Memprediksi keparahan demam berdarah pada anak-anak pada masuk

berdasarkan gambaran klinis dan indikator laboratorium: penerapan

klasifikasi tree analisis
Khansoudaphone Phakhounthong 1, Pimwadee Chaovalit 2, Podjanee Jittamala 1,3, Stuart D. Blacksell 3,4,Michael J. Carter 5, Paul Turner
4,6, Kheng Chheng 6, Soeung Sona 6, Varun Kumar 6, Nicholas PJ Hari 3,4,Lisa J. Putih 3,4 dan Wirichada Pan-Ngum 1,3 *

Abstrak

hasil: Sebuah algoritma pohon keputusan menggunakan hematokrit, Glasgow Coma Score, protein urin, kreatinin, dan platelet menghitung diprediksi dengue
berat dengan sensitivitas, spesifisitas, dan akurasi 60,5%, 65% dan 64,1%, masing-masing.

Latar Belakang

Demam berdarah menyebabkan beban tinggi penyakit dan kematian di seluruh daerah
tropis dan subtropis di Asia Tenggara, Afrika, Pasifik Barat, dan Amerika [ 1 ]. Virus
dengue terdiri dari lima serotipe, DENV-1, DENV-2, DENV-3, DENV-4 dan DENV-5,
yang ditularkan oleh Aedes aegypti nyamuk [ 2 - 4 ]. Diperkirakan 2,5 miliar orang di
seluruh dunia beresiko demam berdarah. Lebih dari 50 juta infeksi dengue diperkirakan
terjadi setiap tahun, dimana sekitar 500.000 hasil dalam penerimaan rumah sakit untuk
demam berdarah yang parah dalam bentuk demam berdarah dengue (DBD) atau dengue
shock syndrome (DSS), terutama di kalangan anak-anak [ 5 ]. infeksi dengue sering
bingung dengan penyakit demam lain (OFI), dengan gejala klinis non-spesifik dan fitur
klinis analog dengan OFI. Selama tahap awal demam berdarah, kehadiran penyakit
demam nonspesifik membuat diagnosis yang tepat mencolok sulit, sehingga pengobatan
dan kemungkinan kenaikan tidak efisien dalam morbiditas dan mortalitas [ 2 . 6 ].
demam berdarah yang parah, jika tidak dikelola dengan tepat, dapat menyebabkan
kematian yang cepat, terutama pada anak-anak [ 7 . 8 ]. Selain itu, kurangnya fasilitas
laboratorium yang diperlukan, khususnya di daerah terpencil, daerah pedesaan, dapat
menyebabkan difficultly pada infeksi dengue membedakan dari OFI [ 9 ]. Dengue adalah
salah satu vektor penyakit yang paling umum di Asia Tenggara, dan salah satu penyakit
virus yang paling penting nyamuk dengan potensi epidemi di dunia [ 10 ]. Dengue
pertama kali termasuk di Kamboja ' s program pengawasan nasional pada tahun 1980.
Sejak tahun 2000, antara 10.000 dan 40.000 kasus demam berdarah telah dilaporkan setiap
tahun oleh Program Pengendalian Nasional Dengue [ 11 ], Dari populasi total sekitar 13,5
juta orang [ 12 ]. Kejadian sebenarnya dari beban penyakit di Kamboja tetap kurang
dilaporkan karena kesulitan dalam mendiagnosis infeksi dengue, terutama di rumah sakit [
13 ]. Dalam penelitian ini, data dari kelompok anak-anak yang dirawat dengan penyakit
demam ke Rumah Sakit Anak Angkor, Siem Reap, Kamboja, selama periode satu tahun
secara retrospektif dianalisis dengan menggunakan pendekatan data mining. Pendekatan ini
digunakan klasifikasi dan regresi pohon, atau Kereta, yang pertama kali diperkenalkan oleh
Breiman et al. [ 14 ]. Ini adalah alat yang umum digunakan dalam data mining, yang
menciptakan model atau algoritma yang memprediksi nilai variabel target berdasarkan
beberapa variabel masukan. Dalam penelitian kami, Kereta dibangun untuk memprediksi
tingkat keparahan infeksi dengue berdasarkan awal indikator klinis dan laboratorium. Model
ini kemudian dievaluasi terhadap diagnosis akhir.

metode
desain penelitian dan data
Kami melakukan penelitian retrospektif dari data yang berasal dari investigasi dari
penyakit demam pada anak-anak ( “ studi demam “) di Rumah Sakit Anak Angkor,
Kamboja (AHC) [ 15 ]. Ini adalah 70-tempat tidur anak-anak ' s rumah sakit di provinsi
Siem Reap, Kamboja, yang menyediakan gratis, kesehatan komprehensif untuk anak-
anak berusia kurang dari 16 tahun, dan termasuk rawat inap medis dan bedah khusus dan
rawat jalan. Untuk studi demam, kriteria inklusi adalah usia <16 tahun, suhu
didokumentasikan aksila ≥ 38,0 ° C dalam waktu 48 jam masuk, dan informed consent
oleh orang tua atau pengasuh. Anak-anak yang mengalami demam ≥ 48 jam setelah
masuk atau setelah operasi dikeluarkan karena mereka dapat dianggap sebagai memiliki
mengakuisisi kesehatan terkait infeksi [ 16 . 17 ]. Manajemen Terpadu Balita Sakit
(MTBS) digunakan untuk penilaian dan pengambilan keputusan tentang apakah akan
mengakui pasien ke rumah sakit [ 18 ].

Data dikumpulkan pada pengakuan oleh dokter menggunakan formulir laporan kasus
tertentu. sampel darah masuk dan, jika mungkin, sampel serologi sembuh diambil pada