof ?? berikut: kematian Predictedprobabilityof ¼
6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½ longtermcarefacility Residentof ?? berikut:
kematian Predictedprobabilityof ¼ 6: 994.499 þ 1: 069.024 ½ Usia 45 ?? þ 2: 541.147 ½
longtermcarefacility Residentof ?? þ 1: 998.852 ½ MeningealTB ?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108
½ cultureorNAA positif ?? þ 2: 186.305 ½ Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB
?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½ cultureorNAA positif ?? þ 2: 186.305 ½
Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½
cultureorNAA positif ?? þ 2: 186.305 ½ Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ??
þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½ cultureorNAA positif ?? þ 2: 186.305 ½
Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½
cultureorNAA positif ?? þ 2: 186.305 ½ Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ??
þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½ cultureorNAA positif ?? þ 2: 186.305 ½
Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½
cultureorNAA positif ?? þ 2: 186.305 ½ Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ??
þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½ cultureorNAA positif ?? þ 2: 186.305 ½
Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½
cultureorNAA positif ?? þ 2: 186.305 ½ Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ??
þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½ cultureorNAA positif ?? þ 2: 186.305 ½
Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½
cultureorNAA positif ?? þ 2: 186.305 ½ Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ??
þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½ cultureorNAA positif ?? þ 2: 186.305 ½
Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½
cultureorNAA positif ?? þ 2: 186.305 ½ Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ??
þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½ cultureorNAA positif ?? þ 2: 186.305 ½
Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ?? þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½
cultureorNAA positif ?? þ 2: 186.305 ½ Culturenotconvertedorunknown þ 1: 998.852 ½ MeningealTB ??
þ 1: 37.995 ½ TB CXR ?? þ 1: 899.108 ½ cultureorNAA positif ?? þ 2: 186.305 ½
Culturenotconvertedorunknown ??:
Kinerja dan validasi skor prognostik Model akhir memiliki diskriminasi yang baik dalam pengembangan
(AUC = 0,82; 95% CI 0,76, 0,89) dan validasi bootstrap (AUC = 0,80; 95% CI 0,72, 0,88) ( tabel 4 . Gambar
2 ). Analisis ROC menggunakan skor prognostik itu sendiri juga (AUC = 0,80; 95% CI 0,72, 0,88) ( tabel 4 .
Gambar 2 ). Analisis ROC menggunakan skor prognostik itu sendiri juga (AUC = 0,80; 95% CI 0,72, 0,88) (
tabel 4 . Gambar 2 ). Analisis ROC menggunakan skor prognostik itu sendiri juga (AUC = 0,80; 95% CI
0,72, 0,88) ( tabel 4 . Gambar 2 ). Analisis ROC menggunakan skor prognostik itu sendiri juga (AUC =
0,80; 95% CI 0,72, 0,88) ( tabel 4 . Gambar 2 ). Analisis ROC menggunakan skor prognostik itu sendiri juga
disediakan diskriminasi baik di kedua pengembangan dan validasi bootstrap (AUC = 0,82; 95% CI 0,76,
0,89 dan AUC = 0,79; 95% CI 0,70, 0,87, masing-masing). Model prognostik memiliki kalibrasi yang baik
dengan Hosmer- non-signifikan
Lemeshow chi-kuadrat 3,74 (p = 0.71) dan kinerja secara keseluruhan sangat baik dengan skor Brier dari
0,09 ( tabel 4 ). Penyusutan statistik dihitung dengan menggunakan diulang 10 kali lipat cross-validasi
(250 ulangan) yang 0,09 ( tabel 4 ). Penyusutan statistik dihitung dengan menggunakan diulang 10 kali
lipat cross-validasi (250 ulangan) yang 0,09 ( tabel 4 ). Penyusutan statistik dihitung dengan
menggunakan diulang 10 kali lipat cross-validasi (250 ulangan) yang ditunjukkan di-sampel penyusutan
1,4% (standard error 1,8). Hasil ini bersama-sama dengan Hosmer-Lemeshow uji kebaikan-of-fit non-
signifikan menyarankan model cocok dengan data. Dibandingkan dengan pasien berisiko rendah, pasien
dalam kelompok menengah dan berisiko tinggi memiliki kemungkinan jauh lebih tinggi dari angka
kematian selama pengobatan TB ( tabel 5 ). menengah dan berisiko tinggi memiliki kemungkinan jauh
lebih tinggi dari angka kematian selama pengobatan TB ( tabel 5 ). menengah dan berisiko tinggi
memiliki kemungkinan jauh lebih tinggi dari angka kematian selama pengobatan TB ( tabel 5 ).
Mengingat bahwa analisis multivariat membutuhkan data non-hilang untuk semua variabel termasuk
untuk setiap pasien, sampel 434/450 (96,4%) pasien memiliki data yang lengkap untuk semua enam
termasuk variabel yang digunakan dalam model akhir dan dalam pengembangan sistem penilaian.
Perbandingan antara 434 pasien yang dimasukkan dalam model akhir terhadap 16 pasien dikeluarkan
karena data yang tidak lengkap tidak menemukan perbedaan yang signifikan baik dalam kematian
(12,4% vs

18,8%, p = 0,46) maupun dalam semua karakteristik demografi dan klinis ( S1 Tabel ). Tes chisquared
sedikit untuk MCAR dan 18,8%, p = 0,46) maupun dalam semua karakteristik demografi dan klinis ( S1
Tabel ). Tes chisquared sedikit untuk MCAR dan 18,8%, p = 0,46) maupun dalam semua karakteristik
demografi dan klinis ( S1 Tabel ). Tes chisquared sedikit untuk MCAR dan CDM memiliki non-signifikan p-
nilai (0,13 dan 0,44, masing-masing), yang menyatakan bahwa nilai-nilai yang hilang bisa benar-benar
secara acak dan tidak mempengaruhi pada hasil.

aplikasi kalkulator secara online Kami telah menciptakan sebuah aplikasi online gratis untuk kami
kalkulator skor risiko, yang dapat digunakan pada kedua perangkat mobile android dan iOS. Kalkulator
dapat didownload dari link berikut https://oaa.app.link/i0oYeyKsTK (Pendaftaran perangkat mobile
android dan iOS. Kalkulator dapat didownload dari link berikut https://oaa.app.link/i0oYeyKsTK
(Pendaftaran perangkat mobile android dan iOS. Kalkulator dapat didownload dari link berikut
https://oaa.app.link/i0oYeyKsTK (Pendaftaran untuk akun OpenAsApp bebas diperlukan untuk
mengakses kalkulator). kalkulator memberikan skor risiko (dalam poin), kelompok risiko (rendah, sedang
atau tinggi), dan kemungkinan kematian (%) untuk pasien.
Diskusi Dalam studi ini, kami mengembangkan dan internal divalidasi sistem prognostik skoring
sederhana untuk memprediksi risiko kematian selama pengobatan TB untuk pasien TB / HIV koinfeksi di
daerah yang memiliki kejadian TB rendah (4,9 / 100.000) [ 4 ]. kematian selama pengobatan TB untuk
pasien TB / HIV koinfeksi di daerah yang memiliki kejadian TB rendah (4,9 / 100.000) [ 4 ]. kematian
selama pengobatan TB untuk pasien TB / HIV koinfeksi di daerah yang memiliki kejadian TB rendah (4,9 /
100.000) [ 4 ]. skor prognostik kami dikembangkan dengan menggunakan data surveilans
populationbased pada populasi secara eksklusif terinfeksi HIV dalam pengaturan TB-beban rendah.
Hanya menggunakan enam variabel, yang secara rutin dikumpulkan dalam program TB, model prediktif
mortalitas kami mencapai diskriminasi yang sangat baik dan kalibrasi yang baik dan karena itu, dapat
memberikan dokter dan profesional kesehatan masyarakat dengan informasi lebih lanjut mengenai
resiko pasien kematian selama pengobatan mereka untuk penyakit TB. Dalam rangka meningkatkan
pelaksanaan praktis dari sistem penilaian dan untuk membantu mengalokasikan perawatan yang tepat
dan tindak lanjut sumber, kami dikategorikan pasien menjadi tiga kelompok risiko khas. pasien berisiko
tinggi akan membutuhkan perhatian yang besar dengan pengobatan mendesak dan dukungan medis
yang lebih agresif. pasien risiko menengah bisa mendapatkan keuntungan dari dekat tindak lanjut dan
intervensi yang cepat jika diperlukan untuk mencegah mereka dari jatuh ke kondisi kesehatan
diperburuk. kelompok rendah risiko harus dirawat dan dikelola sesuai protokol rutin. Beberapa
pendekatan dapat diterapkan untuk mengurangi risiko kematian pasien. Misalnya, terapi antiretroviral
awal (ART) bisa dipertimbangkan untuk pasien berisiko tinggi meskipun tingkat CD4 + mereka 50 sel /
mm3 sebagai ART telah terbukti mengurangi sampai 68% kematian akibat TB di TB / HIV koinfeksi pasien
[ 18 ].

Bagi individu yang tinggal di fasilitas perawatan jangka panjang, dukungan nutrisi lebih agresif akan
diperlukan untuk meningkatkan kelangsungan hidup pasien sebagai pasien ini juga sering memiliki
kondisi lain yang dapat meningkatkan risiko kematian TB seperti usia tua, kondisi hidup yang buruk,
kekurangan gizi dan kehadiran komorbiditas lain [ 19 ]. bagian kematian TB seperti usia tua, kondisi
hidup yang buruk, kekurangan gizi dan kehadiran komorbiditas lain [ 19 ]. bagian kematian TB seperti
usia tua, kondisi hidup yang buruk, kekurangan gizi dan kehadiran komorbiditas lain [ 19 ]. bagian
pendidikan bagi pasien dan keluarga mereka terhadap pengelolaan peningkatan risiko pasien dari
kematian perlu dilakukan untuk meningkatkan kepatuhan pengobatan, memperbaiki kondisi gizi pasien,
dan memberikan pengetahuan tentang bagaimana untuk mencari asisten medis bila diperlukan.

Dalam model kami, yang merupakan penduduk di fasilitas perawatan jangka panjang tampaknya
menjadi prediktor terkuat dari kematian. usia lebih tua, kondisi gizi buruk, keberadaan penyakit
penyerta lain dan kurangnya dukungan keluarga bisa berkontribusi pada risiko moralitas bagi individu
yang tinggal di fasilitas perawatan jangka panjang [ 20 . 21 ]. keluarga bisa berkontribusi pada risiko
moralitas bagi individu yang tinggal di fasilitas perawatan jangka panjang [ 20 . 21 ]. keluarga bisa
berkontribusi pada risiko moralitas bagi individu yang tinggal di fasilitas perawatan jangka panjang [ 20 .
21 ]. keluarga bisa berkontribusi pada risiko moralitas bagi individu yang tinggal di fasilitas perawatan
jangka panjang [ 20 . 21 ]. keluarga bisa berkontribusi pada risiko moralitas bagi individu yang tinggal di
fasilitas perawatan jangka panjang [ 20 . 21 ]. Keterlambatan konversi kultur telah disarankan untuk
dihubungkan dengan hasil pengobatan TB miskin. Potensi yang resistan terhadap obat penyakit,
kegagalan untuk mematuhi rejimen pengobatan dan beban basiler awal berat antara penjelasan yang
mungkin untuk hasil yang merugikan [ 22 . 23 ]. Dalam penelitian kami, pasien dengan meningitis TB
memiliki penjelasan yang mungkin untuk hasil yang merugikan [ 22 . 23 ]. Dalam penelitian kami, pasien
dengan meningitis TB memiliki penjelasan yang mungkin untuk hasil yang merugikan [ 22 . 23 ]. Dalam
penelitian kami, pasien dengan meningitis TB memiliki penjelasan yang mungkin untuk hasil yang
merugikan [ 22 . 23 ]. Dalam penelitian kami, pasien dengan meningitis TB memiliki penjelasan yang
mungkin untuk hasil yang merugikan [ 22 . 23 ]. Dalam penelitian kami, pasien dengan meningitis TB
memiliki peluang signifikan lebih tinggi dari kematian, yang konsisten dengan pengamatan penulis lain [
24 ]. Pasien dengan TB-CXR peluang signifikan lebih tinggi dari kematian, yang konsisten dengan
pengamatan penulis lain [ 24 ]. Pasien dengan TB-CXR peluang signifikan lebih tinggi dari kematian, yang
konsisten dengan pengamatan penulis lain [ 24 ]. Pasien dengan TB-CXR (rontgen dada yang abnormal
yang konsisten dengan penyakit TB) dan mtb kultur positif atau hasil NAA memiliki tingkat (rontgen dada
yang abnormal yang konsisten dengan penyakit TB) dan mtb kultur positif atau hasil NAA memiliki
tingkat (rontgen dada yang abnormal yang konsisten dengan penyakit TB) dan mtb kultur positif atau
hasil NAA memiliki tingkat kematian lebih tinggi secara signifikan, hampir empat kali dan tujuh kali
peluang untuk kematian dibandingkan dengan pasien yang memiliki rontgen dada normal atau budaya
negatif. Ada kemungkinan bahwa pasien dengan TB-CXR dan kultur positif mungkin memiliki lebih tinggi
mtb beban basiler dan lesi lebih disebarluaskan, yang dapat meningkatkan risiko kematian. mungkin
memiliki lebih tinggi mtb beban basiler dan lesi lebih disebarluaskan, yang dapat meningkatkan risiko
kematian. mungkin memiliki lebih tinggi mtb beban basiler dan lesi lebih disebarluaskan, yang dapat
meningkatkan risiko kematian. Hasil serupa telah dijelaskan oleh Christensen et al. dalam penelitian
mereka di mana pasien TB paru memiliki hampir dua kali lipat peningkatan panjang termmortality dari
pasien TB paru [ 25 ]. Meskipun kedua TB-CXR dan kavitasi pada CXR kali lipat peningkatan panjang
termmortality dari pasien TB paru [ 25 ]. Meskipun kedua TB-CXR dan kavitasi pada CXR kali lipat
peningkatan panjang termmortality dari pasien TB paru [ 25 ]. Meskipun kedua TB-CXR dan kavitasi pada
CXR dievaluasi dalam model multivariat awal, hanya TB-CXR signifikan. Selain itu, pasien koinfeksi TB /
HIV mungkin memiliki berbagai temuan radiografi bukan hanya kavitasi [ 26 ]. Oleh karena itu, TB-CXR
termasuk dalam model akhir. Hubungan berbagai temuan radiografi bukan hanya kavitasi [ 26 ]. Oleh
karena itu, TB-CXR termasuk dalam model akhir. Hubungan berbagai temuan radiografi bukan hanya
kavitasi [ 26 ]. Oleh karena itu, TB-CXR termasuk dalam model akhir. Hubungan antara usia yang lebih
tua dan hasil buruk juga telah diamati oleh penulis lain [ 27 . 28 ]. Menjadi signifikan dalam analisis
antara usia yang lebih tua dan hasil buruk juga telah diamati oleh penulis lain [ 27 . 28 ]. Menjadi
signifikan dalam analisis antara usia yang lebih tua dan hasil buruk juga telah diamati oleh penulis lain [
27 . 28 ]. Menjadi signifikan dalam analisis antara usia yang lebih tua dan hasil buruk juga telah diamati
oleh penulis lain [ 27 . 28 ]. Menjadi signifikan dalam analisis antara usia yang lebih tua dan hasil buruk
juga telah diamati oleh penulis lain [ 27 . 28 ]. Menjadi signifikan dalam analisis univariat, variabel
diabetes dan penyakit ginjal kronis dievaluasi dalam model regresi logistik ganda awal. Namun, variabel-
variabel ini tidak signifikan dalam analisis multivariat. Selain itu, model tanpa diabetes atau penyakit
ginjal kronis memiliki kinerja diagnostik yang sama sebagai model dengan dua variabel ini dimasukkan
sebagai dikonfirmasi oleh hasil tes Kemungkinan Ratio non-signifikan. Oleh karena itu, diabetes dan
penyakit ginjal kronis yang tidak termasuk dalam model akhir kami.
Penelitian kami memiliki beberapa keterbatasan. Pertama, analisis dikecualikan 119 (20,9%) dari 569
pasien yang memiliki hasil pengobatan kode selain “selesai” atau “mati”. Sementara pengecualian ini
mungkin rentan bias kesalahan klasifikasi, kesamaan dalam karakteristik demografi dan klinis antara
pasien dikecualikan dan termasuk menyarankan bahwa potensi kesalahan klasifikasi, jika ada, sangat
minim. Kedua, walaupun terapi antiretroviral (ART) telah disarankan sebagai yang sangat terkait dengan
penurunan mortalitas pada TB / orang koinfeksi HIV [ 7 . 29 ], Penggunaan disarankan sebagai yang
sangat terkait dengan penurunan mortalitas pada TB / orang koinfeksi HIV [ 7 . 29 ], Penggunaan
disarankan sebagai yang sangat terkait dengan penurunan mortalitas pada TB / orang koinfeksi HIV [ 7 .
29 ], Penggunaan disarankan sebagai yang sangat terkait dengan penurunan mortalitas pada TB / orang
koinfeksi HIV [ 7 . 29 ], Penggunaan disarankan sebagai yang sangat terkait dengan penurunan
mortalitas pada TB / orang koinfeksi HIV [ 7 . 29 ], Penggunaan ART dan beberapa faktor prognostik
penting lainnya seperti viral load HIV, jumlah CD4, waktu kematian dan penyebab kematian tidak
tersedia dalam data NTSS, dan dengan demikian mencegah kita dari mengembangkan model yang lebih
kuat untuk populasi ini. Dengan asumsi mayoritas pasien TB / HIV koinfeksi menerima ART diberikan
program HIVmanagement luas di AS dan sebagai model kami dikembangkan dan divalidasi di negara
prevalensi TB rendah, validasi eksternal skor prognostik kami dalam populasi yang berbeda akan
diperlukan. Meskipun pasien dalam kelompok berisiko tinggi memiliki lebih dari 30 kali kemungkinan
kematian (OR 30,24, 95% CI 10,93, 83,66) dibandingkan dengan pasien dalam kelompok risiko rendah,
temuan ini harus ditafsirkan dengan hati-hati mengingat interval kepercayaan lebar, yang mungkin
disebabkan oleh sejumlah kecil pasien berisiko tinggi. Akhirnya, resistan terhadap obat TB (MDR-TB),
variabel ini tidak diperiksa dalam analisis multivariat. Mengingat MDR-TB dikenal faktor risiko tinggi
untuk risiko tinggi untuk kematian, validasi eksternal atau memperbarui model dengan masuknya MDR-
TB sebagai variabel menggunakan data dari populasi dengan proporsi tinggi MDR-TB harus dilakukan.
Terakhir, mengingat sifat data surveilans di mana informasi yang dilaporkan sendiri tertentu awalnya
diperoleh dari wawancara pasien TB, kemungkinan bias recall tidak bisa sepenuhnya dikesampingkan.

Terlepas dari keterbatasan, penelitian kami memiliki banyak kekuatan seperti data diperoleh dari
program surveilans berbasis populasi negara-lebar selama periode waktu 7 tahun, variabel yang
digunakan secara rutin dikumpulkan oleh program TB, dan model memiliki diskriminasi baik dan
kalibrasi baik dalam pengembangan dan validasi. Sementara kematian pada semua pasien penyakit TB
(HIV positif dan negatif status) di Texas adalah 5.0% (66/1334) pada tahun 2015 [ 4 ], Angka kematian
semua pasien penyakit TB (HIV positif dan negatif status) di Texas adalah 5.0% (66/1334) pada tahun
2015 [ 4 ], Angka kematian semua pasien penyakit TB (HIV positif dan negatif status) di Texas adalah
5.0% (66/1334) pada tahun 2015 [ 4 ], Angka kematian secara signifikan lebih tinggi pada pasien TB HIV-
positif yang ditemukan dalam penelitian ini (12,7%, 57 /

540) juga menimbulkan pertanyaan mengenai kebutuhan untuk memiliki strategi manajemen yang lebih
baik bagi kelompok berisiko tinggi pasien. Selain itu, dengan ketersediaan aplikasi kalkulator gratis dan
nyaman, yang dapat diakses dari perangkat android dan iOS, dokter dan profesional kesehatan dapat
dengan mudah menggunakan sistem penilaian kami dalam praktek sehari-hari mereka dalam rangka
memfasilitasi proses pengambilan keputusan mereka.
Kesimpulan Penelitian ini dikembangkan dan internal divalidasi sistem skoring prognosis yang sederhana
dan praktis menggunakan data surveilans berbasis populasi untuk memprediksi kematian selama
pengobatan TB di TB / pasien HIV koinfeksi. sistem penilaian angka kematian TB ini bisa membantu
mengidentifikasi / pasien koinfeksi TB HIV yang memiliki peningkatan risiko kematian. validasi eksternal
sistem skor risiko kami menggunakan rumus yang disediakan dalam pengaturan yang sama TB rendah /
beban HIV akan diperlukan.

Informasi pendukung S1 Tabel. Demografi, karakteristik klinis dan hasil antara pasien termasuk (n = 434)
dibandingkan dikeluarkan dari model multiple regresi logistik (n = 16). Catatan: Nilai adalah dalam
jumlah dan% kecuali ditentukan lain; perbedaan dari model multiple regresi logistik (n = 16). Catatan:
Nilai adalah dalam jumlah dan% kecuali ditentukan lain; perbedaan dari model multiple regresi logistik
(n = 16). Catatan: Nilai adalah dalam jumlah dan% kecuali ditentukan lain; perbedaan antar kelompok
dibandingkan dengan menggunakan Chi-square atau tes eksak Fisher yang sesuai. TB-CXR: kelainan TB-
spesifik pada rontgen dada. NAA, Nucleic Acid Amplification. (PDF)

Ucapan Terima Kasih Para penulis mengakui pekerjaan tanpa pamrih pejabat kesehatan masyarakat dan
staf di Kota Houston Biro Tuberculosis Control, Houston Departemen Kesehatan & Human Services,
Kesehatan Masyarakat Harris County, Program Penghapusan TB, Texas Departemen Pelayanan
Kesehatan Negara dan Centers for Disease kontrol yang membuat data yang tersedia untuk digunakan
dalam analisis ini.

penulis Kontribusi konseptualisasi: Duc T. Nguyen, Edward A. Graviss. konseptualisasi: Duc T. Nguyen,
Edward A. Graviss. Data kurasi: Duc T. Nguyen. Data kurasi: Duc T. Nguyen. Analisis Formal: Duc T.
Nguyen. Analisis Formal: Duc T. Nguyen. akuisisi pendanaan: Helen E. Jenkins.

Penyelidikan: Duc T. Nguyen, Edward A. Graviss. Penyelidikan: Duc T. Nguyen, Edward A. Graviss.
Metodologi: Duc T. Nguyen, Helen E. Jenkins, Edward A. Graviss. Metodologi: Duc T. Nguyen, Helen E.
Jenkins, Edward A. Graviss. administrasi proyek: Duc T. Nguyen, Edward A. Graviss. administrasi proyek:
Duc T. Nguyen, Edward A. Graviss. sumber: Duc T. Nguyen, Edward A. Graviss. sumber: Duc T. Nguyen,
Edward A. Graviss.

Perangkat lunak: Duc T. Nguyen. Perangkat lunak: Duc T. Nguyen.

Pengawasan: Duc T. Nguyen, Edward A. Graviss. Pengawasan: Duc T. Nguyen, Edward A. Graviss.
validasi: Duc T. Nguyen, Helen E. Jenkins, Edward A. Graviss. validasi: Duc T. Nguyen, Helen E. Jenkins,
Edward A. Graviss. visualisasi: Duc T. Nguyen. visualisasi: Duc T. Nguyen. Menulis - draf asli: Duc T.
Nguyen. Menulis - draf asli: Duc T. Nguyen. Menulis - review & editing: Duc T. Nguyen, Helen E. Jenkins,
Edward A. Graviss. Menulis - review & editing: Duc T. Nguyen, Helen E. Jenkins, Edward A. Graviss.

Referensi 1. Organisasi Kesehatan Dunia (WHO). TBC laporan Global 2017.


http://apps.who.int/iris/bitstream/ 1. Organisasi Kesehatan Dunia (WHO). TBC laporan Global 2017.
http://apps.who.int/iris/bitstream/ 1. Organisasi Kesehatan Dunia (WHO). TBC laporan Global 2017.
http://apps.who.int/iris/bitstream/ 10665/259366/1/9789241565516-eng.pdf . Diakses pada
2017/10/01 10665/259366/1/9789241565516-eng.pdf . Diakses pada 2017/10/01 2. Pusat Pengendalian
dan Pencegahan Penyakit. Dilaporkan Tuberkulosis di Amerika Serikat, 2015. https: // 2. Pusat
Pengendalian dan Pencegahan Penyakit. Dilaporkan Tuberkulosis di Amerika Serikat, 2015. https: // 2.
Pusat Pengendalian dan Pencegahan Penyakit. Dilaporkan Tuberkulosis di Amerika Serikat, 2015. https:
// www.cdc.gov/tb/statistics/reports/2015/pdfs/2015_surveillance_report_fullreport.pdf . Diakses pada
12 Agustus 2017. www.cdc.gov/tb/statistics/reports/2015/pdfs/2015_surveillance_report_fullreport.pdf
. Diakses pada 12 Agustus 2017.

3. Texas Departemen Pelayanan Kesehatan Negara. TB dan Hansen Penyakit Cabang. Statistik TB. https:
// 3. Texas Departemen Pelayanan Kesehatan Negara. TB dan Hansen Penyakit Cabang. Statistik TB.
https: // 3. Texas Departemen Pelayanan Kesehatan Negara. TB dan Hansen Penyakit Cabang. Statistik
TB. https: // www.dshs.texas.gov/idcu/disease/tb/statistics/ . Diakses pada tanggal 30 Oktober 2017.
www.dshs.texas.gov/idcu/disease/tb/statistics/ . Diakses pada tanggal 30 Oktober 2017. 4. Texas
Departemen Pelayanan Kesehatan Negara. Epidemiologi dan Tambahan Projects Group. Texas 4. Texas
Departemen Pelayanan Kesehatan Negara. Epidemiologi dan Tambahan Projects Group. Texas Laporan
TB Surveillance Tahunan 2015. Austin, TX; 2016. https://www.dshs.texas.gov/IDCU/disease/tb/ statistik
/ Laporan / Laporan TB Surveillance Tahunan 2015. Austin, TX; 2016.
https://www.dshs.texas.gov/IDCU/disease/tb/ statistik / Laporan / TB-Surveillance-Laporan-2015.pdf .
Diakses pada 30 September 2017. TB-Surveillance-Laporan-2015.pdf . Diakses pada 30 September 2017.
5. Texas Departemen Pelayanan Kesehatan Negara. Epidemiologi dan Tambahan Projects Group. Texas
5. Texas Departemen Pelayanan Kesehatan Negara. Epidemiologi dan Tambahan Projects Group. Texas
Laporan TB Surveillance Tahunan 2014. Austin, TX; 2015. https://www.dshs.texas.gov/IDCU/disease/tb/
statistik / Laporan / Laporan TB Surveillance Tahunan 2014. Austin, TX; 2015.
https://www.dshs.texas.gov/IDCU/disease/tb/ statistik / Laporan / TB-Surveillance-Laporan-2014.pdf .
Diakses pada 30 September 2017. TB-Surveillance-Laporan-2014.pdf . Diakses pada 30 September 2017.
6. Boscoe FP, Pradhan E. Penyebab yang paling khas dari kematian oleh negara, 2001-2010. Dis kronis
prev 6. Boscoe FP, Pradhan E. Penyebab yang paling khas dari kematian oleh negara, 2001-2010. Dis
kronis prev 2015; 12: E75. Tersedia di https://www.cdc.gov/pcd/issues/2015/14_0395.htm . Diakses
pada 30 September 2017. PMID: 25974145 2015; 12: E75. Tersedia di
https://www.cdc.gov/pcd/issues/2015/14_0395.htm . Diakses pada 30 September 2017. PMID:
25974145 2015; 12: E75. Tersedia di https://www.cdc.gov/pcd/issues/2015/14_0395.htm . Diakses pada
30 September 2017. PMID: 25974145 2015; 12: E75. Tersedia di
https://www.cdc.gov/pcd/issues/2015/14_0395.htm . Diakses pada 30 September 2017. PMID:
25974145

7. Balewgizie S, Negussie D, Belaineh G, MulukenM, Pedro S. Prediktor kematian di antara TB-HIVCo7.


Balewgizie S, Negussie D, Belaineh G, MulukenM, Pedro S. Prediktor kematian di antara TB-HIVCopasien
yang terinfeksi dirawat karena TBC di Northwest Ethiopia: studi kohort retrospektif. BMC Infectious
Diseases 2013, 13: 297. https://doi.org/10.1186/1471-2334-13-297 pasien yang terinfeksi dirawat
karena TBC di Northwest Ethiopia: studi kohort retrospektif. BMC Infectious Diseases 2013, 13: 297.
https://doi.org/10.1186/1471-2334-13-297 PMID: 23815342 PMID: 23815342 8. Podlekareva DN, Grint
D, Pos FA, Mocroft A, Panteleev AM, Miller RF, et al. nilai indeks kesehatan 8. Podlekareva DN, Grint D,
Pos FA, Mocroft A, Panteleev AM, Miller RF, et al. nilai indeks kesehatan dan risiko kematian berikut
diagnosis TB pada pasien HIV-positif. Int J Tuberc Lung Dis. 2013 Februari; 17 (2): 198-206.
https://doi.org/10.5588/ijtld.12.0224 dan risiko kematian berikut diagnosis TB pada pasien HIV-positif.
Int J Tuberc Lung Dis. 2013 Februari; 17 (2): 198-206. https://doi.org/10.5588/ijtld.12.0224 PMID:
23317955 PMID: 23317955 9. Horita N, Miyazawa N, Yoshiyama T, et al. Pengembangan dan validasi dari
prognostik TBC 9. Horita N, Miyazawa N, Yoshiyama T, et al. Pengembangan dan validasi dari prognostik
TBC mencetak gol untuk BTA positif di-pasien di Jepang. Jurnal internasional TBC dan penyakit paru-
paru: jurnal resmi dari International Union melawan Tuberkulosis dan Penyakit Paru 2013; 17: 54-60 10.
Bastos HN, Oso'rio NS, Castro AG, Ramos A, Carvalho T, Meira L, Arau' jo D, Almeida L, Boaventura R, 10.
Bastos HN, Oso'rio NS, Castro AG, Ramos A, Carvalho T, Meira L, Arau' jo D, Almeida L, Boaventura R,
Fragata P, Chaves C, Costa P, PortelaM, Ferreira saya, Magalh Sebuah es SP, Rodrigues F, Sarmento-
Castro R, Duarte R, Guimar Sebuah es Fragata P, Chaves C, Costa P, PortelaM, Ferreira saya, Magalh
Sebuah es SP, Rodrigues F, Sarmento-Castro R, Duarte R, Guimar Sebuah es Fragata P, Chaves C, Costa P,
PortelaM, Ferreira saya, Magalh Sebuah es SP, Rodrigues F, Sarmento-Castro R, Duarte R, Guimar
Sebuah es Fragata P, Chaves C, Costa P, PortelaM, Ferreira saya, Magalh Sebuah es SP, Rodrigues F,
Sarmento-Castro R, Duarte R, Guimar Sebuah es Fragata P, Chaves C, Costa P, PortelaM, Ferreira saya,
Magalh Sebuah es SP, Rodrigues F, Sarmento-Castro R, Duarte R, Guimar Sebuah es JT, SaraivaM.
Sebuah Aturan Prediksi untuk stratifikasi risiko Kematian Pasien dengan paru Tuberkulosis. PLoSOne.
2016 September 16; 11 (9): e0162797. https://doi.org/10.1371/journal.pone. 0162797 eCollection 2016.
PMID: 27636095 (9): e0162797. https://doi.org/10.1371/journal.pone. 0162797 eCollection 2016. PMID:
27636095 (9): e0162797. https://doi.org/10.1371/journal.pone. 0162797 eCollection 2016. PMID:
27636095 (9): e0162797. https://doi.org/10.1371/journal.pone. 0162797 eCollection 2016. PMID:
27636095

11. Lui G, Wong RY, Li F, Lee MK, Lai RW, Li TC, Kam JK, Lee N. Highmortality pada orang dewasa dirawat
di rumah sakit untuk 11. Lui G, Wong RY, Li F, Lee MK, Lai RW, Li TC, Kam JK, Lee N. Highmortality pada
orang dewasa dirawat di rumah sakit untuk TB aktif dalam pengaturan prevalensi HIV yang rendah.
PLoSOne. 2014 Maret 18; 9 (3): e92077. https: // doi. org / 10.1371 / TB aktif dalam pengaturan
prevalensi HIV yang rendah. PLoSOne. 2014 Maret 18; 9 (3): e92077. https: // doi. org / 10.1371 /
journal.pone.0092077 eCollection 2014. PMID: 24642794 . journal.pone.0092077 eCollection 2014.
PMID: 24642794 . journal.pone.0092077 eCollection 2014. PMID: 24642794 . journal.pone.0092077
eCollection 2014. PMID: 24642794 . 12. Pusat Pengendalian dan Pencegahan Penyakit. Laporan Verified
Kasus Tuberkulosis (RVCT) Instruksi 12. Pusat Pengendalian dan Pencegahan Penyakit. Laporan Verified
Kasus Tuberkulosis (RVCT) Instruksi Manual. 2009.
https://www.cdc.gov/tb/programs/rvct/instructionmanual.pdf . Diakses pada 20 Juli, Manual. 2009.
https://www.cdc.gov/tb/programs/rvct/instructionmanual.pdf . Diakses pada 20 Juli, Manual. 2009.
https://www.cdc.gov/tb/programs/rvct/instructionmanual.pdf . Diakses pada 20 Juli, 2017. 13. Pusat
Pengendalian dan Pencegahan Penyakit. NTSS data Reference Guide. 2015. https://ftp.cdc.gov/ 13.
Pusat Pengendalian dan Pencegahan Penyakit. NTSS data Reference Guide. 2015. https://ftp.cdc.gov/
13. Pusat Pengendalian dan Pencegahan Penyakit. NTSS data Reference Guide. 2015.
https://ftp.cdc.gov/ pub / software / tims / 2009RVCTDocumentation / VocabularyInformation /
NTSSDataReferenceGuide.pdf . Diakses pada tanggal 27 Oktober pub / software / tims /
2009RVCTDocumentation / VocabularyInformation / NTSSDataReferenceGuide.pdf . Diakses pada
tanggal 27 Oktober 2017.

Sedikit RJA 1988. Sebuah tes yang hilang secara acak untuk data multivariat dengan nilai-nilai yang
hilang. 14. Sedikit RJA 1988. Sebuah tes yang hilang secara acak untuk data multivariat dengan nilai-nilai
yang hilang. Journal of American Association statistik 83: 1198-1202 15. Seleksi Wasserman L. Bayesian
Model dan Model Averaging. Jurnal psikologi matematika 15. Seleksi Wasserman L. Bayesian Model dan
Model Averaging. Jurnal psikologi matematika 2000; 44: 92-107.
https://doi.org/10.1006/jmps.1999.1278 PMID: 10733859 2000; 44: 92-107.
https://doi.org/10.1006/jmps.1999.1278 PMID: 10733859 2000; 44: 92-107.
https://doi.org/10.1006/jmps.1999.1278 PMID: 10733859 2000; 44: 92-107.
https://doi.org/10.1006/jmps.1999.1278 PMID: 10733859 16. Dunson DB, Herring AH. Bayesian
pemilihan model dan rata-rata di aditif dan proporsional bahaya 16. Dunson DB, Herring AH. Bayesian
pemilihan model dan rata-rata di aditif dan proporsional bahaya model. analisis data Lifetime 2005; 11:
213-232. PMID: 15938547 model. analisis data Lifetime 2005; 11: 213-232. PMID: 15938547 17. von
Elme, Altman DG, Egger M, Pocock SJ, Gotzsche PC, Vandenbroucke JP. The Penguatan Pelaporan Studi
pengamatan di Epidemiologi (STROBE) Pernyataan: pedoman untuk melaporkan studi observasional.
Lanset. 2007; 370: 1453-7. https://doi.org/10.1016/S0140-6736(07)61602-X (STROBE) Pernyataan:
pedoman untuk melaporkan studi observasional. Lanset. 2007; 370: 1453-7.
https://doi.org/10.1016/S0140-6736(07)61602-X

PMID: 18064739 PMID: 18064739 18. Podlekareva DN, Panteleev AM, Grint D, Pos FA, Miro JM, Bruyand
M, et al. Pendek dan panjang-termmor18. Podlekareva DN, Panteleev AM, Grint D, Pos FA, Miro JM,
Bruyand M, et al. Pendek dan panjang-termmortality dan penyebab kematian pada pasien HIV / TB di
Eropa. Eur Respir J. 2014; 43: 166-77. https://doi.org/10.1183/09031936.00138712 PMID: 23766333
https://doi.org/10.1183/09031936.00138712 PMID: 23766333
https://doi.org/10.1183/09031936.00138712 PMID: 23766333 19. Horita N, Miyazawa N, Yoshiyama T,
et al. Pengembangan dan validasi dari prognostik TBC 19. Horita N, Miyazawa N, Yoshiyama T, et al.
Pengembangan dan validasi dari prognostik TBC mencetak gol untuk BTA positif di-pasien di Jepang.
Jurnal internasional TBC dan penyakit paru-paru: jurnal resmi dari International Union melawan
Tuberkulosis dan Penyakit Paru 2013; 17: 54-60. 20. Thomas JM, Cooney LM, Fried TR. review sistematis:
karakteristik yang berhubungan dengan kesehatan talization lansia 20. Thomas JM, Cooney LM, Fried TR.
review sistematis: karakteristik yang berhubungan dengan kesehatan talization lansia orang dewasa
talized dan penghuni panti jompo terkait dengan singkat-termmortality. J AmGeriatr Soc. 2013; 61: 902-
911. https://doi.org/10.1111/jgs.12273 orang dewasa talized dan penghuni panti jompo terkait dengan
singkat-termmortality. J AmGeriatr Soc. 2013; 61: 902-911. https://doi.org/10.1111/jgs.12273 PMID:
23692412 PMID: 23692412

21. Flacker JM, Kiely DK. Faktor-faktor yang berhubungan dengan kematian dan kelangsungan hidup 1
tahun di penghuni panti jompo. J AmGer21. Flacker JM, Kiely DK. Faktor-faktor yang berhubungan
dengan kematian dan kelangsungan hidup 1 tahun di penghuni panti jompo. J AmGeriatr Soc 2003; 51:
213-221. PMID: 12558718 iatr Soc 2003; 51: 213-221. PMID: 12558718 22. Djouma FN, NoubomM,
Ateudjieu J, Donfack H. Keterlambatan konversi BTA dan hasil 22. Djouma FN, NoubomM, Ateudjieu J,
Donfack H. Keterlambatan konversi BTA dan hasil pasien TB BTA positif: studi kohort retrospektif di
Bafoussam, Kamerun. BMC Menginfeksi Dis. 2015 Maret 21; 15: 139. https://doi.org/10.1186/s12879-
015-0876-1 pasien TB BTA positif: studi kohort retrospektif di Bafoussam, Kamerun. BMC Menginfeksi
Dis. 2015 Maret 21; 15: 139. https://doi.org/10.1186/s12879-015-0876-1 PMID: 25884844 PMID:
25884844 23. Pusat Pengendalian dan Pencegahan Penyakit. Kurikulum Inti di Tuberkulosis: Apa
Clinician yang 23. Pusat Pengendalian dan Pencegahan Penyakit. Kurikulum Inti di Tuberkulosis: Apa
Clinician yang Harus Anda Ketahui. Keenam Edition 2013. Bab 6: Pengobatan Penyakit Tuberkulosis.
https://www.cdc.gov/ tb / pendidikan / corecurr / pdf / Harus Anda Ketahui. Keenam Edition 2013. Bab
6: Pengobatan Penyakit Tuberkulosis. https://www.cdc.gov/ tb / pendidikan / corecurr / pdf /
chapter6.pdf . Diakses pada tanggal 27 Oktober 2017. chapter6.pdf . Diakses pada tanggal 27 Oktober
2017. 24. Lee HG, WilliamT, Menon J, et al. meningitis TB merupakan penyebab utama kematian dan
kesakitan di 24. Lee HG, WilliamT, Menon J, et al. meningitis TB merupakan penyebab utama kematian
dan kesakitan di orang dewasa dengan infeksi sistem saraf pusat di Kota Kinabalu, Sabah, Malaysia:
sebuah studi observasional. BMC Menginfeksi Dis 2016; 16: 296. https://doi.org/10.1186/s12879-016-
1640-x PMID: 27306100 2016; 16: 296. https://doi.org/10.1186/s12879-016-1640-x PMID: 27306100
2016; 16: 296. https://doi.org/10.1186/s12879-016-1640-x PMID: 27306100 2016; 16: 296.
https://doi.org/10.1186/s12879-016-1640-x PMID: 27306100 25. Christensen AS, Roed C, Andersen PH,
Andersen AB, Obel N. Panjang-termmortality pada pasien dengan pul25. Christensen AS, Roed C,
Andersen PH, Andersen AB, Obel N. Panjang-termmortality pada pasien dengan pulmonary dan paru
TBC: studi kohort nasional Denmark. epidemiologi klinis 2014; 6: 405-421.
https://doi.org/10.2147/CLEP.S65331 PMID: monary dan paru TBC: studi kohort nasional Denmark.
epidemiologi klinis 2014; 6: 405-421. https://doi.org/10.2147/CLEP.S65331 PMID: monary dan paru TBC:
studi kohort nasional Denmark. epidemiologi klinis 2014; 6: 405-421.
https://doi.org/10.2147/CLEP.S65331 PMID: 25419160 26. PadyanaM, Bhat RV, DineshaM, Nawaz A.
HIV-Tuberkulosis: Sebuah Studi Pola Dada X-Ray di 26. PadyanaM, Bhat RV, DineshaM, Nawaz A. HIV-
Tuberkulosis: Sebuah Studi Pola Dada X-Ray di Hubungan dengan CD4 Hitung. N Am J Med Sci. 2012 Mei;
4 (5): 221-5. https://doi.org/10.4103/1947-2714. 95.904 PMID: 22655281 Hubungan dengan CD4
Hitung. N Am J Med Sci. 2012 Mei; 4 (5): 221-5. https://doi.org/10.4103/1947-2714. 95.904 PMID:
22655281 Hubungan dengan CD4 Hitung. N Am J Med Sci. 2012 Mei; 4 (5): 221-5.
https://doi.org/10.4103/1947-2714. 95.904 PMID: 22655281 Hubungan dengan CD4 Hitung. N Am J
Med Sci. 2012 Mei; 4 (5): 221-5. https://doi.org/10.4103/1947-2714. 95.904 PMID: 22655281

27. Cruz-Hervert LP, Garcia-Garcia L, Ferreyra-Reyes L, et al. Tuberkulosis di penuaan: tingkat tinggi,
kompleks 27. Cruz-Hervert LP, Garcia-Garcia L, Ferreyra-Reyes L, et al. Tuberkulosis di penuaan: tingkat
tinggi, kompleks diagnosis dan hasil klinis yang buruk. Usia dan penuaan 2012; 41: 488-495.
https://doi.org/10.1093/ penuaan / afs028 PMID: 22431155 diagnosis dan hasil klinis yang buruk. Usia
dan penuaan 2012; 41: 488-495. https://doi.org/10.1093/ penuaan / afs028 PMID: 22431155 diagnosis
dan hasil klinis yang buruk. Usia dan penuaan 2012; 41: 488-495. https://doi.org/10.1093/ penuaan /
afs028 PMID: 22431155 diagnosis dan hasil klinis yang buruk. Usia dan penuaan 2012; 41: 488-495.
https://doi.org/10.1093/ penuaan / afs028 PMID: 22431155
28. Negin J, Abimbola S, Marais BJ. TB di antara lebih tua dewasa-waktu untuk memperhatikan.
Internasional 28. Negin J, Abimbola S, Marais BJ. TB di antara lebih tua dewasa-waktu untuk
memperhatikan. Internasional jurnal penyakit menular: IJID: publikasi resmi dari International Society
for Infectious Diseases 2015; 32: 135-137.

29. Pusat Pengendalian dan Pencegahan Penyakit. Kematian Di antara Pasien dengan Tuberkulosis dan
Associa29. Pusat Pengendalian dan Pencegahan Penyakit. Kematian Di antara Pasien dengan
Tuberkulosis dan Associations dengan HIV Status-Amerika Serikat, 1993-2008. Morbiditas dan
MortalityWeekly Report. Norvember 26, 2010. https://www.cdc.gov/mmwr/pdf/wk/mm5946.pdf .
Diakses pada tanggal 27 Oktober 2017.