LEMBAR KERJA

1. Nilai Abnormalitas
Variabel Rata-Rata STDEV Rerata 2 SD Abnormalitas
SGOT/SGPT 26,29 13,923 26,29 + 54,136 + 0,05 =
2(13,923) = 54,18
54,13
Hb 12,472 0,3238 12,472 + 11,82442 - 0,05 =
2(0,3238) = 11,77
11,82
Trigliserid 115,31 20,047 115,31 + 155,4 + 0,05 =
2(20,047) = 155,45
155,4
Kolesterol 137,24 32,045 137,24 + 202,0458 + 0,05 =
2(32,045) = 202,09
202,04
HDL 89,44 17,119 89,44 + 55,20132 - 0,05 =
2(17,119) = 55,15
55,20
LDL 74,64 13,634 74,64 + 101,0983 + 0,05 =
2(13,634) = 101,14
101,90
Statistics

SGOT/SGPT
Laki-laki Hemoglobin Trigliserid Total Kolestrol HDL LDL

N Valid 200 200 200 200 200 200

Missing 0 0 0 0 0 0
Mean 26,29 12,472 115,31 137,24 89,44 74,64
Std. Deviation 13,923 ,3238 20,047 32,405 17,119 13,634
Dikatakan nilai abnormalitas SGOT/SGPT apabila >54,18.
Dikatakan nilai abnormalitas Hb apabila <11,77.
Dikatakan nilai abnormalitas Trigliserid apabila >155,45.
Dikatakan nilai abnormalitas Kolesterol apabila >202,09.
Dikatakan nilai abnormalitas HDL apabila <55,15.
Dikatakan nilai abnormalitas SGOT/SGPT apabila >101,14.

2. Clinical Scenario
2.1. Tabel PICO
(tujuan: early diagnosis, alat uji diagnostik, screening tool, membandingkan uji diagnostik
baru dengan yang biasa dipakai)
P (Patient/Problem) Older adults with early signs/symptoms of cognitive impairment
I (Intervention) Mini-Cog Screening Test
C (Comparative) MMSE (Mini Mental State Examination) Screening Tool
O (Outcome) Apakah Mini-Cog sama akuratnya dengan MMSE dalam
mendiagnosis alzheimer dan demensia?
Menilai akurasi Mini-Cog dalam mendiagnosis alzheimer dan
demensia dibandingkan dengan MMSE yang sering dipakai.
2.2. Clinical Question
Bisa dibuat dari problem
 Apakah Mini-Cog lebih akurat dalam mendiagnosis alzheimer dan demensia dibandingkan
dengan MMSE?
2.3. Search Terms
Mini-cog OR minicog AND (Mini-mental state exam * OR MMSE OR SMMSE) AND
Alzheimer*OR dementia)
2.4. Searching
www.tripdatabase.com
www.evidence.nhs.uk
www.medicine.ox.ac.uk/bondlier.knowledge.htm;
www.intute.ac.uk
2.5. Paste abstract artikel
(kalau artikel lengkap, boleh paste seluruh artikel)
2.6. Critical Appraisal
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5179268/
https://www.karger.com/Article/Abstract/337387
Lakukan sesuai worksheet yang dikasih!
Systematical review, prognosis, harm, diagnosis
Pada kasus ini, worksheet yang dipakai adalah worksheet diagnosis (screening tool)

3. DATA Diagnostik
3.1. Grafik Titik Potong Diagnostik
Buka medcalc file open pilih lokasi data, jangan lupa ganti type, versi .xls, spss, dst!
all OK
ATAU
Copas manual
Memperkirakan titik potong diagnostik secara visual:

Isi variabel dengan FR, classification variabel dengan outcome!

Kemudian copas hasil output ke word
 Classification: MCI
100
90
80
70
60
Sensitivity (%)
50
Specificity (%)
40
30
20
10
0
40 50 60 70 80
Kreatinin Kinase
Kalau tidak ingin memperkirakan secara visual:
Statistic ROC curve ROC curve analysis isi variable dan classification variable OK
Kreatinin Kinase
100
Sensitivity: 100,0
Specificity: 92,0
Criterion : >69,1098
80
Sensitivity

60

40

20

0
0 20 40 60 80 100
100-Specificity
3.2. Perkirakan secara visual nilai titik potong diagnostik dan interpretasikan
Sensitivity : 100,0
Specificity : 92,0
Interpretasi kreatinin kinase berdasar cut-off points.
>69,1098 berisiko MCI/Positif
<= 69,1098 berisiko MCI/Negatif
Bisa di-crosscheck hasilnya dengan Excel, SPSS, EpiCalc, dan Stat Calc!
Harus tabel 2x2!
Kreatinin kinase yang tadinya numerik, jadi kategorik berdasar titik potong!
Cari Titik Potong di SPSS:
Isi Test Variable dan State Variable, jangan lupa isi value variable-nya juga, pilih sesuai yang
sudah ditulis di SPSS. 1: MCI positif, 0: MCI negatif. Pilih yang MCI positif!
Copy special yang Coordinates of the Curve ke excel!
Di Excel:
Buat kolom baru, Specificity dengan rumus 1-(1-Specificity), lalu hide kolom (1-Specificity)!
Block tabel (Sensitivity & Specificity saja) insert line ketemu titik potong! Di point
42, tapi urutkan dulu datanya 1-terakhir sebelumnya lihat data ke-42, itulah nilai
sensitivitas, spesifisitas, dan kriteria kreatinin kinase-nya.
Cari Sensitivity & Specificity di SPSS:
Ubah data numerik kreatinin kinase menjadi kategorik! (transfrom record into diff.
variables dst...)
LOWEST thru 69,1098 = 0
All other values = 1
Jangan lupa ubah value variable di variable view!
0 = <=69,1098
1 = >69,1098
Analyze descriptive statistics crosstabs buat tabel 2x2
Kategori Kreatinin Kinase: row
MCI: column
OK
Copas hasil output tabel, ternyata terbalik! Padahal tabelnya harusnya gk kayak gitu. Jadi
buat tabel 2x2 di word, tulis ulang! (boleh di excel)
Kategori Kreatinin Kinase * MCI Crosstabulation
Count

MCI

MCI Negatif MCI Positif Total

Kategori Kreatinin Kinase <=69,1098 80 0 80

>69,1098 7 13 20
Total 87 13 100
Kategori Kreatinin MCI
 Kinase + -
>69,1098 13 (a) 7 (b)
<=69,1098 0 (c) 80 (d)
Sensitivity = a/a+c = 13/13+0 = 1 = 100%
Specificity = d/b+d = 80/(7+80) = 80/87 x 100% = 91,95%
Sensitivity & Specificity di Epicalc:
Klik kanan di Untitled tables 2-by-2 unstratified
Sensitivity & Specificity di StatCalc
3.3. Nilai Diagnostik menggunakan MedCalc dan EpiCalc

4. DATA Therapy Bad Outcome (target: kematian)

a. Analyze descriptive statistics crosstab
Kelompok: row
Outcome: column
Kelompok * Outcome Crosstabulation
Count
Outcome
Hidup Meninggal Total
Kelompok Ace Inhibitor 44 6 50
Placebo 37 13 50
Total 81 19 100
Pakai Stat Calc!
Tabel itu terbalik, harusnya meninggal duluan, karena targetnya adalah meninggal. Jadi jangan
lupa tuker-tuker target di statcalc!
Interpretasi:
ACE inhibitor efektif dalam mencegah kematian akibat MCI sebesar 53,8%.
Lihat dari RRR, obat efektif jika >50%

5. DATA Therapy Good Outcome (target: sembuh)

Kelompok * Outcome Crosstabulation
Count

Outcome

Sembuh Tidak Sembuh Total

Kelompok Enalapril + ASA 26 24 50

Isossorbid Prodiprogrel +
9 41 50
Deuretik
Total 35 65 100
RBI = 188,89%
Enalpril + ASA lebih efektif menyembuhkan MCI dibandingkan dengan isosorbid propidogrel +
diuretik (RBI >50%).