Notulensi Zoom Meeting – 25 Nov 2022

Penelitian NLR-JIA dr. Sumadiono, Sp.A (K)

- Analisis Kurva ROC – area dibawah menentukan seberapa akurat untuk memprediksi,
apakah NLR menjadi alat yang baik untuk prognosis injeksi/tidak, cukup rendah 0,5
- Cut off untuk mempertimbangkan sensitifitas dan spesitifitas, ditemukan NLR 1,65, jika NLR
lebih dari 1,65 berarti pasien merupakan pasien yang akan diinjeksi
- Data yang digunakan adalah data yang kemarin kamis, yang jelas masih dapat dianalisis layak
- Yang terakhir jumlah sampel 57 dan 41, masih dapat untuk dianalisis, untuk power statistic
dapat dikurangi dengan mengurangi power size >> Zb
- Apakah kita harus menyamakan atau tetap menggunakan jumlah sampel yang ada? Ya,
dapat dianalisis dengan sample yang ada
- Laporan terakhir data pasien adalah 29 Nov 2022 pagi untuk dikumpulkan ke Pak Faris

Thesis dr. Saumy

- NLR terhadap remisi, univariat menggunakan deskriptif, analisis bivariat menggunakan chi
square
- Untuk hasil bivariat>> poliartikular ada yang RR positif digabungkan yang lain, dari segi
statistic untuk jadi 2 atau 3 kategori pada dasarnya bisa digabungkan, tapi untuk disiplin
ilmunya tergantung dari disiplin ilmu masing2.
- Dr. Suma  RF tidak perlu dianalisis, tidak valid, ditambahkan diskusi saja
- Dapatkah dijelaskan Pseudo R kuadrat?
o Kalau membandingkan ke 3 model, bisa memilih BIC
o Pseudo R2, kita pilih yg lebih besar, untuk menilai model itu relative thd model lain
o Pseudo R lebih kecil, model lebih baik
o R2 untuk data-data dengan varian dependen kategorik
- Confident Interval melewati angka 1 berarti tidak signifikan
- Regresi logistic >> NLR cut off 1,87 dengan p=0,037 berarti signifikan krn <0,05, bisa
dianggap predikor remisi
- Uji normalitas > 5 dapat menggunakan Chi Square
- Mencantukan model menandakan bahwa kita propose beberapa model, nanti kita memilih
yang mana. Kalau model tidak ada, berarti sudah memiliki CI tertentu

Thesis dr. Dea

- Sampel penelitian case control apakah dapat 1:1 atau berapa?

o Biasanya penentuan jumlah sampel perlu probabilitas atau prevalensi
o Idealnya 1:1
- Kalau case control apakah kategorikal atau numerik?
o Untuk outcome bisa kategorikal
o Untuk predictor bisa numerik
- Presentasi hasil dengan judul seperti ini apakah bisa dengan multivariat saja tanpa ROC?
o Jaga-jaga bila hasilnya tidak signifikan
o Kalau Pak Faris pribadi lebih cenderung menggunakan numerik, karena menjelaskan
setiap angkanya