MODEL COX PROPORTIONAL HAZARD

PADA KEJADIAN BERSAMA (TIES) DENGAN METODE BRESLOW

(Studi Kasus: Pasien Rawat Inap Demam Berdarah Dengue (DBD) di Rumah Sakit Dirgahayu Samarinda Juli 2016 s.d
Juni 2017)
HASIL PENELITIAN

Nazmi Soraya
NIM. 1307015080
 PENDAHULUAN
Latar Belakang

Penelitian
Sebelumnya
Demam
Analisis Tanpa Ties
Berdarah
Survival dan Ties
Dengue (DBD)
Model Cox
Metode
Proprtional
Breslow
Hazard
PENDAHULUAN

Batasan Masalah Rumusan Masalah

Permasalahan dalam penelitian ini dibatasi Bagaimana model Cox proportional

oleh analisis survival pada kejadian bersama
(ties) menggunakan metode Breslow yang
diaplikasikan pada data pasien penderita DBD
di Rumah Sakit Dirgahayu Samarinda bulan
Juli 2016 sampai dengan Juni 2017.
hazard pada kejadian bersama dengan
metode breslow pada pasien DBD rawat
inap di Rumah Sakit Dirgahayu
Samarinda?

Tujuan Penelitian Manfaat Penelitian

Mengetahui dan membuat model Cox
proportional hazard pada kejadian bersama 1. Bagi Pembaca
dengan metode breslow pada pasien DBD 2. Bagi Pihak Rumah Sakit
rawat inap di Rumah Sakit Dirgahayu
Samarinda
 TINJAUAN PUSTAKA

Cox (1972) Breslow (1974)

Diasumsikan hanya terdapat satu individu yang Pendekatan Breslow banyak digunakan karena fungsi
mengalami kematian pada tiap waktu ke gagalan, jadi partial likelihood-nya sederhana daripada metode
tidak terjadi ties pada data. lainnya. Metode Breslow mengasumsikan bahwa ukuran
dari himpunan risiko adalah sama.
exp(  x1 )
k exp( j 1 j x ji )
p
exp(  x1 )  exp(  x2 ) exp(  ( x1  x2 )
L  β    
 
2 2
i 1  lò R  ti 
exp( j 1 j xlj )
p
exp(  x2 )
i 1
exp(  xi )
exp(  x1 )  exp(  x2 )
k
L  β  Breslow  
exp  lò D  ti  
p
j 1 lj 
x j
   
   x 
di
p
i 1
Baik digunakan jika tidak ada lR  ti 
exp j 1 j lj
ties
Baik digunakan jika terdapat ties
 METODOLOGI PENELITIAN
Waktu dan Tempat Penelitian
• Mei sampai dengan September 2017
• Rumah Sakit Dirgahayu
• Laboratorium Statistika Terapan
Teknik Sampling
Sampling purposive
Rancangan Penelitian Populasi dan Sampel
• Seluruh pasien penyakit DBD
• Bersifat ex post facto
yang pernah atau sedang
• Non ekperimen
dirawat inap di Rumah Sakit
Dirgahayu
• Pasien penyakit DBD yang
Teknik Pengumpulan Data dirawat inap di Rumah Sakit
Dirgahayu Samarinda pada
periode pengamatan bulan Juli
Pengumpulan data sekunder 2016 sampai bulan Juni 2017
 METODOLOGI PENELITIAN
Variabel Penelitian
Jumlah Trombosit
Lama rawat inap pasien demam 0 = di bawah normal (<150.000/mm3)
berdarah dengue sampai dengan
x3 1 = normal(150.000-400.000/mm3)
Y dinyatakan sembuh atau keluar dan
Jumlah Hematokrit
berada dalam batas waktu sensor yang
0 = di bawah normal (<38% untuk
ditentukan
x4 perempuan <40% untuk laki-laki)
0 = Waktu survival yang tersensor 1 = normal (38%-42% untuk perempuan
Status 1 = Waktu survival yang tidak dan 40-47% untuk laki-laki)
tersensor
Lama demam sebelum rawat inap
Jenis Kelamin Variabel lama demam sebelum rawat
x1 1 = Laki-laki inap merupakan periode demam yang
0 = Perempuan dialami pasien sampai dengan mulai
x5 dirawat inap di rumah sakit, yaitu
Umur menghitung selisih antara tanggal mulai
x2 Variabel umur merupakan umur demam pasien dengan tanggal masuk
pasien saat memulai perawatan (dalam rumah sakit (dalam satuan hari)
tahun)
METODOLOGI PENELITIAN
Kerangka Penelitian
HASIL PENELITIAN

Deskripsi dan Penyensoran Data Analisis Statistika Deskriptif

Karakteristik pasien DBD
Tersensor (tidak teramati) T > 7 / meninggal
1.Lama rawat inap (Waktu survival)
Tidak tersensor(teramati) T ≤ 7
Standar Nilai Nilai
Rata-rata
Deviasi Minimum Maksimum

3,20 2,30 1 10
Sensor kanan

Dari 100 data yang diperoleh, terdapat 8 data

yang dikategorikan tidak teramati atau tersensor

Lama Rawat Inap

1 2 3 4 5 6 7
(Hari)
Banyaknya Pasien 29 20 18 8 6 7 4
 HASIL PENELITIAN
Lanjutan
Analisis Statistika Deskriptif
Karakteristik pasien DBD
2. Jenis kelamin 4. Jumlah Trombosit 5. Jumlah Hematokrit

3. Umur 6. Lama Demam Sebelum Rawat Inap

Standar Nilai Nilai Standar Nilai Nilai
Rata-rata
Rata-rata Deviasi Minimum Maksimum Deviasi Minimum Maksimum
18,66 13,47 1 58 3,36 1,65 0 7
 HASIL PENELITIAN
Analisis Statistika Deskriptif
Kurva survival Kaplan Meier dan Kurva Hazard

1. jenis kelamin 2.jumlah trombosit

HASIL PENELITIAN
Analisis Statistika Deskriptif
Kurva survival Kaplan Meier dan Kurva Hazard

3. jumlah hematokrit
 HASIL PENELITIAN
Pengujian Asumsi Proportional Hazard
Asumsi dapat terpenuhi jika garis antar kategorik sejajar atau tidak bersilangan.
1. jenis kelamin 2.jumlah trombosit 3. jumlah hematokrit

Karena pengujian asumsi proportional hazard dengan pendekatan secara grafik

bersifat subjektif, maka dilakukan pendekatan dengan uji goodness of fit.
H0 : data memenuhi asumsi proportional hazard
Variabel P-value Keputusan H1 : data tidak memenuhi asumsi proportional
Jenis Kelamin 0,786 H0 Gagal Ditolak hazard
Jumlah Trombosit 0,642 H0 Gagal Ditolak   kriteria pengujiannya yakni jika P-value < (0,05)
maka ditolak
H Gagal Ditolak
 HASIL PENELITIAN
Estimasi Parameter Model Cox dengan Pendekatan Breslow Partial Likelihood

Fungsi partial likelihood Turunan parsial pertama

L  β  
k exp  lò D  ti  
5
x j
j 1 lj    
  x 
   

di m 5   5
i 1
exp
5
     j xlj   d i ln   exp   j xlj      
 ln L  β  i 1 
 lD t  j 1   lR  t  
lR  ti  j 1 j lj
    i  j 1   

i

 j  j

    5  5 
Fungsi log partial likelihood    lR t  xlj exp   j xlj   

 
m
 5

i
 j 1 
      xlj  d i
j 1


5
exp x j    
k
lò D  ti  j 1 lj  5  
ln L  β   ln  i 1 lD  ti  j 1
   lR  t exp   j xlj  
   x 
5
di
  j 1   

i
i 1
lR  ti 
exp j 1 j lj 

m  5    5  
     j xlj   di ln   exp   j xlj     
i 1 
   lR  t  
 lD ti  j 1   i  j 1  
 HASIL PENELITIAN
Estimasi Parameter Model Cox dengan Pendekatan Breslow Partial Likelihood

Turunan parsial kedua Iterasi Newton Raphson

m 5    5  
     j xlj   di ln   exp   j xlj      
2    
βˆ c+1 = βˆ c - I -1 βˆ c U βˆ c
 2 ln L  β   lD ti  j 1
i 1 


 lR t 
 i  j 1

      ln L(β)    ln L(β)    ln L(β)    ln L(β)    ln L(β)  
t

2 j

2 j  
U βˆ c  

 
,
  
,
  
,
  
,
  
 

 1 2 3 4 5
     5 
   lR  t  xlj exp   j xlj      2 ln L  β   2 ln L  β   2 ln L  β   2 ln L  β   2 ln L  β  
 m
 5

i
 j 1   
      xlj  di   1 1 1  2 1 3 1 4 1 5 
 j i 1 lD  ti  j 1     5     2 ln L  β   2 ln L  β   2 ln L  β   2 ln L  β   2 ln L  β  
   lR t exp   j xlj    
  j 1      2 1  2  2  2 3  2 4 2 5 

i

 2 
    5     5   1 

   ln L  β   2 ln L  β   2 ln L  β   2 ln L  β   2 ln L  β  
I  βc  
5
   lR t  xlj exp   j xlj     lR  t  xlj exp   j xlj        3 1  4  2  2 3 3 4 4 5 
  i
 j 1


i
j 1  j 1

   2 
 2
   ln L  β   2 ln L  β   2 ln L  β   2 ln L  β   ln L  β  
2

   5     
  lR t exp   j xlj  
 

 
   4 1  4  2  4 3  4 4 4 5 
m
 
i

  di  
j 1
  2 ln L  β   2 ln L  β   2 ln L  β   2 ln L  β   2 ln L  β  
i 1
  5  5     5     
  
   lR ti  
xlj exp   j xlj     lR  t exp   j xlj  
2
  5 1 5  2 5 3 5 4 5 5 
 
 j 1   j 1  
i
j 1
 2  Proses
  iterasi Newton-Raphson dilakukan hingga
     5  
   lR t exp   j xlj    diperoleh nilai estimasi parameter yang konvergen,
   
 
i
 j  1 
 HASIL PENELITIAN
Pengujian Signifikansi Parameter Model Cox Proportional Hazard

Variabel β exp(β) p-value Keputusan

Jenis Kelamin 0,106 1,112 0,647 H0 Gagal Ditolak

Umur 0,008 1,008 0,284 H0 Gagal Ditolak

Jumlah Trombosit 0,930 2,532 0,037 H0 Ditolak

Jumlah Hematokrit 0,813 2,255 0,001 H0 Ditolak

Lama Demam Sebelum

-0,184 0,832 0,008 H0 Ditolak
Rawat Inap
  Model
Likelihood Ratio Testsementara
= 21,340 Cox proportional hazard
p-value pada penelitian ini adalah
= 0,001 H0 Ditolak

  Dilakukan uji simultan dengan hipotesis sebagai berikut:  
minimal ada satudengan
Taraf signifikansi () yang digunakan 5% (0,05)
dan kriteria pengujiannya yakni jika P-value < maka
ditolak
Dilakukan uji parsial dengan hipotesis sebagai berikut:
dengan
dengan
Taraf signifikansi () yang digunakan 5% (0,05) dan
kriteria pengujiannya yakni jika P-value < maka ditolak.
 HASIL PENELITIAN
Pengujian Signifikansi Parameter Model Cox Proportional Hazard

Variabel β exp(β) p-value Keputusan

Jumlah Trombosit 0,858 2,359 0,048 H0 Ditolak

Jumlah Hematokrit 0,861 2,364 0,000 H0 Ditolak

Lama Demam
Sebelum Rawat -0,164 0,849 0,015 H0 Ditolak
Inap

Likelihood Ratio Test = 19,610 p-value = 0,000 H0 Ditolak

  Dilakukan uji simultan dengan hipotesis sebagai berikut:   Dilakukan uji parsial dengan hipotesis sebagai berikut:
dengan
minimal ada satudengan dengan
Taraf signifikansi () yang digunakan 5% (0,05) Taraf signifikansi () yang digunakan 5% (0,05) dan
dan kriteria pengujiannya yakni jika P-value < maka kriteria pengujiannya yakni jika P-value < maka ditolak.
ditolak
h^  ( 𝑡 , 𝒙 )=h^ 0 ( 𝑡 ) exp ( 0,858 𝑥 3 +0,861 𝑥 4 − 0,164 𝑥5 )
 PENUTUP
Kesimpulan
h^  ( 𝑡 , 𝒙 )=h^ 0 ( 𝑡 ) exp ( 0,858 𝑥 3 +0,861 𝑥 4 − 0,164 𝑥5 )
Berdasarkan model di atas, dapat dilihat bahwa nilai hazard ratio untuk variabel jumlah trombosit adalah exp(0,858) atau 2,359.
Artinya pasien DBD yang jumlah trombositnya normal memiliki kesempatan 2,359 kali lebih cepat untuk mengalami event atau
sembuh dibandingkan pasien DBD dengan jumlah trombosit di bawah normal. Nilai hazard ratio untuk variabel jumlah
hematokrit adalah exp(0,861) atau 2,364. Artinya pasien DBD yang memiliki jumlah hematokrit normal memiliki kesempatan
2,364 kali lebih cepat untuk mengalami event atau sembuh dibandingkan pasien DBD yang memiliki jumlah hematokrit di bawah
normal. Dan nilai hazard ratio untuk variabel lama sakit sebesar exp(1(0,164)) atau 0,849. Artinya setiap penambahan satu hari
riwayat lama demam pasien DBD sebelum rawat inap, kesempatan untuk mengalami event atau sembuh adalah 0,849 kali.
Dengan kata lain semakin lama riwayat pasien demam sebelum dirawat inap di rumah sakit maka kesempatan untuk sembuh
semakin kecil.
Saran
• Dengan data yang sama dapat digunakan untuk membandingkan antara metode Breslow dengan 2 metode lainnya seperti Efron
dan exact dengan melihat nilai AIC terkecil.
• Untuk pengambilan kasus yang lain diharapkan dapat menggabungkan antara ties dan gap time.
TERIMAKASIH