MAKALAH KEPANITERAAN KLINIK SENIOR

PROGNOSIS
DISUSUN OLEH:
Preveenna A/P Shunmugam
140100262

PEMBIMBING:
dr. Yuki Yunanda, M.Kes

DEPARTEMEN ILMU
KESEHATAN MASYARAKAT/
ILMU KEDOKTERAN
KOMUNITAS
ILMU KEDOKTERAN
PENCEGAHAN/
FAKULTAS KEDOKTERAN
UNIVERSITAS SUMATERA UTARA
MEDAN
2019

MAKALAH KEPANITERAAN KLINIK SENIOR

PROGNOSIS
DISUSUN OLEH:
Preveenna A/P Shunmugam
140100262

PEMBIMBING:
dr. Yuki Yunanda, M.Kes
 ii

DEPARTEMEN ILMU KESEHATAN MASYARAKAT/

ILMU KEDOKTERAN KOMUNITAS
ILMU KEDOKTERAN PENCEGAHAN/
FAKULTAS KEDOKTERAN
UNIVERSITAS SUMATERA
UTARA
MEDAN
2019
 ALUR DOKTER KLINIS DI INDONESIA

“Makalah ini diajukan sebagai salah satu syarat untuk memenuhi

persyaratan dalam mengikuti kegiatan Kepaniteraan Klinik Senior (KKS) di
Departemen Ilmu Kesehatan Masyarakat, Fakultas Kedokteran, Universitas
Sumatera Utara.”

DISUSUN OLEH:
Preveenna A/P Shunmugam
140100262

DEPARTEMEN ILMU KESEHATAN MASYARAKAT/

ILMU KEDOKTERAN KOMUNITAS
ILMU KEDOKTERAN PENCEGAHAN/
FAKULTAS KEDOKTERAN
UNIVERSITAS SUMATERA UTARA
MEDAN
2019
Judul : PROGNOSIS
Nama : PREVEENNA A/P SHUNMUGAM
NIM : 140100262
 ii

Medan, Desember 2019

Pembimbing

dr. Yuki Yunanda,M.Kes

NIP :197906222003121001
 i

KATA PENGANTAR

Puji dan syukur penulis panjatkan ke hadirat Tuhan Yang Maha Esa atas
berkat dan hidayah-Nya sehingga makalah ini dapat penulis selesaikan tepat pada
waktunya.
Pada kesempatan ini, penulis menyajikan makalah mengenai epidemiologi
klinik khususnya prognosis. Adapun tujuan penulisan laporan kasus ini adalah
untuk memenuhi tugas kepaniteraan klinik Departemen Ilmu Kesehatan
Masyarakat, Universitas Sumatera Utara, Medan.
Pada kesempatan ini, penulis ingin menyampaikan pula terima kasih yang
sebesar-besarnya kepada dr. Yuki Yunanda, M.Kes atas kesediaan beliau sebagai
pembimbing dalam penulisan makalah ini. Besar harapan, melalui makalah ini,
pengetahuan dan pemahaman kita mengenai epidemiologi klinik khususnya
prognosis semakin bertambah.
Penulis menyadari bahwa penulisan makalah ini masih belum sempurna,
baik dari segi materi maupun tata cara penulisannya. Oleh karena itu, dengan
segala kerendahan hati, penulis mengharapkan kritik dan saran yang membangun
demi perbaikan makalah ini. Atas bantuan dan segala dukungan dari berbagai
pihak baik secara moral maupun spiritual, penulis ucapkan terima kasih. Semoga
makalah ini dapat memberikan sumbangan bagi perkembangan ilmu pengetahuan
khususnya di bidang kesehatan.

Medan, Desember 2019

Penulis

DAFTAR ISI

KATA PENGANTAR .................................................................................. i

DAFTAR ISI ................................................................................................ ii
BAB I PENDAHULUAN........................................................................ 1
1.1. Latar Belakang................................................................... 1
1.2. Tujuan................................................................................ 2
 ii

1.3. Manfaat.............................................................................. 2
BAB II TINJAUAN PUSTAKA............................................................... 3
2.1 Epidemiologi Klinik........................................................... 3
2.2. Prognosis ........................................................................... 3
2.3. Faktor prognostik............................................................... 4
2.4. Deskripsi prognostik.......................................................... 5
2.5. Survival analysis ............................................................... 6
2.6. Bias .................................................................................... 8
BAB III KESIMPULAN............................................................................ 12
DAFTAR PUSTAKA
 1

BAB I
PENDAHULUAN

1.1. Latar Belakang

Pada waktu seseorang sakit, ia memiliki banyak pertanyaan mengenai
bagaimana penyakit tersebut akan mempengaruhi mereka. Mereka akan bertanya
apakah penyakit tersebut berbahaya, dapat menyebabkan kematian, dan apakah
penyakit tersebut dapat sembuh atau hilang dengan sempurna. Selain itu, mereka
akan bertanya-tanya sampai berapa lama mereka dapat mempertahankan aktivitas
mereka sekarang. Secara umum, pasien dan keluarganya ingin mengetahui apa
yang dapat mereka harapkan walaupun sedikit yang dapat dilakukan untuk
penyakitnya.1
Prognosis adalah prediksi mengenai perjalanan penyakit yang akan terjadi
setelah onsetnya.2 Prediksi ini didasarkan kepada sekelompok pasien, tetapi
outcome-nya dapat berbeda untuk setiap pasien. Walaupun demikian, pengetahuan
mengenai prognosis yang mungkin terjadi sangat membantu dalam menentukan
pengobatan yang paling bermanfaat.2
Dokter dan pasien memikirkan mengenai prognosis dalam beberapa cara
yang berbeda. Pertama, mereka ingin mengetahui secara umum perjalanan
penyakit yang dialami oleh pasien. Selanjutnya, mereka ingin tahu prognosis
penyakit tersebut pada kasus tertentu. Selain itu, pasien khususnya ingin tahu
bagaimana penyakit tersebut dapat mempengaruhi kehidupannya.2
Informasi epidemiologi dari banyak pasien sangat dibutuhkan untuk
memberikan prediksi mengenai prognosis dan outcome. Pengalaman klinis sendiri
tidak adekuat untuk tujuan ini karena ini umumnya terbatas pada beberapa pasien
dan follow up tidak adekuat. Penelitian epidemiologi yang dirancang dengan baik
dapat menghasilkan informasi yang dapat dipercaya mengenai prognosis.2
 2

1.2. Tujuan
Tujuan dari pembuatan makalah ini adalah untuk lebih mengerti dan
memahami tentang epidemiologi klinik terutama prognosis dan untuk memenuhi
persyaratan dalam mengikuti kegiatan Kepaniteraan Klinik Senior (KKS) di
Departemen Ilmu Kesehatan Masyarakat, Fakultas Kedokteran, Universitas
Sumatera Utara.

1.3. Manfaat
Makalah ini diharapkan dapat memberikan manfaat kepada penulis dan
pembaca khususnya yang terlibat dalam bidang medis dan masyarakat secara
umumnya agar dapat lebih mengetahui dan memahami lebih dalam mengenai
epidemiologi klinik terutama prognosis.
 3

BAB II
TINJAUAN PUSTAKA

2.1. Prognosis
Prognosis adalah prediksi dari perjalanan penyakit sejak onsetnya.
Prognosis diekspresikan sebagai probabilitas terjadinya suatu kejadian pada masa
yang akan datang. Prediksi ini didasari oleh sekelompok pasien dan hasil akhirnya
bias berbeda untuk setiap individu.1,2
Prognosis dari suatu penyakit dapat dideskripsikan sebagai perjalanan
klinis (clinical course) dan riwayat naturalnya (natural history of illness). Clinical
course adalah evolusi (prognosis) dari penyakit yang terjadi dalam pengobatan
medis dan diterapi dengan berbagai cara yang dapat mempengaruhi kejadian
selanjutnya (subsequent course). Pasien biasanya mendapat penatalaksanaan
medis dalam suatu waktu dalam perjalanan penyakitnya bila penyakitnya disertai
dengan gejala seperti nyeri, kegagalan pertumbuhan, dan lain-lain. Contohnya
adalah pada diabetes melitus tipe 1, kanker paru, dan rabies.2
Prognosis penyakit tanpa intervensi medis disebut natural history of
illness. Beberapa penyakit tidak menimbulkan gejala ataupun gejalanya hanya
dianggap hal biasa dalam aktivitas sehari-hari sehingga pasien tidak mencari
pengobatan. Contohnya adalah anemia, depresi sedang, dan kanker yang
berkembang lambat (kanker tiroid dan prostat).2
Pada studi prognosis, kohort harus diobservasi mulai dari satu titik waktu
yang disebut zero time. Point ini harus spesifik dan sama pada setiap pasien
(seperti onset gejala, waktu diagnosis, atau awal terapi). Inception cohort
digunakan untuk mendeskripsikan sekelompok pasien yang dikumpulkan dekat
dengan onset penyakit.2
Sebagai contoh, bila kita ingin mendeskripsikan clinical course pada
pasien dengan kanker paru, kita harus mengumpulkan pasien dan mengikuti
perkembangan mereka sampai terdapat outcome seperti komplikasi atau kematian.
Bila zero time yang digunakan adalah deteksi melalui skreening untuk sebagian
pasien, onset gejala, atau awal pengobatan pada pasien lain maka prognosis yang
diobservasi akan bergantung pada zero time yang tergabung dalam penelitian.
Lebih buruk lagi, bila kita tidak mendeskripsikan secara jelas waktu perjalanan
penyakit saat pasien masuk dalam penelitian, kita tidak akan menginterpretasikan
hasilnya.2
 4

2.2. Faktor prognostik

Faktor prognostik (prognostic factor) adalah karakteristik yang
berhubungan dengan hasil akhir dari penyakit. Sebagai contoh, pada pasien
dengan penyakit miokard infark akut, prognosisnya berhubungan langsung
dengan fungsi residu otot jantung.2 Faktor prognostik membantu mengidentifikasi
pasien dengan penyakit yang sama tetapi memiliki prognosis yang berbeda.2
Faktor prognostik berbeda dengan faktor risiko. Faktor risiko berhubungan
dengan peningkatan risiko menderita penyakit tetapi tidak memperburuk
prognosis. Sebagai contoh, tekanan darah yang rendah menurunkan risiko
seseorang untuk terkena miokard infark akut. Akan tetapi, tekanan yang rendah
merupakan tanda prognosis yang buruk bila ditemukan pada masa akut.2

Gambar 2.1 Perbedaan faktor risiko dan prognostik pada miokard infark akut 2

Selain itu, prognosis dan risiko mempunyai outcome yang berbeda. Pada
risiko, kejadian yang dilihat atau dihitung adalah onset penyakit, sedangkan pada
prognosis, outcome yang dilihat adalah konsekuensi dari penyakit seperti
kematian dan komplikasi. Faktor risiko secara umum memprediksi kejadian yang
kecil probabilitasnya untuk terjadi, sedangkan prognosis memdeskripsikan
kejadian yang sering terjadi. Faktor risiko biasanya berkisar antara 1/100 sampai
1/10.000. Pada prognosis, klinisi dapat mengestimasinya sendiri seperti pasien
dengan kanker paru biasanya hanya dapat bertahan sampai 5 tahun, sedangkan
pasien dengan leukemia limfositik kronik dapat bertahan lebih lama.2
 5

2.3. Deskripsi prognosis

Prognosis umumnya dideskripsikan dengan ratio atau proporsi orang yang
mengalami suatu kejadian. Ratio yang umum digunakan untuk mendeskripsikan
prognosis adalah 5-year survival, case fatality, disease-specific mortality,
response, remission, dan recurrence.2
Komponen dari ratio ini adalah zero time, karakteristik klinis pasien yang
spesifik, definisi outcome, dan waktu follow-up.2

Tabel 2.1 Ratio yang umum digunakan untuk mendeskripsikan prognosis2

2.4. Survival analysis

Ketika menafsirkan prognosis, kita ingin tahu kemungkinan bahwa pasien
dengan kondisi tertentu akan mengalami outcome pada setiap titik waktu. Ketika

prognosis dinyatakan sebagai tingkat ringkasan maka informasi ini tidak

terkandung. Namun, ada metode untuk menyajikan informasi tentang rata-rata
waktu untuk kejadian dalam perjalanan penyakit.2
Cara paling mudah untuk mempelajari survival adalah dengan kohort,
yaitu mengumpulkan pasien dengan kondisi tertentu dalam perjalanan
penyakitnya dan mengobservasi mereka sampai semua mengalami outcome yang
diinginkan. Pada kohort dengan jumlah pasien yang sedikit, grafik akan menjadi
bertangga. Hal ini akan hilang bila jumlah pasien banyak sehingga informasi yang
ada dapat digunakan untuk memprediksi prognosis pada pasien yang mirip.
Sayangnya, memperoleh informasi dengan cara ini tidak praktis.2
 6

Gambar 2.2 Survival dari dua kohort di mana seluruh anggota menjalani follow-
up yang penuh2

Untuk mengefisiensikan penggunaan semua data yang tersedia dari setiap

pasien dalam kelompok kohort, cara memperkirakan survival dalam suatu kohort
dari waktu ke waktu, yang disebut survival analysis, telah dikembangkan dengan
metode yang biasa digunakan adalah Kaplan-Meir analysis. Tujuannya adalah
mendeskripsikan pasien hidup atau mati serta outcome yang dapat berulang atau
terjadi sekali selama follow-up. Contohnya adalah waktu untuk kejadian koroner
atau rekurensi kanker. Saat hal lain selain survival yang dideskripsikan, istilah
yang digunakan adalah time-to-event analysis.2,3

Gambar 2.3 Kurva survival2

 7

Data yang digunakan untuk mengestimasi survival adalah pasien dalam

risiko, pasien yang tidak lagi dalam risiko, dan pasien yang mengalami outcome
pada setiap titik waktu. Akan tetapi, untuk menginterpretasi suatu survival kita
harus ingat bahwa semakin ke kanan kurva maka semakin sedikit jumlah pasien
yang diobservasi. Hal ini menyebabkan impresi yang salah bahwa semakin kecil
risiko suatu outcome. Presisi estimasi survival, yang menurun setiap waktunya
akibat menurunnya jumlah pasien yang diobservasi seiring dengan waktu, dapat
diindetifikasi dengan confidence interval serta komparasi dengan kurva survival
pada pasien dengan karakteristik berbeda.2
Kurva survival dapat dibuat berdasarkan kombinasi dari faktor prognostik.
Ini dapat dilakukan dengan menstratifikasi pasien berdasarkan ada atau tidaknya
faktor prognostic. Cox proportional hazards regression model dapat digunakan
untuk mengidentifikasi kombinasi dari faktor yang memprediksi prognosis atau
pengaruh faktor individu yang tidak berhubungan.2

2.6 Bias
Bias dapat terjadi pada penelitian kohort, baik penelitian risiko maupun
penelitian prognosis. Bias yang terjadi ketika kelompok pasien yang dikumpulkan
untuk penelitian berbeda dalam cara lain selain faktor-faktor yang diteliti disebut
susceptibility bias atau assembly bias. Faktor-faktor luar ini, bukan faktor tertentu
yang sedang dipelajari, dapat menentukan hasilnya. Bias ini dapat terjadi akibat
perbedaan lamanya penyakit, adanya penyakit lain, waktu dalam perjalanan
penyakit, dan terapi sebelumnya.2

Gambar 2.4 Lokasi bias pada penelitian cohort2

 8

Salah satu kasus dalam assembly bias adalah survival cohorts. Survival
cohorts berbeda dengan true cohort studies karena pada survival cohorts pasien
dikumpulkan pada berbagai waktu dalam perjalanan penyakit mereka. Oleh sebab
itu, survival cohort mendeskripsikan sejarah masa lalu kasus dan bukan apa yang
diharapkan dari waktu ke waktu setelah timbulnya penyakit. Contoh laporannya
adalah case series yang memberikan kontribusi penting untuk menggambarkan
pengalaman awal dengan sindrom baru, tetapi mereka mewakili pengamatan
tentatif.2
Beberapa cara dapat dilakukan untuk mengurangi bias ini seperti
randomisasi, restriksi, matching, stratifikasi, dan adjustment. Randomisasi dapat
menyamakan faktor-faktor yang dapat mempengaruhi prognosis, baik yang kita
ketahui maupun tidak. Akan tetapi, ini tidak memungkinkan untuk mempelajari
prognosis. Situasi khusus yang memungkinkan untuk dilakukan randomisasi
adalah untuk mengetahui efek terapi terhadap prognosis.2
Restriksi dapat dilakukan dengan mempersempit karakteristik pasien yang
ikut dalam penelitian sehingga dapat menyamakan faktor luar yang penting.1
Pasien dapat dicocokkan saat mereka memasuki penelitian sehingga untuk
setiap pasien dalam satu kelompok terdapat satu atau lebih pasien di kelompok
pembanding dengan karakteristik yang sama kecuali untuk faktor yang diamati.
Pasien biasanya dicocokkan berdasarkan jenis kelamin, umur, stadium penyakit,
dan terapi sebelumnya. Matching dapat mengontrol bias terbatas pada faktor yang
termasuk dalam pencocokkan.2
Setelah data dikumpulkan, data dapat dianalisis dan hasilnya disajikan
dalam bentuk strata dari karakteristik yang mirip. Stratifikasi adalah cara yang
sering digunakan untuk menilai bias.2
Standarisasi atau adjustment adalah proses penyesuaian untuk
menyamakan bobot pada faktor lain yang dapat mempengaruhi hasil. Standarisasi
menunjukkan bagaimana tingkat keseluruhan jika strata tertentu diterapkan pada
populasi yang terdiri dari proporsi yang sama dari orang-orang di setiap strata.
Standarisasi umumnya digunakan pada penelitian risiko dan berguna untuk
menghilangkan pengaruh dari faktor luar.2
 9

Pada banyak kasus klinis, beberapa faktor dapat menyebabkan suatu efek
di mana asosiasi variable ini kompleks. Multivariate analysis adalah cara yang
digunakan untuk mempertimbangkan efek dari beberapa variable secara
bersamaan. Ini digunakan untuk menyesuaikan secara bersamaan dampak dari
banyak variabel untuk menentukan dampak independen dari satunya. Metode
yang digunakan pada time-to-event analysis adalah cox’s proportional hazard
analysis.2
Saat data faktor prognostik yang penting tidak tersedia, dapat dilakukan
estimasi terhadap efek potensial pada penelitian dengan mengasumsikan berbagai
tingkat maldistribusi dari faktor antar kelompok yang dibandingkan dan melihat
bagaimana hal itu akan mempengaruhi hasil. Proses ini dinamakan sensitivity
analysis.2

Tabel 2.2 Metode untuk mengontrol selection bias2

 10

Bias yang terjadi ketika pasien pada satu kelompok meninggalkan

kelompo awalnya, dropping out, atau pindah ke kelompok lain dalam penelitian
tersebut disebut migration bias. Bila hal ini terjadi dalam skala besar, validitas
dari kesimpulan dapat dipengaruhi.2
Measurement bias dapat terjadi bila pasien dalam satu kelompok memiliki
kemungkinan yang lebih besar untuk dideteksi outcome-nya dibandingkan
kelompok lain. Bias ini dapat diminimalisasi dengan cara memastikan orang yang
mengobservasi tidak mengetahui kelompok tempat setiap pasien berada, membuat
peraturan untuk memutuskan terjadinya outcome, dan menerapkan upaya-upaya
untuk menemukan peristiwa-peristiwa yang sama pada semua kelompok dalam
penelitian ini.2
 11

BAB III
KESIMPULAN

3.1. Kesimpulan
1. Prognosis adalah prediksi dari perjalanan penyakit sejak onsetnya.
Prognosis dari suatu penyakit dapat dideskripsikan sebagai clinical course
dan natural history of illness. Clinical course adalah evolusi (prognosis)
dari penyakit yang terjadi dalam pengobatan medis dan diterapi dengan
berbagai cara yang dapat mempengaruhi kejadian selanjutnya (subsequent
course). Sedangkan natural history of illness adalah prognosis penyakit
tanpa intervensi medis.
2. Untuk mengetahui probabiltas prognosis perlu dilakukan observasi kohort
terhadap pasien atau survival analysis dan time-to-event analysis. Terjadinya
peristiwa dari waktu ke waktu diperkirakan dengan mengumpulkan tarif untuk
semua pasien pada risiko selama interval waktu sebelumnya.
3. Penelitian yang membandingkan prognosis pada pasien dengan kelompok
berbeda dapat menimbulkan bias. Beberapa strategi untuk menghadapinya adalah
restriksi, matching, stratifikasi, standarisasi, multivariable analysis, dan
sensitivity analysis.
 12

DAFTAR PUSTAKA

1. Fletcher RH, Fletcher SW, Wagner EH. Clinical Epidemiology: The

Essentials. 3rd ed. Baltimore: Williams & Wilkins; 1996.

2. Fletcher RH, Fletcher SW, Wagner EH. Clinical Epidemiology: The

Essentials. 4th ed. Baltimore: Williams & Wilkins; 2005.

3. Bonita R, Beaglehole R, Kjellstrom T. Basic Epidemiology. 2nd ed.:

World Health Organization; 2006.

4. Weiss NS. Clinical Epidemiology: The Study of the Outcome of Illness:

Oxford University Press; 2006.

5. Grobbee DE, Hoes AH. Clinical Epidemiology: Principles, Methods,

and Applications for Clinical Research: Jones & Bartlett Publishers;
2009.