Disusun Oleh :
Kelompok 1
Segala puja dan puji syukur kehadirat Allah SWT . Shalawat serta salam
semoga tetap tercurahkan junjungan dan suri tauladan kita Nabi besar Muhammad
SAW sehingga kami dapat menyelesaikan tugas Proposal berjudul “Pelengkap
Model Prediksi Kelemahan Dan Kematian Pada Pasien Yang Lebih Tua Sebagai
Alat Untuk Menilai Kebutuhan Perawatan Paliatif”.
Pada kesempatan ini kami menyampaikan rasa terima kasih yang sebesar-
besarnya kepada orang-orang yang telah berperan penting sehingga dapat
terselesaikannya proposal ini. Saya menyadari bahwa proposal penetian ini jauh
dari sempurna. Sebagai akhir saya berharap agar proposal ini dapat bermanfaat
dan menjadi kajian bagi banyak pihak.
(Kelompok 1)
BAB I
PENDAHULUAN
1.3 Tujuan
1.3.1 Tujuan Umum
Mengusulkan pendekatan pembelajaran mesin untuk memprediksi
kelemahan dan kematian pada pasien lansia dalam mendukung
pengambilan keputusan Paliatife Care.
1.3.2 Tujuan Khusus
1. Mengidentifikasi pelengkap model prediksi kelemahan pada pasien
lansia sebagai alat untuk menilai kebutuhan Paliatife Care
2. Mengidentifikasi pelengkap model prediksi kematian pada pasien
lansia sebagai alat untuk menilai kebutuhan Paliatife Care
3. Mengidentifikasi pelengkap model prediksi kelemahan dan kematian
pada pasien lansia sebagai alat untuk menilai kebutuhan
perawatan paliatif
1.4 Manfaat
1.4.1 Bagi Ilmu Pengetahuan
Menambah wawasan bagi ilmu pengetahuan terkait perawatan
paliatif lansia.
1.4.2 Bagi Institusi
Hasil penelitian ini dapat digunakan sebagai kontribusi dalam
menambahkan minat, motivasi dan sikap dari mahasiswa sehingga dapat
meningkatkan potensi belajar bagi mahasiswanya.
1.4.3 Bagi Peneliti
Menambah wawasan peneliti tentang tingkat pengetahuan
perawatan paliatif pada lansia.
TINJAUAN PUSTAKA
2.1 Lansia
2.1.1 Definisi Lansia
Menurut Setianto (2004), seorang dikatakan lanjut usia (lansia)
apabila usianya 65 tahun ke atas. Lansia menurut Pudjiastuti (2003), lansia
bukan penyakit namun merupakan tahap lanjut dari suatu proses
kehidupan yang ditandai dengan penurunan kemampuan tubuh untuk
beradaptasi dengan stres lingkungan. Lansia menurut Hawari (2001),
adalah keadaan yang ditandai oleh kegagalan seseorang untuk
mempertahankan keseimbangan terhadap kondisi stres fisiologis.
2.1.2 Permasalahan Lansia dengan Berbagai Kemampuan
Proses menua di dalam perjalanan hidup manusia merupakan suatu
hal yang wajar akan dialami semua orang yang dikarunia umur panjang.
Hanya cepat lambatnya proses tersebut bergantung pada masing-masing
individu yang bersangkutan. Adapun permasalahan yang berkaitan dengan
lanjut usia antara lain (Juniati dan Sahar, 2001):
PEMBAHASAN
3.2 PICO
Population (jenis Intervention Comparison Outcome (Variabel
responden, inklusi (Intervensi yang (Tindakan apa saja yang diuji,
dan eksklusi) diujikan di jurnal, pembanding jelaskan singkat)
beserta prosedur intervensi
singkat) utama, jika ada)
Lansia Kelemahan dan Tidak ada Kelemahan dan
kematian pada pasien kematian pada
yang lansia sebagai alat pasien lansia paliatif
untuk menilai
kebutuhan perawatan
paliatif
3.3 Pelengkap Model Prediksi Kelemahan Dan Kematian Pada Pasien Yang
Lebih Tua Sebagai Alat Untuk Menilai Kebutuhan Perawatan Paliatif
Jurnal 1:
Jurnal yang berjudul : “Pelengkap Model Prediksi Kelemahan Dan Kematian Pada
Pasien Yang Lebih Tua Sebagai Alat Untuk Menilai Kebutuhan Perawatan
Paliatif”
Tahun: 2022
Tahun: 2020
Nama Jurnal Dan Edisi: Jurnal Endurance : Kajian Ilmiah Problema Kesehatan.
Volume 5.
Jurnal 1 :
Data diambil dari sistem pada 1 November 2019. Kumpulan data berisi catatan
penerimaan rumah sakit untuk pasien yang lebih tua (usia ≥65) dari 1 Januari
2011 hingga 31 Desember 2018. Data berisi total 39.310 episode rawat inap
sesuai dengan 19.753 pasien unik. Kohort terdiri dari 9780 laki-laki dan 9973
perempuan dengan usia rata-rata 80,75 tahun (lihat Tabel 1).
Akhirnya, kami mengelompokkan FI ke dalam empat kategori menurut penelitian
Hoover et al.35 dan menggabungkan dua kondisi kelemahan yang tidak terlalu
parah (Non-Frail + Rentan) dan dua status yang lebih lemah (Frail + Most Frail).
Variabel yang digunakan dalam FI tercantum dalam Tabel 2 dan diekstraksi
sebagai bagian dari 147 variabel asli.
Gradient Boosting Machine dan DNN bekerja sangat dekat (0,87 CI 95% [0,86,
0,87] dan 0,86 CI 95% [0,85, 0,86] AUC ROC), keduanya mengungguli baseline
regresi logistik, hasil lengkap dan metrik pada Tabel 3.
Model klasifikasi berdasarkan regresi logistik mencapai AUC ROC sebesar 0,84,
sedangkan GBM dan DNN mengunggulinya dengan AUC ROC sebesar 0,89.
Metrik lengkap untuk klasifikasi kelemahan tersedia di Tabel 5
Kepentingan Gini
1. Metode FICA
Pengkajian terkait riwayat spiritual pasien dapat menggunakan
metode FICA yang diperkenalkan oleh Puchalski (1998 dalam Matzo &
Sherman, 2010). FICA merupakan singkatan dari faith, influence,
community, dan addressing spiritual concerns. Pegkajian ini telah
digunakan di beberapa negara seperti Amerika Serikat, Belgia, Inggris,
Belanda, dan Brazil (Lucchetti, Bassi & Lucchetti, 2013).
2. Metode FAITH
Metode FAITH merupakan intrumen pengkajian yang sederhana
dan memiliki kerangka kerja berfokus pada pasien sehingga dapat
diaplikasikan oleh tenaga kesehatan professional dan juga mahasiswa
praktek klinis (Neely & Minford, 2009). Metode ini telah di implementasi
di layanan paliatif maupun hospice di beberapa Negara seperti Inggris,
Belanda, Amerika Serikat, Australia.
3. Metode SPIRIT
Metode SPIRIT merupakan model pengkajian spiritual yang
diperkenalkan oleh Highfield (2000 dalam Matzo & Sherman, 2010).
Dalam aplikasi klinis di setting paliatif metode pengkajian ini telah
diimplementasi di Amerika Serikat, Inggris, Australia, Belanda dan
Jerman.
4. Metode ETHNIC(S)
Metode ETHNIC(S) dikembangkan oleh Kobilarz dkk pada tahun
2002 (Timmins & Caldeira, 2017). Metode ini sudah di perkenalkan di
Amerika Serikat, Brazil, dan Inggris. Pengkajian metode ETHNIC(S)
diperuntukkan tenaga kesehatan professional di bidang gerontik, dan
sasarannya untuk pasien kategori lanjut usia.
5. Metode HOPE
Metode HOPE merupakan model pengkajian spiritual yang
dikembangkan oleh Anandarajah dan Hight tahun 2001 (Timmins &
Caldeira, 2017). Metode HOPE telah diimplementasikan di beberapa
negara seperti Amerika Serikat.
6. The Ars Moriendi Model
Metode pengkajian spiritual untuk pasien paliatif yang
dikembangkan oleh Carlo Leget tahun 2003 dikenal dengan istilah the Ars
Moriendi Model (AMM). Pengkajian ini merupakan bentuk
penyederhanaan dari metode FICA, dimana the Ars Morendi Model lebih
felksibel, dan bantuan komunikasi secara praktis untuk proses tanya jawab
terkait spiritual di setting paliatif (Vermandere et al, 2013). AMM
menekankan pada 5 hal penting yaitu otonomi, batasan tindakan medis,
mengatasi penderitaan, perpisahan, kesalahan, dan pertanyaan mengenai
kepercayaan dan makna. Pengkajian AMM model telah diimplemetasikan
di beberapa Negara seperti Australia, Belanda, Belgia, dan Spanyol
(Forcén & Forcén, 2016; Thornton & Phillips, 2009).
HASIL JURNAL 1
Berikut ini merupakan tabel untuk memprediksi kelemahan dan kematian pada
pasien yang lebih tua dalam mendukung pengambilan keputusan perawatan
paliatif
PEMBAHASAN JURNAL 1
Kedua kriteria telah disorot sebagai penting untuk mengakses PC dalam penelitian
sebelumnya dan terkait. Namun, mereka mencerminkan dua distribusi yang
berbeda, dan penulis menganggapnya sebagai dua kriteria pelengkap. Oleh karena
itu, kami menyimpulkan bahwa perkiraan terbaik untuk mengambil keuntungan
dari kriteria mortalitas dan kelemahan adalah memiliki model prediktif berbeda
yang bekerja secara bersamaan, meningkatkan informasi untuk mendukung proses
pengambilan keputusan. Penggabungan kriteria kelemahan dapat mewakili nilai
tambah bagi para profesional kesehatan yang memutuskan tentang inklusi dalam
layanan PC. Hal ini sejalan dengan Almagro et al. (2017),57 menunjukkan bahwa
prognosis vital yang buruk sebagai satu-satunya kriteria untuk memulai PC di
antara pasien PPOK harus dinilai secara kritis.
Dampak klinis penelitian ini terletak pada potensi untuk memprediksi hasil yang
merugikan bagi pasien yang dirawat di rumah sakit dalam tahun berikutnya.
Pertama, kami memilih 1 tahun sebagai horizon untuk membuat prediksi
mortalitas; seperti yang dinyatakan di tempat lain,25 lebih dari 12 bulan tidak
diinginkan karena kesulitan dalam prediksi dan keterbatasan sumber daya
program, yang lebih baik untuk fokus pada kebutuhan mendesak. Dengan
demikian, rujukan ke PC dapat difokuskan pada kebutuhan mendesak. Selain itu,
meskipun lebih sulit diprediksi, informasi yang diberikan oleh model regresi
kelangsungan hidup dapat membantu mengontekstualisasikan hasil model
mortalitas 1 tahun. Oleh karena itu, tenaga kesehatan akan didukung dengan
informasi tambahan seperti besarnya waktu yang tersisa sampai kematian dalam
hitungan hari, minggu atau bulan. Memasukkan modelmodel ini ke dalam praktik
klinis dapat membantu mengantisipasi penurunan pasien yang dirawat, yang
memungkinkan profesional perawatan kesehatan untuk mengalokasikan sumber
daya yang langka kepada pasien yang paling membutuhkannya
PENUTUP
4.1 Kesimpulan
Jurnal ini menggunakan pengkajian Deep Neural Network (DNN) dan
Gradient Boosting Machines (GBM) yang diimplementasikan untuk
klasifikasi model mortalitas 1 tahun, model regresi kelangsungan hidup untuk
memberikan lebih banyak informasi tentang prediksi pertama dan model
kelemahan 1 tahun.
4.2 Saran
Yodang, & Nuridah. (2020). Instrumen pengkajian spiritual care pasien dalam
pelayanan paliatif : literature review. Jurnal Endurance : Kajian Ilmiah
Problema Kesehatan, 5(3)(Oktober), 539–549.