Algoritme Elektrokardiografi Baru Untuk Membedakan Takikardia Ventrikel Dan Takikardia Supraventrikel Dengan Aberansi

UNIVERSITAS INDONESIA
ALGORITME ELEKTROKARDIOGRAFI BARU UNTUK

MEMBEDAKAN TAKIKARDIA VENTRIKEL DAN TAKIKARDIA
SUPRAVENTRIKEL DENGAN ABERANSI
TESIS
ANDI HARYANTO
0906565425
FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA

PROGRAM PENDIDIKAN DOKTER SPESIALIS-1
ILMU PENYAKIT JANTUNG DAN PEMBULUH DARAH
JAKARTA 2013
Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

UNIVERSITAS INDONESIA
ALGORITME ELEKTROKARDIOGRAFI BARU UNTUK

MEMBEDAKAN TAKIKARDIA VENTRIKEL DAN TAKIKARDIA
SUPRAVENTRIKEL DENGAN ABERANSI
TESIS
Diajukan sebagai salah satu syarat untuk memperoleh gelar Spesialis Jantung dan
Pembuluh Darah
ANDI HARYANTO
0906565425
FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA

PROGRAM PENDIDIKAN DOKTER SPESIALIS-1
ILMU PENYAKIT JANTUNG DAN PEMBULUH DARAH
JAKARTA 2013

HALAMAN PENGESAHAI\
Tesisini diajukanoleh
Nama Andi Haryanto
NPM 090656s425
ProgramStudi Ilmu PenyakitJantungdanPembuluhDarah
Judultesis Algoritme Elektrokardiografi Baru Untuk Membedakan
TakikardiaVentrikel dan Takikardia SupraventrikelDengan
Aberansi
Telah berhasil dipertahankandi hadapanDewan Penguji dan diterima sebagaibagian

persyaratanyang diperlukan untuk memperolehgelar SpesialisJantung dan Pembuluh
Darah pada Program Studi Ilmu Penyakit Jantung dan Pembuluh Darah Fakultas
Kedokteran,UniversitasIndonesia.
DEWAN PENGUJI
Pembimbing DR. dr. Yoga Yuniadi, Sp.JP(K)
Pembimbing DR. dr. BambangBudi Siswanto,SpJP(K)
PembimbingBahasa DR. dr. Barita Sitompul,SpJP(K)
Penguji Prof. dr. GanesjaM. Harimurti, SpJP(K)
Penguji dr. Hadi Purnomo,SpJP(K)
Penguji dr. MuhammadYusak,SpJP(K)
Ditetapkandi : Jakarta
Tanggal : 17Desember2013
ill

UCAPAN TERIMA KASIH
Puji syukur kepada Tuhan Yang Maha Esa atas segala berkat dan rahmat-Nya
akhirnya saya dapat menyelesaikan tesis ini. Saya sangat menyadari bahwa tanpa bantuan
dari berbagai pihak, tesis ini tidak mungkin dapat saya selesaikan dengan baik. Maka pada
kesempatan ini izinkanlah saya dengan segala kerendahan hati untuk menyampaikan terima
kasih, rasa hormat dan penghargaan yang sebesar-besarnya kepada :
1. DR. dr. Amiliana Mardiani, SpJP(K) selaku Ketua Departemen Kardiologi dan
Kedokteran Vaskular FKUI. Penulis mengucapkan terima kasih yang setulus-tulusnya
atas bimbingan, dorongan, nasehat dan dukungan selama kami menjalani pendidikan
spesialis ini.
2. Prof. dr. Ganesja M Harimurti, SpJP(K), Ketua Departemen Kardiologi dan
Kedokteran Vaskular FKUI atas segala bimbingan, dorongan, nasehat dan dukungan
dalam perannya yang tidak hanya sebagai guru tetapi juga bagaikan seorang ibu selama
saya menjalani pendidikan spesialis ini.
3. Para Guru Besar, Prof. dr. Asikin Hanafiah, SpJP(K), SpA, Prof. dr. Lily I
Rilantono, SpJP(K), SpA, Alm. Prof. dr. Syukri Karim, SpJP(K), Prof. DR. dr.
Idris Idham, SpJP(K), Prof.dr. Harmani Kalim, SpJP(K), MPH, Prof. DR. dr. Dede
Kusmana, SpJP(K), Prof. DR. dr. Budhi Setianto, SpJP(K), sebagai tauladan
kehidupan dan pembuka wawasan dalam hal keilmuan kardiologi dan cara berpikir untuk
menjadi seorang dokter spesialis jantung yang baik.
4. Dr. dr. Yoga Yuniadi, SpJP(K), yang mencetuskan ide penelitian yang sangat menarik
ini dan sekaligus sebagai pembimbing penelitian yang telah memberikan segala
perhatian, waktu, bimbingan, dan dukungannya sehingga tesis ini dapat saya selesaikan
serta kepada Dr. dr. Bambang Budi Siswanto, SpJP(K) sebagai pembimbing kedua
saya yang juga telah meluangkan waktu dan tenaganya untuk membimbing saya dalam
menyelesaikan tesis ini, dan tidak lupa Dr.dr. Barita Sitompul, SpJP(K), sebagai
pembimbing bahasa yang sudah meluangkan waktu untuk membaca dan mengoreksi tata
bahasa dan penulisan tesis ini.
5. dr. Poppy S. Roebiono, SpJP(K), Dr. dr. Renan Sukmawan SpJP(K), ST dan dr.
BRM. Aryo S, SpJP sebagai ketua dan sekretaris program studi yang telah memberikan
segala perhatian, waktu dan dukungannya sehingga tesis ini dapat saya selesaikan tepat
waktu dan juga atas segala bimbingan selama masa pendidikan.
iv

6. dr. Anwar Santoso, SpJP(K) dan dr. Sunu B Rahardjo, SpJP, Phd sebagai
koordinator penelitian yang lama dan baru. Yang telah banyak memberikan dukungan,
saran dan kritik dalam penyelesaian dan penyempurnaan tesis ini.
7. Dr. dr. Hananto Andriantoro, SpJP(K), Direktur Utama PJNHK saat ini, Dr. dr.
Faisal Baraas, SpJP(K) dan Dr.dr. Anwar Santoso, SpJP(K), Direktur Utama PJNHK
terdahulu beserta jajaran Direksinya, atas segala kesempatan dan fasilitas yang diberikan
selama menjalani pendidikan.
8. Seluruh Staf Pengajar di Divisi Elektrofisiologi dan Aritmia yaitu Dr. dr. Yoga
Yuniadi, SpJP(K), dr. Dicky Hanafy SpJP(K), dan dr. Sunu B Rahardjo, SpJP,
Phd atas segala bantuan dan bimbingannya selama pembuatan tesis ini.
9. Semua perawat di divisi Elektrofisiologi dan Aritmia, terutama Pak Iyan Solihin dan
Rocky yang sering juga sering direpotkan selama saya mengadakan penelitian terutama
dalam hal pengambilan sampel penelitian.
10. Prof. dr. Ganesja M. Harimurti, SpJP(K), dr. Nani Hersunarti, SpJP(K), dr. Poppy
S. Roebiono, SpJP(K), Dr. dr. Bambang Budi Siswanto, SpJP(K), dr. Irmalita,
SpJP(K), dr. Anna Ulfa Rahajoe, SpJP(K), Dr. dr. Indriwanto Sakidjan, SpJP(K),
dr. Radityo Prakoso, SpJP, dr. Oktavia Lilyasari, SpJP, yang telah meletakkan dasar-
dasar pada awal mula dari masa pendidikan kami di program studi, sehingga membentuk
kami agar memiliki pola pikir holistik, logis, dan kritis untuk proses pendidikan
selanjutnya.
11. Kepada Seluruh staf Kardiologi Klinik dan Perawatan Kritis, dr. Nani Hersunarti
SpJP(K), dr. Irmalita SpJP(K), Prof.DR.dr. Bambang Budi Siswanto SpJP(K), dr.
Daniel Tobing SpJP(K). dr. Surya Dharma SpJP(K), dr. Dafsah A Juzar SpJP , dr.
Isman Firdaus SpJP, dr. Rarsari S SpJP, dr. Siska Suridanda SpJP. atas segala
binaan kepada kami selama kami menimba ilmu kardiologi klinik dan perawatan klinis.
12. Kepada seluruh staf divisi Kardiologi Pediatrik dan Penyakit Jantung Bawaan, Prof.dr.
Ganesja Moelia H, SpJP(K), dr. Anna Ulfah Rahajoe SpJP(K), dr. Poppy S
Roebiono SpJP(K), dr.Indriwanto SA SpJP(K), dr. Radityo Prakoso SpJP, dr.
Oktavia Lilyasari SpJP, atas segala binaan pada kami selama menimba ilmu
kardiologi pediatrik.
13. Kepada seluruh staf divisi Diagnostik Non Invasif dan Pencitraan, DR. dr. Amiliana
MS, SpJP(K), dr. Manoefris Kasim, SpJP(K), dr. Ario Soeryo K, SpJP, dr. Renan
Sukmawan, SpJP, ST, dr. Soni Hilal W SpJP, atas segala pengetahuan di bidang
Ekokardiografi dan Kardiologi Nuklir.

14. Kepada seluruh staf divisi Diagnosis Invasif dan Intervensi Non Bedah, dr.Otte J
Rachman, SpJP(K), dr. Nur Haryono, SpJP(K), dr, M. Yusak, SpJP(K), dr.
Sunarya S SpJP(K), dr. Doni Firman, SpJP, atas pengetahuan intervensi di bidang
kardiologi.
15. Kepada seluruh staf divisi Rehabilitasi dan Prevensi, Prof.DR.dr.Dede Kusmana
SpJP(K), dr. Andang H Joesoef SpJP(K), Prof.DR.dr.Budhi Setianto SpJP(K),
DR.dr.Anwar Santoso SpJP(K), dr.Basuni Radi SpJP, atas segala pengetahuan
tentang tindakan prevensi dan rehabilitasi pada pasien jantung.
16. Kepada seluruh staf divisi Vaskular, dr.RWM Kaligis SpJP(K), DR.dr.Ismoyo Sunu,
SpJP(K), DR.dr. Hananto A SpJP(K), DR.dr.Iwan Dakota SpJP(K), dr.Suko A
SpJP, PhD, dr. Taofan S SpJP atas segala pengetahuan di bidang Vaskular.
17. Kepada seluruh staf divisi Aritmia dan Elektrofisiologi, DR.dr.Yoga Yuniadi,
SpJP(K), dr.Dicky Hanafi SpJP, dr.Sunu Budhi R SpJP, PhD atas segala
pengetahuan tentang Aritmia.
18. Kepada staf divisi Perawatan Bedah Jantung Dewasa, dr. Rita Zahara SpJP, yang telah
mengajarkan tatalaksana pasien jantung paska operasi.
19. dr. Pandu Riono, Mph., PhD. sebagai pembimbing statistik yang telah membantu
dalam membuka wawasan tentang penelitian dan melakukan analisis statistik dalam
penelitian ini.
20. Seluruh rekan-rekan dan pengurus Keluarga Asisten Kardiologi (KELAKAR)
terutama teman-teman angkatan Juli 2009: Arief Fadhilah, dr. Arwin Saleh
Mangkuanom, dr. Kornadi, dr. Elen, dr. Beni TM Togatorop, dr. Nyoman
Wiryawan, dr. Olfi Lelya, dr. Pramono Sigit, dr. Rijal Alaydrus, juga dr. Fuad
Arbi, dr. Taka Mehi, dr. Arbi Lizarda, dr. Mien Athoillah untuk kebersamaan,
persahabatan, dukungan, kerjasama dan segala cerita suka dan duka yang telah kita bagi
bersama dalam 4,5 tahun ini dan di tahun-tahun mendatang.
21. Rekan-rekan seperjuangan: dr. Arief, dr. Kornadi, dr. Elen, dr. Arwin, dr. Sigit, dr.
Heru, dr. Katrin, dr. Wenny, dr. Andien untuk segala kebersamaan dan kerjasama
yang luar biasa dalam perjuangan dan persiapan menghadapi segala tahapan ujian akhir
ini.
22. Bapak Herman, Ibu Rini Sukaman, Ibu Linda, Mbak Rita, Mbak Pipin, Mbak Ita,
Mas Budi, Mbak Nurul, Syuaib, Arry dan Mas Endra, terima kasih untuk segala
bantuan selama menjalani proses pendidikan ini.
vi

23. Seluruh karyawan medis maupun non-medis di Pusat Jantung Nasional Harapan
Kita, terima kasih atas segala bantuan dan kerja sama yang baik selama saya menjalani
proses pendidikan.
24. Secara khusus saya haturkan segala rasa hormat dan terima kasih yang mendalam kepada
orang tua saya tercinta Budi Widyarto dan Kartika Dewi atas panutan dan inspirasi
dalam kehidupan, atas segala kasih sayang, didikan, kesabaran, kepercayaan, dorongan
semangat dan untaian doa yang tidak henti-hentinya mengalir kepada saya. Tidak ada
suatupun hal yang dapat membalas segala sesuatu yang telah papa dan mama berikan.
25. Kepada kakak saya Arie Priyanto yang tidak henti-hentinya memberikan dorongan dan
semangat, terutama saat saya sedang lelah dan penat dalam masa sekolah ini, dan juga
kepada Luciana Yuliani yang selalu menemani saya dan memberi dukungan serta sabar
menanti saya selama masa-masa sekolah ini.
Akhirnya dengan segala kerendahan hati saya ucapkan terima kasih yang sebesar-besarnya
kepada semua pihak yang tidak dapat saya sebutkan satu-persatu, yang telah membantu
selama pendidikan serta dalam menyelesaikan penelitian ini. Semoga Tuhan Yang Maha
Pengasih dan Penyayang senantiasa melimpahkan rahmat dan karuniaNya kepada kita semua.
Jakarta, Desember 2013
Andi Haryanto
vii

ABSTRAK
Nama : Andi Haryanto

Program Studi : Ilmu Penyakit Jantung dan Pembuluh Darah
Judul : Algoritme Elektrokardiografi Baru Untuk Membedakan
Takikardia Ventrikel dan Takikardia Supraventrikel Dengan
Aberansi
Latar Belakang. Takikardia dengan kompleks QRS lebar adalah gambaran EKG yang cukup
sering kita temukan. Secara umum ada 3 aritmia yang dapat menyebabkan gambaran
takikardia dengan kompleks QRS lebar yaitu: takikardia ventrikel, takikardia supraventrikel
dengan aberansi dan takikardia supraventrikel dengan preksitasi. Ketiga aritmia ini penting
untuk dibedakan karena memiliki kemaknaan klinis yang sangat berbeda. Berbagai cara
sudah diteliti untuk membedakan ke tiga aritmia ini, cara yang sampai saat ini paling sering
dipakai adalah dengan menggunakan algoritme ekektrokardiografi. Ada berbagai algoritme
yang dapat digunakan, namun sampai sekarang hanya sedikit penelitian yang
membandingkan akurasi dari algoritme-algortime tersebut. Penelitian ini akan
membandingkan akurasi tiap algoritme-algoritme tersebut dan apabila memungkinkan
menyusun suatu algortime baru yang akurat dan mudah digunakan.
Metode. Seluruh sampel EKG takikardia dengan kompleks QRS lebar dari bulan Juni 2009
sampai Juni 2013 yang telah menjalani studi elektrofisiologi di Pusat Jantung Nasional
Harapan Kita, yaitu sebanyak 62 sampel di analisis oleh 2 orang dengan menggunakan
algoritme Brugada, Vereckei, aVR dan R II Wave Peak Time (RIIPWT). Dilakukan analisis
tes diagnostik, bivariat dan multivariat untuk tiap-tiap karakteristik EKG dari ke 4 algoritme
tersebut. Dari analisa tersebut dibentuklah suatu algoritme baru yang terstruktur dan
kemudian dilakukan validasi ulang dengan 56 EKG takikardia dengan kompleks QRS lebar
yang berbeda.
Hasil. Dalam penelitian ini, hasil tes diagnostik algoritme Brugada memiliki sensitivitas dan
spesifisitas yang cukup baik (85.42%; 85.71%), sementara algortime Vereckei memiliki
sensitivitas yang paling tinggi (93.73%). Untuk analisis pada tiap-tiap karakteristik EKG
didapatkan 4 kriteria EKG memiliki spesifisitas sampai 100%. Pada analisis multivariat
didapatkan kriteria EKG adanya gelombang r/q > 40ms pada sadapan aVR dan rasio vi/vt
bermakna secara statistik. Kemudian berdasarkan hasil analisis tes diagnostik, multivariat,
dan kappa inter dan intra observer dibuatlah algortime baru. Hasil validasi tes diagnostik
mendapatkan sensitivitas, akurasi dan Likelihood Ratio algortime baru lebih tinggi dari
algoritme-algoritme sebelumnya.
Kesimpulan. Karakteristik EKG yang paling bermakna secara statistik untuk membedakan
VT dan SVT dengan aberansi pada takikardia dengan kompleks QRS lebar adalah adanya
gelombang r/q > 40 ms di sadapan aVR dan rasio vi/vt. Algoritme baru yang dibuat
berdasarkan keempat algoritme lainnya memiliki sensitivitas, akurasi, dan likelihood ratio
yang lebih tinggi dari keempat algortime lainnya.
Kata Kunci:
Takikardia dengan kompleks QRS lebar, takikardia ventrikel, takikardia supraventrikel
dengan aberansi, algoritme Brugada, algoritme Vereckei, algoritme aVR, R II Peak Wave
Time
ix

ABSTRACT
Name : Andi Haryanto

Study Program : Cardiology and Vascular Medicine
Title : New Electrocardiography Algorhythm for Differentiating Ventricular
Tachycardia and Supraventricular Tachycardia With Abberancy
Background. Wide complex tachycardia is a quite common rhythm that we could find in
ECG. Generally there are three arrhytmia that could cause such rhythm in ECG which are:
ventricular tachycardia, supraventricular tachycardia with abberancy, supraventricular
tachycardia with preexcitation. It is of the utmost importance to be able to differentiate this
rhythms for they hold a very different clinical value. Many methods was used to differ this
three arrhytmia, among all of them the electrocardiography algorthytm was one of the most
commonly used. This study will compared all the accuracy of the previous algorhythms and
if possible to developed a new accurate and simple algorhythm based on the previous
algorhythm.
Method. All wide QRS complex tachycardia electrocardiography spanning from June 2009
up until June 2013 whose diagnosis confirmed by electrophysiology study at National Heart
Center Harapan Kita with the sum of 62 samples were analyzed by 2 researcher using the
Brugada, Vereckei, aVR, and R II Peak Wave Time. Diagnosis test was then performed with
bivariat and multivariat analysis for every ECG criteria from the four previous algorhythm.
From the previous analysis a new and structured algorhythm was formed and validity test was
performed afterward using a different set of 56 wide QRS complex tachycardia.
Result. From the diagnostic analysis, the Brugada algorhythm come out with a formidable
sensitivity dan specificity (85.42%; 85.71%), while the Vereckei algorhythm has the highest
sensitivity (93.73%). There are four ECG criteria with 100% specificity. The multivariat
analysis reveal two statistically significant ECG criteria which are the existence of r or q
wave > 40 ms in the aVR lead and the vi/vt ratio. Based on the multivariat analysis, and
kappa inter and intra observer, new algorhythm was formed. The Validity test afterward
reveal the sensitivity, accuracy and likelihood ratio of the new algorhythm were superior
compared with the previous algorhythm.
Conclusion. The most statitiscally significant ECG characteristic for differentiating VT and
SVT with abberancy in wide QRS complex tachycardia were are the existence of r or q wave
> 40 ms in the aVR lead and the vi/vt ratio. The new algorhythm build based on the four
previous algorhythm has superior sensitivity, accuracy, and likelihood ratio compared with
the previous algorhythms.
Keywords:
Wide QRS complex tachycardia, ventricular tachycardia, supraventricular tachycardia eith
abberancy, Brugada algorhythm, Vereckei algorhythm, aVR algorhythm, R II Peak Wave
Time

DAFTAR ISI
HALAMAN JUDUL ........................................................................................................ i

HALAM PERNYATAAN ORISINALITAS ................................................................... ii
HALAMAN PENGESAHAN .......................................................................................... iii
UCAPAN TERIMA KASIH............................................................................................. iv
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI........................................ viii
ABSTRAK ........................................................................................................................ ix
ABSTARCT ...................................................................................................................... x
DAFTAR ISI .................................................................................................................... xi
DAFTAR TABEL............................................................................................................. xiii
DAFTAR GAMBAR ........................................................................................................ xiv
DAFTAR SINGKATAN .................................................................................................. xvi
BAB I PENDAHULUAN ................................................................................................. 1
1.1. Latar Belakang ........................................................................................................ 1
1.2. Pertanyaan Penelitian .............................................................................................. 2
1.3. Hipotesis Penelitian ................................................................................................ 3
1.4. Tujuan Penelitian .................................................................................................... 3
1.5. Manfaat Penelitian .................................................................................................. 3
1.5.1. Akademik ......................................................................................................... 3
1.5.2. Klinis ................................................................................................................ 3
1.5.3. Masyarakat ....................................................................................................... 3
BAB II TINJAUAN PUSTAKA ...................................................................................... 4
2.1. Algoritme Brugada.................................................................................................. 6
2.2. Algoritme Vereckei ................................................................................................. 10
2.3. Algoritme aVR ........................................................................................................ 14
2.4. Algoritme Ultrasimple Brugada ............................................................................. 18
BAB III KERANGKA TEORI, KONSEP DAN ALUR PENELITIAN .......................... 23
3.1. Kerangka Teori ....................................................................................................... 23
3.2. Kerangka Konsep .................................................................................................... 24
3.3. Alur Penelitian ........................................................................................................ 25
3.3.1. Tahap I............................................................................................................. 25
3.3.2. Tahap II ........................................................................................................... 26
BAB IV METODOLOGI PENELITIAN ......................................................................... 27
4.1. Desain Penelitian .................................................................................................... 27
4.2. Tempat dan Waktu Penelitian ................................................................................. 27
4.3. Subyek Penelitian.................................................................................................... 27
4.4. Besar Sampel .......................................................................................................... 27
4.5. Kriteria Inklusi dan Eksklusi .................................................................................. 28
4.5.1. Kriteria Inklusi ................................................................................................ 28
4.5.2. Kriteria Eksklusi .............................................................................................. 28
4.6. Variabel Penelitian .................................................................................................. 28
4.6.1. Variabel Independen........................................................................................ 28
xi

4.6.2. Variabel Dependen .......................................................................................... 29
4.7. Definisi Operasional ............................................................................................... 29
4.8. Cara Kerja ............................................................................................................... 30
4.9. Analisis Statistik ..................................................................................................... 31
BAB V HASIL PENELITIAN ......................................................................................... 32
5.1. Karakter Dasar Sampel Penelitian .......................................................................... 33
5.2. Analisis Karakteristik EKG Pada Takikardia Dengan Kompleks QRS Lebar ....... 34
5.3. Pembentukan Algoritme Baru................................................................................. 36
5.4. Validasi Algoritme Baru ......................................................................................... 38
BAB VI DISKUSI ............................................................................................................ 39
6.1. Keterbatasan Penelitian ........................................................................................... 44
BAB VII KESIMPULAN DAN SARAN ......................................................................... 45
7.1. Kesimpulan ............................................................................................................. 45
7.2. Saran ....................................................................................................................... 45
DAFTAR PUSTAKA ....................................................................................................... 46
xii

DAFTAR TABEL
Tabel 2.1. Kriteria pada sadapan prekordial yang digunakan untuk membedakan
membedakan VT dengan SVT pada takikardia dengan kompleks QRS
lebar yang diajukan oleh Wellens et al .................................................... 5
Tabel 2.2. Pengujian akurasi kriteria EKG oleh Brugada yang sebelumnya sudah
diajukan ..................................................................................................... 6
Tabel 2.3. Pengujian kriteria morfologi Wellens yang dilakukan oleh Brugada ..... 7
Tabel 2.4. Tabel distribusi interval RS pada sampel Brugada ................................... 8
Tabel 2.5. Kriteria blok berkas cabang dan blok fasikular yang diajukan oleh Willems
et al dan diadopsi oleh Vereckei ............................................................... 11
Tabel 2.6. Hasil perbandingan akurasi algoritme Brugada dengan Vereckei ........... 14
Tabel 2.7. Perbandingan akurasi algoritme Brugada, Vereckei dan aVR ................ 18
Tabel 2.8. Karakteristik sampel dari penelitian Ultra Simple Brugada .................... 21
Tabel 2.9. Tes akurasi pada kriteria R-Wave Peak Time > 50 ms pada sadapan II .. 21
Tabel 2.10. Perbandingan akurasi, sensitivitas, spesivisitas, positif dan negatif

likelihood ratiodari kelima algoritme yang di teliti Jastrzebski .............. 22
Tabel 5.1. Karakteristik sampel penelitian ............................................................... 33
Tabel 5.2. Analisa sensitivitas, spesifisitas, nilai prediksi positif dan nilai prediksi
negatif pada tiap karakteristik EKG untuk diagnosis VT........................ 35
Tabel 5.3. Hasil analisis multivariat dari kriteria-kriteria EKG ke empat algoritme.35
Tabel 5.4. Kappa inter observer dan intra observer terhadap karakteristik EKG dari
tiap algoritme ........................................................................................... 36
Tabel 5.5. Perbandingan hasil tes diagnostik dari algoritme baru dan algoritme-
algoritme lainnya ..................................................................................... 38
Tabel 6.1. Perbandingan sensitivitas, spesifisitas,dan akurasi dari penelitian

Jastrzebski et al dan peneliti .................................................................... 41
xiii

DAFTAR GAMBAR
Gambar 2.1. Diagram yang menunjukkan perjalanan impuls elektrik pada VT dan
SVT dengan aberansi............................................................................... 4
Gambar 2.2. Algoritme bertingkat yang dibuat oleh Brugada ..................................... 8
Gambar 2.3. Uji diagnostik yang dilakukan Brugada et al untuk algoritme

yang dibuat .............................................................................................. 9
Gambar 2.4. Algoritme bertingkat yang diajukan oleh Vereckei ................................ 10
Gambar 2.5. Contoh penggunaan kriteria vi/vt pada EKG yang menunjukkan diagnosis
SVT dan VT ............................................................................................ 12
Gambar 2.6. Uji diagnostik algoritme Vereckei .......................................................... 13
Gambar 2.7. Algoritme baru buatan Vereckei et al yang hanya menggunakan sadapan
aVR saja .................................................................................................. 15
Gambar 2.8. Contoh penerapan langkah ke 2 dan ke 3 dari algoritme aVR, yaitu
gelombang r atau q pada awal QRS di sadapan aVR dengan lebar > 40 ms
dan adanya takik pada bagian defleksi menurun dari gelombang q pada
kompleks QRS di sadapan aVR .............................................................. 15
Gambar 2.9. Pengaruh asal dan penjalaran impuls terhadap gambaran EKG di sadapan
aVR .......................................................................................................... 16
Gambar 2.10. Uji diagnostik algoritme aVR ................................................................. 17
Gambar 2.11. Pewarnaan gap junction pada otot jantung anjing saat impuls berjalan
transversal dan longitudinal..................................................................... 18
Gambar 2.12. Hasil penelitian dari Valderrábano ......................................................... 19
Gambar 2.13. Contoh penerapan algortime R-Wave Peak Time pada EKG .................. 20
Gambar 3.1 Kerangka teori dimana suatu takikardia dengan kompleks QRS lebar dapat
dibedakan menjadi VT atau SVT melalui karakteristik-karakteristik EKG
yang ada ................................................................................................... 23
Gambar 3.1. Kerangka konsep pada penelitian dimana 4 algoritme untuk membedakan
VT dan SVT dengan aberansi diterapkan pada EKG takikardia dengan
QRS kompleks lebar yang kemudian diagnosisnya dipastikan dengan studi
elektrofisiologi......................................................................................... 24
Gambar 3.2. Alur penelitian tahap I.............................................................................. 25
xiv

Gambar 3.3. Alur penelitian tahap II ............................................................................ 26
Gambar 5.1. Pemilihan pasien yang dimasukkan dalam analisa penelitian ................. 32
Gambar 5.2. Algoritme baru yang dibuat berdasarkan analisis dari setiap karakter EKG
pada 4 algoritme EKG yang sudah ada sebelumnya ............................... 37
Gambar 6.1. Kurva Kaplan-Meier yang menunjukkan perbandingan angka bebas

VT/VF pada sampel penelitian VTACH ................................................. 40
Gambar 6.2. Perjalanan impuls pada VT dan SVT preeksitasi..................................... 41
xv

DAFTAR SINGKATAN
VT Takikardia Ventrikel
SVT Takikardia Supraventrikel
EKG Elektrokardiografi
RIIPWT R II Wave Peak Time
vi Initial Velocity
vt Terminal Velocity
AVRT Atrioventriculare Reentrant Tacycardia
AVNRT Atrioventriculare Nodal Reentrant Tacycardia
AFL Atrial Flutter
AF Fibrilasi Atrium
SVT – RB SVT dengan morfologi blok berkas cabang kanan
SVT – LB SVT dengan morfologi blok berkas cabang kiri
VT – RB VT dengan morfologi blok berkas cabang kanan
VT – LB VT dengan morfologi blok berkas cabang kiri
BBB Blok berkas cabang
FB Blok fasikular
PPV Nilai Prediksi Positif
NPV Nilai Prediksi Negatif
LR Likelihood Ratio
xvi

1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Takikardia dengan kompleks QRS lebar adalah gambaran EKG yang sering
ditemukan. Pada kondisi tidak stabil, maka terapi elektrik perlu diberikan sesuai dengan
indikasi yang ada. Namun apabila pasien datang dengan kondisi yang cukup stabil, maka
penilaian yang lebih detail perlu dilakukan untuk menghasilkan diagnosis yang tepat.
Pada dasarnya, ada 3 kelainan irama jantung yang dapat menghasilkan gambaran
EKG takikardia dengan kompleks QRS lebar, yaitu: takikardia ventrikel (VT) merupakan
yang paling umum ditemukan (80%), takikardia supraventrikular (SVT) dengan aberansi (15
– 20 %), dan Atrioventriculare Reentrant Tacycardia (AVRT) dengan konduksi antidromik
(1 – 6 %).1
Untuk mendiagnosis ketiga kelainan tersebut diperlukan berbagai data, seperti

anamnesa yang baik, pemeriksaan fisik, ataupun manuver-manuver tertentu, namun sampai
saat ini modalitas yang paling sederhana dan cukup efektif untuk menegakkan diagnosis pada
takikardia dengan kompleks QRS lebar adalah dengan menelaah gambaran EKG pasien
dengan seksama. Diagnosis yang tepat untuk membedakan SVT dengan aberansi dan VT
sangatlah penting, karena kedua kelainan tersebut sangatlah berbeda meskipun memiliki
gambaran EKG yang mirip. SVT dengan aberansi dan VT memiliki patofisiologi dan
mekanisme yang berbeda, dimana yang pertama bersumber dari supraventrikel, sedangkan
yang kedua berasal dari ventrikel. Hal tersebut menyebabkan terapi yang perlu diberikanpun
berbeda, dan kesalahan dari pemberian terapi dapat berakibat cukup fatal. 1
Karena EKG tetap merupakan modalitas utama untuk menegakkan diagnosis pada
takikardia dengan kompleks QRS lebar, maka banyak algoritme yang diajukan untuk
membantu menegakkan diagnosis. Algoritme yang paling umum digunakan adalah algoritme
Brugada yang sudah sejak lama ada dan memiliki spesifisitas dan sensitifitas yang cukup
baik.2 Pada tahun 2007 Vereckei et al. membuat algoritme baru yang digunakan untuk
membedakan SVTdengan aberansi dan VT.3 Pada tahun 2008, Vereckei kembali
memperbaharui algoritmenya dengan hanya menggunakan satu lead yaitu aVR saja untuk
dapat membedakan VT dan SVT dengan aberansi dimana algoritme tersebut dibuat
berdasarkan prinsip perbedaan arah vektor dan kecepatan impuls listrik . 4 Selain itu ada pula
Universitas Indonesia
2
metoda baru yang disebut sebagai ultrasimple Brugada criterion yang diajukan oleh Brugada
pada tahun 2010 dimana belum banyak penelitian yang membahas mengenai akurasi dari
kriteria tersebut.5
Algoritme-algoritme tersebut membantu kita untuk membedakan VT dan SVT dengan

aberansi, namun sampai sekarang belum jelas algoritme mana yang memiliki sensitivitas dan
spesifisitas yang terbaik. Vereckei et al. sempat membandingkan algoritme dengan hanya
menggunakan lead aVR dengan algoritme Brugada dan mengatakan algoritme dengan
menggunakan lead aVR memiliki sensitivitas dan spesifisitas lebih tinggi. 4 Namun
Jastrzebski et al. pada tahun 2012 kembali membandingkan kedua algoritme tersebut dan
beberapa algoritme lainnya mendapatkan tidak ada perbedaan bermakna dalam hal akurasi
diagnosis, sehingga algoritme Brugada masih merupakan pegangan utama.6 Sasaki pada
tahun 2009 mencoba membandingkan setiap kategori EKG dari Brugada, Vereckei dan aVR
dan mendapatkan salah satu kategori dari aVR memiliki spesifisitas tertinggi. 7
Beberapa penelitian di atas menunjukkan belum adanya kejelasan mengenai algoritme

mana yang memiliki akurasi paling baik, dalam praktek sulit untuk menggunakan satu
algoritme saja untuk mendiagnosis takikardia dengan kompleks QRS lebar, karena ada
kemungkinan dua algoritme yang diterapkan pada satu EKG takikardia dengan kompleks
QRS lebar dapat memberikan hasil yang berbeda, sehingga sulit untuk memutuskan algoritme
mana yang akan dipakai. Namun, apabila seluruh algoritme yang ada digunakan untuk
mendiagnosis satu takikardia dengan kompleks QRS lebar tentu akan cukup memakan
waktu.1
1.2. Pertanyaan Penelitian
Uraian ringkas dalam latar belakang masalah di atas memberikan dasar bagi peneliti
untuk merumuskan pertanyaan penelitian sebagai berikut :
1. Apa saja karakteristik EKG yang memiliki akurasi terbaik untuk membedakan VT
dan SVT dengan aberansi pada takikardia dengan kompleks QRS lebar ?
2. Dapatkah dibuat suatu algoritme baru berdasarkan analisis karakteristik EKG dari
algoritme sebelumnya untuk membedakan VT dan SVT dengan aberansi pada
takikardia dengan kompleks QRS lebar ?
3
1.3. Hipotesis Penelitian
Algoritme EKG baru yang dibuat untuk membedakan VT dan SVT dengan aberansi
pada takikardia dengan kompleks QRS lebar berdasarkan 4 algoritme sebelumnya akan
memiliki akurasi yang lebih baik dalam membedakan VT dan SVT dengan aberansi pada
takikardia dengan kompleks QRS lebar dibandingkan dengan 4 algoritme yang sudah ada
sebelumnya.
1.4. Tujuan Penelitian
1. Mengevaluasi akurasi karakteristik EKG dari algoritme-algoritme yang sudah ada

untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan kompleks
QRS lebar.
2. Mengembangkan satu algoritme baru berdasarkan kriteria EKG dengan akurasi
terbaik untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan
kompleks QRS lebar.
1.5. Manfaat Penelitian
1. Akademik :
- Memperkuat bukti ilmiah dari akurasi karakteristik EKG pada algoritme-

algoritme yang sudah ada untuk membedakan VT dan SVT dengan aberansi
pada takikardia dengan kompleks QRS lebar.
2. Klinis :
- Menyediakan algoritme yang memiliki akurasi tinggi dan mudah digunakan

untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan
kompleks QRS lebar.
3. Masyarakat :
- Memberikan diagnosis yang lebih cepat dan akurat sehingga penanganan

untuk kasus takikardia dengan kompleks QRS lebar akan menjadi lebih baik.
4
BAB II
TINJAUAN PUSTAKA
Takikardia dengan kompleks QRS lebar adalah suatu irama dengan frekuensi QRS
kompleks lebih dari 100/menit dan dengan durasi QRS kompleks > 120 ms. Apabila irama
takikardia memiliki morfologi kompleks QRS yang sama dengan saat irama sinus, maka kita
dapat dengan cukup yakin mendiagnosis irama tersebut dengan takikardia supraventrikular.
Namun irama supraventrikular dapat dikonduksikan secara aberan ke ventrikel sehingga akan
menimbulkan kompleks QRS yang lebar. Pada kasus seperti ini, membedakan VT dan SVT
dapat menjadi cukup sulit.2
Diagnosis irama takikardia dengan kompleks QRS lebar sudah merupakan suatu
tantangan tersendiri sejak dari dahulu karena ada berbagai irama yang dapat menyebabkan
terjadinya takikardia dengan kompleks QRS lebar, yaitu: VT pada sekitar 80% kasus, SVT
dengan aberansi pada 15-20% kasus, dan yang paling jarang adalah antidromic
Atrioventrikulare Reentrant Tachycardia (AVRT) yang hanya 1-6% dari semua
kasus.Meskipun demikian, diagnosis yang tepat penting untung ditegakkan karena akan
sangat mempengaruhi baik penanganan ataupun prognosis, dan penanganan yang salah akan
dapat berakibat fatal.1
Gambar 2.1. Diagram yang menunjukkan perjalanan impuls elektrik pada VT (kiri) dan SVT dengan aberansi
(kanan).8
5
Sampai saat ini EKG masih merupakan media utama untuk membedakan takikardi
ventrikel dan SVT dengan aberansi. Telah banyak kategori yang diajukan untuk membedakan
kedua aritmia tersebut,seperti misalnya9 1. Lebar QRS > 140 ms, 2. Deviasi aksis ke kiri, 3.
Disosiasi atrioventrikular, 4. Adanya capture beat atau fusion beat. Selain karakteristik-
karakteristik tersebut diajukan pula adanya morfologi tertentu pada sadapan prekordial untuk
membedakan VT dengan SVT yang diajukan oleh Wellen et al.10
Tabel 2.1. Kriteria pada sadapan prekordial yang digunakan untuk membedakan membedakan VT dengan SVT pada
takikardia dengan kompleks QRS lebar yang diajukan oleh Wellens et al. 9, 10
Meskipun demikian masih banyak kesalahan yang sering terjadi saat mendiagnosis
takikardia dengan kompleks QRS lebar dan akurasi dari karakteristik EKG yang ada tidak
selalu tetap sama apabila digunakan oleh orang yang berbeda. Hal ini menyebabkan para
peneliti tetap mencari cara-cara untuk meningkatkan akurasi diagnosis dari takikardia dengan
kompleks QRS lebar. Inilah yang menyebabkan dibuatnya algoritme-algoritme yang dapat
memandu dan memudahkan diagnosis dari takikardia dengan kompleks QRS lebar. 2, 6
6
2.1. Algoritme Brugada
Pada tahun 1991, Brugada et al. mengadakan penelitian dengan mengevaluasi

karakteristik-karakteristik EKG yang sudah ada untuk menentukan karakteristik mana yang
memiliki akurasi yang terbaik. Brugada et al. mengumpulkan karakteristik-karakteristik EKG
yang sudah ada sebelumnya yaitu: disosiasi atrioventrikular, deviasi aksis ke kiri, dan
kompleks QRS > 140 ms lalu melakukan uji diagnostik untuk menentukan akurasi dari
karakteristik tersebut.2
Tabel 2.2. Pengujian akurasi kriteria EKG oleh Brugada yang sebelumnya sudah diajukan. 2
Brugada et al. melakukan pengujian pada karakteristik-karakteristik EKG yang

pertama kali diajukan yaitu: disosiasi atrioventrikular, deviasi aksis ke kiri, lebar QRS > 140
ms. Dari pengujian tersebut, Brugada et al. mendapatkan salah satu karakteristik klasik yang
sudah ada yaitu disosiasi dari atrioventrikulare memiliki angka spesifisitas sebesar 100%,
sehingga kriteria ini diadopsi oleh Brugada et al.2
Selain ke empat kriteria tersebut, Brugada et al juga menguji kriteria-kriteria

morfologi pada sadapan prekordial yang diajukan oleh Wellens et al untuk membedakan VT
dan SVT pada takikardia dengan kompleks QRS lebar dan ternyata kriteria-kriteria tersebut
7
masih memiliki akurasi yang cukup baik untuk VT maupun SVT aberansi sehingga Brugada
et al juga mengadopsi kriteria-kriteria yang memiliki spesifisitas baik untuk VT.2, 9
Tabel 2.3. Pengujian kriteria morfologi Wellens yang dilakukan oleh Brugada et al. dapat terlihat semua
kategori yang diajukan Wells memiliki spesifisitas yang cukup baik. 2
Selain kriteria-kriteria lama tersebut, Brugada et al. juga menemukan karakteristik

baru dari penelitiannya. Brugada et al menemukan semua SVT dengan aberansi setidaknya
memiliki satu sadapan prekordial dengan kompleks RS, namun hanya 45% dari VT yang
sama sekali tidak memiliki kompleks RS di sadapan prekordialnya. Sehingga kriteria ini
memiliki spesifisitas 100%. Brugada et al juga mengukur interval RS dari semua rekaman
EKG yang memiliki kompleks RS dan mendapatkan tidak ada SVT dengan aberansi yang
memiliki interval RS > 100 ms. Oleh karena itu Brugada memasukkan 2 kategori tersebut,
yaitu tidak adanya kompleks RS pada sadapan prekordial dan interval RS > 100 ms pada
algoritmenya.2
8
Tabel 2.4. Tabel distribusi interval RS pada sampel Brugada et al. dapat dilihat tidak ada SVT aberansi yang memiliki
interval RS >100 ms namun masih ada VT dengan interval RS < 100 ms, sehingga kriteria ini memiliki spesifisitas 100%. 2
Berdasarkan penemuan tersebut maka Brugada et al membuat algoritme bertingkat

sebagai berikut:
Gambar 2.2 Algoritme bertingkat yang dibuat oleh Brugada et al.2
9
Brugada et al kemudian melakukan uji diagnostik untuk algoritme baru tersebut dan
mendapatkan hasil yang cukup baik. Uji diagnostik dilakukan untuk setiap langkah dari
algoritme bertingkat tersebut dan mendapatkan hasil akhir sensivisitas berupa 98.7 % dan
spesifisitas berupa 96.5 % untuk diagnosis VT dan sensivisitas berupa 96.5 % dan spesifisitas
berupa 98.7 % untuk diagnosis SVT dengan aberansi.
Gambar 2.3. uji diagnostik yang dilakukan Brugada et al untuk algoritme yang dibuat. 2
10
2.2 Algoritme Vereckei
Pada tahun 2007 Vereckei et al kembali meneliti kriteria-kriteria yang dapat

digunakan untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan
kompleks QRS lebar. Vereckei et al. mengajukan beberapa kriteria baru, yaitu :
Gambar 2.4. algoritme bertingkat yang diajukan oleh Vereckei et al.
Karakteristik disosiasi atrioventrikular tetap digunakan karena merupakan

karakteristik yang patognomonik untuk VT dengan angka spesivisitas 100%. Kriteria baru
yang digunakan oleh Vereckei et al adalah adanya gel R pada awal kompleks QRS di sadapan
aVR, morfologi kompleks QRS yang tidak menyerupai blok berkas cabang ataupun blok
fasikular, dan perbandingan antara initial velocity (vi) dan terminal velocity (vt).3
Adanya gel R pada awal kompleks QRS di sadapan aVR merupakan kriteria yang
diajukan oleh Vereckei yang sebenarnya bukan kriteria yang baru karena dibuat berdasarkan
kriteria lama yang mengatakan pada VT umumnya aksis QRS berada di superior (-90 sampai
± 180º). Untuk menimbulkan resultan vektor positif pada aVR maka resultan vektor QRS
11
sadapan aVR harus berada pada -60 sampai +120º. Sehingga apabila sadapan aVR bersifat
positif maka cenderung mengarah ke VT. Meskipun demikian, karakteristik ini berbeda
dengan karakteristik aksis sebelumnya tidak hanya dari batas derajat aksis saja, namun pada
kriteria ini dibutuhkan adanya gelombang R pada awal kompleks QRS. Karena sumber irama
VT berasal dari ventrikel, maka arah impuls umumnya mengarah ke atas pada fase awal
sehingga menimbulkan defleksi positif pada awal kompleks QRS pada sadapan aVR. Hal
tersebut tidak terdapat pada kriteria lama yang hanya melihat resultante dari aksis.3
Morfologi kompleks QRS yang yang tidak menyerupai blok berkas cabang ataupun
blok fasikular dianggap sebagai pertanda dari VT karena pada SVT dengan aberansi impuls
tetap akan melalui berkas his kemudian ke salah satu cabang berkas cabang sehingga akan
memberikan gambaran blok berkas cabang ataupun blok fasikular. Vereckei menggunakan
kriteria yang diajukan oleh Willems et al.3, 11
Tabel 2.5. Kriteria blok berkas cabang dan blok fasikular yang diajukan oleh Willems et al dan diadopsi oleh
Vereckei et al. 3, 11
12
Kriteria vi/vt dipakai untuk menunjukkan arah dan kecepatan hantaran dari impuls
listrik saat terjadi takikardia. Vi atau initial velocity adalah voltase dalam milivolt 40 ms
setelah awal kompleks QRS yang dianggap menggambarkan penjalaran impuls pada saat
mula-mula depolarisasi ventrikel. Sedangkan vt atau terminal velocity adalah voltase dalam
milivolt 40 ms sebelum akhir dari kompleks QRS yang dianggap menggambarkan penjalaran
impuls pada saat menjelang akhir dari depolarisasi ventrikel. Pada takikardia kompleks QRS
lebar yang disebabkan oleh SVT dengan aberansi impuls pertama kali timbul pada septum
ventrikel melalui berkas his sehingga penjalaran impuls cenderung lebih cepat. Impuls akan
terus menjalar sampai ke otot ventrikel dimana impuls menjalar dari sel otot ke sel otot yang
berjalan lebih lambat, sehingga vi > vt. Hal ini berbeda dengan takikardia kompleks QRS
lebar yang disebabkan oleh VT dimana impuls berasal dari ventrikel kemudian menjalar dari
sel otot ke sel otot sehingga berjalan lebih lambat. Setelah impuls menjalar sampai ke berkas
his impuls akan diteruskan melalui berkas cabang ke serabut purkinye dimana impuls
berjalan lebih cepat sehingga vi < vt. Sadapan yang diambil adalah sadapan yang memiliki vi
paling cepat.3
Gambar 2.5. Contoh penggunaan kriteria v i/vt pada EKG yang menunjukkan diagnosis SVT
(atas) dan VT (bawah)3
13
Kriteria ini merupakan kriteria baru yang dibuat berdasarkan arah dan kecepatan
impuls listrik yang sebelumnya belum pernah diperhatikan. Namun, kriteria ini juga memiliki
beberapa kelemahan, yaitu: pemakaian obat-obatan anti aritmia yang dapat mengurangi baik
vi ataupun vt, adanya jaringan parut akibat penyakit jantung koroner yang juga akan
mengganggu baik vi ataupun vt karena akan mengganggu penjalaran impuls listrik. Selain itu
adanya fasikular VT dimana sirkuit reentry dekat dengan berkas his akan membuat vi
menjadi lebih cepat, sedangkan apabila exit point dari sirkuit reentry dekat dengan berkas
fasikular akan membuat vt menjadi lebih cepat.3
Vereckei kemudian menguji akurasi dari algoritme baru tersebut dan

membandingkannya dengan algoritme Brugada dan mendapatkan algoritme baru memiliki
spesifisitas yang tidak berbeda bermakna dengan algoritme Brugada namun memiliki
sensivisitas yang bermakna lebih tinggi.3
Gambar 2.6. Uji diagnostik algoritme Vereckei3
14
Tabel 2.6. Hasil perbandingan akurasi algoritme Brugada dengan Vereckei. 3
2.3. Algoritme aVR
Pada tahun 2008 Vereckei kembali membuat algoritme baru dengan prinsip yang
baru, yaitu algoritme yang dibuat hanya berdasarkan prinsip perbedaan dari arah dan
kecepatan impul pada awal dan akhir dari aktivasi ventrikel saat takikardia dengan QRS
lebar. Algoritme sebelumnya yang dibuat oleh Vereckei memiliki sensitivitas yang lebih
tinggi dari algoritme Brugada, namun dari observasi selanjutnya ternyata penggunaan
algoritme vereckei tersebut pada umumnya memakan waktu lebih banyak dibandingkan
dengan algoritme Brugada. Oleh karena itu Vereckei kembali mengembangkan satu
algoritme yang lebih disederhanakan lagi.3, 4
Pada dasarnya algoritme baru ini tidak menggunakan prinsip dasar baru namun
mengadopsi dan menyempurnakan prinsip-prinsip yang sudah ada. Algoritme aVR ini dibuat
berdasarkan 3 konsep baru yaitu: 1. Penggunaan hanya sadapan aVR untuk membedakan VT
dan SVT dengan aberansi, 2. Algoritme ini dapat membedakan VT ke dalam 2 grup yaitu:
a.VT yang timbul dari daerah apikal atau inferior ventrikel, dan b. VT yang timbul dari
daerah ventrikel lainya, dan 3. Algoritme pertama yang tidak menggunakan disosiasi
atrioventrikular yang selalu digunakan oleh sebelumnya. 4
15
Gambar 2.7. Algoritme baru buatan Vereckei et al yang hanya menggunakan

sadapan aVR saja4
Karakteristik EKG berupa adanya gelombang R pada awal kompleks QRS di sadapan
aVR dan vi / vt tetap dipakai oleh Vereckei et al. Namun Vereckei et al juga menambahkan 2
karakteristik baru pada sadapan aVR, yaitu gelombang r atau q pada awal QRS di sadapan
aVR dengan lebar > 40 ms dan adanya takik pada bagian defleksi menurun dari gelombang q
pada kompleks QRS di sadapan aVR.4
Gambar 2.8. Contoh penerapan langkah ke 2 dan ke 3 dari algoritme aVR, yaitu gelombang r atau q pada
awal QRS di sadapan aVR dengan lebar > 40 ms dan adanya takik pada bagian defleksi menurun dari
gelombang q pada kompleks QRS di sadapan aVR.4
16
Kedua kategori ini ditambahkan untuk melengkapi kelemahan dari algoritme

sebelumnya dimana gelombang R awal kompleks QRS di sadapan aVR hanya timbul pada
VT dengan fokus di daerah apikal atau inferior saja. Vereckei meneliti gambaran EKG
apabila irama VT yang timbul berasal dari tempat lain seperti di daerah ventrikel kanan
ataupun daerah basal, sehingga algoritme ini selain dapat membedakan irama VT dan SVT
dengan aberansi pada takikardia dengan kompleks QRS lebar, juga dapat memprediksi asal
dari impuls VT tersebut. Namun karena kriteria pada algoritme ini sangat bergantung pada
arah dan kecepatan impuls, maka sama halnya dengan algoritme Vereckei yang sebelumnya,
adanya otot jantung yang nekrosis karena infark dapat mempengaruhi hantaran impuls
sehingga dapat mengganggu akurasi dari karakteristik EKG yang ada. Namun lain halnya
dengan keterbatasan sebelumnya untuk VT yang berasal dari fasikular, dengan algoritme ini,
maka VT fasikular meskipun tidak menyebabkan adanya gelombang R pada awal kompleks
QRS di aVR dapat terdiagnosis dari langkah ke 2 atau ke 3.4
Gambar 2.9. pengaruh asal dan penjalaran impuls terhadap gambaran EKG di sadapan aVR. Garis lurus : impuls
yang berjalan melalui conduction pathway. Garis zig zag : impuls yang berjalan secara aberan melalui sel-sel otot
jantung.4
17
Vereckei et al kemudian melakukan uji diagnostik untuk membandingkan ke 3

algoritme yang sudah ada, yaitu algoritme Brugada, Vereckei, dan aVR dan mendapatkan
algortime Vereckei dan aVR tidak memiliki perbedaan sensitivitas dan spesifisitas yang
bermakna, namun keduanya memiliki sensitivitas yang lebih tingi bila dibandingkan
algoritme Brugada. Meskipun demikian, Vereckei et al menyebutkan waktu yang dibutuhkan
untuk membuat diagnosis VT atau SVT dengan aberansi jauh lebih singkat dengan
menggunakan algoritme aVR bila dibandingkan dengan algoritme Vereckei. 4
Gambar 2.10 Uji diagnostik algoritme aVR4
18
Tabel 2.7. Perbandingan akurasi algoritme Brugada, Vereckei dan aVR 4
2.4. Algoritme Ultrasimple Brugada
Algoritme Ultrasimple Brugada atau R-Wave Peak Time adalah karakteristik EKG
baru yang diajukan oleh Brugada et al pada tahun 2010. Algoritme ini unik karena hanya
terdiri dari satu langkah saja sehingga membuatnya cukup mudah digunakan. Algoritme ini
dibuat berdasarkan penelitian yang mengatakan bahwa impuls yang menyebar pada otot
jantung secara transversal akan berjalan lebih lambat bila dibandingkan dengan impuls yang
berjalan secara longitudinal.5
Valderrábano mengadakan penelitian dan menemukan impuls yang berjalan secara

transversal akan berjalan lebih lambat bila dibandingkan dengan impuls yang berjalan secara
longitudinal. Sifat konduksi yang anisotropik ini disebabkan oleh karena gap junction pada
otot jantung tidak tersebar secara merata dan lebih banyak terdapat pada ujung-ujung otot
jantung, sehingga impuls akan lebih mudah dihantarkan bila berjalan secara longitudinal
melalui otot jantung.12
Gambar 2.11. pewarnaan gap junction (hijau) pada otot jantung anjing saat impuls
berjalan transversal (kiri) dan longitudinal (kanan)12
19
Gambar 2.12.. Hasil penelitian dari Valderrábano: A. Skema yang memperlihatkan stimulus yang menghasilkan impuls
yang berjalan longitudinal (kiri) dan transversal (kanan). B. (Kiri) grafik yang menunjukkan perbedaan kecepatan
konduksi pada impuls yang berjalan longitudinal dan transversal, dapat pula terlihat menurunnya gap junctional
conductance akan menyebabkan kecepatan konduksi turun lebih jauh pada impuls yang berjalan transversal. (kanan)
grafik yang menunjukkan tahanan pada impuls yang berjalan transversal lebih tinggi bila dibanding dengan
longitudinal.12
Berdasarkan teori tersebut Brugada et al kembali membuat kriteria EKG yang jauh
lebih sederhana dan hanya terdiri dari satu langkan untuk membedakan VT dan SVT dengan
aberansi pada takikardia dengan kompleks QRS lebar. Kriteria itu sering disebut R-Wave
Peak Time pada sadapan II yaitu dengan mengukur jarak dari awal kompleks QRS di sadapan
II sampai pada puncak dari gelombang defleksi pertama pada kompleks QRS tersebut
terlepas apakah defleksi tersebut positif atau negatif. Setelah dilakukan pengujian, ternyata
kriteria ini memiliki angka baik spesivisitas maupun sensivisitas yang fantastis. Karena
algoritme ini cukup sederhana dan mudah karena hanya terdiri dari satu langkah saja, maka
algoritme ini dapat digunakan secara luas dan akan memudahkan dalam mendiagnosis VT
atau SVT dengan aberansi pada takikardia dengan kompleks QRS lebar. Namun pada
penelitian ini Brugada et al tidak melakukan perbandingan akurasi dengan algoritme lainnya
yang sudah ada.5
20
Gambar 2.13. contoh penerapan algortime R-Wave Peak Time pada EKG. (atas) VT,
(tengah) SVT dengan aberansi, (bawah) EKG dengan defleksi pertama kompleks QRS ke
bawah6
21
Tabel 2.8. Karakteristik sampel dari penelitian Ultra Simple Brugada.5
Tabel 2.9. Tes akurasi pada kriteria R-Wave Peak Time > 50 ms pada sadapan II.5
Dari uraian diatas dapat dilihat ada banyak algoritme yang dapat digunakan untuk
membedakan VT dan SVT aberansi pada takikardia pada kompleks QRS lebar. Namun
belum ada konsensus mengenai algoritme mana yang harus dipakai, dan belum ada kejelasan
mengenai algoritme mana yang memiliki akurasi paling baik karena setiap peneliti memiliki
acuan yang berbeda untuk setiap algortime buatannya. Beberapa peneliti sudah mencoba
untuk membandingkan algoritme-algoritme yang ada selain dari peneliti yang menemukan
algoritme tersebut. Pada tahun 2012 Jastrzebski et al melakukan penelitian untuk
membandingkan 5 algoritme untuk membedakan VT dan SVT dengan aberansi, yaitu
Brugada, aVR, R-Wave Peak Time, Griffith, dan Bayesian. Untuk algoritme griffith dan
bayesian tidak dibahas oleh penulis karena tidak dimasukkan ke dalam penelitian untuk
alasan tertentu. Jastrzebski et al mendapatkan semua algoritme yang baru tidak berbeda
22
bermakna dalam hal akurasi (persentasi keberhasilan mendiagnosis Vt) secara umumnya,
namun ada perbedaan yang sangat bermakna dalam sensivitas dan spesivitas dalam
mendiagnosis VT.6, 13
Tabel 2.10. perbandingan akurasi, sensitivitas, spesivisitas, positif dan negatif likelihood ratiodari kelima algoritme yang di
teliti Jastrzebski et al.6
Dari hasil diatas terllihat akurasi dari kelima algoritme tidak berbeda bermakna, yang
perlu diperhatikan disini adalah pada algoritme Brugada, Griffith, Bayesian dan aVR
spesifisitas cenderung rendah, sedangkan R-Wave Peak Time memiliki spesifisitas yang
cukup tinggi, sehingga dengan algoritmenya yang hanya terdiri dari satu langkah algoritme
ini dapat dengan cukup mudah digunakan untuk mendiagnosis VT. Meskipun demikian,
karena sensivitasnya yang sangat rendah, maka algortime ini tidak dapat digunakan untuk
menyingkirkan VT.6
23
BAB III
KERANGKA TEORI, KERANGKA KONSEP, DAN ALUR PENELITIAN
3.1. Kerangka Teori

Takikardia dengan kompleks QRS lebar
Kompleks RS pada sadapan

prekordial Tidak adanya gambaran
depolarisasi ventrikel
fisiologis melalui berkas his
RS interval > 100 ms pada
sadapan prekordial
Tidak adanya sinkronisasi
Disosiasi AV atrium dan ventrikel
Kriteria morfologi pada Adanya bentuk LBBB atau

sadapan V1, V2, V5, V6 RBBB abnormal
Gel R pada awal kompleks Vektor pada fase awal

QRS pada sadapan aVR depolarisasi menuju ke atas
Gel r atau q > 40 ms pada

sadapan aVR
Perlambatan pada fase awal
depolarisasi ventrikel
Takik pada gelombang negatif
pada sadapan aVR
Impuls pada awal
depolarisasi lebih lambat
Vi / Vt <1 dibandingkan pada akhir
depolarisasi
Kriteria blok berkas cabang Impuls tidak melalui berkas

dan blok fasikulus his dan berkas cabang
Ion gap lebih sedikit

R wave peak time pada
teraktivasi pada impuls yang
sadapan II > 50 ms
berjalan transversal
VT
Gambar 3.1. Kerangka teori dimana suatu takikardia dengan kompleks QRS lebar dapat dibedakan menjadi VT atau SVT
melalui karakteristik-karakteristik EKG yang ada.
24
3.2. Kerangka Konsep
EKG 12 sadapan dari takikardia

dengan QRS kompleks lebar
Algoritme untuk membedakan VT

dan SVT dengan aberansi :
- Brugada
- Vereckei
- aVR
- Ultra Simple Brugada
Diagnosis pasti dari studi elektrofisiologi
Gambar 3.2. Kerangka konsep pada penelitian dimana 4 algoritme untuk membedakan VT dan SVT dengan aberansi
diterapkan pada EKG takikardia dengan QRS kompleks lebar yang kemudian diagnosisnya dipastikan dengan studi
elektrofisiologi
25
3.3. Alur Penelitian
3.3.1. Tahap I
EKG 12 sadapan  irama

takikardia dengan
kompleks QRS lebar
SVT abbr
Studi elektrofisiologi
VT
Evaluasi karakteristik EKG oleh 2 orang asisten

menurut algoritme:
- Brugada
- Vereckei
- aVR
- Ultra Simple Brugada
Menilai akurasi setiap karakteristik EKG
Membangun algoritme baru berdasarkan karakteristik EKG di atas
Gambar 3.3. Alur penelitian tahap I : EKG takikardia dengan kompleks QRS lebar dari pasien yang telah menjalani studi
elektrofisiologi dengan hasil VT akan dinilai dengan menggunakan keempat algoritme yang ada. Hasil dari penilaian ini akan
26
digunakan untuk membangun algoritme baru untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan QRS
komples lebar.
3.3.2. Tahap II
EKG 12 sadapan  irama

takikardia dengan kompleks
QRS lebar (pada pasien yang
berbeda)
SVT abbr
Studi elektrofisiologi
VT
Validasi algoritme baru dari hasil

penelitian tahap I
Menentukan akurasi dari algoritme baru

yang telah dibuat
Gambar 3.4. Alur penelitian tahap II: algoritme baru yang sudah dibuat dari penelitian tahap I akan diujikan pada EKG takikardia
dengan kompleks QRS lebar dari pasien lain yang telah menjalani studi elektrofisiologi dengan hasil VT untuk menilai akurasi
dari algoritme baru yang telah dibuat.
27
BAB IV
METODOLOGI PENELITIAN
4.1. Desain Penelitian
Penelitian ini adalah suatu studi retrospektif, dibagi menjadi 2 tahap. Tahap 1 dengan desain
penelitian potong lintang, dan tahap kedua dengan desain uji diagnostik.
4.2. Tempat dan Waktu Penelitian
Pengambilan subyek penelitian dilakukan di Departemen Kardiologi dan Kedokteran

Vaskular FKUI / Pusat Jantung Nasional Harapan Kita. Data diambil antara periode Juni
2009 sampai dengan Juni 2013.
4.3. Subyek Penelitian
Populasi yang diteliti adalah penderita takikardi kompleks QRS lebar yang telah menjalani
studi elektrofisiologi.
4.4. Besar Sampel
Besar sampel (N) minimal untuk pada penelitian ini dihitung berdasarkan rumus untuk uji
diagnostik dengan keluaran sensitivitas:14
( ) ( )
n = besar sampel
28
Sen = sensitivitas alat yang diinginkan, ditetapkan sebesar 90 % (lebih tinggi dari
sensitivitas tertinggi dari algoritme-algoritme sebelumnya yang digunakan pada
penelitian ini)
d = presisi penelitian ditetapkan sebesar 10 %
Zα = tingkat kesalahan ditetapkan sebesar 5% sehingga Zα = 1.96
P = prevalensi VT pada takikardia dengan kompleks QRS lebar = 80% (berdasarkan

kepustakaan)1
Dari rumus diatas didapatkan sampel yang dibutuhkan sebanyak: 43 sampel
4.5. Kriteria Inklusi dan Eksklusi
4.5.1. Kriteria Inklusi
Pasien dengan takikardi kompleks QRS lebar (≥ 120 ms) regular dan monomorfik
yang telah menjalani studi elektrofisiologi.
4.5.2. Kriteria Eksklusi
- Pasien dengan jalur aksesoris
- Pasien dengan fibrilasi atrial (AF)
- Pasien dengan polimorfik VT
- Pasien dengan data sadapan EKG saat takikardia QRS lebar yang tidak lengkap
4.6. Variabel Penelitian
4.6.1. Variabel Independen
- Tidak adanya kompleks RS pada sadapan prekordial
- Interval R ke S terpanjang > 100 ms pada sadapan prekordial
29
- Disosiasi atrioventrikular
- Kriteria morfologi VT pada sadapan V1-2 dan V6
- Kriteria morfologi menyerupai blok berkas cabang atau blok fasikular
- vi (initial velocity) / vt (terminal velocity) ≤ 1 pada salah satu sadapan
- Adanya gelombang R pada awal kompleks QRS di sadapan aVR
- Adanya gelombang r atau q > 40 ms pada awal kompleks QRS di sadapan aVR
- Adanya takik pada bagian menurun dari gelombang q pada kompleks QRS di sadapan
aVR.
- vi / vt ≤ 1 pada sadapan aVR
- Peak Time gelombang R di sadapan II ≥ 50 ms
4.6.2. Variabel Dependen
- VT
- SVT dengan aberansi
4.7. Definisi Operasional
1. Sadapan prekordial : sadapan V1 – V6

2. Interval R ke S : jarak dari awal gelombang R sampai ke puncak dari gelombang S
(satuan dalam ms)
3. Disosiasi atrioventrikular : putusnya hubungan antara atrium dan ventrikel yang
ditandai disosiasi antara gelombang p dan kompleks qrs.
4. Kriteria morfologi VT :
a. LBBB :
i. V1 atau V2 :
- Gelombang R > 30 ms
- interval RS > 60 ms
- takik pada gelombang S
ii. V6 :
30
- QR atau QS
b. RBBB :
i. V1 :
- Gelombang R monofasik
- QR atau QS
ii. V6 :
- Rasio R ke S < 1
- QR atau QS
- Gel R monofasik
5. Kriteria morfologi menyerupai blok berkas cabang atau blok fasikular 11
6. vi (initial velocity) : tingkat voltase 40 ms setelah awal dari kompleks QRS (satuan
dalam mV)
7. vt (terminal velocity) : tingkat voltase 40 ms sebelum akhir dari kompleks QRS
(satuan dalam mV)
8. vi / vt : perbandingan vi dan vt pada sadapan manapun dimana vi memiliki nilai
terbesar.
9. Peak time gelombang R : jarak dari awal kompleks QRS sampai puncak gelombang R
4.8. Cara Kerja
31
Untuk tahap 1, pencarian sampel dimulai dari rekam medis pasien dengan riwayat
takikardia dengan kompleks QRS lebar yang telah dilakukan studi elektrofisiologi di
Departemen Kardiologi dan Kedokteran Vaskular FKUI / Pusat Jantung Nasional Harapan
Kita. EKG dari pasien yang memenuhi kriteria inklusi dan eksklusi akan dikumpulkan dan
dianalisis oleh 2 orang asisten dengan menggunakan algoritme Brugada, Vereckei, aVR, dan
Ultrasimple Brugada untuk menentukan diagnosis VT atau SVT dengan aberansi. Data yang
terkumpul akan dianalisa secara statistik untuk mementukan akurasi tiap-tiap karakteristik
dari algoritme-algoritme yang ada. Kemudian dari analisis tiap karakteristik EKG algoritme
akan dibangun satu algoritme yang baru.
Pada tahap 2, algoritme yang baru tersebut akan diterapkan pada rekaman EKG
takikardia dengan kompleks QRS lebar dari pasien-pasien yang berbeda kemudian hasilnya
akan diproses secara statistik untuk menentukan akurasi dari algoritme yang baru.
4.9. Analisis Statistik
Data kontinu dinyatakan dalam nilai rerata, bila sebaran tidak normal maka
dinyatakan dengan median (minimal - maksimal). Data kategorik dinyatakan dalam jumlah
dan persentase. Semua analisis dilakukan dengan menggunakan program komputer SPSS
versi 22. Data kategorik dianalisis dengan Chi Square bila memenuhi syarat, atau uji
Fischer’s exact bila tidak memenuhi syarat untuk setiap karakteristik EKG. Setiap algoritme
akan dinilai akurasinya untuk membedakan VT dan SVT dengan aberansi pada takikardia
kompleks QRS lebar serta sensitifitas, spesifisitas, positive predictive value (PPV), dan
negative predictive value (NPV).
Dilakukan uji multivariat dengan regresi logistik untuk mendapatkan karakteristik

EKG yang digunakan untuk membangun algoritme yang terstruktur. Algoritme tersebut akan
dinilai akurasinya untuk membedakan VT dan SVT dengan aberansi pada takikardia
kompleks QRS lebar serta sensitifitas, spesifisitas, positive predictive value (PPV), dan
negative predictive value (NPV).
Untuk uji validasi akan dilakukan dengan cara uji diagnostik pada sampel EKG
yang baru untuk mencari sensitifitas, spesifisitas, akurasi, dan likelihood ratio dari algortime
baru dan akan dibandingkan ke empat algoritme yang lain.
32
BAB V
HASIL PENELITIAN
Dari periode Juni 2009 sampai dengan Juni 2013 terdapat 97 pasien dengan takikardi
QRS lebar yang menjalani studi elektrofisiologi di Pusat Jantung dan Pembuluh Darah
Harapan Kita. Dari sejumlah pasien tersebut terdapat 62 pasien yang diikutsertakan dalam
penelitian ini. Hal ini dikarenakan 35 pasien dengan kompleks QRS lebar tidak memiliki data
rekaman EKG yang lengkap atau rekaman EKG yang ada sudah tidak dapat dibaca dengan
baik. (Gambar 5.1)
97 pasien yang dengan takikardia

kompleks QRS lebar yang menjalani
studi elektrofisiologi
Data yang tidak lengkap (35)

eksklusi - rekaman EKG yang hilang
- rekaman EKG tidak dapat dibaca
- kerusakan compact disc
62 pasien yang memenuhi kriteria
Gambar 5.1. Pemilihan pasien yang dimasukkan dalam analisa penelitian
33
5.1. Karakter dasar sampel penelitian
Dari 62 pasien takikardia dengan kompleks QRS lebar yang diikutsertakan ke dalam
penelitian didapatkan rentang usia antara 8 sampai 81 tahun. Proporsi jenis kelamin
didapatkan lebih banyak jenis kelamin laki-laki yaitu sebanyak 39 pasien (62.9%)
dibandingkan dengan perempuan yaitu sebanyak 23 pasien (37.1%). Jenis aritmia yang paling
sering didapatkan pada sampel dengan takikardia QRS kompleks lebar adalah takikardia
ventrikel (VT) yaitu sebanyak 48 pasien (77.4%), sementara SVT dengan aberansi
didapatkan sebanyak 14 pasien (22.6%). Dari semua sampel VT didapatkan jenis yang
terbanyak adalah VT yang berasal dari outflow tract yaitu sebanyak 20 sampel (32.3%),
sedangkan jenis SVT dengan aberansi yang terbanyak didapatkan adalah AVNRT yaitu
sebanyak 8 sampel (12.9%). (Tabel 5.1.)
Tabel 5.1. Karakteristik sampel penelitian
Variabel Deskriptif
Usia (tahun) (rerata ± SD) 48.4 ± 17.7
Jenis Kelamin (n; %)

Laki – laki 39 (62.9)
Perempuan 23 (37.1)
Jenis aritmia (n; %)

VT 48 (77.4)
Iskemik 10 (16.1)
Outflow Tract 20 (32.3)
Fasikular 15 (24.2)
Lain-lain 3 (4.8)
SVT abbr. 14 (22.6)
AVNRT 8 (12.9)
AT 3 (4.8)
A FLT 3 (4.8)
34
5.2. Analisis karakteristik EKG pada takikardia dengan kompleks QRS lebar
Dari hasil analisa diagnostik untuk setiap karakteristik EKG didapatkan sebagian
besar signifikan secara statistik kecuali kriteria ke 4 algoritme Brugada, kriteria ke 3
algoritme Vereckei dan kriteria ke 3 algoritme aVR. Algoritme Brugada memiliki sensitivitas
dan spesifisitas yang cukup baik sedangkan tiga algoritme lainnya juga memiliki sensitivitas
yang baik tetapi spesifisitas sedang. Algoritme Vereckei memiliki sensitivitas yang paling
tinggi. Sementara beberapa kriteria seperti kriteria 1, 2, dan 3 dari algoritme Brugada, kriteria
1 dan 2 dari algoritme Vereckei dan kriteria 1 dari algoritme aVR memiliki spesifisitas yang
sempurna yaitu 100%. Kriteria algoritme brugada ke 4 memiliki nilai spesifisitas yang cukup
baik, namun tidak signifikan secara statistik, begitu juga dengan kriteria ke 3 dari algortime
Vereckei dan kriteria ke 3 dari algoritme aVR juga tidak signifikan secara statistik (p > 0.05).
(Tabel 5.2.).
Analisis tersebut juga menunjukkan algoritme yang memiliki akurasi tertinggi adalah
algoritme Vereckei (87.09%), sementara untuk karakteristik EKG tidak ada kriteria yang
memiliki akurasi yang mencapai 80%. Kriteria yang memiliki akurasi tertinggi adalah kriteria
2 (gelombang r atau q >40 ms) dari algoritme aVR (75.81%). Kriteria ke 4 dari algoritme
Vereckei (vi/vt) juga memiliki akurasi yang cukup baik bila dibandingkan dengan kriteria
yang lainnya. (Tabel 5.2.)
Analisis multivariat dilakukan pada semua karakteritik EKG yang memiliki p < 0.25
pada analisis bivariat tetapi tidak mengikutsertakan variabel yang memiliki spesifisitas 100%
karena variabel tersebut tidak memiliki angka false negative sehingga akan mengganggu
penghitungan. Dengan demikian kriteria 1 dari algoritme Brugada (tidak adanya kompleks
RS di sadapan prekordial), kriteria 2 dari algoritme Brugada (interval RS terpanjang
disadapan prekordial > 100 ms), kriteria 3 dari algoritme Brugada (disosiasi AV), dan kriteria
2 dari algortime Vereckei (adanya gel R pada awal kompleks QRS pada sadapan aVR) tidak
diikutkan dalam analisis multivariat secara regresi logistik. Didapatkan 2 kriteria yang
bermakna secara statistik adalah gelombang r/q > 40 ms d sadapan aVR ( p = 0.008) dan
rasio vi/vt (p = 0.042). (Tabel 5.3.)
35
Tabel.5.2. Analisa sensitivitas, spesifisitas, nilai prediksi positif (PPV) dan nilai prediksi negatif (NPV) pada tiap
karakteristik EKG untuk diagnosis VT
Variabel Sensitivitas Spesifisitas PPV NPV Akurasi p

(%) (%) (%) (%) (%)
Brugada 85.42 85.71 95.35 63.16 85.48 0.000

Kriteria 1 25.00 100.00 100.00 28.00 41.94 0.032
Kriteria 2 33.33 100.00 100.00 30.43 48.39 0.013
Kriteria 3 60.42 100.00 100.00 42.42 69.35 0.000
Kriteria 4 33.33 85.71 88.89 27.27 45.16 0.202
Vereckei 93.75 64.29 90.00 75.00 87.09 0.000
Kriteria 1 60.42 100.00 100.00 42.42 69.35 0.000
Kriteria 2 27.08 100.00 100.00 28.57 43.55 0.029
Kriteria 3 54.17 71.43 86.67 31.25 58.06 0.092
Kriteria 4 68.75 78.57 91.67 42.31 70.97 0.002
aVR 89.58 57.14 87.76 61.54 82.26 0.001
Kriteria 1 27.08 100.00 100.00 28.57 43.55 0.029
Kriteria 2 75.00 78.57 92.31 47.83 75.81 0.000
Kriteria 3 43.75 78.57 87.50 28.95 51.61 0.131
Kriteria 4 68.75 71.43 89.19 40.00 69.35 0.007
RIIPWT 62.50 85.71 93.75 40.00 67.74 0.001
Tabel 5.3. Hasil analisis multivariat dari kriteria-kriteria EKG ke empat algoritme
Variabel Odds Ratio 95% CI Nilai P

Morfologi
sandapan V1,V2, 5.331 0.842 - 33.736 0.075
dan V6
Gel. r/q > 40 ms d
8.639 1.745 – 42.769 0.008
sandapan aVR
Rasio vi/vt < 1 5.281 1.064 – 26.189 0.042
36
Analisis inter observer maupun intra observer mendapatkan nilai Kappa yang baik
untuk semua variable, kecuali variabel disosiasi AV mendapatkan nilai Kappa sedang untuk
variasi inter observer (Kappa = 0.62). Nilai Kappa terutama sangat tinggi baik pada variasi
inter observer maupun intra observer pada variabel-variabel dari algoritme aVR. (Tabel 5.4.)
Tabel 5.4. Kappa inter observer dan intra observer terhadap karakteristik EKG dari tiap algoritme
Variabel Inter observer Intra observer
Brugada 0.87 0.93

Kriteria 1 0.92 0.95
Vereckei 0.88 0.92

aVR 0.95 0.97

RIIPWT 0.87 0.93
5.3. Pembentukan Algoritme Baru
Untuk membentuk algoritme baru dilakukan pendekatan sebagai berikut: (1) memakai
kriteria EKG dengan angka spesifiitas 100% untuk screening awal dari irama VT, (2)
mengadopsi kriteria yang dari hasil analisis multivariat yang bermakna secara statistik yaitu
adalah gel r/q > 40 ms di sadapan aVR ( p = 0.008) dan rasio vi/vt (p = 0.042), (3) memilih
37
kriteria yang paling mudah digunakan atas dasar nilai kesesuaian Kappa yang paling
baik.Maka dari ke empat kriteria EKG terpilih, yaitu kriteria 1 dari algoritme Brugada (tidak
adanya kompleks RS di sadapan prekordial), kriteria 2 dari algoritme Brugada (interval RS
terpanjang disadapan prekordial > 100 ms), kriteria 3 dari algoritme Brugada (disosiasi AV),
dan kriteria 2 dari algortime Vereckei (adanya gel R pada awal kompleks QRS pada sadapan
aVR) dipilih kriteria tidak adanya kompleks RS pada sadapan prekordial (Kappa
interobserver 0.92 dan intraobserver 0.95) dan adanya gelombang R pada awal kompleks
QRS di sadapan aVR (Kappa interobserver 0.92 dan intraobserver 1.00) masing-masing
sebagai kriteria I dan II algoritme baru kemudian dilanjutkan dengan kriteria III dan IV
dengan tujuan untuk mengadopsi kriteria EKG yang memiliki daya reliability yang baik.
Sehingga pada akhirnya susunan algortime baru diajukan oleh peneliti berdasarkan analisa
dari setiap karakteristik EKG dari ke 4 algoritme sebelumnya. (Gambar 5.2.)
Tidak adanya kompleks RS di semua

sadapan prekordial
Ya
Tidak VT
Adanya gelombang R pada awal kompleks
QRS di sadapan aVR
Ya
Tidak VT
Adanya gelombang r atau q pada awal
kompleks QRS dengan lebar > 40 ms di
sadapan aVR
Ya
Tidak VT
Rasio vi/vt < 1
Ya
Tidak VT
SVT dengan aberansi
Gambar 5.2. Algoritme baru yang dibuat berdasarkan analisis dari setiap karakter
EKG pada 4 algoritme EKG yang sudah ada sebelumnya
38
5.3. Validasi Algoritme Baru
Tahap II penelitian berupa validasi algoritme baru dilakukan dengan menggunakan

gambaran takikardia dengan kompleks QRS lebar yang berasal dari database-database yang
disediakan dari internet. Lima puluh enam gambar rekaman EKG takikardia dengan
kompleks QRS lebar dari 5 situs dengan database EKG yang diagnosisnya sudah
dikonfirmasi dengan standar baku yaitu studi elektrofisiologi digunakan sebagai sampel
validasi.15-19
Hasil analisa diagnostik dari gambaran-gambaran EKG tersebut menunjukkan
algoritme baru memiliki sensitivitas sebesar 96.43%, spesifisitas sebesar 85.71%, sementara
akurasi didapatkan sebesar 91.07%, dan likelihood ratio sebesar 45.39. Spesifitas algoritme
baru ini sama dengan algoritme Brugada dan RIIPWT, sementara untuk sensitivitas, akurasi
dan likelihood ratio algoritme baru ini lebih tinggi dari ke empat algoritme lainnya. (Tabel
5.5.)
Tabel 5.5 Perbandingan hasil tes diagnostik dari algoritme baru dan algoritme-algoritme lainnya.
Sensitivitas Spesifisitas PPV NPV Akurasi Likelihood

Variabel p
(%) (%) (%) (%) (%) Ratio
Algoritme Baru 96.43 85.71 87.10 96.00 91.07 45.39 0.000

Brugada 85.42 85.71 95.35 63.16 85.48 25.05 0.000
Vereckei 93.75 64.29 90.00 75.00 87.09 20.23 0.000
aVR 89.58 57.14 87.76 61.54 82.26 12.48 0.001
RIIPWT 62.50 85.71 93.75 40.00 67.74 10.89 0.001
39
BAB VI
DISKUSI
Penelitian ini telah berhasil membuat suatu algoritme baru untuk membedakan VT
dari SVT aberans pada suatu takikardia dengan kompleks QRS yang lebar. Algoritme baru ini
yang disusun dengan memodifikasi dan kompilasi kriteria-kriteria EKG dari empat buah
algoritme yang sudah diterima ternyata memiliki sensitivitas (96.43%) dan spesifisitas
(85.71%) yang lebih baik dari algoritme diagnosis yang sudah ada.
Populasi sampel dari penelitian ini menunjukkan usia rerata sampel adalah 48.4 tahun,
hal ini kemungkinan disebabkan karena pada penelitian ini sampel VT yang diambil terdiri
dari berbagai jenis VT seperti VT karena iskemik yang umumnya terjadi pada usia relatif
tua, dan VT yang berasal dari Outflow tract ataupun VT fasikulus yang pada umumnya
terjadi padabusia yang lebih muda sehingga rerata usia pada penelitian ini tidak terlalu
tinggi.20
Jenis VT yang terdapat pada sampel penelitian ini cukup unik, referensi yang ada
mengatakan bahwa pada umumnya, penyebab VT adalah penyakit jantung struktural,
terutama penyakit jantung koroner, sementara VT yang terjadi pada jantung tanpa kelainan
struktural hanya sebanyak 10% dari semua kasus VT di Amerika, dan hanya 20% pada semua
kasus VT di Jepang. Pada penelitian ini, sampel dengan jenis VT iskemik memiliki
presentase yang lebih rendah dibandingkan VT outflow tract dan VT fasikulus. Peneliti tidak
meneliti mengenai jumlah seluruh pasien penyakit jantung koroner yang mengalami VT,
namun ini merupakan suatu indikasi bawa kemungkinan di PJNHK masih belum banyak
pasien dengan VT akibat iskemik yang menjalani studi elektrofisiologis ataupun ablasi.
Penelitian yang dilakukan di Eropa yaitu Catheter ablation of stable ventricular tachycardia
before defi brillator implantation in patients with coronary heart disease (VTACH)
menunjukkan adanya penurunan angka kejadian VT atau fibrilasi ventrikel (VF) yang
signifikan pada kelompok pasien yang dilakukan ablasi sebelum dipasang Implantable
Cardiac Defibrillator (ICD).21, 22
Sementara untuk proporsi VT dan SVT yaitu berturut-turut 77.4% dan 22.6 % tidak
berbeda jauh dengan referensi dimana angka kejadian VT dari takikardia dengan kompleks
QRS lebar adalah 80% sementara SVT dengan aberansi adalah 15-20%.1 Penelitian ini tidak
mengikutsertakan takikardia dengan preeksitasi.
40
Gambar 6.1. Kurva Kaplan-Meier yang menunjukkan perbandingan angka bebas VT/VF pada
sampel penelitian VTACH22
Analisis bivariat dari semua algoritme menunjukkan hasil yang cukup berbeda dari
penelitian Jastrzebski et al. Hasil dari sensitivitas untuk algortime Brugada, aVR cukup
serupa kecuali untuk RIIPWT dimana Jastrzebski et al. mendapatkan sensitivitas untuk
algoritme Brugada 89.0% dan algoritme aVR 87.1%, sedangkan peneltian kami mendapatkan
sensitivitas algoritme Brugada 85.42% dan algoritme aVR 89.58%. Untuk akurasi didapatkan
hasil yang tidak jauh berbeda dari penelitian Jastrzebski et al dan penelitian kami. Namun
untuk spesifisitas kami mendapatkan hasil yang cukup jauh berbeda, dimana Jastrzebski et al
mendapatkan spesifisitas yang lebih rendah untuk algoritme Brugada yaitu 59.2% dan
algoritme aVR 48%, sedangkan kami mendapatkan spesifisitas algoritme Brugada yaitu
85.71% dan algoritme aVR 57.14%. Hal ini bisa disebabkan oleh 2 hal menurut peneliti, yang
pertama kemungkinan karena sampel dari penelitian Jastrzebski et al jauh lebih banyak dari
sampel peneliti, namun satu yang menarik, Jastrzebski et al memasukkan grup SVT dengan
preeksitasi ke dalam grup SVT aberansi sedangkan peneliti mengeksklusikan SVT dengan
preeksitasi. Hal ini mungkin yang menyebabkan pada penelitian Jastrzebski et al spesifisitas
algoritme-algoritme tersebut tidak terlalu tinggi, karena SVT preeksitasi dengan konduksi
antidromik akan menyebabkan impuls dari atrium jatuh ke ventrikel tanpa melewati AV node
dan berkas His terlebih dahulu sehingga seolah-olah impuls berasal dari otot ventrikel.6
(Tabel 6.1.)
41
Gambar 6.2. perjalanan impuls pada VT (kiri) dan SVT preeksitasi (kanan), tampak SVT preeksitasi seolah-olah impuls juga
berasal dari ventrikel8
Tabel 6.1. Perbandingan sensitivitas, spesifisitas,dan akurasi dari penelitian Jastrzebski et al dan peneliti6
Brugada aVR RIIPWT
Jastrzebski Peneliti Jastrzebski Peneliti Jastrzebski Peneliti
Sensitivitas (%) 89.00 85.42 87.10 89.58 0.60 65.50
Spesifisitas (%) 59.20 85.71 48.00 57.14 82.70 85.71
Akurasi (%) 77.50 85.48 71.90 82.26 68.80 67.74
Jastrzebski et al mengikutsertakan SVT preeksitasi sebagai SVT, patofisiologi

terjadinya penjalaran impuls di ventrikel pada SVT preeksitasi akibat aliran antidromik
(Gambar 6.2.) dapat menyebabkan kesalahan diagnosis SVT preeksitasi menjadi VT karena
impuls seolah-olah muncul pada otot ventrikel dan bukan melalui AV node kemudian berkas
His akibatnya hasil penggunaan algoritme yang ada akan menyebabkan angka false positive
yang besar sehingga spesifisitas menjadi rendah. Vereckei sempat memikirkan kemungkinan
ini dan menyampaikannya pada Jastrzebski et al. Namun Jastrzebski et al menyampaikan
dalam surat balasannya bagaimanapun juga perlu diperhatikan bahwa SVT preeksitasi tetap
tergolong ke dalam SVT sehingga tidak bijak untuk mengelompokannya ke dalam VT
meskipun patofisiologi penjalaran impuls di ventrikel serupa. Karena masalah ini, maka pada
penelitian ini dari awal peneliti mengeksklusikan takikardia kompleks QRS lebar yang
disebabkan oleh karena SVT dengan preksitasi.23, 24
42
Hasil analisis multivariat dengan menggunakan metode regresi logistik bertahap

mendapatkan 3 karakteristik EKG yaitu kriteria morfologi sadapan V1, V2, dan V6 dari
Brugada, adanya gel r atau q > 40 ms pada kompleks QRS di sadapan aVR, dan rasio vi/vt <
1, dari ketiga kriteria EKG tersebut yang memiliki kemaknaan secara statistik (p<0.05)
adalah 2 kriteria terakhir. (Tabel 5.3.)
Hasil analisis interobserver dan intraobserver pada umumnya memberikan gambaran
cukup baik, kecuali pada kriteria ke 3 dari algoritme Brugada yaitu disosiasi AV. Hal ini
sesuai dengan pernyataan dari Brugada yang mengatakan meskipun disosiasi AV secara
teoritis merupakan diagnosis pasti dari VT namun hanya pada sekitar 21% dari VT AV
disosiasi akan tampak jelas dan pada umumnya membutuhkan seorang ahli EKG untuk dapat
melihatnya. Hal ini sesuai dengan hasil analisis interobserver dan intraobserver dari peneliti
dimana nilai Kappa terendah pada kriteria ini baik interobserver (0.62) maupun
intraobserver (0.63). Sedangkan nilai Kappa tertinggi pada umumnya didapatkan pada
algoritme aVR, hal inipun sesuai dengan perkataan Vereckei et al dimana salah satu
keunggulan algoritme aVR adalah penggunaannya yang tidak rumit dan tidak membutuhkan
waktu yang lama.(Tabel 5.4.)2, 4
Tidak terdapat ketentuan baku untuk menciptakan algoritme bertingkat, seperti yang
terlihat setiap peneliti memiliki kecenderungan masing-masing. Pada penelitiannya, Brugada
et al mengambil kriteria yang memiliki spesifisitas 100 % atau mendekati 100% seperti tidak
adanya kompleks RS pada semua sadapan prekordial, dan RS interval > 100 ms pada sadapan
prekordial. Sementara Vereckei et al dalam membandingkan algoritme buatan mereka dan
algoritme sebelumnya juga memperhatikan akurasi dari algoritme baru yang mereka buat
selain dari sensitivitas dan spesifisitasnya. 2, 4
Pada penelitian ini, digunakan prinsip MUDAH, CEPAT dan AKURAT untuk
membangun algoritme diagnosis baru. Hasil yang didapat bermakna secara statistik setelah
melakukan analisis multivariat adalah adalah gelombang r/q > 40 ms di sadapan aVR ( p =
0.008) dan rasio vi/vt (p = 0.042) (Tabel 5.3.). Kedua kriteria tersebut berasal dari algoritme
buatan Vereckei et al yang menggunakan hipotesis perbedaan arah dan kecepatan dari impuls
listrik pada VT dan SVT dengan aberansi, dari hasil ini peneliti beranggapan hipotesis
tersebut dapat diterima dan perlu diteliti lebih lanjut mengenai perbedaan arah dan kecepatan
impuls pada VT dan SVT dengan aberansi yang memungkinkan dibuatnya kriteria EKG baru
berdasarkan hipotesis tersebut.4
Pada analisis multivariat yang dilakukan oleh peneliti, variabel dengan spesifisitas
100% tidak dimasukkan ke dalam proses perhitungan karena akan mengacaukan hasil
43
perhitungan. Namun peneliti mengganggap variabel dengan spesifisitas 100% tetap

diperlukan pada awal dari algoritme bertingkat dengan tujuan untuk melakukan penyaringan
awal, karena apabila didapatkan hasil positif, maka irama tersebut dipastikan merupakan VT.
Dari 4 karakteristik EKG yang memiliki angka spesifitas 100%, peneliti memutuskan untuk
mempertimbangkan hasil Kappa inter dan intra observer. Pertimbangan ini berdasarkan
tujuan dari peneliti untuk tidak hanya membuat algoritme yang akurat namun juga mudah
digunakan terutama pada situasi yang membutuhkan diagnosis dengan tepat dan cepat.
Meskipun tidak ada ukuran secara langsung untuk kemudahan dan kecepatan, namun peneliti
beranggapan nilai Kappa inter dan intra observer yang tinggi menunjukkan kemudahan
penggunaan karakter EKG tersebut. Dapat dilihat dari hasil Kappa inter dan intra observer
(tabel 5.4.) kriteria yang membutuhkan ketelitian atau pengukuran yang rumit seperti kriteria
3 algoritme Brugada (disosiasi AV) atau kriteria 4 algoritme Vereckei (v i/vt) cenderung
memiliki nilai kappa inter dan intra observer yang lebih rendah bila dibandingkan dengan
kriteria lainnya yang tidak membutuhkan pengukuran ataupun pengukuran yang rumit seperti
kriteria 1 algoritme Brugada (tidak adanya kompleks RS pada semua sadapan prekordial)
atau kriteria 1 dari algoritme aVR (adanya gelombang R pada awal kompleks QRS pada
sadapan aVR). Oleh karena itu dari 4 kriteria EKG yang memiliki spesifisitas 100% peneliti
mengambil kriteria 1 algoritme Brugada (tidak adanya kompleks RS pada smua sadapan
prekordial) dan kriteria 1 dari algoritme aVR (adanya gelombang R pada awal kompleks
QRS pada sadapan aVR) yang memiliki nilai Kappa inter dan intra observer yang lebih baik
dari yang lainnya yang secara tidak langsung menggambarkan kedua karakteristik EKG ini
lebih mudah digunakan dan bahkan tidak memerlukan pengukuran sama sekali sehinga cocok
untuk melakukan penyaringan awal untuk irama takikardia dengan kompleks QRS lebar.
(Gambar 5.2.)
Setelah terbentuk algoritme baru yang terstruktur maka peneliti melakukan validasi
ulang memakai data EKG yang berasal dari berbagai sumber yang dapat
dipertanggungjawabkan dan mendapatkan hasil yang cukup baik, yaitu sensitivitas sebesar
96.43% dan spesifisitas sebesar 85.71%, sementara akurasi didapatkan sebesar 91.07% dan
likelihood ratio didapatkan 45.39. Hasil ini lebih baik bila dibandingkan dengan algoritme-
algoritme yang lainnya, dimana algoritme baru ini memiliki angka spesifisitas yang sama
dengan algoritme Brugada dan RIIPWT namun dengan sensitivitas, akurasi,dan likelihood
ratio yang lebih tinggi dibandingkan keempat algoritme lainnya. Keuntungan memakai data
yang berasal dari sumber yang berbeda, bahkan dari luar negeri, adalah makin menunjukkan
kelebihan algoritme baru sebagai suatu algoritme yang lebih tangguh (robust).
44
6.1. Keterbatasan Penelitian
Algoritme baru ini tidak dapat digunakan untuk irama takikardia kompleks QRS lebar
dengan preeksitasi karena sampel penelitian ini tidak mengikutsertakan subyek dengan
preeksitasi. Hal ini sebetulnya tidak menjadi suatu kendala besar karena suatu preeksitasi
cukup mudah terlihat pada rekaman EKG saat irama sinus yang umumnya dimiliki oleh
penderita preeksitasi. Selanjutnya, algoritme baru ini hanya bisa digunakan untuk takikardia
dengan kompleks QRS lebar yang bersifat monomorfik dan regular yang memang merupakan
takikardia dengan kompleks QRS lebar yang sering memiliki persoalan diagnostik.
45
BAB VII
KESIMPULAN DAN SARAN
7.1 Kesimpulan
1. Karakteristik EKG yang paling bermakna secara statistik untuk membedakan VT dan
SVT dengan aberansi pada takikardia dengan kompleks QRS lebar adalah adanya
gelombang r/q > 40 ms di sadapan aVR dan rasio vi/vt.
2. Algoritme baru yang dibuat berdasarkan keempat algoritme lainnya memiliki
sensitivitas, spesifisitas, akurasi, dan likelihood ratio yang lebih tinggi dari keempat
algortime lainnya
7.2. Saran
1. Diterapkannya algoritme baru yang dihasilkan dalam penelitian ini sebagai algoritme
baku PJNHK untuk membedakan VT dari SVT aberan pada takikardia dengan
kompleks QRS lebar.
46
DAFTAR REFERENSI
1. Issa Z, Miller JM, Zipes DP. Approach to Wide QRS Complex Tachycardias. In: Issa Z, Miller
JM, Zipes DP, editors. Clinical Arrhythmology and Electrophysiology: a Companion to Braunwald's
Heart Disease. 1 ed. Philadelphia: Elsevier; 2009. p. 393-403.
2. Brugada P, Brugada J, Mont L, Smeets J, Andries EW. A new approach to the differential
diagnosis of a regular tachycardia with a wide QRS complex. Circulation. 1991 May;83(5):1649-59.
PubMed PMID: 2022022.
3. Vereckei A, Duray G, Szenasi G, Altemose GT, Miller JM. Application of a new algorithm in
the differential diagnosis of wide QRS complex tachycardia. European heart journal. 2007
Mar;28(5):589-600. PubMed PMID: 17272358.
4. Vereckei A, Duray G, Szenasi G, Altemose GT, Miller JM. New algorithm using only lead aVR
for differential diagnosis of wide QRS complex tachycardia. Heart rhythm : the official journal of the
Heart Rhythm Society. 2008 Jan;5(1):89-98. PubMed PMID: 18180024.
5. Pava LF, Perafan P, Badiel M, Arango JJ, Mont L, Morillo CA, et al. R-wave peak time at DII: a
new criterion for differentiating between wide complex QRS tachycardias. Heart rhythm : the official
journal of the Heart Rhythm Society. 2010 Jul;7(7):922-6. PubMed PMID: 20215043.
6. Jastrzebski M, Kukla P, Czarnecka D, Kawecka-Jaszcz K. Comparison of five
electrocardiographic methods for differentiation of wide QRS-complex tachycardias. Europace :
European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on
cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of
Cardiology. 2012 Aug;14(8):1165-71. PubMed PMID: 22333239.
7. K S. A New, Simple Algorithm for Diagnosing Wide QRS Complex Tachycardia: Comparison
With Brugada, Vereckei and aVR Algorithms. Circulation 2009;120:S671.
8. Subramanian R, Brady WJ. Wide Complex Tachycardia: Diagnosis And Management In The
Emergency Department. EBMedicine. 2008;10(6):1-23.
9. Wellens HJ, Bar FW, Lie KI. The value of the electrocardiogram in the differential diagnosis of
a tachycardia with a widened QRS complex. Am J Med. 1978 Jan;64(1):27-33. PubMed PMID:
623134.
10. Alzand BS, Crijns HJ. Diagnostic criteria of broad QRS complex tachycardia: decades of
evolution. Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the
working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the
European Society of Cardiology. 2011 Apr;13(4):465-72. PubMed PMID: 21131372.
11. Willems JL, Robles de Medina EO, Bernard R, Coumel P, Fisch C, Krikler D, et al. Criteria for
intraventricular conduction disturbances and pre-excitation. World Health
Organizational/International Society and Federation for Cardiology Task Force Ad Hoc. J Am Coll
Cardiol. 1985 Jun;5(6):1261-75. PubMed PMID: 3889097.
12. Valderrabano M. Influence of anisotropic conduction properties in the propagation of the
cardiac action potential. Prog Biophys Mol Biol. 2007 May-Jun;94(1-2):144-68. PubMed PMID:
17482242. Pubmed Central PMCID: 1995420.
13. Assal C, Vijayaraman P. A new criterion to diagnose wide-complex tachycardia: the quest for
a simple, efficient diagnostic marker. Heart rhythm : the official journal of the Heart Rhythm Society.
2010 Jul;7(7):927-8. PubMed PMID: 20348029.
14. Dahlan MS. Besar Sampel Untuk Desain Khusus. In: A. S, editor. Besar Sampel dan Cara
Pengambilan Sampel Dalam Penelitian Kedokteran dan Kesehatan. Jakarta: Salemba Medika; 2013.
p. 81-117.
15. Emergency Electrocardiography Online Training Module 2012 [cited 2013 4 December].
Available from: http://emedu.org/ecg/givemall.php.
47
16. Nathanson LA, McClennen S, Safran C, Goldberger AL. ECG Wave-Maven: Self-Assessment
Program for Students and Clinicians Beth Israel Deaconess Medical Center2013 [cited 2013 4
December]. Available from: http://ecg.bidmc.harvard.edu.
17. Nelson B. Nelson's EKG Site Texas2011 [updated December 2013; cited 2013 4 December].
Available from: http://www.nelsonsekgsite.com/ekgbook.htm.
18. Learn The Heart - ECG Archive Ilinois2003 [updated 2013; cited 2013 4 December]. Available
from: http://www.learntheheart.com/ecg-review/ecg-archive/.
19. Cadogan M, Nickson C. Life In The Fastlane Perth2007 [cited 2013 4 December]. Available
from: http://lifeinthefastlane.com/ecg-library/basics/vt_vs_svt/.
20. Issa Z, Miller JM, Zipes DP. Idiopathic Ventricular Tachycardia. In: Issa Z, Miller JM, Zipes DP,
editors. Clinical Arrhythmology and Electrophysiology: a Companion to Braunwald's Heart Disease. 1
ed. Philadelphia: Elsevier; 2009. p. 440-60.
21. Badhwar N, Scheinman MM. Idiopathic ventricular tachycardia: Diagnosis and management.
Current problems in cardiology. 2007 Jan;32(1):7-43. PubMed PMID: 17197289.
22. Kuck KH, Schaumann A, Eckardt L, Willems S, Ventura R, Delacretaz E, et al. Catheter
ablation of stable ventricular tachycardia before defibrillator implantation in patients with coronary
heart disease (VTACH): a multicentre randomised controlled trial. Lancet. 2010 Jan 2;375(9708):31-
40. PubMed PMID: 20109864.
23. Vereckei A, Miller JM. Classification of pre-excited tachycardias by electrocardiographic
methods for differentiation of wide QRS-complex tachycardias. Europace : European pacing,
arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing,
arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology. 2012
Nov;14(11):1674; author reply -5. PubMed PMID: 22562656.
24. Jastrzebski M, Kukla P. Limitations in the aVR algorithm should not lead to a redefinition of
ventricular tachycardia. Europace : European pacing, arrhythmias, and cardiac electrophysiology :
journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology
of the European Society of Cardiology. 2012;14(11):1674-5.

Algoritme Elektrokardiografi Baru Untuk Membedakan Takikardia Ventrikel Dan Takikardia Supraventrikel Dengan Aberansi

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Algoritme Elektrokardiografi Baru Untuk Membedakan Takikardia Ventrikel Dan Takikardia Supraventrikel Dengan Aberansi

Diunggah oleh

Hak Cipta:

Format Tersedia

UNIVERSITAS INDONESIA

ALGORITME ELEKTROKARDIOGRAFI BARU UNTUK

FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

ALGORITME ELEKTROKARDIOGRAFI BARU UNTUK

FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Telah berhasil dipertahankandi hadapanDewan Penguji dan diterima sebagaibagian

Pembimbing DR. dr. Yoga Yuniadi, Sp.JP(K)

Pembimbing DR. dr. BambangBudi Siswanto,SpJP(K)

PembimbingBahasa DR. dr. Barita Sitompul,SpJP(K)

Penguji Prof. dr. GanesjaM. Harimurti, SpJP(K)

Penguji dr. Hadi Purnomo,SpJP(K)

Penguji dr. MuhammadYusak,SpJP(K)

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Jakarta, Desember 2013

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Nama : Andi Haryanto

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Name : Andi Haryanto

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

HALAMAN JUDUL ........................................................................................................ i

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Tabel 2.4. Tabel distribusi interval RS pada sampel Brugada ................................... 8

Tabel 2.10. Perbandingan akurasi, sensitivitas, spesivisitas, positif dan negatif

Tabel 5.1. Karakteristik sampel penelitian ............................................................... 33

Tabel 6.1. Perbandingan sensitivitas, spesifisitas,dan akurasi dari penelitian

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Gambar 2.2. Algoritme bertingkat yang dibuat oleh Brugada ..................................... 8

Gambar 2.3. Uji diagnostik yang dilakukan Brugada et al untuk algoritme

Gambar 2.4. Algoritme bertingkat yang diajukan oleh Vereckei ................................ 10

Gambar 2.6. Uji diagnostik algoritme Vereckei .......................................................... 13

Gambar 2.10. Uji diagnostik algoritme aVR ................................................................. 17

Gambar 2.12. Hasil penelitian dari Valderrábano ......................................................... 19

Gambar 3.2. Alur penelitian tahap I.............................................................................. 25

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Gambar 6.1. Kurva Kaplan-Meier yang menunjukkan perbandingan angka bebas

Gambar 6.2. Perjalanan impuls pada VT dan SVT preeksitasi..................................... 41

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

SVT Takikardia Supraventrikel

RIIPWT R II Wave Peak Time

AVRT Atrioventriculare Reentrant Tacycardia

AVNRT Atrioventriculare Nodal Reentrant Tacycardia

AFL Atrial Flutter

SVT – RB SVT dengan morfologi blok berkas cabang kanan

SVT – LB SVT dengan morfologi blok berkas cabang kiri

VT – RB VT dengan morfologi blok berkas cabang kanan

VT – LB VT dengan morfologi blok berkas cabang kiri

BBB Blok berkas cabang

PPV Nilai Prediksi Positif

NPV Nilai Prediksi Negatif

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

Untuk mendiagnosis ketiga kelainan tersebut diperlukan berbagai data, seperti

Algoritme-algoritme tersebut membantu kita untuk membedakan VT dan SVT dengan

Beberapa penelitian di atas menunjukkan belum adanya kejelasan mengenai algoritme

1.2. Pertanyaan Penelitian

1.3. Hipotesis Penelitian

1.4. Tujuan Penelitian

1. Mengevaluasi akurasi karakteristik EKG dari algoritme-algoritme yang sudah ada