Hasil Pencarian  ::  Simpan CSV :: Kembali

"ABSTRAKIndonesia mengalami penuaan penduduk yang sangat cepat. Diperkirakan populasipenduduk lansia di Indonesia akan mencapai 28,8 juta (11,3%) pada tahun 2020dan mencapai 100 juta (28,68%) pada tahun 2050. Perhatian mengenai bagaimanapenuaan sukses dan determinanya menjadi sebuah isu penting yang harusdieksplorasi sebagai dukungan informasi bagi penentu kebijakan dalammerancang kebijakan dan intervensi efektif untuk meningkatkan kualitas hiduplansia di Indonesia. Tujuan penelitian ini adalah untuk mengeksplorasi aspekmultidimensional penuaan sukses dan memperoleh model prediksi penuaan suksespada lansia di Indonesia.Penelitian ini menggunakan desain studi kohort retrospektif menggunakan dataIFLS (Indonesian Family Life Survey) dengan mengikuti individu selama tujuhtahun yaitu pada titik waktu pengukuran survei IFLS 2000 dan IFLS 2007. Jumlahsampel penelitian ini adalah 2.344 lansia (≥ 53 tahun). Model pengukuran penuaansukses diuji dan dianalisis menggunakan comfirmatory factor analysis (CFA).Analisis regresi logistik ganda digunakan untuk memperoleh model prediksipenuaan sukses.Penelitian ini menghasilkan konsep model penuaan sukses multidimensional yangmemiliki kriteria kecocokan model yang baik serta validitas dan reliabilitas yangcukup baik dengan kontribusi masing-masing yaitu keberfungsian mental (78%),keterlibatan aktif (64%), keberfungsian fisik (62%), spiritualitas (2,7%) dan bebasdari penyakit (0,1%). Hasil model prediksi penuaan sukses terdiri dari tujuhvariabel meliputi faktor individu (usia, jenis kelamin, pendidikan, aktivitas fisikdan waist circumference) dan faktor lingkungan (tingkat pengeluaran nabati danpartisipasi program dana sehat). Kelompok usia 60-69 tahun memiliki peluangsukses 2,211 (95% CI=1,077-4,539), kelompok usia 53-59 tahun sebesar 3,568(95%CI=1,765-7,216). Lansia laki-laki memiliki peluang 1,595 (95%CI=1,133-2,247), lansia dengan pendidikan rendah memiliki peluang 2,805 (95%CI=1,776-4,429), pendidikan menengah/tinggi 4,128 (95%CI=2,272-7,500). Lansia denganaktivitas fisik sedang memiliki peluang sukses 4,258 (95%CI=2,352-7,709),aktivitas ringan 3,964 (95%CI=2,228-7,052) dan aktivitas berat 3,675(95%CI=2,054-6,576). Lansia dengan Waist Circumference tidak berisikomemiliki peluang sukses 1,688 (95%CI=1,092-2,610). Lansia dengan tingkatpengeluaran nabati tinggi memiliki peluang sukses 1,384 (95%CI=1,010-1,898),lansia yang berpastisipasi dalam program dana sehat berpeluang sukses 1,779(95%CI=1,181-2,680). Implikasi hasil penelitian terhadap kebijakan berupa tigapilar utama yang menentukan penuaan sukses yaitu partisipasi, kesehatan danjaminan sosial. Selain ketiga pilar tersebut, gender juga merupakan determinanapenting penuaan sukses. Oleh karena itu kesetaraan gender perlu dipertimbangkandalam setiap pilar kebijakan

---

ABSTRACTIndonesia experienced rapid population aging. It is estimated that the elderlypopulation in Indonesia will reach 28.8 million (11.3%) in 2020 and 100 million(28.68%) in 2050. Caution regarding how successful aging and its determinantbecome an important issue that should be explored as support information forpolicy makers in designing effective policies and interventions to improve thequality of life of the elderly in Indonesia. The objective of this study was toexplore the multidimensional aspects of successful aging and obtain predictivemodels successful aging in the elderly in Indonesia.This study used a retrospective cohort study design using the data IFLS(Indonesian Family Life Survey) by following people for seven years, namely atthe point of measurement time survey IFLS IFLS 2000 and 2007. The amount ofthe sample is 2,344 elderly (≥ 53 years). Successful aging measurement modelwas tested and analyzed using Comfirmatory Factor Analysis (CFA). Multiplelogistic regression analysis is used to derive predictive model of successful aging.This research resulted in the concept of multidimensional models of successfulaging that has good validity and reliability. Each contribution were mentalfunctioning (78%), active involvement (64%), physical functioning (62%),spirituality (2.7%) and free of the disease (0.1%). Successful aging predictionmodels resulting from this study consisted of seven variables include individualfactors (age, gender, education, physical activity and waist circumference) andenvironmental factors (level of expenditure vegetable and healthy fund programparticipation). Age group 60-69 years had a chance of success 2.211 (95% CI =1.077 to 4.539), age group 53-59 years amounted to 3.568 (95% CI = 1.765 to7.216). Elderly men had chances 1.595 (95% CI = 1.133 to 2.247), elderly peoplewith low education had a chance 2.805 (95% CI = 1.776 to 4.429), secondaryeducation / high 4.128 (95% CI = 2.272 to 7.500). Elderly with moderate physicalactivity had a chance of success 4.258 (95% CI = 2.352 to 7.709), light activities3.964 (95% CI = 2.228 to 7.052) and strenuous activities 3,675 (95% CI = 2.054to 6.576). Elderly with no risk of waist circumference had a chance of success1.688 (95% CI = 1.092 to 2.610). Elderly with a high level of expenditurevegetable has a chance of success 1.384 (95% CI = 1.010 to 1.898), elderly whoparticipates in the healthy fund program likely to succeed 1.779 (95% CI = 1.181to 2.680). Implications of the results of research on policy in the form of the threemain pillars that determine successful aging, namely participation, health andsocial security. In addition to the three pillars, gender is also an importantdeterminana successful aging. Therefore, gender equality need to be considered inany policy pillars"

"Tuberkulosis (TB) merupakan penyakit menular yang disebabkan oleh bakteri M. tuberculosis yang merebak ketika penderita TB melepas bakteri tersebut ke udara. TB diperkirakan telah ada sejak lima ribu tahun sebelum Masehi dan diperkirakan sekitar seperempat populasi dunia telah terinfeksi. Faktor iklim merupakan salah satu faktor lingkungan terpenting dalam penyebaran TB, karena dapat menentukan kelangsungan hidup M. tuberculosis dan mempengaruhi kondisi host. Tercatat sejak 2010 hingga 2019, Indonesia memiliki tren peningkatan prevalensi TB. Kasus TB paru di Kabupaten Serang memiliki tren peningkatan selama 2017-2019 dan menduduki peringkat pertama kasus baru TB BTA+ di Provinsi Banten pada tahun 2019. Penelitian ini bertujuan untuk mengetahui hubungan jumlah kasus baru TB bulanan dengan faktor iklim bulanan (suhu rata-rata, kelembaban rata-rata, total curah hujan, kecepatan angin rata-rata, dan lama penyinaran matahari rata-rata) berdasarkan data tahun 2014-2020 serta model prediksi jumlah kasus baru TB berdasarkan faktor iklim di Kabupaten Serang. Penelitian ini merupakan penelitian kuantitatif dengan rancangan studi ekologi tren waktu. Hasil uji korelasi rank spearman menunjukkan bahwa kelembaban (nilai-p = 0,010; r = -0,279), curah hujan, (nilai-p = 0,004; r = -0,312) dan lama penyinaran matahari (nilai-p = 0,007; r = 0,293) memiliki hubungan signifikan dengan jumlah kasus baru TB. Sedangkan suhu dan kecepatan angin tidak memiliki hubungan signifikan dengan jumlah kasus baru TB (nilai-p > 0,05). Hasil uji regresi liner berganda membentuk model prediksi dengan persamaan Jumlah Kasus Baru TB= 107,799 + 14,310(Suhu) – 3,940(Kelembaban) + 0,060(Curah Hujan) + 0,554(Lama Penyinaran Matahari) + e dengan nilai R2= 0,164. Dinas Kesehatan Kabupaten Serang dapat menggunakan model prediksi tersebut dalam perencanaan upaya pengendalian TB.

---

Tuberculosis (TB) is an infectious disease caused by M. tuberculosis which spreads when a TB patient releases the bacteria into the air. TB was estimated to have existed since five thousand years BC and about a quarter of the world's population has been infected. Climate factors are one of the most important environmental factors in transmission of TB, because they can determine survival time of M. tuberculosis and affect the condition of the host. Recorded data from 2010 to 2019, Indonesia had upward trend of TB prevalence. Pulmonary TB cases in Serang Regency had upward trend during 2017-2019 and were ranked first in the new AFB+ TB cases in Banten Province in 2019. The purpose of this research is to analyze the correlation of the number of new TB cases monthly with monthly climate factors (average temperature, average humidity, total rainfall, average wind speed, and average sunshine duration) based on 2014-2020 data and the prediction model for the number of new TB cases based on climate factors in Serang Regency. This research is a quantitative study with a time trend ecological study design. Spearman rank test results showed that humidity (p-value = 0.010; r = -0.279), rainfall (p-value = 0.004; r = -0.312) and sunshine duration (p-value = 0.007; r = 0.293 ) had a significant correlation with new TB cases. Temperature and wind speed were not correlate with new TB cases (p-value > 0.05). The results of multiple linear regression test showed predictive model with the equation: Number of New Cases TB = 107.799 + 14.310(Temperature) – 3.940(Humidity) + 0.060(Rainfall) + 0.554(Sunshine Duration) + e with R2 = 0.164. The Serang District Health Office can use this prediction model in planning TB control program."

"Pada sistem kendali konvensional, batasan-batasan seperti amplitudo dan slew rate sinyal kendali tidak diperhitungkan pada proses pengendalian. Hal ini tentu dapat menyebabkan hasil kendali menjadi kurang baik, terutama jika terjadi pemotongan paksa terhadap sinyal kendali sebelum masuk ke plant. Untuk mengatasi hal tersebut dirancanglah suatu pengendali Model Predictive Control (MPC). Dengan MPC, keluaran proses yang akan datang dapat diprediksi dan batasan-batasan yang ada tidak diabaikan sehingga keluaran sistem menjadi bagus. Selain keluaran sistem menjadi bagus, adanya batasan juga dapat membuat kinerja alat menjadi optimal. Skripsi ini bertujuan untuk merancang jenis pengendali Model PredictiveControl (MPC) yang akan diterapkan pada sebuah sistem nyata Level/Flow and Temperature Process Rig 38-003 dengan metode Quadratic Programming. Dalam merancang pengendali MPC untuk Level/Flow and Temperature Process Rig 38-003 ini, penulis menggunakan model yang berbentuk ruang keadaan yang didapat dengan menggunakan metode Kuadrat Terkecil berdasarkan pada data masukan dan data variabel keadaan alat. Masukan sistem adalah tegangan untuk mengatur kondisi servo valve dan keluran yang akan dikendalikan adalah temperatur air hasil keluaran Heat Exchanger sebelum masuk ke sistem Radiator Cooler. Dari uji eksperimen terbukti bahwa metode pengendali MPC dengan constraints memberikan hasil yang lebih baik dibandingkan dengan metode pengendali Ruang Keadaan. Hal tersebut dapat dilihat dari tanggapan sistem hasil pengendalian MPC dengan constraints yang lebih halus dibandingkan dengan tanggapan sistem hasil pengendalian dengan metode pengendali Ruang Keadaan. Perubahan sinyal kendali pengendali MPC dengan constraints juga jauh lebih halus dibandingkan dengan perubahan sinyal kendali pengendali Ruang Keadaan. Kondisi ini akan meningkatkan ketahanan fisik sistem selama uji eksperimen.

---

In conventional control system, some constraints such as amplitude and control signal?s slew rate are not included in the controlling process. So, the result of the control process is not good enough especially if the control signal is forcibly cut before entering the plant. In order to overcome this problem, a Model Predictive Controller is designed. In this MPC control scheme, the few next steps of process output are going to be predicted and some constraints will be ignored so the system output will become precise. In other hand, the occurrence of constraints will improve system?s performance into an optimum condition.

The final purpose of this thesis is to design a Model Predictive Controller (MPC) using Quadratic Programming method which will be applied on a real time system of Level/Flow and Temperature Process Rig 38-003. In designing MPC controller for Level/Flow and Temperature Process Rig 38-003, the writer uses system?s model on state space form which is obtained by using Least Square method in the basis of input and state variables data of the plant. Input for the plant is voltage which will be used to control the position of servo valve whereas the controlled output is water temperature on the pipe that connects Heat Exchanger's output line and Radiator Cooler's input line.

Experiments conducted prove that MPC with constraints controlling scheme will give a better results than State Controller controlling scheme. Generally, it can be seen that system response to MPC controller is much smoother than system response to State Controller. MPC controller also has smoother control signal variance compared to State Controller control signal variance. This condition will actually raise the system's physical reliability during the experiment."

"Selama beberapa tahun terakhir, margin laba operasi dari operator jasa layanan telekomunikasi di Indonesia semakin berkurang. Situasi ini dominan dipicu oleh perang harga agresif yang dilakukan oleh semua operator untuk mendapatkan pelanggan baru. Oleh karena itu, suatu customer churn prediction modelling diperlukan untuk memetakan pelanggan dengan lebih baik agar strategi program retensi pelanggan dapat dieksekusi seefisien mungkin tanpa mengorbankan efektivitasnya. Penelitian ini bertujuan untuk memperoleh bukti empiris dan membangun customer churn prediction modelling dari berbagai faktor independen yang secara langsung maupun tidak langsung mempengaruhi pengambilan keputusan pelanggan untuk churn atau bertahan di sebuah operator jasa layanan telekomunikasi tertentu. Data penelitian yang digunakan fokus untuk memanfaatkan data sekunder dari penggunaan, perilaku, dan data demografis pelanggan dari sebuah operator jasa layanan telekomunikasi. Sampel diuji menggunakan analisis regresi logistik untuk melatih dan menghasilkan customer churn prediction modelling akhir yang relevan dengan karakteristik pelanggan telekomunikasi saat ini.

---

For several years, the operating profit margin of telecommunication operator in Indonesia have been diminished. The situation is mainly triggered by aggressive price war deployed by all operators to acquire new customers. Hence, the customer churn prediction modelling is needed to map customer better and make the retention program strategy as efficient as possible yet without comprimising its effectiveness. This research aims to obtain empirical evidence and build customer churn prediction modelling from various independent factors that possibly affect the decision making of customer to churn or retain at certain telecommunication provider in Indonesia. The research data are mainly focus in utilizing secondary data of real customer's usage, behaviour, and demographic data from a telecommunication company. The samples were tested using logistic regression analysis to train and produce final churn prediction model which relevant to current customer's characteristic at telecommunication industry."

"Pendahuluan: Dislipidemia merupakan faktor risiko utama Penyakit Kardiovaskuler yang sering terjadi pada penderita hipertensi. Menurut penelitian Sutrisna, B. et al., prevalensi dislipidemia pada penderita hipertensi dewasa urban di Indonesia cukup tinggi yaitu 78%. Prevalensi yang tinggi ini terutama disebabkan beberapa faktor risiko penyakit kardiovaskuler yang dapat dicegah. Penelitian ini merupakan studi lanjutan dari studi tersebut, dan bertujuan memperoleh model prediksi dan sistem skor terjadinya dislipidemia pada penderita hipertensi dewasa urban di Indonesia. Metode penelitian: Desain studi ini adalah potong lintang dengan menggunakan 400 sampel yang diperoleh dari data Riskesdas 2007. Sampel dipilih secara stratified random sampling berdasarkan provinsi yang ada di Indonesia dan dilakukan pemeriksaan sampel darah profil lemak di laboratorium Litbangkes Jakarta serta divalidasi di Laboratorium Prodia Jakarta. Analisis dilakukan dengan Regresi Logistik Ganda untuk mendapatkan model prediksi dan nilai OR serta dilanjutkan dengan sistem skor untuk prediksi dislipidemia pada penderita hipertensi. Hasil Penelitian: Variabel yang bermakna secara statistik dan dimasukkan pada model prediksi akhir adalah jenis kelamin laki-laki ( OR= 2,39, 95% CI 1,31-4,39), IMT Obesitas ( OR = 3,00, 95%CI 1,07-8,44), jenis aktivitas fisik kategori sedang (OR= 2,38, 95%CI 1,16-4,89) sedangkan status sosial ekonomi kuintil 4 ( OR = 2,02, 95%CI 0,83-4,90), dimasukkan ke dalam model akhir karena secara substansi bermakna. Dari model prediksi akhir dilanjutkan pembuatan sistem skor yang lebih mudah dimengerti masyarakat awam. Temuan baru pada penelitian ini diaplikasikan dalam bentuk software excel yang dapat digunakan oleh klinisi di pelayanan kesehatan primer dan leaflet sistem skor prediksi dislipidemia pada penderita hipertensi dewasa yang dapat digunakan masyarakat awam dan penderita hipertensi.

---

Introduction: Dyslipidemia is the main risk factor of Cardiovascular Disease that often occurs to hypertension patient. According to the research, Sutrisna, B. et al, dyslipidemia prevalence of adult urban hypertension patient in Indonesia is quite high, that is 78%. This high prevalence is mainly caused by several risk factor of cardiovascular disease that can be prevented. This research is an advance study from that study, and intends to achieve prediction model and score system of the occurring of dyslipidemia on adult urban hypertension patient in Indonesia.

Research Methodology: This study design is cross sectional by using 400 samples that was taken from Riskesdas 2007 data. The samples were chosen as random stratified sampling based on the provinces in Indonesia and were taken fat profile blood sample check at Litbangkes Jakarta laboratory and also were validated at Prodia Jakarta Laboratory. The analysis is done by Multiple Logistic Regression to get prediction model and OR score and is also continued by score system to predict dyslipidemia on hypertension patient.

Research Result: A significant variable in a statistic manner and that is put on the final prediction model is male gender (OR= 2.39, 95% CI 1.31-4.39), IMT Obesity (OR = 3.00, 95%CI 1.07-8.44), medium type of physical activity category (OR= 2.38, 95%CI 1.16-4.89), whereas socio economy status quantile 4 (OR = 2.02, 95%CI 0.83-4.90) is put into the final model because of the significantl substantial manner. From the final model prediction, it is continued to formulate easier score system to be understood by common people. The invention in this research is applied in excel software form that can be used by primary service clinical officer and score system leaflet on adult hypertension patient that can be used by common people and hypertension patient."

"Latar Belakang. Mortalitas keganasan dengan tromboemboli vena lebih tinggi daripada keganasan tanpa tromboemboli vena. Jenis dan/atau histopatologi keganasan, stadium, terapi keganasan berisiko tinggi trombosis vena dalam, lokasi trombus, usia, imobilisasi, kateter vena sentral, D-dimer, infeksi, dan Indeks Komorbiditas Charlson berpengaruh terhadap mortalitas pasien keganasan dengan trombosis vena dalam. Belum ada data insiden kumulatif mortalitas pasien keganasan dengan trombosis vena dalam di Indonesia dan belum ada model prediksi yang mudah untuk memprediksi mortalitas pasien keganasan dengan trombosis vena dalam. Tujuan. Mengetahui insiden kumulatif mortalitas dan membuat model prediksi berupa sistem skor prediktor mortalitas 3 bulan pertama pasien keganasan dengan trombosis vena dalam. Metode. Penelitian kohort, 223 pasien keganasan dengan trombosis vena dalam di RSCM, Januari 2011-Agustus 2013, diamati 3 bulan. Variabel bebas: usia, jenis dan/atau histopatologi keganasan, stadium keganasan, terapi risiko tinggi terjadi trombosis vena dalam, lokasi trombus, imobilisasi, penggunaan kateter vena sentral, D-dimer awal saat diagnosis trombosis vena dalam, infeksi, dan Indeks Komorbiditas Charlson. Variabel dependen: mortalitas karena semua penyebab. Regresi logistik digunakan untuk mendapatkan sistem skor. Hasil. 61,4% pasien meninggal. Prediktor yang bermakna terhadap mortalitas 3 bulan pertama adalah stadium III-IV, imobilisasi, dan infeksi; dengan masingmasing skor 2-3-2. Total skor risiko rendah (0), risiko sedang (2-4), dan risiko tinggi (5-7) mempunyai mortalitas berturut-turut 10%, 43%, 72%. Simpulan. Insiden kumulatif mortalitas 3 bulan pertama pasien keganasan dengan trombosis vena dalam adalah 61,4%. Telah ditemukan model prediksi mortalitas 3 bulan pertama pasien keganasan dengan trombosis vena dalam.

---

Background. Mortality risk among malignancy with venous thromboembolism (VTE) patients is higher than malignancy patients without VTE. The type and/or histopathology of malignancy, cancer stage, high risk cancer therapy for deep vein thrombosis (DVT), thrombus location, age, immobilization, central venous catheter, D-dimer, infection, and Charlson Comorbidity Index influence the mortality of malignancy patients with DVT. There is no cumulative incidence data and an easy prediction model to predict mortality among malignancy patients with DVT.

Objective. To know the cumulative incidence of mortality and to make a prediction model (scoring system) to predict the first 3-month mortality among malignancy patients with DVT.

Methods. A cohort study of 223 malignancy patients with DVT at Cipto Mangunkusumo National Hospital between January 2011-August 2013, with 3 months of follow-up. Independent variables: age, cancer's type and/or histopathology, cancer stage, high risk cancer therapy for DVT, thrombus location, immobilization, central venous catheter, D-dimer when the patients were diagnosed with DVT, infection, and Charlson Comorbidity Index. Dependent variable: all-caused mortality. Logistic regression was used to make a scoring system.

Results. 61.4% patients died. The significant predictors were stage III-IV cancer, immobilization, and infection; with the scores 2-3-2, respectively. Total score for low risk patients (0), intermediate risk patients (2-4), and high risk patients (5-7) with the mortality 10%, 43%, 72%, respectively.

Conclusions. The cumulative incidence of the first 3-month mortality in malignancy patients with DVT was 61.4%. There is an applicable prediction model to predict the first 3-month mortality among malignancy patients with DVT."

"ABSTRAKPrevalensi prediabetes terus meningkat baik secara nasional maupun global,dengan angka yang lebih tinggi dari prevalensi diabetes tipe-2. Individudengan prediabetes memiliki peningkatan risiko terkena diabetes tipe 2 danmunculnya penyakit kardiovaskular utama lebih awal. Penelitian ini bertujuanmengestimasi prevalensi, faktor-faktor risiko, serta model prediksi kejadianprediabetes pada penduduk usia produktif di Indonesia dengan desain studi cross sectional. Penelitian ini menggunakan data sekunder berasal dari Riset Kesehatan Dasar tahun 2013. Populasi penelitian adalah dewasa usia produktif 18 ? 64 tahun. Kriteria diagnostik berdasarkan kadar glukosa darah menurut pedoman American Diabetes Association (ADA) 2011 dan Perkumpulan Endokrinologi Indonesia (PERKENI) 2011. Analisis data menggunakan regresi logistik. Hasil penelitian menunjukkan prevalensi prediabetes sebesar 54,5%. Variabel prediktor untuk kejadian prediabetes pada penduduk usia produktif di Indonesia adalah umur, status sosial ekonomi, obesitas, hipertensi dan kebiasaan merokok. Semakin tua, terjadi peningkatan risiko mengalami prediabetes. Sementara pada subjek dengan obesitas berisiko 1,256 kali (OR 1,256; 95% CI 1,153-1,368) untuk mengalami prediabetes dibandingkan dengan IMT normal. Subjek dengan hipertensi berisiko 1,307 kali (OR 1,307; 95% CI 1,184-1,443) untuk mengalami prediabetes. Sementara subjek perokok berisiko 1,121 kali (OR 1.121; 95%CI 1.032-1.217) untuk mengalami prediabetes dibandingkan subjek tidak pernah merokok. Prediabetes masih dapat dikendalikan agar tidak menjadi diabetes maupun komplikasi kardiovaskular.

---

ABSTRACTThe prevalence of prediabetes increase both nationally and globally, with a higher rate than prevalence of type 2 diabetes. Individuals with prediabetes have an increased risk of type 2 diabetes and the early emergence of major cardiovascular diseases. This study aims to estimate the prevalence, risk factors, and prediction of prediabetes models in the productive age population in Indonesia with cross sectional study design. This study uses secondary data came from Basic Health Research in 2013. The study population was productive adults aged 18-64 years. The diagnostic criteria based on the blood glucose level under the guidelines of the American Diabetes Association (ADA) in 2011 and the Society of Endocrinology Indonesia (PERKENI) 2011. Data were analyzed using logistic regression. Results showed the prevalence of prediabetes 54,5%. The predictor variables for prediabetes on the productive population in Indonesia are age, socioeconomic status, obesity, hypertension and smoking habits. Getting older, there is increased risk of having prediabetes. Subject with obesity at risk of 1,256 times (OR 1.256; 95% CI 1.153 to 1.368) to have pre-diabetes compared with normal BMI. Subjects with hypertension at risk of 1.307 times (OR 1.307; 95% CI 1.184 to 1.443) to have prediabetes. While the subject of smokers at risk of 1.121 times (OR 1,121; 95% CI 1032-1217) to have pre-diabetes than subjects had never smoked. Prediabetes can still be controlled so it not develop to diabetes and cardiovascular complications."

"ABSTRAKNama : Utih ArupahNPM : 1506787121Program : Magister Ilmu Kesehatan MasyarakatJudul : Model Prediksi Berat Badan Menggunakan Prediktor LingkarLengan Atas, Lingkar Pinggang, Lingkar Paha, Lingkar Betis,dan Panjang BadanPengukuran berat badan di rumah sakit merupakan parameter yang objektif,akan tetapi tidak semua pasien yang dirawat dapat dilakukan penimbanganberat badan dengan timbangan biasa, karena pasien tidak bisa berdiri tegak,ketidakmampuan pasien untuk berdiri,lemah tubuh, kesadaran menurun, karenapenyakit tertentu sehingga data yang dihasilkan memiliki reliabilitas yangkurang baik. Lingkar lengan, lingkar pinggang, lingkar paha, lingkar betis danpanjang badan merupakan salah satu ukuran antropometri yang kuat dapatdigunakan untuk memprediksi berat badan. Penelitian ini bertujuan untukmengembangkan model prediksi berat badan berdasarkan lingkar lengan atas,lingkar pinggang, lingkar paha, lingkar betis dan panjang badan. Penelitiandilakukan pada bulan nopember 2017. Disain yang digunakan adalah crosssectional jumlah sampel 160 orang pegawai yang diambil secara simplerandom sampling di RSCM. Variabel yang dikumpuli meliputi berat badan,lingkar lengan atas, lingkar pinggang, lingkar paha, lingkar betis, dan panjangbadan. Berat badan diukur dengan penimbangan dan lingkar lengan atas,lingkar pinggang, lingkar paha, lingkar betis dengan melingkari pita, panjangbadan dengan ukuran meteran. Hasil akhir dari penelitian menghasilkan modelprediksi berat badan untuk mendapatkan berat badan prediksi. Menghasilkan18 model prediksi berat badan memiliki nilai R square tinggi yaitu: 2 modelprediksi berat berat untuk laki-laki R2= 0,898, dan R2= 0,930, 9 model prediksiberat badan untuk perempuan R2=0,960, R2=0,952, R2=0,953, R2=0,956,R2=0,968, R2=0,949, R2=0,945, R2=0,963, R2= 0,944 dan 7 model prediksiuntuk gabungan laki-laki dan perempuan R2=0,949, R2=0,934, R2=0,893,R2=0,935, R2=0,914, R2=0,913, R2=0,929. Peneliti menyimpulkan bahwamodel prediksi berat badan yang dihasilkan akurat untuk memprediksi beratbadan dewasa. Namun perlu dilakukan penelitian kembali pada populasi yanglebih luas.Kata Kunci : Model Prediksi, Berat Badan, Lingkar Lengan Atas

---

ABSTRACTNama Utih ArupahNPM 1506787121Program Master of Public HealthJudul Weight Prediction Models Using Upper Arm CircumferencePredictor, Waist Circumference, Thigh Circumference, CalfCircumference and body LengthThe Weight measurement at Hospital is an objective parameter, however thereare only a few treated patients whose body weights can be measured withordinary scales. The reasons are mostly because of their inability to stand up bythemselves or because of certain disease so that the data results have lessreliability. Arm circumference, waist circumference, thigh circumference, calfcircumference and body length are one of the strongest anthropometry can beused to predict body weight. This research aims to develop a weight predictionmodel based on the upper arm circumference, waist circumference, thighcircumference, calf circumference and body length. This research wasconducted in November 2017. The design which used are cross sectional with160 samples of staffs which were taken by simple random in RSCM. Thecollected variables which consist of body weight, upper arm circumference,waist circumference, thigh circumference, calf circumference, and body length.Measurement of body weights can be done by weighing them. Measurement ofupper arm circumference, waist circumference, thigh circumference, calfcircumference can be done by using metering ribbon, and body length withstick meter. The final result of the research creates the formula of body weightprediction to get body weight rsquo s prediction. Producing 18 weight predictionmodels that have high lsquo R rsquo square value, that is 2 weight prediction models forman which are R2 0,898, and R2 0,930, 9 weight prediction models forwomen which are R2 0,960, R2 0,952, R2 0,953, R2 0,956, R2 0,968,R2 0,949, R2 0,945, R2 0,963, R2 0,944 and 7 weight prediction models ofmixed gender R2 0,949, R2 0,934, R2 0,893, R2 0,935, R2 0,914, R2 0,913,R2 0,929 . Scientists concluded that weight prediction models which wasdeveloped is accurate for predicting adult body weight. However, it needs to bere examined in the wider population.Keywords Prediction model, weight, upper arm circumference"

"Sejak pertama kali dilaporkan pada Desember 2019 di Kota Wuhan, China, infeksi SARS-CoV-2 telah menjadi pandemi global dan mengancam kesehatan masyarakat di seluruh dunia. Provinsi DKI Jakarta merupakan salah satu episenter kasus COVID-19 di Indonesia. Hingga tanggal 25 September 2022, DKI Jakarta menjadi penyumbang kasus tertinggi yaitu sebanyak 1.422.965 kasus, dengan 15.553 kasus yang berakhir dengan kematian. Dari total kasus positif di DKI Jakarta per tanggal 25 September 2022 tersebut, Kota Administrasi Jakarta Pusat menyumbang sebanyak 131.410 kasus dengan mortality rate yang paling tinggi yaitu sebesar 1,35%.Penelitian ini bertujuan untuk mengetahui hubungan antara faktor iklim (suhu, kelembaban, curah hujan, kecepatan angin) dan pencemaran udara (PM10, PM2.5, SO2, NO2) dengan kasus COVID-19, menganalisis faktor yang paling dominan dan membuat model prediksi kasus COVID-19 berdasarkan faktor iklim dan pencemaran udara. Penelitian ini merupakan penelitian kuantitatif yang menggunakan desain studi ekologi berdasarkan waktu (time trend). Penelitian dilakukan pada bulan April-Juni 2023 menggunakan data iklim, data pencemaran udara dan data insidens kasus COVID-19 di Kota Administrasi Jakarta Pusat Tahun 2020-2022. Data dianalisis menggunakan analisis univariat, bivariat dan multivariat serta hasilnya disajikan dalam bentuk tabel dan grafik.Hasil uji bivariat dengan korelasi spearman menunjukkan bahwa suhu (p = 0,000; r = -0,291) dan kecepatan angin (p = 0,001; r = 0,265) berhubungan signifikan dengan kasus COVID-19. Hasil uji multivariat dengan regresi linear berganda menunjukkan bahwa variabel yang berhubungan signifikan dengan kasus COVID-19 adalah suhu, kecepatan angin dan PM2.5, dimana faktor yang paling dominan adalah PM2.5. Model prediksi kasus COVID-19 adalah ln(Y) = 22,330 - 0,875(X1) + 1,806(X2) + 0,053(X3) + e dengan R2 = 0,225. Penelitian ini menyimpulkan bahwa ada hubungan antara faktor iklim dan pencemaran udara dengan kasus COVID-19 di Kota Administrasi Jakarta Pusat Tahun 2020-2022. Disarankan kepada peneliti selanjutnya untuk melakukan penelitian di tingkat individu dengan desain studi kohort untuk membuktikan hubungan antara iklim dan pencemaran udara dengan kasus COVID-19.

---

Since it was first reported in December 2019 in Wuhan, China, SARS-CoV-2 infection has become a global pandemic and threatens public health worldwide. DKI Jakarta Province is one of the epicenters of COVID-19 cases in Indonesia. As of September 25 2022, DKI Jakarta is the highest contributor of cases, namely 1,422,965 cases, with 15,553 cases ending in death. From the total positive cases in DKI Jakarta as of September 25 2022, the Central Jakarta Administrative City contributed 131,410 cases with the highest mortality rate, which was 1.35%. This study aims to determine the relationship between climatic factors (temperature, humidity, rainfall, wind speed) and air pollution (PM10, PM2.5, SO2, NO2) with COVID-19 cases, to analyze the most dominant factors and to create a case prediction model.

This research is a quantitative study using a time trend ecological study design. The research was conducted in April-June 2023 using climate data, air pollution data and COVID-19 case incidence data in the Administrative City of Central Jakarta for 2020-2022. Data were analyzed using univariate, bivariate and multivariate analysis.

The results of the bivariate test with spearman correlation show that temperature (p = 0.000; r = -0.291) and wind speed (p = 0.001; r = 0.265) are related significantly to COVID-19 cases. The results of the multivariate test with multiple linear regression show that the variables that had a significant relation on COVID-19 are temperature, wind speed and PM2.5, where the most dominant factor is PM2.5. The COVID-19 case prediction model is ln(Y) = 22.330 - 0.875(X1) + 1.806(X2) + 0.053(X3) + e with R2 = 0.225. This study concludes that there is a relationship between climate factors and air pollution with COVID-19 cases in the Administrative City of Central Jakarta in 2020-2022. It is suggested to future researchers to conduct research at the individual level with a cohort study design to prove the relationship between climate and air pollution with COVID-19 cases."

"Karsinoma tiroid papiler (KTP) merupakan karsinoma tiroid yang paling sering ditemukan. Pada KTP terdapat driver mutation utama yakni BRAFV600E dan RAS. KTP dengan mutasi BRAFV600E umumnya menunjukkan perangai lebih agresif daripada RAS, keduanya harus dibedakan karena menentukan arah penatalaksanaan selanjutnya. Di Indonesia,pemeriksaan BRAFV600E dan RAS belum dilakukan rutin karena keterbatasan sumber daya. Tujuan penelitian ini adalah menganalisis aspek klinis, histopatologis dan ekspresi pERK1/2 sebagai prediktor diagnosis KTP dengan BRAFV600Eatau RAS. Penelitian ini menggunakan desain potong lintang yang dilakukan di RSUPN dr. Cipto Mangunkusumo pada bulan Maret 2022–Maret 2023. Subjek adalah pasien KTP yang menjalani tiroidektomi total sebanyak 222 pasien. Status mutasi diperiksa dengan PCR dan sekuensing DNA, menunjukkan 64 mutasi BRAFV600E, 42 mutasi RAS dan 116 non-BRAFV600E non-RAS. Ekspresi pERK1/2 diperiksa dengan imunohistokimia dan dihitung dalam satuan persentase. Terdapat hubungan antara karakteristik histopatologis (skor inti, kapsul, varian histopatologis, invasi jaringan lunak peritiroid dan metastasis kelenjar getah bening) dengan mutasi BRAFV600E. Terdapat hubungan antara varian histopatologis dengan mutasi RAS. Ekspresi pERK1/2 lebih tinggi secara bermakna pada BRAFV600E dan RAS, dibandingkan non-BRAFV600E non-RAS. Model prediksi BRAFV600E adalah skor inti 3 + tidak berkapsul + varian agresif + ekspresi pERK1/2 > 10%. Variabel skor inti 3, tidak berkapsul dan varian agresif masing-masing memberikan skor 1, sedangkan ekspresi pERK1/2 > 10% memberikan skor 2. Total skor 5 menunjukkan probabilitas 82% mutasi BRAFV600E. Model prediksi RAS adalah varian folikular + ekspresi pERK1/2 > 10%, masing-masing memberikan skor 1. Total skor 2 menunjukkan probabilitas 70% mutasi RAS. Selanjutnya dilakukan validasi internal dengan mengelompokkan total skor berdasarkan pertimbangan probabilitas dan spesifisitas. Kombinasi 1 (skor BRAFV600E 0–2dan skor RAS 0–1) menunjukkan proporsi non-BRAFV600E non-RAS lebih banyak ditemukan. Kombinasi 2 (skor BRAFV600E 0–2 dan skor RAS 2) atau RAS-like menunjukkan proporsi mutasi RAS secara bermakna lebih banyak ditemukan. Kombinasi 3 (skor BRAFV600E 3–5 dan skor RAS 0–1) atau BRAFV600E-like menunjukkan proporsi mutasi BRAFV600E secara bermakna lebih banyak ditemukan. Kombinasi 4 (skor BRAFV600E 3–5 dan skor RAS 2menunjukkan proporsi mutasi RAS secara bermakna lebih banyak ditemukan dibandingkan kelompok lainnya. Tata laksana standar atau eskalasi diusulkan berdasarkan stratifikasi risiko American Thyroid Association.

---

Papillary thyroid carcinoma (PTC) is the most common type of thyroid carcinoma. PTC has two main driver mutations, namely BRAFV600E and RAS. PTC with BRAFV600E mutation is more aggressive than RAS and the two must be distinguished as they determine therapeutic strategy. In Indonesia, BRAFV600E and RAS examinations have not been carried out routinely due to limited resources. The aim of this study was to analyze the clinical profile, histopathological characteristics and pERK1/2 expression as a diagnostic predictor of PTC with BRAFV600E and RAS mutation. This study used a cross-sectional design conducted at RSUPN dr. Cipto Mangunkusumo (RSCM) from March 2022–March 2023. Subjects were 222 patients diagnosed with PTC who underwent total thyroidectomy. Mutation status was examined with PCR and DNA sequencing, consisting of 64 BRAFV600E mutations, 42 RAS mutations and 116 non-BRAFV600E non-RAS. pERK1/2 was examined using immunohistochemistry and calculated in percentage units. There was an association between histopathological characteristics (nuclear score, capsule, histopathological variants, peri-thyroidal soft tissue invasion and lymph node metastases) with BRAFV600E mutation. There was an association between histopathological variants and RAS mutation. The expression of pERK1/2 was significantly higher in BRAFV600E andRAS than non-BRAFV600E non-RAS. The BRAFV600E prediction model is a nuclear score of 3 + non-encapsulated + aggressive variant + pERK1/2 expression > 10%. Nuclear score of 3, non-encapsulated and aggressive variant variables each gave a score of 1, while expression of pERK1/2 > 10% gave a score of 2. The total score of 5 indicated 82% probability for BRAFV600E mutation. The predictive model for RAS is follicular variant + pERK1/2 expression > 10%. Each variable gave a score of 1. A total score of 2 indicated 70% probability for RAS mutation. Furthermore, internal validation was carried out by dividing the total score based on probability and specificity considerations. Combination 1 (BRAFV600E score 0–2 and RAS score 0–1) showed that non-BRAFV600E non-RAS were more commonly found. Combination 2 (BRAFV600E score 0–2 and RAS score 2) or RAS-like showed a significantly higher proportion of RASmutations. Combination 3 (BRAFV600E score 3–5 and RAS score 0–1) or BRAFV600E-like showed a significantly higher proportion of BRAFV600E mutations. Combination 4 (BRAFV600E score 3–5 and RAS score 2) showed a significantly higher proportion of RAS mutations than other groups. Standard management or escalation recommendation are proposed based on American Thyroid Association risk stratification."