Disusun Oleh:
DISUSUN OLEH:
KELOMPOK V
Puji dan syukur kita ucapkan kepada Tuhan Yang Maha Esa, karena berkat dan
rahmatnya penulis masih diberikan nafas kehidupan dan kesehatan sehingga dapat
menyelesaikan tugas “ANALISIS ARTIKEL” mata kuliah Fisiologi Olahraga. Tidak lupa
penulis mengucapkan terimakasih yang sebesar-besarnya kepada Bapak Drs.Asep Prima
S.Pd,M.Pd selaku dosen pengampu mata kuliah Fisiologi Olahraga yang telah membimbing
kami menulis dan dalam menyusun tugas makalah hasil analisis ini.
Dalam pembuatan tugas Analisis Artikel ini masih banyak terdapat kekurangan baik
dalam segi penulisan, isi, kerapian, dan lainya. Maka penulis sangat mengharapkan kritikan
dan saran yang sifatnya membangun guna kemampuan penulis di hari yang akan datang.
Demikianlah sebagai pengantar kata, dengan harapan semoga Makalah Analisis
Artikel ini dapat bermanfaat bagi semua pembaca. . Akhir kata saya ucapkan terimakasih.
Kelompok Penulis
2
DAFTAR ISI
Kata Pengantar..............................................................................................2
Daftar isi.........................................................................................................3
BAB ................................................................................................................I4
A. Pembahasan analisis artikel....................................................................l4
● Identitas artikel.............................................................................................4
● Isi Analisis Kedua artikel.............................................................................4
3
BAB I
Volume dan Halaman Vol. 31, No. 3, pp. 486-493 Vol. 46, No. 6, pp. 1159–1165
ARTIKEL UTAMA
Metode Penelitian ini menggunakan data dari National Health and Nutrition
penelitian Examination Survey (NHANES) tahun 1999-2002. Responden yang
diikutsertakan dalam penelitian ini adalah orang dewasa berusia 20-49
4
tahun yang tidak memiliki kondisi medis yang membatasi aktivitas
fisik. Untuk mengukur kebugaran kardiorespirasi, peneliti
menggunakan metode VO2max (maksimum konsumsi oksigen) yang
dihitung menggunakan formula yang sudah terbukti akurat.
Karaktersistik Penelitian ini menggunakan data dari 4.854 orang dewasa berusia
sampel 20-49 tahun yang tidak memiliki kondisi medis yang membatasi
aktivitas fisik. Responden tersebut terdiri dari 48,5% laki-laki dan
51,5% perempuan, dengan rata-rata usia 33,5 tahun
5
Hasil penelitian Hasil penelitian menunjukkan bahwa model yang dikembangkan
mampu mengklasifikasikan tingkat kebugaran kardiorespirasi dengan
akurasi sebesar 76%. Variabel yang paling berpengaruh dalam
memprediksi tingkat kebugaran kardiorespirasi adalah usia dan BMI.
ARTIKEL PEMBANDING
6
sehat (n = 18.348) dan wanita (n = 18.764) dari studi HUNT pertama
(1984-1986) di Norwegia.
Teknik Analisis Menggunakan regresi Cox untuk mendapatkan SDM untuk mortalitas
Data selama rata-rata tindak lanjut 24 tahun. Penilaian validitas model
dilakukan dengan prosedur standar diskriminasi dan kalibrasi. Hasil:
CRF berbanding terbalik terkait dengan semua penyebab dan
mortalitas CVD pada pria dan wanita di bawah usia 60 tahun pada
awal, setelah disesuaikan dengan pembaur.
Hasil Penelitian CRF berbanding terbalik terkait dengan semua penyebab dan
mortalitas CVD pada pria dan wanita di bawah usia 60 tahun pada
awal, setelah disesuaikan dengan pembaur. Untuk setiap CRF yang
lebih tinggi MET (MET, kira-kira 3,5 mL-kg-menit), HR untuk
mortalitas CVD adalah 21% lebih rendah pada pria (95% interval
kepercayaan (CI), 17%-26%) dan wanita (95% CI , 12%-29%). HR
untuk semua penyebab kematian adalah 15% (95% CI, 12%-17%)
lebih rendah pada pria dan 8% (95% CI, 3%-3%) lebih rendah pada
wanita untuk setiap CRF yang lebih tinggi dari MET.
Kesimpulan Metode penilaian CRF ini layak dan berguna secara praktis dalam
perawatan primer untuk mengidentifikasi individu yang tampak sehat
dengan peningkatan risiko penyakit CVD prematur dan semua
penyebab kematian.
7
Exercise Testing" menggunakan algoritma untuk mengklasifikasikan kebugaran
kardiorespirasi berdasarkan informasi demografi, medis, dan riwayat olahraga subjek.
Sementara itu, "A Simple Nonexercise Model of Cardiorespiratory Fitness Predicts Long-
Term Mortality" mengembangkan model matematika sederhana yang menggunakan variabel
seperti usia, jenis kelamin, berat badan, tinggi badan, dan denyut jantung istirahat untuk
memprediksi kebugaran kardiorespirasi.
Selain itu, tujuan kedua jurnal ini juga berbeda. "Classification of Cardiorespiratory
Fitness Without Exercise Testing" bertujuan untuk mengembangkan model prediksi
kebugaran kardiorespirasi yang akurat tanpa memerlukan tes olahraga yang intensif.
Sedangkan "A Simple Nonexercise Model of Cardiorespiratory Fitness Predicts Long-Term
Mortality" bertujuan untuk mengembangkan model yang dapat memprediksi risiko kematian
jangka panjang berdasarkan kebugaran kardiorespirasi.
Dalam hal temuan, kedua jurnal ini menyimpulkan bahwa masing-masing metode
mereka dapat memberikan prediksi kebugaran kardiorespirasi yang dapat diandalkan.
Namun, "A Simple Nonexercise Model of Cardiorespiratory Fitness Predicts Long-Term
Mortality" menunjukkan bahwa model matematika sederhana mereka memiliki kemampuan
yang lebih baik dalam memprediksi risiko kematian jangka panjang daripada model yang
dikembangkan oleh "Classification of Cardiorespiratory Fitness Without Exercise Testing".
Secara keseluruhan, kedua jurnal ini menawarkan pendekatan yang berbeda dalam
memprediksi kebugaran kardiorespirasi tanpa tes olahraga yang intensif dan keduanya
berhasil memberikan hasil yang dapat diandalkan. Namun, "A Simple Nonexercise Model of
Cardiorespiratory Fitness Predicts Long-Term Mortality" memiliki potensi untuk lebih efektif
dalam memprediksi risiko kematian jangka panjang.
C. KESIMPULAN
Artikel pertama, "Classification of Cardiorespiratory Fitness Without Exercise
Testing", menggunakan algoritma untuk mengklasifikasikan kebugaran kardiorespirasi
berdasarkan informasi demografi, medis, dan riwayat olahraga subjek. Tujuan dari artikel ini
adalah untuk mengembangkan model prediksi kebugaran kardiorespirasi yang akurat tanpa
memerlukan tes olahraga yang intensif. Hasil penelitian menunjukkan bahwa model yang
dikembangkan dapat memberikan prediksi kebugaran kardiorespirasi yang dapat diandalkan.
8
kematian jangka panjang daripada model yang dikembangkan oleh "Classification of
Cardiorespiratory Fitness Without Exercise Testing".
Dari kedua artikel tersebut, dapat disimpulkan bahwa pengembangan model untuk
memprediksi kebugaran kardiorespirasi tanpa melakukan tes olahraga yang intensif
merupakan suatu hal yang penting dalam bidang kesehatan. Kedua artikel ini memberikan
kontribusi dalam pengembangan model tersebut, namun dengan metode yang berbeda.
Artikel pertama menggunakan algoritma untuk mengklasifikasikan kebugaran kardiorespirasi
berdasarkan informasi subjek, sedangkan artikel kedua menggunakan model matematika
sederhana berdasarkan variabel tertentu untuk memprediksi kebugaran kardiorespirasi dan
risiko kematian jangka panjang. Oleh karena itu, kedua artikel tersebut dapat digunakan
sebagai referensi untuk pengembangan model prediksi kebugaran kardiorespirasi tanpa
melakukan tes olahraga yang intensif.
D. LAMPIRAN
9
E. ABSTRAK
● ARTIKEL UTAMA
Abstract
Purpose:
Methods:
A V̇O2max (mL·kg−1·min−1) prediction model was developed in the study group using multiple
linear regression from the independent variables age, age2, gender, physical activity status,
height, and body mass. The classification accuracy of this model was examined by cross-
tabulating age and gender specific quintiles of measured and predicted CRF.
Results:
Overall classification accuracy of the model was modest (36%); however, 83% of all subjects
were either classified correctly or within one quintile of measured CRF. Extreme
misclassification (e.g., misclassifying a low fit individual as high fit) was only rarely
observed (0.13%).
10
Conclusions:
The present results support the concept that CRF prediction models can be used to reasonably
characterize the fitness level of a cohort using data that can be obtained from a questionnaire.
Accordingly, predicted CRF values may be useful as an exposure variable in large
epidemiologic studies in which exercise testing is not feasible.
● ARTIKEL PEMBANDING
ABSTRACT
11