JAKARTA
2021
1
KATA PENGANTAR
Puji syukur kami panjatkan kehadirat Tuhan Yang Maha Esa atas segala rahmat,
karunia, serta taufik, dan hidayah-Nya kami dapat menyelesaikan makalah ini sebagai
pengetahuan dan kemampuan yang dimiliki. Tidak lupa kami juga mengucapkan banyak
terima kasih atas bantuan dari pihak yang telah berkontribusi dengan memberikan sumbangan
baik materi maupun pikirannya sehingga terbentuklah makalah ini.
Kami sangat berharap makalah ini dapat dipahami bagi siapapun yang membacanya.
Sekiranya makalah ini dapat berguna dalam menambah wawasan serta pengetahuan kita
mengenai Prognosis Perawatan Orthodonti. Kami juga menyadari bahwa dalam tugas ini
terdapat kekurangan-kekurangan dan jauh dari apa yang kami harapkan. Untuk itu, kami
berharap adanya kritik, saran, dan usulan demi perbaikan di masa yang akan datang,
mengingat tidak ada sesuatu yang sempurna tanpa saran yang membangun.
Akhir kata kami berharap semoga makalah Kelainan Maloklusi Dental topik
Prognosis Perawatan Orthodonti ini dapat bermanfaat bagi yang membacanya.
Penyusun
2
DAFTAR ISI
KATA PENGANTAR.................................................................................................... 2
DAFTAR ISI....................................................................................................................3
BAB I: PENDAHULUAN..............................................................................................4
2.1Type prognosis………………………………………………………………..5
3.1 Kesimpulan.....................................................................................................15
DAFTAR PUSTAKA......................................................................................................16
3
BAB I
PENDAHULUAN
4
BAB II
ISI
a. Excellent prognosis
b. Good prognosis
c. Fair prognosis
5
d. Poor prognosis
e. Questionable prognosis
f. Hopeless prognosis
6
Karena stabilitas periodontal dinilai secara teratur menggunakan pengukuran klinis, ini
mungkin lebih berguna dalam membuat keputusan perawatan dan prediksi prognosis daripada
mencoba untuk menentukan kemungkinan kehilangan gigi. 1
7
6. Faktor genetik, Penyakit periodontal merupakan interaksi yang
kompleks antara tantangan mikroba dan respons inang terhadap
tantangan tersebut, yang keduanya dapat dipengaruhi oleh faktor
lingkungan seperti merokok. Selain faktor eksternal ini, bukti juga
menunjukkan bahwa faktor genetik mungkin memainkan peran
penting dalam menentukan sifat respons inang. Bukti untuk jenis
pengaruh genetik ini ada pada pasien dengan periodontitis kronis
dan agresif. 2
8
mobilitas gigi akibat kehilangan tulang alveolar tidak mungkin
diperbaiki. Stabilisasi mobilitas gigi melalui penggunaan
bidai/splinting dapat memberikan dampak yang menguntungkan
pada prognosis gigi secara keseluruhan dan individu. 2
A. Survival analysis
Ketika menafsirkan prognosis, kita ingin tahu kemungkinan (likelihood) 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. 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.3
Gambar 1. Survival dua kohort kecil dan besar dengan semua anggota diobservasi
dengan periode follow up yang penuh.
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
9
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.
Gambar 2. Contoh kurva survival dengan detail salah satu bagian kurva.
Data yang digunakan untuk mengestimasi survival adalah pasien dalam risiko, pasien
yang tidak lagi dalam risiko (censored), dan pasien yang mengalami outcome pada setiap titik
waktu. Akan tetapi, untuk menginterpretasi suatu survival kita harus mengingat 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.3
Kurva survival dapat dibuat berdasarkan kombinasi dari faktor prognostik. Ini dapat
dilakukan dengan menstratifikasi pasien berdasarkan ada atau tidaknya faktor prognostik.
Cox proportional hazards regression model dapat digunakan untuk mengidentifikasi
kombinasi dari faktor yang memprediksi prognosis atau pengaruh faktor individu yang tidak
berhubungan. Analisis survival merupakan metode statistik dimana variabel yang
diperhatikan adalah waktu survival, yaitu waktu dimulainya kejadian (start point) hingga
terjadinya peristiwa (event). Terdapat tiga faktor yang diperhatikan dalam menentukan waktu
survival T, yakni dengan penjelasan sebagai berikut:
10
2. Ending event of interest (akhir kejadian)
dari waktu)
Ketika waktu survival tidak diketahui dengan jelas maka data tersebut dinyatakan sebagai
data tersensor.
B. Bias
Kemungkinan terjadinya bias dapat muncul di observasi manapun. Bias pada studi
kohort—baik untuk studi risiko maupun prognosis, dapat membuat perbedaan kesimpulan
yang jelas ketika bias tersebut tidak benar-benar ada atau tidak jelas perbedaan kesimpulan
ketika bias tersebut benar-benar ada. 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.
Bias dapat lebih mudah dikenali ketika peneliti mengetahui dimana bias biasanya
muncul dalam suatu studi. Pertama, penting untuk menentukan apakah ada kemungkinan
terjadinya bias dalam penelitian ini. Kedua, memastikan apakah bias benar-benar hadir dalam
studi tertentu yang sedang berlangsung. Ketiga, menentukan apakah konsekuensi bias cukup
besar untuk mengubah kesimpulan yang secara klinis penting. Jika perubahan pada
kesimpulan studi tidak terlalu besar, maka adanya bias tidak akan menyebabkan hasil yang
menyesatkan.3
11
Gambar 3. Lokasi kemungkinan terjadinya bias pada studi kohort.
Restriksi dapat dilakukan dengan mempersempit karakteristik pasien yang ikut dalam
penelitian sehingga dapat menyamakan faktor luar yang penting. Akan tetapi, ini dapat
menyebabkan kohort tidak representatif untuk semua pasien dengan kondisi tersebut. Pasien
dapat dicocokkan (matching) pada saat 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 termaasuk dalam pencocokan.
Stratifikasi merupakan cara yang sering digunakan dalam menilai bias. Setelah data
dikumpulkan, data dapat dianalisis dan hasilnya disajikan dalam bentuk strata dari
karakteristik yang mirip. Standarisasi atau adjustment adalah proses penyesuaian untuk
menyamakan bobot pada faktor lain yang dapat memengaruhi hasil. Standarisasi
menunjukkan bagaimana tingkat keseluruhan jika strata tertentu diterapkan pada populasi
yang terdiri dari proporsi yang sama dari orangorang di setiap strata. Standarisasi umumnya
digunakan pada penelitian risiko dan berguna untuk menghilangkan pengaruh dari faktor
luar.3
Pada kasus klinis, beberapa faktor dapat menyebabkan suatu efek di mana asosiasi
variabel ini kompleks. Multivariate analysis adalah cara yang digunakan digunakan untuk
mempertimbangkan efek dari beberapa variabel secara bersamaan. Ini digunakan untuk
menyesuaikan secara bersamaan dampak dari banyak variabel. Untuk menentukan dampak
independent dari satunya. Metode yang digunakan pada time-to-event analysis adalah cox’s
12
proportional hazard analysis. 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.
Bias dapat terjadi ketika pasien pada satu kelompok meninggalkan kelompok
awalnya, dropping out, atau pindah ke kelompok lain dalam penelitian tersebut. Hal ini
disebut migration bias. Bila hal ini dalam skala besar, validitas dari kesimpulan dapat
dipengaruhi. Measurement bias dapat terjadi bila pasien dalam satu kelompok memiliki
kemungkinan yang lebih besar untuk dideteksi outcome-nya dibandingkan dengan kelompok
13
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 tersebut.3
14
BAB III
PENUTUP
3.1 KESIMPULAN
Untuk mengetahui prognosis dari suatu penyakit, perlu dilakukan observasi kohort
terhadap pasien atau survival analysis dan time-to-event analysis. Peristiwa yang terjadi dari
waktu ke waktu diperkirakan dengan mengumpulkan kondisi semua pasien pada risiko
selama interval waktu sebelumnya. Penelitian dalam menentukan prognosis suatu penyakit
dapat terjadi bias oleh karena adanya pasien dengan karakteristik yang berbeda antara satu
dengan yang lain. Beberapa hal yang dapat dilakukan untuk mengatasi hal tersebut adalah
randomisasi, restriksi, matching, stratifikasi, standarisasi dan analisis multivariabel.
15
DAFTAR PUSTAKA
16