-
CREATED BY:
1. Febrianti W. Putri(125090501111005)2. Hafid
Ardiansyah(125090507111005)3. Khalifa Ardy S.(125090507111013)4.
Kristin Verahditiya(125090507111015)5. Mashadi Dwi(6. Niken
Hapsari(125090500111019)7. Nurul Imania(125090500111035)8. Prasetyo
Indra S.(125090501111011)9. Shabrina
Awanis(125090501111007)Analisis Lama Hari Rawat Pasien yang
Menjalani Pembedahan di Ruang Rawat Inap Bedah Kelas III RSUP
Sanglah Denpasar Tahun 2011
-
Data SkripsiSumber: TesisPenulis: I Wayan WartanaNPM:
1006799716Prodi: Kajian Administrasi RSFakultas: FKMUniversitas:
Universitas IndonesiaTahun: 2012
-
Latar BelakangPenilaian mutu pelayanan rumah sakit pada dasarnya
adalah penilaian semua kegiatan Rumah sakit, baik medis, penunjang
medis, kegiatan keuangan, administrasi pasien, rekam medis dan
penilaian kepuasan pasien (Adriani, 2008). Chriswardani 2006
mengatakan penilaian terhadap mutu pelayanan kesehatan meliputi
tiga penilaian yaitu, effektifitas medis (menilai
indikator-indicator kesehatan), persepsi sosial (kepuasan pasien,
opini masyarakat), dan efisiensi ekonomi (penilaian terhadap lama
hari rawat, sarana dan utilisasi alat yang tersedia). Mutu
pelayanan yang kurang baik akan menyebabkan pemborosan waktu dan
sumber daya, meningkatkan kesalahan-kesalahan dalam pelaksanaan
pelayanan dan meningkatkan resiko terjadinya kesulitan lainLama
hari rawat selain menunjukkan tingkat efisiensi pengelolaan rumah
sakit, juga menunjukkan efektivitas rumah sakit dari aspek mutu
asuhan (quality of care) yang dilakukan oleh tenaga professional
yang bekerja di rumah sakit. Saat menghadapi pembedahan, pasien
akan mengalami berbagai stressor. Oleh karena itu sangat
membutuhkan informasi sebelum dan sesudah operasi agar pasien dan
keluarga dapat berpartisipasi secara aktif sehingga dapat
meminimalkan terjadinya komplikasi.
-
TujuanMengetahui faktor-faktor yang berhubungan dengan lama hari
rawat pasien yang menjalani pembedahan di bagian bedah ruang kelas
III RSUP SanglahMenganalisis lama hari rawat pasien yang menjalani
pembedahan di bagian bedah ruang kelas III RSUP Sanglah dengan
menggunakan metode cox proportional hazard
-
rumusan Masalah Apakah ada hubungan antara Jenis Kelamin Pasien,
Pekerjaan Pasien, Diagnosa Penyakit, Teknik Operasi, Operator
Operasi (Dokter Operasi), dan Komplikasi setelah Operasi dengan
Lama hari rawat pasien yang menjalani pembedahan di bagian bedah
ruang kelas III RSUP Sanglah tahun 2011?Faktor apa yang paling
dominan dengan lama hari rawat pasien yang menjalani pembedahan di
bagian bedah ruang kelas III RSUP Sanglah tahun 2011?
-
Question :Mengapa kita mengambil skripsi ini sebagai pembahasan
tugas Analisis Survival ?Apakah data primer dalam skripsi tersebut
bisa kita analisa dengan Analisis Survival ?
-
Variabel yang diamatiVariabel Outcome (Event)Kesembuhan pasien
yang menjalani pembedahan 1 = Sembuh( Not-Censored )0 = Pulang
Paksa ( Censored )
Variabel Independent (Covariates)Jenis Kelamin Pasien( 1 =
Laki-laki, 0 = Perempuan)Komplikasi Operasi( 1 = Ada, 0 = Tidak
ada)Diagnosa Penyakit( 1 = Tunggal, 0 = Banyak)Teknik Operasi ( 1 =
Sederhana, 0 = Rumit)Pelaksana Operasi( 1 = Dokter Residen, 0 =
Dokter Spesialis)Pekerjaan Pasien( 1 = Ada, 0 = Tidak ada)
-
Data Rawat Inap Pasien Pembedahan
-
Analisa dengan Software SPSS
-
Langkah-langkah untuk mengetahui terpenuhinya Asumsi Propotional
Hazard
-
Hasil Analisa dengan SPSSInterpretasi :Case available in
analysisEvent = 18Censored = 55Total= 73Censored cases before time
the earliest event in a stratum = 3
-
Hasil analisa dengan SPSS
-
Hasil analisa dengan SPSSInterpretasi :Koefisien dan Standar
Error untuk Jenis Kelamin sebesar 1,409 dan 0.643Koefisien dan
Standar Error untuk Pekerjaan sebesar -1,489 dan 0.661Koefisien dan
Standar Error untuk Diagnosa Penyakit sebesar 3,773 dan
1,274Koefisien dan Standar Error untuk Teknik Operasi sebesar 2,137
dan 0.828Koefisien dan Standar Error untuk Pelaksana Operasi
sebesar 1,637 dan 0.631Koefisien dan Standar Error untuk Komplikasi
Operasi sebesar 3,121 dan 1.501
-
Hasil analisa dengan SPSSInterpretasi :Uji Wald untuk Jenis
Kelamin sebesar 4,801 Uji Wald untuk Pekerjaan sebesar 5,071Uji
Wald untuk Diagnosa Penyakit sebesar 8,769Uji Wald untuk Teknik
Operasi sebesar 6,659Uji Wald untuk Pelaksana Operasi sebesar
6,736Uji Wald untuk Komplikasi Operasi sebesar 4,323
Dengan db = 1 diketahui bahwa Nilai Kritis Chi-square dengan =
3,841, maka semua variabel tolak H0.
Dilihat dari p-value semua variabel < .Dapat disimpulkan
bahwa semua variabel signifikan
-
Hasil analisa dengan SPSSInterpretasi :Laju kegagalan pasien
jenis kelamin laki-laki terhadap lama hari rawat pasien yang
menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah
lebih lama 4.098 kali dari pasien perempuan.Laju kegagalan pasien
yang bekerja terhadap lama hari rawat pasien yang menjalani
pembedahan di bagian bedah ruang kelas III RSUP Sanglah lebih lama
4.425 kali dari pasien yang tidak bekerja.Laju kegagalan pasien
yang diagnosa penyakit tunggal terhadap lama hari rawat pasien yang
menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah
lebih lama 43.478 kali dari pasien yang diagnosa penyakit
banyak.Laju kegagalan pasien yang dioperasi dengan teknik sederhana
terhadap lama hari rawat pasien yang menjalani pembedahan di bagian
bedah ruang kelas III RSUP Sanglah lebih lama 8.470 kali dari
pasien yang diagnosa penyakit banyak.Laju kegagalan pasien yang
dioperasi oleh Dokter Residen terhadap lama hari rawat pasien yang
menjalani pembedahan di bagian bedah ruang kelas III RSUP Sanglah
lebih lama 5.128 kali dari pasien yang dioperasi oleh Dokter
Spesialis.Laju kegagalan pasien yang mempunyai komplikasi penyakit
terhadap lama hari rawat pasien yang menjalani pembedahan di bagian
bedah ruang kelas III RSUP Sanglah lebih lama 22.674 kali dari
pasien yang dioperasi oleh Dokter Spesialis.
-
Variabel in the EquationModel Cox Propotional Hazardh(t,X) =
ho(t) exp ( -1.409 Jenis Kelamin - 1.489 Pekerjaan - 3.773 Diagnose
+ 2.137 Teknik Operasi - 1.637 Operator + 3.121 Komplikasi )Hasil
analisa dengan SPSS
-
Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara
kedua kurva survivalH1 : Ada perbedaan antara kedua kurva
survival
Karena nilai p-value lebih besar dari nilai alpha, maka Terima
Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak
terdapat perbedaan antara kedua kurva survival.
Hasil analisa dengan SPSS
-
Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara
kedua kurva survivalH1 : Ada perbedaan antara kedua kurva
survival
Karena nilai p-value lebih besar dari nilai alpha, maka Terima
Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak
terdapat perbedaan antara kedua kurva survival.
Hasil analisa dengan SPSS
-
Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara
kedua kurva survivalH1 : Ada perbedaan antara kedua kurva
survival
Karena nilai p-value lebih kecil dari nilai alpha, maka Tolak
Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa terdapat
perbedaan antara kedua kurva survival.Hasil analisa dengan SPSS
-
Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara
kedua kurva survivalH1 : Ada perbedaan antara kedua kurva
survival
Karena nilai p-value lebih besar dari nilai alpha, maka Terima
Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak
terdapat perbedaan antara kedua kurva survival.
Hasil analisa dengan SPSS
-
Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara
kedua kurva survivalH1 : Ada perbedaan antara kedua kurva
survival
Karena nilai p-value lebih besar dari nilai alpha, maka Terima
Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak
terdapat perbedaan antara kedua kurva survival.
Hasil analisa dengan SPSS
-
Kurva Kaplan MeierHipotesis :H0 : Tidak ada perbedaan antara
kedua kurva survivalH1 : Ada perbedaan antara kedua kurva
survival
Karena nilai p-value lebih besar dari nilai alpha, maka Terima
Ho. Sehingga terdapat cukup bukti untuk menyatakan bahwa tidak
terdapat perbedaan antara kedua kurva survival.
Hasil analisa dengan SPSS
-
InterpretasiKurva perbandingan antara Jenis Kelamin Perempuan
dan Laki-laki adalah paralel. Jadi, asumsi PH untuk variable Jenis
Kelamin terpenuhi.Hasil analisa dengan SPSS
-
InterpretasiKurva perbandingan antara Pasien yang mempunyai
pekerjaan dan tidak ada pekerjaan adalah paralel. Jadi, asumsi PH
untuk variable Pekerjaan terpenuhi.Hasil analisa dengan SPSS
-
InterpretasiKurva perbandingan antara Diagnosa Pasien yang
tunggal dan banyak adalah paralel. Jadi, asumsi PH untuk variable
Diagnosa Pasien terpenuhi.Hasil analisa dengan SPSS
-
InterpretasiKurva perbandingan antara Teknik Operasi yang
sederhana dan rumit adalah paralel. Jadi, asumsi PH untuk variable
Teknik Operasi terpenuhi.Hasil analisa dengan SPSS
-
InterpretasiKurva perbandingan antara Dokter Operasi yang
residen dan spesialis adalah paralel. Jadi, asumsi PH untuk
variable Dokter Operasi terpenuhi.Hasil analisa dengan SPSS
-
InterpretasiKurva perbandingan antara Komplikasi setelah Operasi
yang ada dan tidak ada adalah paralel. Jadi, asumsi PH untuk
variable Komplikasi setelah Operasi terpenuhi.Hasil analisa dengan
SPSS
-
Terima kasih atas perhatiannya teman-teman