determinant of mortality among low birth weight (lbw)
TRANSCRIPT
TESIS
DETERMINAN KEMATIAN BAYI BERAT LAHIR RENDAH SELAMA RAWAT INAP
DI RSUD KARANGASEM TAHUN 2012-2014
I KETUT DUARA
PROGRAM PASCA SARJANA UNIVERSITAS UDAYANA
DENPASAR 2015
TESIS
DETERMINAN KEMATIAN BAYI BERAT LAHIR RENDAH SELAMA RAWAT INAP
DI RSUD KARANGASEM TAHUN 2012-2014
I KETUT DUARA NIM 1392161027
PROGRAM MAGISTER PROGRAM STUDI ILMU KESEHATAN MASYARAKAT
PROGRAM PASCASARJANA UNIVERSITAS UDAYANA
DENPASAR 2015
DETERMINAN KEMATIAN BAYI BERAT LAHIR RENDAH SELAMA RAWAT INAP
DI RSUD KARANGASEM TAHUN 2012-2014
Tesis ini untukMemperoleh Gelar Magister Pada Program Magister, Program Studi Ilmu Kesehatan Masyarakat,
Program Pascasarjana Universitas Udayana
I KETUT DUARA NIM 1392161027
PROGRAM MAGISTER PROGRAM STUDI ILMU KESEHATAN MASYARAKAT
PROGRAM PASCASARJANA UNIVERSITAS UDAYANA
DENPASAR 2015
ii
Lembar Pengesahan
TESIS INI TELAH DISETUJUI
PADA TANGGAL 22 JULI 2015
Pembimbing I,
Prof. dr. Dewa Nyoman Wirawan, MPH NIP.19481010 197702 1 001
Pembimbing II,
dr. Pande Putu Januraga, M. Kes, Dr. PH NIP.19790110 200312 1001
Mengetahui
Ketua Program Studi
Ilmu Kesehatan Masyarakat
Program Pascasarjana
Universitas Udayana,
Prof. dr. Dewa Nyoman Wirawan, MPH NIP. 19481010 197702 1 001
Direktur
Program Pascasarjana
Universitas Udayana,
Prof. Dr. dr. A.A. Raka Sudewi, Sp.S (K) NIP. 195902151985102001
iii
Tesis Ini Telah Diuji pada
Tanggal 22 Juli 2015
Panitia Penguji Tesis Berdasarkan SK Rektor
Universitas Udayana, No : 2106/UN14.4/HK/2015, Tanggal : 13 Juli 2015
Ketua : Prof. dr. Dewa Nyoman Wirawan, MPH
Anggota :
1. dr. Pande Putu Januraga, M. Kes, Dr. PH
2. Prof. Dr. dr. Mangku Karmaya, M. Repro, PA (K)
3. Dr. I Putu Ganda Wijaya, S. Sos, MM
4. dr. Ni Wayan Arya Utami, M. App. Bsc, Phd
iv
Denpasar, 22 Juli 2015
Yang membuat pernyataan
I Ketut Duara
SURAT PERNYATAAN BEBAS PLAGIAT
Nama : I Ketut Duara
NIM : 1392161027
Program Studi : Magister Ilmu Kesehatan Masyarakat
Judul : DETERMINAN KEMATIAN BAYI BERAT LAHIR
RENDAH (BBLR) SELAMA RAWAT INAP DI RSUD
KARANGASEM TAHUN 2012 – 2014
Dengan ini menyatakan dengan sebenarnya bahwa karya ilmiah tesis ini bebas
plagiat. Apabila di kemudian hari terbukti terdapat plagiat dalam karya ilmiah ini,
maka saya bersedia menerima sangsi sesuai peraturan Mendiknas RI No. 17
tahun 2010 dan peraturan perundang-undangan yang berlaku.
v
UCAPAN TERIMAKASIH
Puji syukur kepada Tuhan Yang Maha Esa karena atas rahmatNya
penyusunan tesis yang berjudul “Determinan Kematian Bayi Berat Lahir
Rendah Selama Rawat Inap di RSUD Karangasem Tahun 2012-2014” dapat
selesai pada waktunya. Tesis ini disusun dalam rangka memenuhi salah satu
syarat untuk mendapat gelar magister pada Program Magister, Program Studi
Ilmu Kesehatan Masyarakat, Program Pascasarjana Universitas Udayana.
Dengan selesainya penyusunan tesis ini, penulis mengucapkan terimakasih
yang sebesar-besarnya kepada Prof. dr. Dewa Nyoman Wirawan, MPH dan dr.
Pande Putu Januraga, M. Kes, Dr. PH sebagai pembimbing I dan pembimbing II
yang telah banyak memberikan bimbingan, dorongan, dukungan dan saran selama
proses penyelesaian tesis ini.
Penulis juga mengucapkan terimakasih kepada Prof. Dr. dr. I Ketut
Suastika, SpPD-KEMD sebagai Rektor Universitas Udayana, Prof. Dr. dr. A.A.
Raka Sudewi, SpS (K) sebagai Direktur Program Pascasarjana Universitas
Udayana dan Prof. dr. Dewa Nyoman Wirawan, MPH sebagai Ketua Program
Studi pada Program Pascasarjana Ilmu Kesehatan Masyarakat Universitas
Udayana yang telah memberikan kesempatan dan fasilitas kepada penulis untuk
mengikuti dan menyelesaikan pendididkan pada Program Pascassarjana di
Universitas Udayana. Penulis juga mengucapkan terimakasih kepada dr. I Ketut
Suarjana, MPH selaku koordinator peminatan Manajemen Pelayanan Kesehatan
Program Pascasarjana Ilmu Kesehatan Masyarakat Universitas Udayana dan Prof.
Dr. dr. N. Adiputra, MOH selaku pembimbing akademik yang telah memberikan
saran dan dukungan. Ucapan terimakasih juga disampaikan kepada Prof. Dr. dr.
Mangku Karmaya, M. Repro, PA (K), Dr. I Putu Ganda Wijaya, S. Sos, MM dan
dr. Ni Wayan Arya Utami, M. App. Bsc, Phd sebagai penguji yang telah banyak
memberikan masukan dan saran.
Ucapan yang sama juga ditujukan kepada Direktur RSUD Karangasem yang
telah memberikan ijin untuk melaksanakan penelitian. Tidak lupa penulis
mengucapkan terimakasih kepada para mentor lokal dan mentor dari Kirby
vi
Institute yang telah memberikan banyak bimbingan, masukan dan saran serta
dukungan finasial dari The Kirby Institute, University of New South Wales yang
meringankan beban penulis dalam penyelesaian tesis ini.
Pada kesempatan ini penulis mengucapkan terimakasih kepada guru-guru
yang telah membimbing mulai sejak sekolah dasar hingga perguruan tinggi.
Akhirnya penulis mengucapkan terimakasih kepada ayah dan mendiang ibu yang
telah mengasuh dan menanamkan dasar-dasar berpikir dalam pengembangan
kreativitas. Demikian juga penulis mengucapkan terimakasih kepada seluruh
keluarga, sahabat dan semua pihak yang telah membantu dalam penyelesaian tesis
ini.
Penulis mengharapkan kritik dan saran kepada semua pihak dalam dalam
rangka penyempurnaan tesis ini.
Denpasar, Juli 2015
Penulis
vii
ABSTRAK
DETERMINAN KEMATIAN BAYI BERAT LAHIR RENDAH (BBLR) SELAMA RAWAT INAP DI RSUD KARANGASEM TAHUN 2012 – 2014
Angka kejadian BBLR masih tinggi dan termasuk penyebab terbanyak
kematian neonatal di negara berkembang. Di Indonesia sampai dengan 30,3% BBLR meninggal pada periode perinatal. Pengumpulan data awal menunjukkan adanya peningkatan kematian BBLR selama rawat inap di RSUD Karangasem tahun 2012-2014 masing-masing sebesar 11,07%, 13,07% dan 14,46%. Penelitian ini bertujuan untuk mengetahui determinan kematian BBLR selama rawat inap.
Penelitian ini merupakan penelitian retrospektif dengan analisis data kohort BBLR yang rawat inap tahun 2012-2014. Data diekstraksi dari rekam medik. Variabel bebas antara lain faktor demografi, faktor pelayanan kesehatan dan faktor klinis. Variabel tergantung yaitu status kematian. Analisis data menggunakan regresi logistik.
Angka kematian BBLR selama rawat inap adalah 12,12%. Hanya faktor klinis yang berhubungan independen dengan kematian pada BBLR yaitu peningkatan berat lahir, asfiksia, Respiratory Distress Syndrome (RDS), masalah minum dan pemberian antibiotik. Faktor demografi yaitu tempat tinggal daerah sulit akses dan jenis kelamin laki-laki berhubungan independen dengan kematian bayi berat lahir sangat rendah (BBLSR). Faktor pelayanan kesehatan yaitu periode masuk rumah sakit (MRS) setelah pengembangan PONEK dan rujukan berhubungan independen dengan kematian BBLR preterm 1000-2000 gram.
Dalam rangka menurunkan angka kematian BBLR maka perlu ditingkatkan upaya pencegahan kelahiran BBLR dan pelatihan penanganan asfiksia bayi baru lahir, evaluasi pemberian surfactan, pendekatan akses pelayanan kesehatan seperti kunjungan spesialis ke puskesmas dan pendirian rumah sakit pratama di daerah sulit akses serta evaluasi manajemen program PONEK dan sistem rujukan.
Kata kunci: BBLR, PONEK, Status Rujukan, Faktor Klinis, Kematian bayi
viii
ABSTRACT
DETERMINANT OF MORTALITY AMONG LOW BIRTH WEIGHT (LBW) BABIES DURING HOSPITALIZATION IN KARANGASEM
HOSPITAL BETWEEN 2012 – 2014
The incidence of low birth weight (LBW) is high and is a major cause of neonatal mortality in developing countries, in Indonesia up to 30.3% of LBW babies die during the perinatal period. Preliminary research has shown there to be an increase in mortality among LBW babies during Hospitalization in Karangasem Hospital between 2012-2014. This study aimed to determine the determinants of mortality among LBW babies during hospitalization.
This study was a retrospective cohort analysis of LBW babies hospitalized in Karangasem hospital between 2012-2014. Data were extracted from medical record. Independent variables divided in three group were demographic, health service and clinical factors. Dependent variable was mortality status. Data were analyzed by logistic regression.
The mortality of LBW babies was 12.12%. Only clinical factor independently associated with overall LBW babies mortality were increasing of birth weight, asphyxia, Respiratory Distress Syndrome (RDS), feeding problem and antibiotic therapy. Demographic factor were residence at difficult to access areas and male sex independently associated with mortality among Very Low Birth Weignt (VLBW) babies. Health service factor were hospitalized after CEmOC enhancement and referral status independently associated with mortality among preterm LBW babies 1000-2000 grams.
In order to reduce the LBW babies mortality, need to be improve the LBW prevention and training of newborn asphyxia management, evaluate the cost effective of surfactant administration, improve the health service access such as visiting of specialist to community health service (Puskesmas) and developing of pratama hospital at difficult to access areas, evaluate CEmOC enhancement and referral system. Keywords: LBW babies, CEmOC, Referral status, Clinical factors,
Infant mortality
ix
DAFTAR ISI
Halaman
SAMPUL DALAM ………………………………………. ................... i
PERSYARATAN GELAR …………………………………………… ii
LEMBAR PENGESAHAN…………………………. ........................... iii
PENETAPAN PANITIA PENGUJI………………………………… ... iv
SURAT PERNYATAAN BEBAS PLAGIAT………………………… v
UCAPAN TERIMA KASIH ................................................................... vi
ABSTRAK .............................................................................................. viii
ABSTRACT …………………………………………………………..... ix
DAFTAR ISI ........................................................................................... x
DAFTAR TABEL ................................................................................... xi
DAFTAR GAMBAR .............................................................................. xii
DAFTAR SINGKATAN ATAU TANDA ............................................. xiii
DAFTAR LAMPIRAN ........................................................................... xviii
BAB I PENDAHULUAN .................................................................. 1
1.1 Latar Belakang ................................................................ 1
1.2 Rumusan Masalah ........................................................... 7
1.3 Tujuan Penelitian ............................................................ 8
1.3.1 Tujuan Umum ....................................................... 8
1.3.2 Tujuan Khusus ...................................................... 8
1.4 Manfaat Penelitian .......................................................... 9
1.4.1 Manfaat Teoritis ..................................................... 9
1.4.2 Manfaat Praktis ...................................................... 9
BAB II TINJAUAN PUSTAKA .......................................................... 10
2.1 Aspek Epidemiologi BBLR ............................................. 10
2.2 Penatalaksanaan BBLR ................................................... 12
2.3 Determinan Kematian BBLR .......................................... 13
x
2.3.1 Faktor Demografi ................................................ 14
2.3.2 Faktor Pelayanan Kesehatan ................................ 16
2.3.3 Faktor Klinis ........................................................ 18
BAB III KERANGKA BERPIKIR, KONSEP DAN HIPOTESIS
PENELITAN .......................................................................... 24
3.1 Kerangka Berpikir ........................................................... 24
3.2 Konsep Penelitian ............................................................ 26
3.3 Hipotesis Penelitian ......................................................... 27
BAB IV METODE PENELITIAN ....................................................... 28
4.1 Rancangan Penelitian ...................................................... 28
4.2 Tempat dan Waktu Penelitian ......................................... 28
4.2.1 Tempat Penelitian…………………………….. 28
4.2.2 Waktu Penelitian……………………………… 28
4.3 Penentuan Sumber Data .................................................. 28
4.3.1 Populasi Penelitian ............................................ 28
4.3.2 Sampel Penelitian .............................................. 29
4.4 Variabel Penelitian .......................................................... 29
4.4.1 Jenis Variabel .................................................... 29
4.4.2 Definisi Operasional Variabel ........................... 30
4.5 Instrumen Penelitian ........................................................ 44
4.6 Prosedur Pengumpulan Data ........................................... 44
4.6.1 Pengumpulan Data Awal ................................... 44
4.6.2 Pengumpulan Data Penelitian ........................... 45
4.6.3 Pengolahan Data ................................................ 45
4.7 Analisis Data ................................................................... 46
4.7.1 Analisis Univariat .............................................. 46
4.7.2 Analisis Bivariat ................................................ 47
4.7.3 Analisi Multivariat .......................................... .. 47
4.8 Persetujuan Etik…………………………………………. 50
xi
BAB V HASIL PENELITIAN............................................................. 51
5.1 Karakteristik Sampel ....................................................... 51
5.2 Analisis Hubungan Faktor Demografi, Pelayanan
Kesehatan dan Klinis dengan Kematian BBLR .............. 57
5.3 Analisis Hubungan Independen Faktor Demografi,
Pelayanan Kesehatan dan Klinis dengan Kematian BBLR 63
5.3.1 Analisis pada Kelompok BBLSR.......................... 66
5.3.2 Analisis pada BBLR Preterm Berat lahir
1000 - <2000 Gram .............................................. 68
5.3.3 Analisis pada Beberapa Kategori BBLR dan
Interval (Range) Berat lahir ................................ 69
BAB VI PEMBAHASAN .................................................................... 73
6.1 Angka Kematian dan Lama Rawat ....................... …….. 73
6.2 Deterinan Kematian BBLR ....................................... ….. 75
6.2.1 Faktor Klinis sebagai Determinan Kematian
BBLR .................................................................. 77
6.2.2 Faktor Demografi sebagai Determinan Kematian
BBLSR ................................................................ 81
6.2.3 Faktor Pelayanan Kesehatan sebagai Determinan
Kematian BBLR Preterm 1000 - <2000 Gram... 83
6.2.4 Faktor-faktor yang Tidak Berhubungan Bermakna
dengan Kematian BBLR ..................................... 88
6.3 Keterbatasan Penelitian ............................................. ….. 90
BAB VII SIMPULAN DAN SARAN ................................................... 92
7.1 Simpulan ......................................................................... 92
7.2 Saran ................................................................................ 93
DAFTAR PUSTAKA ............................................................................. 95
LAMPIRAN-LAMPIRAN ...................................................................... 102
xii
DAFTAR TABEL
Halaman
Tabel 4.1 Definisi Operasional Variabel……………………………... 31
Tabel 5.1 Karakteristik Sampel Berdasarkan Tahun Lahir,
Kelompok BBLR dan Lama Rawat………………………… 52
Tabel 5.2 Karakteristik Sampel Berdasarkan Variabel Demografi dan
Pelayanan Kesehatan……...................................................... 53
Tabel 5.3 Karakteristik Sampel Berdasarkan Variabel Faktor Klinis Ibu 54
Tabel 5.4 Karakteristik Sampel Berdasarkan Variabel Kategorikal
Faktor Klinis Bayi................................................................... 55
Tabel 5.5 Distribusi Sampel Berdasarkan Variabel Numerik Klinis
Bayi dan Laboratorium……………………………………… 56
Tabel 5.6 Analisis Bivariat Hubungan Variabel Demografi dan
Pelayanan Kesehatan dengan Kematian BBLR……………. 58
Tabel 5.7 Analisis Bivariat Hubungan Variabel Klinis Ibu dengan
Kematian BBLR…………………………………………..... 59
Tabel 5.8 Analisis Bivariat Hubungan Variabel Data Kategorikal
Klinis Bayi dengan Kematian BBLR…………….………… 60
Tabel 5.9 Analisis Bivariat Hubungan Variabel Data Numerik Klinis
Bayi dengan Kematian BBLR…………….………………… 62
Tabel 5.10 Variabel yang Memenuhi Syarat Masuk dalam Model
Analisis Multivariat………………………………………… 63
Tabel 5.11 Uji Multikolinearitas antar Variabel Bebas Determinan
Kematian BBLR…………………......................................... 64
Tabel 5.12 Determinan Kematian BBLR………………………………. 66
Tabel 5.13 Deterinan Kematian BBLSR ……..…………………........... 67
Tabel 5.14 Deterinan Kematian BBLR Preterm Berat Lahir
1000 – <2000 Gram………………………………………… 68
Tabel 5.15 Analisis pada Beberapa Kategori BBLR…………………… 70
Tabel 5.16 Analisis pada Beberapa Kelompok Interval Berat Lahir…… 72
xiii
DAFTAR GAMBAR
Halaman
Gambar 3.1 Konsep Penelitian………………………………………… 26
Gambar 5.1 Skema (flowchart) Pemilihan Sampel yang Memenuhi
Syarat Penelitian………………………………………….. 51
xiv
DAFTAR SINGKATAN ATAU TANDA
SINGKATAN
AKB
ANC
APB
ASI
Askes
BBLR
BBLASR
BBLSR
BPS
CT scan
ECG
FE
G
Hb
Hct
HPHT
ICU
IDAI
IRD
Jamkesmas
: Angka Kematian Bayi
: Ante Natal Care
: Ante Partum Bleeding
: Air Susu Ibu
: Asuransi Kesehatan
: Bayi Berat Lahir Rendah
: Bayi Berat Lahir Amat Sangat Rendah
: Bayi Berat Lahir Sangat Rendah
: Biro Pusat Statistik
: Computerized Tomography scanner
: Electrocardiography
: Forcep Ekstraksi
: Gravida
: Hemoglobin
: Hematokrit
: Hari pertama haid terakhir
: Intensive Care Unit
: Ikatan Dokter Anak Indonesia
: Instalasi Rawat Darurat
: Jaminan Kesehatan Masyarakat
xv
Jampersal
JKBM
JKN
JNPK-KR
Kemenkes
Kesbangpolinmas
KH
KMK
KN
KPSP
LK
LD
MDGs
MRS
NICU
OR
P
PB
Perbup
Plt
PMH
P-NDM
PONEK
: Jaminan Persalinan
: Jaminan Kesehatan Bali Mandara
: Jaminan Kesehatan Nasional
: Jaringan Nasional Pelatihan Klinik Kesehatan Reproduksi
: Kementerian Kesehatan
: Kesatuan Bangsa Politik dan Perlindungan Masyarakat
: Kelahiran Hidup
: Kecil Masa Kehamilan
: Kunjungan Neonatal
: Kuesioner Pra Skrining Perkembangan
: Lingkar kepala
: Lingkar dada
: Millenium Development Goals
: Masuk Rumah Sakit
: Neonates Intensive Care Unit
: Odds Ratio
: Paritas
: Panjang badan
: Peraturan bupati
: Platelet
: Penyakit Membran Hialin
: post-NICU discharge mortality
: Pelayanan Obstetri Neonatal Emergency Komprehensif
xvi
PPK BLUD
RDS
Riskesdas
RR
RS
RSSIB
RSUD
RSUP
SDKI
SKRT
SC
SOP
SpA
SpAn
SpOG
UNICEF
USG
PRM
Puskesmas
VE
WBC
WHO
: Pola Pengelolaan Keuangan Badan Layanan Umum Daerah
: Respiratory Distress Syndrome
: Riset Kesehatan Dasar
: Risk Ratio
: Rumah Sakit
: Rumah Sakit Sayang Ibu dan Bayi
: Rumah Sakit Umum Daerah
: Rumah Sakit Umum Pusat
: Survei Demografi dan Kesehatan Indonesia
: Survey Kesehatan Rumah Tangga
: Sectio Caesarea
: Standard Operational Procedure
: Spesialis anak
: Spesilais anestesi
: Spesialis Obstetri dan Ginekologi
: United Nations International Childrens Emergency Funds
: Ultrasonografi
: Preterme Rupture of Membrane
: Pusat Kesehatan Masyarakat
: Vakum Ekstraksi
: White Blood Cell
: World Health Organisation
xvii
DAFTAR LAMPIRAN
Halaman
Lampiran 1 Jadwal Kegiatan Penelitian………………………………… 101
Lampiran 2 Tabel Ekstrasi Data……………………………………….... 102
Lampiran 3 Surat Ijin Penelitian………………………………………… 107
Lampiran 4 SK Bupati Karangasem no 225/2008 tentang Penetapan
Sarana Pelayanan Kesehatan yang Termasuk Kriteria
Terpencil di Kabupaten Karangasem……………………….. 108
Lampiran 5 Stata Output
xviii
BAB I
PENDAHULUAN
1.1 Latar Belakang
Salah satu target Millenium Development Goals (MDGs) yaitu menurunkan
kematian anak, termasuk di dalamnya adalah kematian anak bawah lima tahun
(balita). Secara global, sekitar 6,6 juta balita meninggal pada tahun 2012, sebagian
besar disebabkan oleh penyebab yang dapat dicegah (Wright dkk, 2014). Tahun
2013, 73% kematian neonatal di seluruh dunia terjadi dalam tujuh hari kehidupan
dengan jumlah sekitar dua juta orang, 16% kematian balita serta lebih dari
sepertiga kematian neonatal terjadi pada hari pertama kehidupan dengan jumlah
sekitar satu juta orang. Antara tahun 1990-2013, sekitar 86 juta bayi lahir di dunia
dengan kematian paling banyak terjadi dalam 28 hari kehidupan (UNICEF, 2013).
Menurut laporan Save The Childrens yang berjudul Ending Newborn Death
menyebutkan bahwa kematian neonatal bervariasi di berbagai negara, sekitar 5,9
per 1000 kelahiran hidup (KH) terjadi di Eropa dan empat sampai lima kali lipat
terjadi di Asia dan Afrika (Wright dkk, 2014). Berdasarkan data Survei Demografi
dan Kependudukan Indonesia (SDKI) tahun 2012, angka kematian bayi (AKB) di
Indonesia dalam periode lima tahun (2007-2012) sebesar 32 per 1000 KH dan
kematian balita sebesar 40 per 1000 KH. AKB tahun 2012 sebesar 34 per 1000
KH meningkat dibandingkan dengan data tahun 2010 sebesar 26 per 1000 KH,
dengan target tahun 2015 sebesar 23 per 1000 KH. Enam puluh persen kematian
bayi di Indonesia terjadi selama periode neonatal dan 80% kematian anak terjadi
1
2
selama bayi (BPS, 2013). AKB di Propinsi Bali tahun 2012 sebesar 29 per 100
KH, angka ini masih di bawah angka nasional, namun terjadi peningkatan dari
tahun 2010 dengan AKB sebesar 20 per 1000 KH (BPS, 2012).
Salah satu faktor risiko yang berkontribusi besar terhadap kematian bayi
terutama pada masa perinatal yaitu bayi berat lahir rendah (BBLR). Berdasarkan
laporan Save The Childrens, salah satu penyebab utama tingginya angka kematian
bayi pada hari pertama di Sub-Sahara Afrika dan Asia yaitu tingginya jumlah
kelahiran BBLR (Wrigh dkkt, 2014). Demikian juga halnya di Indonesia,
penyebab utama kematian neonatal adalah BBLR yaitu sebesar 30,3% dan
penyebab utama kematian pada bayi adalah gangguan perinatal (Kemenkes,
2010). BBLR mempunyai kemungkinan empat kali lebih besar untuk meninggal
selama 28 hari pertama masa hidupnya dibandingkan dengan bayi yang
mempunyai berat 3000–3499 gram (Podja dkk, 2000 dalam Pramono, 2011).
BBLR berisiko mati pada periode neonatal dini 6 kali lebih besar daripada bayi
berat lahir normal dan bayi berat lahir sangat rendah (BBLSR) berisiko untuk mati
pada periode neonatal dini 59 kali lebih besar daripada bayi berat lahir normal
(Efriza, 2011).
Prevalensi BBLR secara global pada tahun 2012 diperkirakan sekitar 15%,
sedangkan di negara berkembang sekitar 16%, terkonsentrasi di Asia dan Afrika.
BBLR di negara sedang berkembang, sekitar 72% terjadi di Asia dan 22% di
Afrika (UNICEF and WHO, 2004). Menurut laporan Riset Kesehatan Dasar
(Riskesdas) tahun 2013, prevalensi BBLR di Indonesia mengalami penurunan dari
11,1% di tahun 2010 menjadi 10,2% di tahun 2013. Walaupun secara nasional
3
terjadi penurunan, namun di beberapa daerah prevalensi BBLR masih sangat
tinggi seperti di Provinsi Sulawesi Tengah sebesar 16,9% (Kemenkes, 2013).
Dalam Bulletin Sistem Kesehatan tahun 2011 disebutkan bahwa perkiraan setiap
tahunnya terdapat sekitar 400.000 BBLR di Indonesia. Sedangkan prevalensi
BBLR di Propinsi Bali bila dilihat dari data lima tahunan (tahun 2006–2010)
sebesar 8,9%. Angka tersebut lebih tinggi dari angka nasional yaitu sebesar 5,7%
(Pramono, 2011).
Menurut data ringkasan evaluasi Rencana Pembangunan Jangka Menengah
Daerah (RPJMD) Kabupaten Karangasem tahun 2010-2015, AKB di Kabupaten
Karangasem tahun 2011 sebesar sembilan per 1000 KH mengalami kenaikan di
tahun 2012 sebesar 11 per 1000 KH. Pencapaian tersebut sudah dibawah target
Propinsi Bali yaitu 30 per 1000 KH, namun masih lebih tinggi dari target RPJMD
yaitu 10,77 per 1000 KH. Berdasarkan data yang didapatkan dari Dinas Kesehatan
Kabupaten Karangasem, kematian neonatal di Kabupaten Karangasem dari tahun
2004 sampai Juli 2014 paling banyak terjadi karena BBLR. Jumlah kematian
neonatal sebanyak 481 orang dan sebanyak 281 orang (58,42%) diantaranya
adalah BBLR. Angka tersebut menunjukkan bahwa setengah lebih kematian
neonatal di Kabupaten Karangasem adalah BBLR dan jauh diatas angka nasional
(12,2%) yang didapatkan dari hasil penelitian yang pernah dilakukan oleh
Rachmawati dkk (2011).
Berdasarkan data awal yang didapatkan dari register BBLR di RSUD
Karangasem, selama hampir tiga tahun terakhir (tahun 2012 sampai Oktober
2014) jumlah kelahiran BBLR sebanyak 814 dengan 104 kematian (12,77%)
4
selama rawat inap di rumah sakit. Bila dilihat data per tahun yaitu tahun 2012,
2013 dan 2014 (sampai Agustus), jumlah kelahiran BBLR masing-masing
sebanyak 289, 283 dan 242 orang, dengan kematian selama rawat inap di rumah
sakit berturut-turut sebanyak 32 orang (11,07%), 37 orang (13,07%) dan 35 orang
(14,46%). Cenderung terjadi peningkatan kematian BBLR dari tahun 2012 sampai
tahun 2014.
RSUD Karangasem merupakan rumah sakit yang telah menjalankan
program Rumah Sakit Sayang ibu dan Bayi (RSSIB) dan salah satu dari sepuluh
langkah menuju RSSIB yang telah dikembangkan yaitu penyelenggaraan PONEK
(Pelayanan Obstertri Neonatal Emergensi Komprehensif) dengan pendirian
gedung baru PONEK. Pendirian gedung baru PONEK di RSUD Karangasem
diresmikan penggunaannya berdasarkan SK Bupati sejak 2 Januari 2013. Sejak
diresmikannya gedung PONEK yang disertai dengan peningkatan dalam
pengelolaan manajemen PONEK antara lain dengan penambahan sumber daya
seperti penambahan satu orang tenaga spesialis kebidanan dan penyakit
kandungan, penambahan tenaga bidan dan tenaga lainnya. Standar Operasional
Prosedur (SOP) juga semakin lengkap. Dengan adanya pengembangan PONEK
tersebut semestinya mampu menurunkan angka kematian bayi di rumah sakit.
Namun, dilihat dari data kematian BBLR dari tahun 2012 sampai 2014 justru
terjadi kecenderungan meningkat.
Beberapa faktor yang berhubungan dengan kematian BBLR di rumah sakit
telah diteliti sebelumnya. Penelitian yang dilakukan di luar negeri antara lain
penelitian tentang survival rate BBLR dan BBLSR di masyarakat Iranian,
5
penelitian di Jaifur India tentang morbiditas dan mortalitas neonatal berat lahir
rendah, penelitian tentang prediktor kematian neonatal berat lahir rendah di India,
penelitian tentang penyebab bayi lahir mati dan kematian neonatal di enam negara
sedang berkembang, penelitian tentang faktor resiko kematian neonatal BBLSR
dan penelitian tentang keluaran BBLSR di Iranian Center. Beberapa faktor yang
diteliti antara lain faktor sosiodemografi yaitu usia ibu, jenis kelamin bayi, paritas,
tempat tinggal (urban dan rural) dan faktor klinis yaitu umur kehamilan, riwayat
penyakit kronis ibu, apgar score, perdarahan antepartum, komplikasi (preterme
rupture of membranes, apnoea, hypothermia dan shock) serta riwayat terapi
oksigen(Ngoc, 2006; Basu dkk, 2008; Ballot dkk, 2010; Redding dkk, 2012;
Afjeh dkk, 2013; Nayeri dkk, 2013). Beberapa penelitian tersebut menemukan
hasil yang tidak konsisten.
Menurut kajian penulis, perbedaan hasil tersebut lebih banyak disebabkan
oleh karena perbedaan metode yang digunakan seperti setting
penelitian/karakteristik sampel, yang dilakukan pada daerah dan tipe fasilitas
kesehatan yang berbeda. Adanya perbedaan kriteria inklusi dan ekslusi terutama
pada berat lahir dan umur kehamilan. Disamping itu juga karena adanya
perbedaan jenis dan jumlah variabel, dimana beberapa penelitian lebih
menekankan dan lebih banyak meneliti faktor klinis, sementara penelitian lainnya
lebih menekankan dan lebih banyak meneliti faktor sosial.
Penelitian terkait faktor-faktor yang berhubungan dengan kematian BBLR
di Indonesia masih terbatas. Dari beberapa penelitian sebelumnya yang dilakukan
baik di luar negeri maupun di Indonesia lebih banyak meneliti tentang faktor
6
sosiodemografi dan klinis. Sangat jarang yang meneliti terkait dengan faktor
pelayanan kesehatan seperti program PONEK (Pelayanan Obstetri Neonatal
Emergensi Komprehensif) dan sistem rujukan yang mempunyai peranan penting
dalam menurunkan kematian bayi, termasuk BBLR. PONEK merupakan bentuk
penyediaan pelayanan bagi ibu dan bayi baru lahir secara terpadu (JNPK, 2008b).
Sebuah penelitian di Bali tahun 2009 tentang karakteristik dan keluaran
BBLSR yang dilakukan di RSUP Sanglah Denpasar menemukan bahwa
presentase penyebab kematian terbanyak yaitu Penyakit Membran Hialin (PMH)
dan sepsis (Yoga dkk, 2012). Penelitian tersebut merupakan penelitian deskriptif
yang dilakukan pada rumah sakit tersier sebagai pusat rujukan dari seluruh
kabupaten di Bali. Penelitian deskriptif tersebut yang hanya menggambarkan
presentase kematian BBLSR berdasarkan karakteristik sampel, tanpa menganalisis
faktor-faktor yang mempengaruhi, nampaknya kurang adekuat untuk dijadikan
dasar pengembangan program dalam rangka menurunkan angka kematian bayi
khususnya BBLR.
Berdasarkan keterbatasan penelitian diatas, maka diperlukan penelitian
dengan rancangan analitik untuk mengetahui faktor-faktor yang mempengaruhi
kematian BBLR sehingga dapat dijadikan dasar pengembangan program dalam
rangka menurunkan kematian BBLR baik di fasilitas pelayanan dasar maupun
lanjutan. Secara umum penelitian ini akan memberikan informasi baru terkait
kematian BBLR karena karakteristik sampel yang berbeda dengan penelitian yang
dilakukan di rumah sakit Sanglah. Sampel pada penelitian ini banyak berasal dari
daerah pedesaan dengan kondisi geografis termasuk daerah sulit dalam hal akses
7
terhadap pelayanan kesehatan. Penelitian ini juga meneliti variabel yang belum
dilakukan pada penelitian sebelumnya antara lain variabel periode waktu masuk
rumah sakit terkait pengembangan program PONEK, masalah minum (feeding
problem) dan pemberian antibiotika.
1.2 Rumusan Masalah
1. Apakah faktor demografi antara lain tempat tinggal, umur ibu dan jenis
kelamin bayi sebagai determinan kematian BBLR selama rawat inap di RSUD
Karangasem tahun 2012–2014?
2. Apakah faktor pelayanan kesehatan antara lain pengembangan program
PONEK dan rujukan sebagai determinan kematian BBLR selama rawat inap di
RSUD Karangasem tahun 2012–2014?
3. Apakah faktor klinis antara lain klinis ibu yaitu cara persalinan, gravida,
paritas, riwayat USG, riwayat perdarahan, riwayat keluar air ketuban, warna air
ketuban dan klinis bayi yaitu maturitas bayi, berat lahir, asfiksia, RDS, masalah
minum, pemberian antibiotika dan hasil laboratorium sebagai determinan
kematian BBLR selama rawat inap di RSUD Karangasem tahun 2012-2014?
4. Apakah faktor demografi, pelayanan kesehatan dan klinis sebagai determinan
kematian pada kelompok BBLSR dan kelompok BBLR preterm berat lahir
1000-<2000 gram?
8
1.3 Tujuan Penelitian
1.3.1 Tujuan Umum
Tujuan umum dari penelitian ini adalah untuk mengetahui determinan
kematian BBLR selama rawat inap di RSUD Karangasem tahun 2012–2014.
1.3.2 Tujuan Khusus
Mengetahui
1. Karakteristik BBLR berdasarkan tahun dirawat, kelompok BBLR, lama rawat,
periode waktu kematian serta faktor demografi, pelayanan kesehatan dan klinis.
2. Faktor demografi (tempat tinggal, umur ibu dan jenis kelamin bayi) sebagai
determinan kematian BBLR selama dirawat di RSUD Karangasem tahun
2012–2014.
3. Faktor pelayanan kesehatan (pengembangan program PONEK dan rujukan)
sebagai determinan kematian BBLR selama dirawat di RSUD Karangasem
tahun 2012–2014.
5. Faktor klinis antara lain klinis ibu (cara persalinan, gravida, paritas, riwayat
USG, riwayat perdarahan, riwayat keluar air ketuban, warna air ketuban) dan
klinis bayi (maturitas bayi, berat lahir, asfiksia, RDS, sepsis, hipoglikemi,
masalah pemberian minum, pemberian antibiotika) serta beberapa variabel
hasil laboratorium sebagai determinan kematian BBLR selama rawat inap di
RSUD Karangasem tahun 2012-2014.
6. Faktor demografi, pelayanan kesehatan dan klinis sebagai determinan kematian
pada pada kelompok BBLSR dan kelompok BBLR preterm berat lahir 1000-
<2000 gram.
9
1.4 Manfaat Penelitian
1.4.1 Manfaat Teoritis
Menambah wawasan dalam melakukan penelitian dan sebagai dasar untuk
pengembangan penelitian selanjutnya.
1.4.1 Manfaat Praktis
1. Sebagai bahan masukan kepada pemegang kebijakan dalam merumuskan
program untuk menurunkan angka kematian bayi melalui penanganan dan
pencegahan kematian BBLR baik di tingkat pelayanan dasar maupun lanjutan.
2. Sebagai bahan masukan bagi tempat penelitian dalam pengembangan
Standard Operational Procedure (SOP) penatalaksanaan BBLR, evaluasi
program PONEK, sistem rujukan BBLR dan pemberian antibiotika.
3. Sebagai bahan informasi bagi masyarakat dalam perencanaan persalinan dan
perawatan BBLR.
4. Menambah pengetahuan bagi peneliti tentang faktor-faktor yang
mempengaruhi kematian BBLR.
BAB II
TINJAUAN PUSTAKA
2.1 Aspek Epidemiologi BBLR
Berat lahir adalah ukuran antropometri yang sangat penting dan paling
sering digunakan pada bayi baru lahir. BBLR adalah bayi yang lahir dengan berat
badan lahir (BBL) kurang dari 2500 gram tanpna memandang masa kehamilan.
Berat lahir adalah berat bayi yang ditimbang dalam 1 jam setelah lahir. Untuk
keperluan bidan di desa berat lahir ditimbang dalam 24 jam pertama setelah lahir
(JNPK-KR, 2008a). Menurut WHO, BBLR dikelompokkan menjadi tiga kategori
yaitu Bayi Berat Lahir Rendah/BBLR (BBL <2500 gram), Bayi Berat Lahir
Sangat Rendah /BBLSR (BBL <1500 gram) dan Bayi Berat Lahir Amat Sangat
Rendah/BBLASR (BBL <1000 gram). Menurut JNPK-KR, berat lahir menjadi
salah satu kriteria dalam penatalaksanaan BBLR dimana BBL <1750 gram
menjadi kriteria rujukan BBLR dari pusekesmas PONED ke rumah sakit PONEK
(JNPK-KR, 2008a). Dalam panduan manajemen BBLR untuk bidan dan perawat,
berat lahir yang menjadi kriteria rujukan dari bidan adalah BBL <2000 gram
(Kemenkes, 2011).
WHO mendefinisikan BBLR sebagai bayi dengan berat lahir kurang dari
2500 gram (5,5 pon). Hal ini didasarkan pengamatan secara epidemiologis bahwa
BBLR kurang dari 2500 gram mempunyai kemungkinan meninggal sebesar 20
kali dibandingkan bayi dengan BBL lebih dari atau sama dengan 2500 gram.
BBLR kurang dari 2500 gram lebih sering terjadi di negara yang
10
11
sedang berkembang dan memberikan kontribusi untuk berbagai masalah
kesehatan. Mengurangi insiden BBLR sebesar sepertiga selama 10 tahun
merupakan salah satu tujuan utama dari A World Fit for Children, sebuah
deklarasi dan rencana aksi yang diadopsi oleh Majelis Umum PBB sesi khusus
tentang anak-anak tahun 2002. Penurunan insiden BBLR juga membentuk
kontribusi penting bagi pembangunan untuk mengurangi tingkat kematian anak.
Oleh karena itu BBLR merupakan indikator penting untuk memantau kemajuan
menuju goals yang telah disepakati secara internasional. Berat lahir rendah sangat
erat kaitannya dengan kesakitan dan kematian janin dan bayi, menghambat
pertumbuhan dan perkembangan kognitif, dan penyakit kronis di kemudian hari
(UNICEF, WHO, 2004).
Prevalensi BBLR di dunia diperkirakan sekitar 15% dari seluruh kelahiran,
dengan batasan 3,3%-38%, dan lebih sering terjadi di negara-negara berkembang
atau sosial ekonomi rendah. Sekitar 90% BBLR terdapat di negara berkembang
dan angka kematiannya 35 kali lebih besar dibandingkan dengan angka kematian
bayi berat lahir lebih dari 2500 gram (WHO, 2007). BBLR merupakan salah satu
faktor utama terjadinya peningkatan mortalitas, morbiditas dan disabilitas
neonatus, bayi dan anak serta dapat memberikan dampak jangka panjang dalam
kehidupan di masa depan (UNICEF, 2004). Prevalensi BBLR di Indonesia sangat
bervariasi di berbagai daerah sekitar 9%-30%. Hasil studi pada tujuh daerah
multisenter mendapatkan angka sekitar 2,1%-17,2% (IDAI, 2004).
12
2.2 Penatalaksanaan BBLR
Sekitar seperempat bayi baru lahir membutuhkan rawat inap medis khusus
untuk memantau pertumbuhan dan perkembangannya. Kemajuan dalam rawat
inap prenatal dan neonatal telah meningkatkan kelangsungan hidup bayi BBLR
khususnya di negara maju. Penatalaksanaan BBLR membutuhkan sumber daya,
waktu, dan kerjasama yang kuat oleh karena angka kematian BBLR pada umur
neonatal sangat tinggi (IDAI, 2004; WHO., 2007).
Penatalaksanaan BBLR meliputi penatalaksanaan medikamentosa, diatetik
dan terapi suportif. Penatalaksanaan medikamentosa salah satunya yaitu
pemberian antibiotika. Penatalaksanaan diatetik dilakukan secara khusus pada
BBLR oleh karena reflek menghisapnya masih lemah sehingga sering terjadi
masalah pemberian minum (feeding problem). Terapi suportif salah satu
tujuannya yaitu mempertahankan suhu tubuh normal melalui salah satu cara
seperti kontak kulit dangan kulit (kangaroo mother care), pemancar panas,
inkubator atau ruangan hangat yang ada di tempat fasilitas kesehatan setempat
sesuai petunjuk (IDAI, 2004).
Pemantauan BBLR saat dirawat meliputi pemberian terapi untuk penyulit
serta pemantauan berat badan bayi secara periodik. Pemantauan setelah pulang
dilakukan untuk mengetahui perkembangan bayi dan mencegah kemungkinan
terjadinya komplikasi. Pemantauan dilakukan pada hari kedua, ke-10, ke-20 dan
ke-30 setelah pulang, kemudian dilanjutkan setiap bulan. Dilakukan pemantauan
pertumbuhan berat badan, panjang badan dan lingkar kepala. Untuk kegiatan
program, pemantauan BBLR dilakukan dengan kegiatan kunjungan neonatus
13
(KN) yaitu KN1 pada umur sebelum 3 hari, KN2 pada umur 3-7 hari dan KN3
pada umur 8-28 hari. Pemantauan perkembangan anak dilakukan dengan kegiatan
SDIDTK menggunakan kuesioner pra skrining perkembangan (KPSP).
Pemulangan BBLR dapat dilakukan apabila tidak terdapat tanda bahaya dan
tanda infeksi berat, terjadi pertambahan berat badan hanya dengan ASI dan suhu
tubuh bertahan pada kisaran 36-37ºC. Semua vaksin yang dijadwalkan pada saat
lahir harus diberikan pada BBLR dan jika ada dosis kedua diberikan pada saat
akan dipulangkan.
2.3 Determinan Kematian BBLR
Berbagai teori menjelaskan tentang kejadian kesakitan dan kematian di
masyarakat, beberapa diantaranya yaitu teori sarang laba-laba (web model), teori
Filmer, teori Mosley dan Chen. Bila mengacu pada teori sarang laba-laba (web
model) dari Brian Mac Mahon menjelaskan bahwa kematian bayi dipengaruhi
oleh berbagai faktor (multifaktorial). Demikian juga halnya dengan kematian
BBLR dapat dipengaruhi oleh banyak faktor (Mahon, 1970). Teori Filmer (2003)
menjelaskan mengenai faktor sosial ekonomi sebagai penyebab kematian anak.
Mosley dan Chen membagi variabel-variabel yang berpengaruh terhadap
kelangsungan hidup anak menjadi dua yaitu variabel eksogen atau sosial ekonomi
dan variabel endogen atau faktor biomedis (Mosley dan Chen, 1984). Beberapa
penelitian juga membuat konsep kematian neonatus dari berbagai faktor seperti
sosiobiologi, faktor sosiodemografi, faktor pelayanan kesehatan, faktor
lingkungan, faktor ibu, faktor bayi (Ronoatmojo dan Sudarto, 1996; Mutahar,
14
2007). Berdasarkan berbagai teori dan konsep tersebut diatas, maka kematian bayi
termasuk kematian BBLR dipengaruhi oleh berbagai faktor yang dapat
dikelompokan menjadi 3 yaitu faktor sosiodemografi, faktor pelayanan kesehatan
dan faktor biomedis (klinis). Berikut akan diuraikan berbagai faktor yang
mempengaruhi kematian BBLR yang telah diteliti pada penelitian sebelumnya.
2.3.1 Faktor demografi
a) Tempat tinggal
Tempat tinggal merupakan faktor risiko kematian BBLR dikaitkan dengan
tingkat kesulitan akses terhadap pelayanan kesehatan (rumah sakit) seperti kondisi
geografis, jarak dan waktu tempuh ke rumah sakit. Kondisi ini mempengaruhi
kualitas dan kuantitas antenatal care (ANC). Kondisi daerah dengan kesulitan
akses terhadap pelayanan kesehatan akan semakin jarang untuk memeriksakan
kehamilannya dan semakin jarang bahkan kadang tidak pernah dilakukan
pemeriksaan ultrasonografi (USG) sebagai diagnose dini adanya BBLR dan
kelainan lainnya. Hal ini akan mempengaruhi tindakan-tindakan pencegahan yang
semestinya bisa dilakukan sehingga dapat berpengruh terhadap output bayi yang
dilahirkan dan risiko kematian. Penelitian oleh Adri (2008) menemukan bahwa
ada pengaruh antara faktor geografis (jarak dan waktu tempuh ke pelayanan
kesehatan) terhadap ANC. Demikian juga menurut teori Anderson dan Newman
(2005) menyatakan bahwa aksesibilitas merupakan komponen pendukung yang
menyebabkan masyarakat menggunakan pelayanan kesehatan.
Sebuah penelitian menemukan bahwa daerah sulit akses terhadap pelayanan
kesehatan meliputi kondisi geogafis seperti daerah perbukitan, jarak dan waktu
15
tempuh berpengaruh terhadap pemilihan tempat persalinan (Wulansari, Anita,
2011). Tempat tinggal dalam penelitian ini juga dikaitkan dengan pemilihan
tempat persalinan, dimana daerah dengan kesulitan akses terhadap rumah sakit
cenderung tidak memilih rumah sakit untuk tempat bersalin, sehingga
meningkatkan kemungkinan BBLR dirujuk ke rumah sakit setelah lahir,
sementara sumber menyebutkan bahwa BBLR sebaiknya dirujuk selama masih
dalam kandungan (JNPK-KR, 2008). BBLR yang dirujuk dengan kondisi
geografis yang lebih sulit, jarak dan waktu tempuh yang lebih lama dapat
meningkatkan paparan selama rujukan sehingga meningkatkan risiko kematian.
Menurut data SDKI 2001, kematian neonatal di daerah pedesaan (58,6%)
lebih tinggi daripada daerah perkotaan (41,4%) (Djaja, Sumantri, 2003). Data
yang sesuai juga ditunjukkan pada SDKI tahun 2012 dimana terjadi perbedaan
yang sangat besar antara kematian neonatal di daerah pedesaan dan perkotaan,
dimana sekitar dua pertiga kematian neonatal terjadi di daerah pedesaan
(Kemenkes, 2013). Namun pada penelitian survival rate neonates BBLR dan
BBLSR di masyarakat Iranian menemukan bahwa tidak ada perbedaan survival
rate antara daerah rural dan urban (Vazirinejad dkk, 2012).
b) Jenis kelamin bayi
Jenis kelamin mempengaruhi daya tahan bayi terhadap penyakit bahkan
sejak di dalam kandungan. Disebutkan bahwa jenis kelamin perempuan memiliki
ketahanan yang lebih kuat dibandingkan dengan jenis kelamin laki-laki
(Soetjiningsih, 1995). Sebuah penelitian tentang determinan survival pada public
sector hospital di Johannesburg menemukan bahwa jenis kelamin (OR=3,21;
16
95%CI=1,6-6,3) merupakan prediktor keberlangsungan hidup bayi BBLSR
(Ballot dkk, 2010). Sementara penelitian di Iran tentang faktor resiko kematian
neonatal BBLSR menemukan bahwa tidak ada perbedaan yang bermakna
(p=0,133) antara kelompok laki-laki dan perempuan (Nayeri, 2013)
2.3.2 Faktor Pelayanan Kesehatan
a) Periode MRS (masuk rumah sakit)
Perkembangan sistem pelayanan kesehatan setiap tahun berubah, termasuk
pelayanan di RSUD Karangasem dengan dilaksanakannya program PONEK.
PONEK merupakan bentuk penyediaan pelayanan bagi ibu dan bayi baru lahir
secara terpadu (Kemenkes, 2008). Peresmian beroperasinya gedung baru PONEK
RSUD Karangasem tanggal 2 Januari 2013 disertai dengan pengembangan
fasilitas PONEK lainnya. Dengan demikian, diharapkan terjadi penurunan
kematian bayi termasuk kematian pada BBLR yang sejak awal masuk rumah sakit
mendapat perawatan setelah adanya pengembangan program PONEK tersebut.
Sebuah penelitian tentang kematian neonatal BBLSR dalam periode 24
tahun yang dilakukan di Hesse salah satu propinsi di Jerman, menemukan bahwa
terjadi peningkatan angka absolut kematian setiap tahun rata-rata dari 37 sampai
60 (p<0,05), terjadi penurunan angka kematian relatif dari 13,5% sampai 10,1%.
Kematian bayi preterm dengan umur kehamilan 24 minggu menurun secara
bermakna dari 83.3% pada periode pertama sampai 20.8% pada periode terakhir
(p=0.007), dimana angka kematian bayi preterm dengan umur kehamilan 27
minggu menurun dari 24,4% sampai 13,6% (p>0,05). Penelitian tersebut
menyimpulkan bahwa angka kematian bayi dipengaruhi oleh variasi bayi preterm
17
setiap tahun yang teregistrasi, disisi lain nampaknya peningkatan registrasi bayi
preterm oleh karena perkembangan penanganan dokter terhadap bayi BBLSR
(Sechlober dkk, 2014).
b) Status rujukan
Sistem rujukan merupakan faktor penting dalam penatalaksanaan BBLR
karena selama periode rujukan menambah kemungkinan terjadinya paparan suhu
lingkungan pada bayi selama perjalanan. BBLR yang mempunyai kemungkinan
komplikasi hipotermi yang lebih besar dibandingkan dengan bayi BBL normal,
apalagi bila proses dan teknik merujuk bayi BBLR tidak dilakukan dengan baik
dan benar. Rujukan BBLR paling ideal dilakukan adalah rujukan antepartum
yaitu saat bayi masih dalam kandungan. Yang menjadi pertimbangan dalam
merujuk adalah bahwa dengan merujuk bayi akan mendapatkan keuntungan/nilai
positif (JNPK-KR, 2008a).
Penelitian yang dilakukan di Rumah Sakit Sardjito, Yogyakarta
menyebutkan bahwa kematian bayi dengan berat lahir 1000-2500 mencapai
51,4% dan sebagian besar adalah bayi rujukan (Wardani dkk, 2009). Sesuai
dengan hasil penelitian tentang survival BBLSR di sebuah public sector hospital
di Johannesburg menemukan bahwa risiko kelangsungan hidup (survival) BBLR
rujukan (BBLSR yang lahir sebelum tiba di rumah sakit)/birth before arrival at
the hospital (BBA) lebih kecil (OR=0,23; 95%CI=0,08-0,69) dibandingkan
dengan BBLSR yang lahir di rumah sakit (bayi bukan rujukan). Jadi BBLSR
rujukan mempunyai risiko kematian lebih besar, sehingga BBLSR rujukan
merupakan prediktor kematian BBLSR (Ballot dkk, 2010).
18
2.3.3 Faktor Klinis
1. Klinis ibu
a). Cara persalinan
Data SKRT 2001 menunjukkan bahwa persentase tertinggi kematian
neonatal terjadi pada kelahiran normal (partus spontan) yaitu sebesar 88,9%,
sedangkan pada persalinan pervaginam dengan tindakan sebesar 2,9% dan pada
operasi caesar sebesar 8,1% (Djaja, Sumantri, 2003). Sementara hasil sebuah
penelitian tentang faktor resiko kematian BBLSR menemukan bahwa cara
persalinan tidak berhubungan dengan kematian BBLSR setelah dilakukan
adjusted dengan faktor-faktor lain (Cetinkaya dkk, 2014). Hasil serupa ditemukan
penelitian lainnya bahwa tidak ada perbedaan bermakna kematian BBLSR pada
persalinan pervaginam dibandingkan persalinan dengan cara sectio caesarea
(Malek-Mellouli, 2013). Berbeda halnya dengan beberapa hasil penelitian lain
bahwa cara persalinan merupakan faktor resiko kematian perinatal (Ekure dkk,
2002), cara persalinan sectio caesarea merupakan faktor yang berhubungan
dengan survival BBLR (Lee & Gould 2006). Penelitian lain menemukan bahwa
angka lahir mati dan kematian neonatal BBLR yang lahir dengan cara sectio
caesarea sebesar 0,5% dan 1,0%, lebih rendah daripada yang lahir dengan cara
pervaginam (Chen dkk, 2013).
b) Gravida, umur kehamilan, paritas, riwayat USG, riwayat perdarahan,
riwayat keluar air ketuban dan keadaan air ketuban
Beberapa penelitian meneliti faktor ibu sebagai faktor risiko kematian
BBLR antara lain umur ibu (Prastiti, 2003), gravida (Basu dkk, 2008), umur
19
kehamilan (Gupta dkk, 2014; Afjeh dkk, 2013; Nayeri dkk, 2013; Basu dkk,
2008), paritas (Gupta dkk, 2014), riwayat ANC/USG (Prastiti,2003), antepartum
bleeding (APB)/riwayat perdarahan (Basu dkk, 2008), preterm rupture of
membrane (PRM)/riwayat keluar air ketuban dan warna air ketuban (Afjeh dkk,
2013).
2. Klinis bayi
a) Maturitas bayi
Bayi lahir kurang bulan mempunyai organ dan alat tubuh yang belum
berfungsi normal untuk bertahan hidup di luar rahim. Maturitas bayi selain
ditentukan berdasarkan klinis bayi juga ditentukan dengan melihat umur
kehamilan. Semakin muda umur kehamilan, fungsi organ tubuh semakin kurang
sempurna dan prognosisnya semakin kurang baik (JNPK-KR, 2008a).
Sebuah penelitian yang meneliti tentang outcome BBLSR di Iranian Center
menemukan bahwa faktor umur kehamilan berhubungan bermakna dengan
kelangsungan hidup BBLSR (30,5 ± 2,2 vs 27,5 ± 2 minggu, p <0,001). Kematian
BBLSR preterm (umur kehamilan <37 minggu) ditemukan berbeda-beda pada
beberapa kategori kelompok umur bila dibandingkan dengan kematian BBLSR at
term (umur kehamilan ≥37 minggu). Kematian BBLSR pada umur kehamilan ≤28
minggu, 29-32 minggu dan 33-36 minggu didapatkan sebesar 6,89 kali
(95%CI=0,43-0,56), 0.56 kali (95%CI=0,76-62,83), dan 0.13 kali (95%CI=0,06-
5,15) bila dibandingkan dengan kematian BBLSR pada umur kehamilan ≥37
minggu (Afjeh dkk, 2013).
20
b) Berat lahir
Semakin muda umur kehamilan dan semakin lama terjadinya gangguan
pertumbuhan dalam kandungan menyebabkan semakin besar kemungkin bayi
lahir dengan berat badan yang lebih rendah dan semakin kecil kemampuannya
dalam kelangsungan hidup masa neonatal (JNPK-KR, 2008a). Penelitian tentang
survival rate BBLR dan BBLSR di masyarakat Iran menemukan bahwa berat
lahir berhubungan bermakna dengan kematian BBLR. Odds ratio kematian
neonatal dengan berat lahir <1500 gram sebesar 4.1 kali (95%CI=1,2-13,9)
dibandingkan dengan neonatal dengan berat lahir 1500-2500 gram (Vazirineja
dkk, 2012). Penelitian tentang outcome BBLSR dari laporan selama lebih dari 3
tahun di Iranian Center menemukan bahwa rata-rata berat lahir BBLSR yang
bertahan hidup lebih tinggi secara bermakna daripada BBLSR yang meninggal
(1275±189 vs. 944±253 gram (Afjeh dkk, 2013).
c) Asfiksia
Asfiksia pada bayi baru lahir adalah kegagalan untuk bernafas secara
spontan dan teratur segera setelah lahir. Selain dapat menyebabkan kematian,
asfiksia juga dapat mengakibatkan kecacatan. Menurut SKRT 2001, asfiksia
merupakan penyebab kematian neonatal yang paling tinggi dimana 27% kematian
neonatal disebabkan oleh asfiksia dan angka kematian sekitar 41,94% di RS pusat
rujukan propinsi. Penelitian di Sagamu, Nigeria menemukan bahwa kematian bayi
dengan berat lahir <1.5 kg berhubungan dengan kejadian asfiksia (Ogunlesi,
2011). Penelitian di rumah sakit Sardjito, Yogyakarta menemukan bahwa
kematian BBL 1000-2500 gram dengan asfiksia lebih tinggi dari bayi tanpa
21
asfiksia tapi secara statistik tidak bermakna (OR 2,59; 95%CI 0,821-5,067)
(Wardani dkk, 2009).
d) RDS (respiratory distress syndrome)
RDS juga disebut hyaline membrane disease (HMD) merupakan penyakit
pernapasan yang terutama mempengaruhi bayi kurang bulan. Keadaan ini terjadi
pada sekitar seperempat bayi yang lahir pada umur kehamilan 32 minggu dan
insidennya meningkat sejalan dengan memendeknya periode kehamilan (JNPK-
KR, 2008a). RDS merupakan faktor utama penyebab kematian BBLSR yang
ditemukan pada penelitian di Iranian center (OR=8,17; 95%CI=4,29-15,56).
e) Sepsis
Sepsis masih menjadi penyebab utama kesakitan dan kematian neonatus.
Sepsis neonatorum sangat berbahaya dan bayi yang tetap hidup bisa mengalami
cacat neurologis yang signifikan dan salah satu faktor risiko sepsis adalah
kelahiran kurang bulan (JNPK-KR, 2008b). Sepsis merupakan faktor resiko
kematian BBLR (OR=5,05; 95%CI=2,43-11,19) yang ditemukan pada penelitian
Wardani dkk (2009).
f) Hipoglikemi
Hipoglikemi bayi biasanya didefinisikan sebagai nilai glukosa serum ≤45
mg/dl. Hipoglikemi yang tidak ditangani dapat mengakibatkan kerusakan syaraf
permanen atau kematian (JNPK-KR, 2008b). Hipoglikemi merupakan faktor
risiko kematian BBLR (OR=3,36; 95%CI=1,70-6,71) pada penelitian Wardani
dkk (2009) .
22
g) Hipotermi
Hipotermi adalah suhu tubuh kurang dari 36.50C pada pengukuran suhu
melalui ketiak. Hipotermi merupakan suatu tanda bahaya karena dapat
menyebabkan terjadinya perubahan metabolism tubuh yang akan berakhir dengan
kegagalan fungsi jantung paru dan kematian (JNPK-KR, 2008a). Hipotermi
merupakan salah satu faktor risiko kematian BBLR pada penelitian sebelumnya
(Basu dkk, 2008).
h) Hiperbilirubinemia
Hiperbilirubinemia adalah naiknya kadar bilirubin serum dengan gejala
yang paling mudah diidentifikasi adalah ikterus dimana kulit dan selaput lendir
berwarna kuning yang nampak nyata pada neonatus bila bilirubin total ≥5 mg/dl
(JNPK-KR, 2008b). Penelitian sebelumnya tentang faktor risiko kematian BBLR
telah meneliti hiperbilirubinemia sebagai salah satu faktor yang diteliti, namun
tidak berhubungan bermakna dengan kematian BBLR (Basu dkk, 2008).
i) Masalah minum (Feeding problem)
Komplikasi yang sering terjadi pada BBLR yaitu hipotermi, hipoglikemi,
ikterus, infeksi atau curiga sepsis, sindrom aspirasi mekonium dan masalah
minum (JNPK-KR, 2008a). Masalah minum yaitu bayi tidak dapat atau tidak mau
minum. Waktu timbulnya yaitu sejak lahir. Masalah minum sering terjadi pada
bayi baru lahir, pada bayi sakit berat dan bayi berat lahir rendah. Masalah minum
perlu mendapat perhatian khusus untuk mengurangi resiko terjadinya penyakit
dan kematian.
23
j) Pemberian antibiotika
Pemberian antibiotika diperlukan pada BBLR karena memiliki risiko tinggi
terhadap infeksi. Pseudomonas selalu muncul di unit perawatan neonatologi dan
dihubungkan dengan tingginya angka kematian pada neonatus di unit perawatan
intensif. Reservoir potensial untuk pseudomonas meliputi alat-alat resusitasi,
inkubator, susu formula, pompa payudara, bayi dengan perawatan lama, dan
tangan petugas kesehatan (Johanes dkk, 2007). Pada sebuah studi kasus yang
dilakukan di Lampung menyimpulkan bahwa pemberian antibiotika diperlukan
pada BBLR (Adhein dan Rahmanoe, 2014). Penelitian prosfektif tentang epidemi
infeksi pada BBLR menemukan bahwa insiden infeksi sebesar 43,1% dan
penggunaan antibiotika secara rasional sangat diperlukan (Helwich dkk, 2009).
Sementara penelitian di RS Sardjito menemukan bahwa pemberian antibiotika
profilaksis dalam menegah sepsis neonatorum klinis dini pada bayi baru lahir
dengan potensial infeksi, salah satunya BBLR, sama efektif dengan tanpa
peberian antibiotika profilaksis (Darawati, 2001).
k) Panjang badan, lingkar lengan, lingkar dada, Apgar score
Faktor lainnya yang diteliti pada penelitian sebelumnya antara lain panjang
badan lahir (Basu dkk, 2008), lingkar kepala (Basu dkk, 2008), lingkar dada (Basu
dkk, 2008), apgar score (Afjeh dkk, 2013; Nayeri dkk, 2013; Basu dkk, 2008).
l) Laboratorium
Hasil pemeriksaan laboratorium juga telah diteliti pada penelitian tentang
faktor risiko kematian BBLR sebelumnya antara lain whole bood cell (WBC),
hemoglobin, hematokrit, trombosit, gula darah, bilirubin. (Basu dkk, 2008).
BAB III
KERANGKA BERPIKIR, KONSEP DAN HIPOTESIS PENELITIAN
3.1 Kerangka Berpikir
Kematian BBLR dipengaruhi oleh berbagai faktor atau determinan. Dalam
penelitian ini determinan kematian BBLR dikelompokkan menjadi tiga yaitu
faktor demografi, faktor pelayanan kesehatan dan faktor klinis.
Pengaruh jenis kelamin terhadap kematian BBLR terkait dengan ketahanan
BBLR yang berbeda antara laki-laki dan perempuan. Tempat tinggal terkait
dengan akses pelayanan kesehatan, dimana daerah sulit terhadap akses pelayanan
kesehatan akan mempengaruhi kualitas dan kuantitas antenatal care (ANC) yang
akan mempengaruhi keluaran bayi termasuk kematian. Jenis pembayaran terkait
dengan faktor ekonomi, dimana masyarakat yang tergolong keluarga kurang
mampu secara ekonomi berhak mendapatkan fasilitas pembayaran jamkesmas/
jampersal dan JKBM dengan kelas rawat inap di kelas tiga. Keadaan ekonomi
berhubungan dengan kemampuan ibu dalam merawat bayi dan pemenuhan asupan
nutrisi bayi sehingga akan mempengaruhi daya tahan termasuk kematian.
Periode MRS terkait dengan perkembangan fasiltas pelayanan. BBLR yang
MRS setelah adanya pengembangan PONEK diharapkan mendapat perawatan
dengan sumber daya yang lebih baik sehingga akan mempengaruhi output BBLR
termasuk kematian. Status rujukan dalam mempengaruhi kematian BBLR terkait
adanya kondisi bayi yang memang lebih berisiko sehingga dirujuk ke rumah sakit
disertai dengan adanya paparan selama periode merujuk.
24
25
Cara persalinan seksio pada bayi BBLR lebih banyak dilakukan karena
pertimbangan kegawatan ibu dan/atau janin. Kegawatan ibu/janin merupakan
kondisi yang lebih buruk sehingga mempengaruhi kondisi medis dan risiko
kematian yang lebih tinggi pada BBLR yang lahir dengan cara seksio. Demikian
juga kondisi klinis ibu lainnya, dimana riwayat kehamilan ibu yang lebih buruk
akan mempengaruhi bayi yang dilahirkan sehingga mempengruhi juga risiko
kematian.
Maturitas bayi terkait dengan umur kehamilan dan pemeriksaan klinis bayi
baru lahir dimana bayi lahir kurang bulan (preterm) mempunyai organ dan alat
tubuh yang belum berfungsi normal untuk bertahan hidup di luar rahim sehingga
meningkatkan risiko kematian. Bayi yang lahir dengan berat lahir, panjang badan,
lingkar lengan dan lingkar dada yang lebih kecil adalah bayi yang mengalami
gangguan pertumbuhan selama dalam kandungan yang juga akan menurunkan
daya tahan bayi serta meningkatkan risiko kematian. BBLR dengan asfiksia dan
RDS adalah BBLR dengan kondisi medis yang lebih buruk sehingga
meningkatkan risiko kematian. Bayi yang mengalami masalah pemberian minum
akan menurunkan asupan nutrisi sehingga meningkatkan risiko kematian.
Pemberian antibiotika pada BBLR yang merupakan bayi dengan potensial
terinfeksi dapat mencegah dan mengobati kejadian infeksi neonatorum sehingga
dapat menurunkan risiko kematian. Apgar score yang lebih rendah dan hasil
laboratorium yang lebih buruk sebagai tanda bayi dengan kondisi klinis lebih
buruk sehingga mempunyai risiko kematian yang lebih tinggi.
26
3.1 Konsep Penelitian
Keterangan : BBL=berat badan lahir, PB=panjang badan, LK/LD=lingkar
kepala/lingkar dada, WBC=white blood cell
Gambar 3. 1 Konsep Penelitian Determinan Kematian BBLR Selama Rawat
Inap di RSUD Karangasem Tahun 2012-2014
FAKTOR DEMOGRAFI:
Tempat tinggal, jenis kelamin bayi,
umur ibu
FAKTOR KLINIS :
• Faktor klinis ibu :
Cara persalinan, umur kehamilan,
gravid, paritas, riwayat USG,
riwayat perdarahan, riwayat KPD,
keadaan air ketuban
• Faktor klinis bayi :
Maturitas bayi, asfiksia, RDS,
sepsis, hipoglikemi, hipotermi,
hiperbilirubinemia, masalah
minum, pemberian antibiotika,
BBL, PB, LK/LD, apgar score
• Laboratorium :
WBC, hemoglobin, hematokrit,
KEMATIAN BBLR
SELAMA
RAWAT INAP
DI RUMAH SAKIT
FAKTOR PELAYANAN
KESEHATAN :
Periode MRS, status rujukan
27
3.3 Hipotesis Penelitian
1. Faktor demografi (tempat tinggal, umur ibu dan jenis kelamin bayi) sebagai
determinan kematian BBLR selama dirawat di RSUD Karangasem tahun
2012–2014.
2. Faktor pelayanan kesehatan (periode MRS dan rujukan) sebagai determinan
kematian BBLR selama dirawat di RSUD Karangasem tahun 2012–2014.
3. Faktor klinis (klinis ibu yaitu cara persalinan, gravida, paritas, riwayat USG,
riwayat perdarahan, riwayat keluar air ketuban, warna air ketuban dan klinis
bayi yaitu maturitas bayi, berat lahir, asfiksia, RDS, masalah pemberian
minum, pemberian antibiotika dan hasil laboratorium) sebagai determinan
kematian BBLR selama rawat inap di RSUD Karangasem tahun 2012-2014.
4. Faktor demografi, pelayanan kesehatan dan klinis sebagai determinan kematian
pada kelompok BBLSR dan kelompok BBLR preterm berat lahir 1000-<2000
gram selama dirawat di RSUD Karangasem tahun 2012–2014.
BAB IV
METODE PENELITIAN
4.1 Rancangan Penelitian
Penelitian ini merupakan penelitian retrospektif dengan analisis data kohort
BBLR yang dirawat di RSUD Karangasem tahun 2012-2014. Data yang
digunakan merupakan data sekunder dari rekam medik BBLR.
4.2 Tempat dan Waktu Penelitian
4.2.1 Tempat Penelitian
Penelitian ini dilakukan di RSUD Karangasem, Kabupaten Karangasem,
Propinsi Bali.
4.2.2 Waktu Penelitian
Penelitian dilaksanakan mulai bulan Januari sampai Maret 2015.
4.3 Penentuan Sumber Data
4.3.1 Populasi Penelitian
Populasi target pada penelitian ini adalah BBLR yang rawat inap di RSUD
Karangasem dan populasi terjangkaunya adalah BBLR yang rawat inap di RSUD
Karangasem pada tahun 2012 sampai dengan bulan Oktober 2014. Kriteria
inklusi yang digunakan yaitu BBLR yang lahir antara tanggal 1 Januari 2012
sampai 31 Oktober 2014 dan rekam medik ditemukan. Sedangkan kriteria
ekslusinya adalah BBL <500 gram, BBLR dengan kelainan kongenital dan BBLR
28
29
yang sempat rawat inap di RSUD Karangasem kemudian dirujuk ke rumah sakit
lain. BBBL <500 gram menjadi kriteria eksklusi oleh karena dalam register BBLR
ruang perinatologi RSUD Karangasem ditemukan BBLR dengan berat lahir <500
gram. Beberapa sumber menyebutkan bahwa BBL<500 gram dan umur
kehamilan<20 minggu termasuk dalam kriteria abortus (Manuaba, 2007;
Sarwono, 2008; Handono, 2009).
4.3.2 Sampel Penelitian
Penelitian ini menggunakan total sampling, dimana penulis akan
menggunakan semua sampel yang memenuhi kriteria inklusi. Periode waktu tahun
2012 sampai 2014 dipilih berdasarkan atas dasar data jumlah BBLR yang dirawat
dan kematian BBLR yang didapat dari register BBLR di RSUD Karangasem.
Dalam periode waktu tersebut terdapat 814 BBLR yang dirawat dan 104 (12,77%)
kematian. Jumlah tersebut dianggap cukup untuk dilakukan analisis multivariat
dengan tujuan melihat pengaruh variabel bebas dan mempertimbangkan
banyaknya variabel yang diteliti serta kemungkinan akan terdapat beberapa data
missing pada beberapa variabel.
4.4 Variabel Penelitian
4.4.1 Jenis variabel
Variabel bebas antara lain tempat tinggal, jenis kelamin bayi, periode MRS,
cara persalinan, status rujukan, maturitas bayi, berat lahir, asfiksis, RDS, masalah
minum, pemberian antibiotika, umur ibu, gravida, umur kehamilan, paritas,
riwayat ANC (USG), riwayat perdarahan/antepartum bleeding (APB), riwayat
30
keluar air ketuban/preterm rupture of membrane (PRM), panjang lahir, lingkar
kepala, lingkar dada, apgar score, whole bood cell (WBC), hemoglobin,
hematokrit, trombosit, gula darah dan bilirubin. Sedangkan variabel
tergantungnya adalah kematian BBLR.
4.4.2 Definisi Operasional Variabel
Disajikan dalam bentuk tabel (tabel 4.1). Variabel tahun lahir dan lama
rawat disajikan hanya dalam bentuk data deskriptif. Variabel bebas
dikelompokkan menjadi 3 katagori yaitu faktor demografi (tempat tinggal, jenis
kelamin bayi dan umur ibu), faktor pelayanan kesehatan (periode MRS dan status
rujukan) dan faktor klinis (cara persalinan, gravida, parita, umur kehamilan,
riwayat ANC/USG riwayat perdarahan, riwayat keluar air ketuban, maturitas bayi,
berat lahir, panjang lahir, lingkar kepala, lingkar dada, apgar score menit 1, apgar
score menit 5, asfiksia, RDS, masalah minum, pemberian antibiotika dan hasil
laboratorium meliputi WBC, hemoglobin, hematokrit, trombosit, gula darah,
bilirubin direk dan bilirubin total). Variabel tergantung dalam penelitian ini adalah
kematian BBLR. Beberapa variabel kategorikal dibuat dengan melakukan recode
dari data numerik yang sudah ada seperti kategori umur ibu, gravida dan paritas.
31
Tabel 4.1
Definisi Operasional Variabel
Variabel Definisi Operasional Alat ukur Skala ukur Skala Analisis
Data deskriptif
Tahun lahir Tahun kelahiran BBLR ditentukan
berdasarkan data tanggal lahir (kolom P-05
pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
(Tahun lahir : 2012, 2013
2014)
Nominal
0= 2014
1= 2013
2= 2012
Kelompok
BBLR
Kelompok BBLR menurut WHO, ditentukan
berdasarkan berat lahir (kolom P33), dibagi
dala tiga kelompok : BBLR (bayi berat lahir
rendah), BBLSR (bayi berat lahir sangat
rendah), BBLASR (bayi berat lahir amat
sangat rendah)
Tabel
ekstraksi
data
Interval
(berat lahir dalam gram)
Nominal
0= BBLR, bila berat lahir
<2500 gram
1= BBLSR, bila berat
lahir <1500 gram
2= BBLASR, bila berat
lahir <1000 gram
32
Lama rawat Jumlah hari rawat inap (kolom P12), dihitung
sejak tanggal masuk sampai tanggal keluar
rumah sakit. Bila tanggal masuk dan tanggal
keluar pada hari yang sama, dihitung satu hari
lama rawat.
Tabel
ekstraksi
data
Interval
(Lama rawat dalam hari)
Nominal
0 bila ≤ 7 hari
1 bila > 7 hari
Faktor demografi
Tempat
tinggal
Tempat tinggal orang tua BBLR, ditentukan
berdasarkan alamat saat masuk RS (form
RM.01 dalam rekam medik atau kolom P-04
pada tabel ekstraksi data). Skala analisis
mengacu pada SK Bupati No.225/2008
(lampiran 5 halaman 108) tentang sarana
pelayanan kesehatan terpencil dan
disesuaikan dengan kondisi geografis dimana
daerah sulit merupakan daerah perbukitan
dan/atau jarak serta waktu tempuh ke rumah
sakit lebih dari 1 jam.
Tabel
ekstraksi
data
Nominal
(Alamat tempat tinggal)
Nominal
0=daerah biasa
1=daerah sulit
33
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Jenis
kelamin
bayi
Jenis kelamin BBLR sesuai dengan yang
tercatat pada form CM 02 dalam rekam
medik (kolom P-03 pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
(Laki-laki, perempuan)
Nominal
0=perempuan, 1=laki-laki
Umur ibu Umur ibu saat melahirkan bayi yang menjadi
subyek penelitian (tercantum pada form CM
02 dalam rekam medik dan kolom P-25
dalam tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(umur dalam tahun)
Nominal
0= 20-35 tahun
1= <20 atau >35 tahun
Faktor pelayanan kesehatan
Periode
MRS
Periode MRS terkait pengembangan PONEK.
Kategori sebelum atau setelah pengembangan
PONEK berdasarkan tanggal MRS (rekam
medik form RM.01/ tabel ekstraksi data
kolom P-09), cut of point yaitu 2 Januari 2013
(tanggal peresminan gedung PONEK baru).
Tabel
ekstraksi
data
Interval
(tanggal masuk)
Nominal
0=setelah pengembangan
PONEK
1=sebelum pengembangan
PONEK
34
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Status
rujukan
Status rujukan masuknya BBLR ke rumah
sakit, rujukan atau bukan rujukan. Ditentukan
dari tempat persalinan (rekam medik form
CM 02 atau tabel ektraksi data kolom P-13)
Tabel
ekstraksi
data
Nominal
(di rumah, di klinik, di
puskesmas, di bidan, di
RS)
Nominal
0= bukan rujukan, lahir di
RS.
1=rujukan, lahir di luar RS
Faktor klinis ibu
Cara
persalinan
Cara persalinan sesuai dengan yang tercatat di
rekam medik form CM 02 (kolom P-14 pada
tabel ektraksi data)
Tabel
ekstraksi
data
Nominal
(spontan, FE, VE, SC,
LM)
Nominal
0=pervaginam
(spontan,LM,FE,VE)
1=perabdominal (SC)
Gravida Jumlah/frekuensi kehamilan ibu sampai
dengan saat mengandung bayi yang menjadi
subyek penelitian, tercantum pada diagnose
ibu dalam rekam medik form CM 02 (kolom
P-22 tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(G1, G2, G3, dan
seterusnya)
Nominal
0 bila G2-4
1 bila G1
2 bila >G3
35
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Umur
kehamilan
Umur kehamilan saat mengandung bayi yang
diteliti, mulai konsepsi sampai melahirkan,
tercantum pada diagnose ibu dalam rekam
medik form CM 02 (kolom P-22 pada tabel
ekstraksi data)
Tabel
ekstraksi
data
Interval
(umur kehamilan dalam
minggu)
Interval (bila tercatat
range umur kehamilan
missal 37-38 minggu,
maka dihitung nilai tengah
yaitu 37,5 minggu)
Paritas Frekuensi riwayat ibu melahirkan sampai
dengan saat melahirkan bayi yang menjadi
subyek penelitian, termasuk anak yang masih
hidup, meninggal dan abortus (form CM 02
rekam medik/kolom P-23 tabel data ekstraksi)
Tabel
ekstraksi
data
Interval
(P1, P1, P3 dan
seterusnya)
Nominal
0 bila P1
1 bila P2-4
2 bila >P4
Riwayat
USG
Riwayat pemeriksaan USG saat ibu
mengandung bayi yang menjadi subyek
penelitian (form CM 02 dalam rekam medik /
kolom P-26 formulir data ektsraksi)
Tabel
ekstraksi
data
Nominal
(ya/pernah, tidak/tidak
pernah)
Nominal
0=ya/pernah
1=tidak/tidak pernah
36
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Riwayat
perdarahan
Riwayat perdarahan saat ibu mengandung
bayi yang menjadi subyek penelitian,
tercantum dalam form CM 02 dalam rekam
medik (kolom P-27 forrmulir data ektsraksi)
Tabel
ekstraksi
data
Nominal
(ya/pernah, tidak/tidak
pernah)
Nominal
0=ya/pernah
1=tidak/tidak pernah
Riwayat
keluar air
ketuban
Riwayat keluar air ketuban saat ibu
mengandung bayi yang menjadi subyek
penelitian, tercantum dalam form CM 02
dalam rekam medik (kolom P-31 formulir
ektsraksi data)
Tabel
ekstraksi
data
Nominal
(ya/pernah, tidak/tidak
pernah)
Nominal
0=ya/pernah
1=tidak/tidak pernah
Faktor klinis bayi
Maturitas
bayi
Tingkat kematangan bayi yang ditentukan
berdasarkan umur kehamilan dan/atau klinis
bayi (form CM 02 pada diagnose bayi dan
kolom P-18 forulir ekstraksi data)
Tabel
ekstraksi
data
Nominal
(at term /cukup bulan,
preterm /kurang bulan)
Nominal
0=at term
1=preterm
37
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Asfiksia
Riwayat terjadinya asfiksia sejak saat masuk
rumah sakit. Dapat dilihat dalam rekam medik
form CM 02 pada diagnose masuk bayi
(kolom 17 pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
(Ya, tidak)
Nominal
0=tidak
1=ya
RDS
Riwayat terjadinya RDS sejak saat masuk
rumah sakit. Dapat dilihat dalam rekam medik
form CM 02 pada diagnose masuk bayi
(kolom 17 pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
(Ya, tidak)
Nominal
0=tidak
1=ya
Sepsis
Riwayat terjadinya sepsis sejak saat masuk rumah sakit. Dapat dilihat dalam rekam medik form CM 02 pada diagnose masuk bayi (kolom 17 pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
(Ya, tidak)
Nominal
0=tidak
1=ya
38
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Hipoglikemi
Riwayat terjadinya hipoglikemi sejak saat masuk rumah sakit. Dapat dilihat dalam rekam medik form CM 02 pada diagnose masuk bayi (kolom 17 pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
(Ya, tidak)
Nominal
0=tidak
1=ya
Hipotermi
Riwayat terjadinya hipotermi sejak saat masuk rumah sakit. Dapat dilihat dalam rekam medik form CM 02 pada diagnose masuk bayi (kolom 17 pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
(Ya, tidak)
Nominal
0=tidak
1=ya
Hiper-
bilirubinemia
Riwayat terjadinya hiperbilirubinemia sejak saat masuk rumah sakit. Dapat dilihat dalam rekam medik form CM 02 pada diagnose masuk bayi (kolom 17 tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
(Ya, tidak)
Nominal
0=tidak
1=ya
39
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Masalah
minum
Riwayat terjadinya masalah pemberian
minum (feeding problem) mulai saat masuk
rumah sakit. Dapat dilihat pada diagnose
tambahan bayi form RM 01 di rekam medik
(kolom P-17 pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
Ya, tidak
Nominal
0=tidak
1=ya
Pemberian
antibotika
Riwayat pemberian antibiotika yang diberikan
selama dirawat. Dapat dilihat pada form RM
07 di rekam medik (kolom P48 dan P49 pada
tabel ekstraksi data
Tabel
ekstraksi
data
Nominal
(diberikan antibiotika,
tidak diberikan
antibiotika )
Nominal
0= diberikan antibiotika
1= tidak diberikan
antibiotika
Berat lahir
Berat lahir adalah berat badan yang ditimbang
dalam waktu 24 jam pertama setelah lahir.
Berat lahir dinyatakan dalam gram, tercatat
dalam rekam medik form RM 07 (kolom P-
45a tabel ektraksi data).
Tabel
ekstraksi
data
Interval
Berat lahir (gram)
Interval
Peningkatan berat lahir
sebesar 50 gram
40
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Panjang
badan lahir
Ukuran panjang badan bayi, diukur dalam
waktu 24 jam pertama sejak lahir, diukur dari
bagian tertinggi kepala sampai ujung kaki
dalam posisi lurus (form CM 02 dalam rekam
medik/kolom P-34 tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(ukuran panjang badan
dalam cm)
Interval
(ukuran panjang badan
dalam cm)
Lingkar
kepala
Ukuran lingkar kepala bayi, diukur dalam 24
jam pertama sejak lahir (form CM 02 dalam
rekam medik/kolom P-35 tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(ukuran lingkar kepala
dalam cm)
Interval
(ukuran lingkar kepala
dalam cm)
Lingkar
dada
Ukuran lingkaran dada bayi dalam 24 jam
pertama sejak lahir (form CM 02 rekam
medik/kolom P-36 tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(ukuran lingkar dada
dalam cm)
Interval
(ukuran lingkar dada
dalam cm)
Apgar score
menit 1
Penilaian klinis bayi dengan tabel apgar score
dalam 1 menit pertama sejak lahir ( CM 02
rekam medik/kolom P-40 tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(0, 1, 2, 3 sampai dengan
10)
Interval
(0, 1, 2, 3 sampai dengan
10)
41
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Apgar score
menit 5
Penilaian klinis bayi dengan tabel apgar score
dalam 5 menit pertama sejak lahir ( CM 02
rekam medik/kolom P-41 tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(0, 1, 2, 3 sampai dengan
10)
Interval
(0, 1, 2, 3 sampai dengan 10)
Laboratorium
Whole bood
cell (WBC)
Jumlah/kadar WBC yang tercantum dalam
form hasil pemeriksaan laboratorium darah
yang pertama sejak lahir (kolom P-44b tabel
ekstraksi data)
Tabel
ekstraksi
data
Interval
kadar WBC dalam K/ᴜL
Interval
Kadar WBC dalam K/uL
Hemoglobin
Jumlah/kadar hemoglobin yang tercantum
dalam form hasil pemeriksaan laboratorium
darah yang pertama sejak lahir (kolom P-44c
tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(kadar hemoglobin dalam
g/dL
Interval
(kadar hemoglobin dalam
g/dL
42
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Hematokrit
Jumlah/kadar hematokrit yang tercantum
dalam form hasil pemeriksaan laboratorium
darah yang pertama sejak lahir (kolom P-44d
tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(kadar hematokrit dalam
%)
Interval
(kadar hematokrit dalam
%)
Trombosit
Jumlah/kadar trombosit yang tercantum
dalam form hasil pemeriksaan laboratorium
darah yang pertama sejak lahir (kolom P-44e
tabel ekstraksi data)
Tabel
ekstraksi
data
Interval
(kadar trombosit dalam
K/ᴜL)
Interval
(kadar trombosit dalam
K/ᴜL )
Gula darah
Kadar gula darah yang tercantum dalam form
hasil pemeriksaan laboratorium darah yang
pertama sejak lahir (kolom P-44f tabel
ekstraksi data)
Tabel
ekstraksi
data
Interval
(kadar gula darah dalam
mg/dl)
Interval
(kadar gula darah dalam
mg/dl)
43
Variabel Definisi Operasional Alat Ukur Skala Ukur Skala Analisis
Bilirubin
direk
Kadar bilirubin direk yang tercantum dalam
form hasil pemeriksaan laboratorium darah
yang pertama sejak lahir (kolom P-44g tabel
ekstraksi data)
Tabel
ekstraksi
data
Interval
(kadar bilirubin direk
dalam mg/dl)
Interval
(kadar bilirubin direk
dalam mg/dl)
Bilirubin
total
Kadar bilirubin total yang tercantum dalam
form hasil pemeriksaan laboratorium darah
yang pertama sejak lahir (kolom P-44h tabel
ekstraksi data)
Tabel
ekstraksi
data
Interval
(kadar bilirubin total
dalam mg/dl)
Interval
(kadar bilirubin total
dalam mg/dl)
Variabel tergantung
Kematian
BBLR
Status pasien saat keluar dari RS sesuai
dengan yang tercatat di rekam medik form
CM 02 (kolom P-10 pada tabel ekstraksi data)
Tabel
ekstraksi
data
Nominal
Meninggal, tidak
meninggal
Nominal
0=tidak meninggal
1=meninggal
44
4.5 Instrumen Penelitian
Alat pengumpulan data yang digunakan adalah tabel ekstraksi data yang berisi
variabel-variabel yang diteliti. Catatan medik dari setiap subjek diekstraksi ke dalam
tabel ekstraksi berisikan data BBLR meliputi variabel-variabel yang diperlukan dan
data follow up (perkembangan).
4.6 Prosedur Pengumpulan Data
4.6.1 Pengumpulan Data Awal
Penulis memohon ijin kepada direktur RSUD Karangasem melalui bagian
pengembangan untuk mengumpulkan data awal penelitian dengan menyerahkan surat
pengantar dari sekretariat Magister Ilmu Kesehatan Masyarakat, Universitas
Udayana. Setelah rekomendasi untuk pengumpulan data awal dari direktur selesai,
penulis mulai mengumpulkan data awal di bagian perinatologi dan ruang rekam
medik RSUD Karangasem. Data awal yang dikumpulkan bersumber dari register
BBLR yang berisikan nomor rekam medik dan identitas bayi. Berdasarkan data
dalam register tersebut dilakukan rekapitulasi jumlah BBLR dan kematian BBLR per
tahun. Penulis juga mengumpulkan data awal untuk ketersediaan data dengan melihat
rekam medik masing-masing individu dari beberapa sampel di ruang rekam medik.
Selanjutnya penulis membuat tabel ekstraksi data dalam bentuk excel berisikan
variabel-variabel yang telah disesuaikan dengan ketersediaan data dalam rekam
medik.
45
4.6.2 Pengumpulan Data Penelitian
Pengumpulan data penelitian dilakukan oleh penulis dengan dibantu oleh dua
orang tenaga bidan staf perinatologi RSUD Karangasem. Sebelum melakukan
pengumpulan data, dua orang tenaga bidan tersebut diberikan pelatihan cara
pengumpulan data selama 1 hari. Data dikumpulkan dengan ekstraksi rekam medis
masing-masing BBLR yang memenuhi kriteria inklusi ke dalam tabel ekstraksi yang
dibuat ke dalam bentuk soft copy (dalam bentuk microsoft excel) untuk memudahkan
analisis. Adapun jenis data yang dikumpulkan antara lain faktor demografi, faktor
pelayanan kesehatan, klinis ibu, klinis bayi dan laboratorium. Selain itu dikumpulkan
juga data waktu masuk rumah sakit, waktu meninggal serta waktu keluar rumah sakit.
Perkiraan waktu untuk pengumpulan data tersebut adalah sekitar 3 minggu.
4.6.3 Pengolahan Data
Tahapan selanjutnya adalah melakukan pengolahan data yang meliputi editing,
cleaning, coding, entering dan tabulating.
1. Editing yaitu melakukan pemeriksaan data pasien dari rekam medik yang telah
dipindahkan ke komputer (Microsoft Excel), apabila data yang ditemukan tidak
jelas, kurang lengkap atau tidak masuk akal maka akan dilakukan pengecekan lagi
pada rekam medis.
2. Cleaning yaitu data yang telah dimasukkan ke komputer dicek untuk dilakukan
pembersihan data dengan menggunakan kriteria inklusi dan eksklusi penelitian.
3. Coding yaitu data pasien yang telah memenuhi kriteria inklusi akan dikategorikan
untuk memudahkan analisis.
46
4. Entering yaitu data yang telah dikategorikan dalam Microsoft Excel, kemudian
dibuatkan ke dalam format Stata.
5. Tabulating yaitu data dianalisis menggunakan Stata SE 12.1 dan disajikan dalam
bentuk tabel distribusi, grafik dan diinterpretasikan.
4.7 Analisis Data
4.7.1 Analisis Univariat
Analisis univariat dilakukan untuk mengetahui karakteristik BBLR menurut
variabel yang diteliti. Dilakukan analisis secara deskriptif untuk mengetahui
karakteristik dan distribusi sampel berdasarkan variabel tahun kelahiran, kelompok
berat lahir, lama rawat, tempat tinggal, jenis kelamin bayi, periode MRS, jenis
pembayaran, status rujukan, cara persalinan, maturitas bayi, riwayat USG, riwayat
perdarahan, riwayat keluar air ketuban, asfiksia, RDS, masalah pemberian minum,
pemberian antibiotika dan kematian BBLR. Untuk variabel interval seperti berat
lahir, umur ibu, gravida, umur kehamilan, paritas, panjang badan lahir, lingkar
kepala, lingkar dada, apgar score, WBC, hemoglobin, hematokrit, trombosit, gula
darah, bilirubin didapatkan nilai varian seperti mean dan median. Hasil analisis
disajikan dalam tabel serta diinterpretasikan. Disamping itu untuk kepentingan maka
disajikan pula data deskriptif tentang tahun kelahiran kelompok BBLR dan lama
rawat.
47
4.7.2 Analisis Bivariat
Analisis bivariat dilakukan dengan Chi square test. Dilakukan tabulasi silang
antara masing-masing variabel bebas dengan variabel tergantung. Nilai p spesifik
digunakan untuk melihat signifikansi perbedaan setiap kelompok dalam variabel
bebas dengan kematian BBLR. Nilai p untuk crude OR diperoleh dengan melakukan
tes parm bila variabel independen berskala ordinal dengan tiga atau lebih kategori
dan menggunakan test trend bila data berskala interval yang dikatogorikan menjadi
dua atau lebih kategori. Nilai p untuk crude OR ini yang akan digunakan untuk
melihat kemaknaan hubungan variabel independen terhadap kematian BBLR.
Analisis hubungan dikatakan signifikan bila p untuk crude OR <0,05.
4.7.3 Analisis Multivariat
Analisis multivariat hanya dilakukan pada variabel dengan data missing <10%
menggunakan regresi logistik, dimana variabel yang mempunyai nilai p untuk crude
OR<0.2 akan dianalisis secara bersama-sama untuk melihat variabel yang paling
berhubungan dengan kematian BBLR. Sebelum dimasukkan dalam model multivariat
akan dilakukan uji multikolinearitas untuk mengetahui adanya hubungan antar
variabel bebas. Variabel-variabel yang mempunyai hubungan kuat (indek korelasi
>0.6) salah satu diantaranya tidak dimasukkan dalam analisis multivariat dipilih
berdasarkan nilai p, dimana variabel dengan nilai p yang lebih besar yang tidak
dimasukkan dalam model.
Variabel-variabel dimasukkan kedalam satu model regresi logistik dengan
menggunakan metode backward dimana satu persatu variabel yang tidak signifikan
48
(p>0,05) dikeluarkan. Nilai p untuk adjusted OR dalam analisis ini juga diperoleh
dengan menggunakan test parm dan test trend. Setelah diperoleh model akhir yaitu
variabel yang signifikan berpengaruh terhadap kematian BBLR, variabel yang tidak
signifikan dimasukkan lagi satu per satu ke dalam model tersebut untuk menguji
kembali tingkat signifikansinya. Variabel yang signifikan adalah variabel yang
mempunyai nilai p untuk adjusted OR<0,05 dengan tingkat kepercayaan 95%. Pada
penelitian ini juga dilakukan analisis khusus pada kelompok BBLSR dan BBLR
preterm berat lahir 1000-2000 gram.
Analisis pada BBLSR disajikan secara khusus dengan pertimbangan bahwa
berdasarkan studi epidemiologis menurut WHO, BBLASR mempunyai risiko
kematian yang berbeda dan penelitian sebelumnya tentang determinan kematian lebih
banyak dilakukan khusus pada kelompok BBLSR di rumah sakit tersier namun belum
ada penelitian tentang determinan kematian BBLSR yang dilakukan di rumah sakit
sekunder seperti pada penelitian ini. Dari data pendahuluan diketahui jumlah sampel
BBLSR yang tersedia sebanyak 90 orang dengan 52 orang (57,78%) meninggal.
Jumlah tersebut cukup untuk dialkukan ananlisis multivariate. Sedangkan analisis
pada kelompok BBLASR tidak bisa dilakukan karena pertimbangan jumlah sampel
yang tersedia terlalu sedikit yaitu hanya 25 BBLASR dan hanya 1 yang tidak
meninggal, tidak cukup untuk dilakukan analsiis multivariat. Jenis dan jumlah
variabel serta metode analisis yang dilakukan sama dengan analisis sebelumnya pada
keseluruhan BBLR..
49
Analisis pada kelompok BBLR preterm berat lahir 1000-˂2000 gramjuga
disajikan secara khusus untuk mengetahui determinan kematian pada kelompok berat
lahir yang menjadi indikasi/kriteria rujukan dari bidan dan perawat serta kriteria berat
lahir yang ditangani sesuai dengan kompetensi rumah sakit tipe C (RSUD
Karangasem termasuk rumah sakit tipe C).
BBLR preterm adalah salah satu indikasi BBLR yang harus dirujuk ke rumah
sakit tanpa memperhatikan berat lahir karena berbagai risiko terjadi akibat organ-
organ yang belum sempurna. Pada BBLR preterm lebih sering terjadi RDS karena
kurang matangnya paru-paru (JNPK-KR, 2008) dan sebagian besar (sekitar 75%)
BBLR rujukan di RSUD Karangasem adalah BBLR preterm.Sementara BBLR ≥2000
gram tanpa komplikasi masih bisa dirawat di bidan dan perawat tanpa harus dirujuk
untuk rawat inap di rumah sakit. Kriteria BBLR yang harus dirujuk ke fasilitas yang
lebih lengkap dan perlu rawat inap adalah BBLR ˂2000 gram karena lebih sering
mengalami masalah minum akibat refleks isap yang belum sempurna (Kemenkes,
2011). Berdasarkan data pendahuluan diketahui ketersediaan sampel pada kelompok
ini cukup untuk dilakukan analisis multiariat yaitu 172 orang dan 41 orang (23.84%)
meninggal. Jenis, jumlah variabel dan metode analisis yang dilakukan sama dengan
yang dilakukan pada seluruh BBLR,
Selain itu dilakukan pula analisis stratifikasi pada beberpa variabel dan pada
beberapa kelompok BBLR dengan rentangan (range) berat lahir tertentu.
50
4.8 Persetujuan Etik
Dengan surat pengantar dari sekretariat Magister Ilmu Kesehatan Masyarakat
Universitas Udayana, peneliti memohon ijin penelitian kepada Komisi Etika
Penelitian Fakultas Kedokteran Universitas Udayana-RSUP Sanglah Denpasar dan
rekomendasi penelitian dari Kepala Badan Penanaman Modal dan Perijinan Provinsi
Bali, Kepala Badan Kesatuan Bangsa Politik dan Perlindungan Masyarakat (Kesbang
Pol dan Linmas) Kabupaten Karangasem serta ijin melakukan penelitian dari Direktur
RSUD Karangasem. Sebelum melakukan pengumpulan data di ruang perinatologi
dan ruang rekam medik RSUD Karangasem, penulis minta ijin kepada staf yang
bertanggungjawab terhadap dokukmen-dokumen yang diperlukan dan melakukan
koordinasi dalam peminjaman dokumen serta pengumpulan data sesuai dengan aturan
yang berlaku. Untuk menjamin kerahasian identitas pasien maka tidak dicantumkan
nama pasien, melainkan kode pasien berdasarkan nomor rekam medik.
BAB V
HASIL PENELITIAN
5.1 Karakteristik Sampel
Gambar 5.1 menunjukkan bahwa rekam medik BBLR yang dapat ditemukan
sebanyak 672 orang. Jumlah BBLR yang dikeluarkan dari penelitian karena
memenuhi kriteria ekslusi sebanyak 28, jadi 644 BBLR memenuhi syarat untuk
diteliti. BBLR yang meninggal selama rawat inap sebanyak 79 orang (12,27%).
Tabel 5.1 menggambarkan karakteristik sampel berdasarkan tahun lahir,
kelompok BBLR dan lama rawat. Proporsi sampel yang lahir tahun 2012, 2013 dan
2014 masing-masing sebesar 38,82% (250 orang), 34,16% (220 orang) dan 27,02%
(174 orang). Angka kematian pada BBLASR, BBLSR dan BBLR masing-masing
sebesar 96%, 57,78% dan 12,27%. Terdapat kecenderungan peningkatan proporsi
kematian BBLR setiap tahun dan pada kelompok BBLR dengan berat lahir yang lebih
- Berat badan lahir <500 gram = 4 - Kelainan congenital = 11 - Dirujuk ke RS lain = 8 - Pulang paksa = 3 - Alamat luar Karangasem = 2
672 rekam medik ditemukan
644 memenuhi syarat
565 (87,73%) tidak meninggal
79 (12,27%) meninggal
Gambar 5.1 Skema (flow chart) pemilihan sampel yang memenhui syarat penelitian
51
52
rendah. BBLR dengan lama rawat lebih dari 7 hari sebanyak 165 orang (25,62%).
Proporsi kumulatif kematian BBLR pada hari pertama sebesar 22,78% (18 orang),
selama periode perinatal sebesar 81,01% (64 orang) dan pada periode neonatal
sebesar 97,47% (77 orang). Proporsi terbanyak BBLR meninggal pada hari kedua
(24,05%). Nilai median dan rata-rata lama rawat masing-masing yaitu 3 hari dan 6.6
hari dengan hari rawat paling lama yaitu 62 hari untuk BBLR yang tidak meninggal
dan 33 hari untuk BBLR yang meninggal. Total hari perawatan dalam waktu 3 tahun
yaitu 4265 hari-pasien.
Tabel 5.1 Karakteristik Sampel Berdasarkan Tahun Lahir, Kelompok BBLR
dan Lama Rawat
Variabel (kategori)
Tidak meninggal
Meninggal Total
N (%) N (% ) N (%) Tahun lahir : 2012 225 (90,00) 25 (10,00) 250 (38,82)
2013 190 (86,36) 30 (13,64) 220 (34,16) 2014 150 (86,21) 24 (13,79) 174 (27,02)
Kelompok BBLR/WHO <2500 gram (BBLR) 565 (87,73) 79 (12,27) 644 (100) <1500 gram (BBLSR) 38 (42,22) 52 (57,78) 90 (13,98) <1000 gram (BBLASR) 1 (4,00) 24 (96,00) 25 (3,88) Lama rawat Median lama rawat (IQR) 3 (2-8) 3 (2-6) 3 (2-8) Mean lama rawat (min – max ) 6.8 (1-62) 5.2 (1-33) 6.6 (1-62) Total lama hari perawatan (hari-pasien) 3854 411 4265 ≤ 7 hari 415 (86,64) 64 (13,36) 479 (74.38) > 7 hari 150 (90,91) 15 (9,09) 165 (25.62) Periode kematian BBLR
Kematian pada hari pertama 18 (22,78) Kematian tertinggi (pada hari kedua) 19 (24,05) Kematian perinatal / dalam 7 hari ( kumulatif ) 64 ( 81,01) Kematian neonatal / dalam 28 hari ( kumulatif ) 77 (97,47)
53
Tabel 5.2 menggambarkan karakteristik sampel berdasarkan variabel faktor
demografi dan pelayanan kesehatan. Terdapat satu variabel dengan data missing lebih
dari 10% yaitu variabel umur ibu (data missing=70%). Hal ini terjadi karena data
umur ibu pada form CM 02 banyak yang tidak terisi. Data umur ibu secara lengkap
terdapat pada rekam medik ibu, namun penelitian ini tidak menggunakan rekam
medik ibu. Kategori tempat tinggal daerah sulit, jenis kelamin perempuan, umur ibu
20-35 tahun, periode MRS setelah pengembangan PONEK dan status bukan rujukan
lebih banyak dibandingkan dengan kategori lainnya dalam variabel yang sama.
Tabel 5.2 Karakteristik Sampel Berdasarkan Variabel Faktor Demografi
dan Pelayanan Kesehatan
Variabel
Kategori N (=644) (%)
Tempat tinggal Daerah biasa 416 (64,60) Daerah sulit 221 (34,32) Missing 7 (1,08)
Jenis kelamin Perempuan 331 (5,.40) Laki-laki 313 (48,60)
Umur ibu 20-35 tahun 144 (22,36) <20 th atau >35 th 48 (7,45) Missing 452 (70,19)
Periode MRS Setelah pengembangan PONEK 394 (61,18) Sebelum pengembangan PONEK 250 (38,82)
Status rujukan Bukan rujukan 552 (85,72) Rujukan 86 (13,35) Missing 6 (0,93)
54
Tabel 5.3 menggambarkan karakteristik sampel berdasarkan variabel faktor
klinis ibu.
Tabel 5.3 Karakteristik Sampel Berdasarkan Variabel Faktor Klinis Ibu
Variabel N (=644) (%) Gravida G2-3 222 (34,47)
G1 239 (37,11) G>3 74 (11,49) Missing 109 (16,93)
Paritas P1 246 (38,19) P2-4 295 (45,81) P>4 26 (4,04) Missing 77 (11,96)
Riwayat USG Pernah 494 (76,71) Tidak pernah 46 (7,14) Misisng 104 (16,15)
Riwayat perdarahan Ya 537 (83,39) Tidak 22 (3,41) Missing 85 (13,20)
HPHT Ingat 377 (58,54) Lupa 160 (24,84) Missing 107 (16,62)
Riwayat keluar air Tidak 352 (54,66) Ya 208 (32,30) Missing 84 (13,04)
Air ketuban Jernih 451 (70,03) Hijau/keruh/berdarah 101 (15.68) Missing 92 (14,29)
Cara persalinan Pervaginam 485 (75,31) Seksio 154 (23,91) Missing 5 (0,78)
Umur kehamilan Median=36, IQR=33,5-38 517 (80,28) Missing 127 (19,72)
55
Hampir semua variabel mempunyai data missing >10% kecuali variabel cara
persalinan. Hal ini terjadi karena data klinis ibu yang tercatat pada rekam medik bayi
sangat terbatas, data lebih lengkap terdapat pada rekam medik ibu, namun penelitian
ini tidak menggunakan rekam medik ibu. Katagori gravida G1, paritas P2-4, riwayat
pernah USG, tanpa riwayat perdarahan, tanpa riwayat keluar air, dan cara persalinan
pervaginam lebih banyak dari kategori lainnya.
Tabel 5.4 merupakan karakteristik sampel berdasarkan variabel katagorikal
faktor klinis bayi.
Tabel 5.4 Karakteristik Sampel Berdasarkan Variabel Data Kategorikal
Faktor Klinis Bayi
Variabel Kategori N (=644) % Maturitas bayi At term (cukup bulan) 261 (40,53)
Preterm (kurang bulan) 368 (57,14) Missing 15 (2,33)
Asfiksia Tidak 489 (75,93) Ya 155 (24,70)
RDS Tidak 614 (95,34) Ya 30 (4,66)
Sepsis Tidak 639 (99,22) Ya 5 (0,78)
Hipoglikemi Tidak 593 (92,08) Ya 51 (7,92)
Hipotermi Tidak 620 (96,27) Ya 24 (3,73)
Hiperbilirubinemia Tidak 636 (98,76) Ya 8 (1,24)
Masalah minum Tidak 592 (91,93) Ya 52 (8,07)
Pemberian antibiotika Ya 347 (53,88) Tidak 297 (46,12)
56
Tidak ada variabel yang mempunyai data missing >10%. Jumlah sampel lebih
banyak pada BBLR preterm, tidak asfiksia, tidak RDS, tidak hipoglikemi, tidak
sepsis, tidak hipotermi, tanpa masalah minum dan diberikan antibiotika dibandingkan
dengan kategori lainnya. BBLR yang mengalami komplikasi RDS sebanyak 30 orang
(4,66%), sepsis 5 orang (0,78%), hipoglikemi 51 orang (7,92%), hipotermi 24 orang
(3,73%), hiperbilirubinemia 8 orang (1,24%) dan masalah pemberian minum 52
orang (8,07%) dari 644 orang yang diteliti.
Tabel 5.5 merupakan tabel karakteristik sampel berdasarkan variabel data
numerik faktor klinis bayi dan hasil pemeriksaan laboratorium.
Tabel 5.5 Karakteristik Sampel Berdasarkan Variabel Data Numerik Faktor Klinis Bayi
dan Laboratorium (n=644)
Variabel Kategori N (%) Missing (%) Median (IQR)
Klinis Berat lahir/50 644 (100) - - 42 (36-46) Panjang badan 569 (88,36) 75 (11,64) 46 (44-48) Lingkar kepala 531 (82,45) 113 (17,55) 30 (29-32) Lingkar dada 531 (82,45) 113 (17,55) 29 (27-30) Apgar score menit 1 576 (89,44) 68 (10,56) 7 (5-7) Apgar score menit 5 576 (89,44) 68 (10,6) 8 (7-8)
Laboratorium WBC 436 67,70) 208 (32,3) 18,5 (14-25) Hemoglobin 435 67,55) 209 (32,45) 17 (15-18) Hematokrit 429 (66,61) 215 (33,39) 47 (42-52) Trombosit 422 65,53) 222 (34,47) 210 (161-257) Gula darah 387 6(0,09) 257 (39,91) 52 (36-84) Bilirubin direk 20 3,11) 624 (96,89) 3,5 (1-4,5) Bilirubin total 50 7,76) 594 (92,24) 21,5 (13-27)
57
Hampir semua variabel mempunyai data missing >10% kecuali variabel berat lahir.
Hal ini terjadi karena data tentang klinis bayi yang tersedia sangat terbatas, khususnya
pada bayi rujukan. Sementara data hasil laboratorium yang tersedia sangat terbatas
karena tidak semua BBLR dilakukan pemeriksaan laboratorium. Nilai median berat
lahir, panjang badan, lingkar kepala dan lingkar dada yaitu 2100 gram, 46 cm, 30 cm
dan 29 cm. Nilai median apgar score menit 1 dan menit 5 masing-masing 7 dan 8.
Nilai median hasil laboratorium pertama WBC = 18,5 K/ul, hemoglobin = 17 mg/dl,
hematokrit 47%, trombosit 210 K/ul, gula darah=52 mg/dl, bilirubin direk=3,5 mg/dl
dan bilirubin total=21,5 mg/dl.
5.2 Crude OR Hubungan Faktor Demografi, Pelayanan Kesehatan dan Klinis
dengan Kematian BBLR
Analisis bivariat hubungan variabel demografi dan pelayanan kesehatan dengan
kematian BBLR (tabel 5.6) menunjukkan proporsi kematian lebih besar pada jenis
kelamin laki-laki dengan risiko 1.75 kali dibandingkan dengan jenis kelamin
perempuan, secara satistik bermakna (OR=1,75, 95%CI=1,08-2,84). Proporsi
kematian lebih besar pada BBLR rujukan dengan risiko 2.75 kali dibandingkan
dengan BBLR bukan rujukan, secara statistik bermakna (OR=2,75, 95%CI=1,57-
4,83). Proporsi kematian lebih besar pada kategori derah sulit, umur ibu 20-35 tahun
dan periode MRS setelah pengembangan PONEK, secara statistik tidak bermakna.
58
Tabel 5.6 Crude OR Hubungan variabel Demografi dan Pelayanan Kesehatan dengan
Kematian BBLR
Digarisbawahi = variabel yang memenuhi syarat dimasukkan dalam model multivariat (data missing <10% dan nilai p <0,2)
Hasil analisis bivariat hubungan faktor klinis ibu dengan kematian BBLR
(tabel 5.7) menunjukkan bahwa proporsi kematian lebih besar pada BBLR yang
dilahirkan dari ibu yang lupa terhadap tanggal HPHTnya dengan risiko 1,93 kali
dibandingkan dengan BBLR yang dilahirkan dari ibu yang ingat akan tanggal
HPHTnya, secara statistik bermakna (OR=1,93, 95%CI=1,11-3,38). Median umur
kehamilan pada BBLR yang tidak meninggal lebih besar daripada yang meninggal
dan berhubungan bermakna dengan kematian BBLR dimana setiap kenaikkan 1
minggu dari umur kehamilan menyebabkan penurunan resiko kematian sebesar 1,42
Variabel (kategori)
Tidak meninggal
Meninggal OR
95%CI
P
N (% ) N (%) Tempat tinggal (n=637)
Daerah biasa 368 (88,46) 48 (11,54) 1(ref) Daerah sulit 190 (85,97) 31 (14,03) 1,25 0,77–2,03 0,37
Umur ibu (n=192) 20-35 tahun 300 (90,63) 31 (9,37) 1 (ref) <20 th atau >35 th 265 (84,66) 48 (15,34) 0,73 0,19-2,72 0,64
Jenis kelamin (n=644) Perempuan 132 (91,67) 12 (8,33) 1(ref) Laki-laki 45 (93,75) 3 (6,25) 1,75 1,08–2,84 0,02
Periode MRS (n=644) Setelah pengembangan PONEK 340 (86,29) 54 (13,71) 1(ref) Sebelum pengembangan PONEK 225 (90,00) 25 (10,00) 0,70 0,42-1,16 0,16
Status rujukan (n=638) Bukan rujukan 494 (89,49) 58 (10,51) 1(ref) Rujukan 65 (75,58) 21 (24,42) 2,75 1,57–4,83 <0,001
59
kali (OR=0,68; 95%CI=0,62-0,74). Proporsi kematian lebih besar pada kategori G2-
3, P2-4, tidak pernah USG, riwayat pernah perdarahan, tidak pernah keluar air
ketuban, warna air ketuban jernih dan cara persalinan pervagianam dibandingkan
dengan kategori lainnya, namun secara statistik tidak bermakna.
Tabel 5.7 Crude OR Hubungan Variabel Klinis Ibu Terhadap Kematian BBLR
Variabel
Kategori
Tidak meninggal
Meninggal OR
95%CI
P
p group
N (% ) N (%) Gravida G2-3 191 (86,04) 31 (13,96) 1 (ref) 0.08
G1 221 (92,47) 18 (7,53) 0,50 0,27-0,92 0.03 G>3 65 (87,84) 9 (12,16) 0,85 0,39-1,88 0.70
Paritas P1 227 (92,28) 19 (7,72) 1 (ref) 0.10 P2-4 255 (86,44) 40 (13,56) 1,87 1,05-3,32 0.03 P>4 23 (88,46) 3 (11,54) 1,56 0,43-5,67 0.50
USG Pernah 442 (89,47) 52 (10,53) 1 (ref) Tidak 40 (86,96) 6 (13,04) 1,28 0,52-3,15 0.60
Perdarahan Ya 483 (89,94) 54 (10,06) 1 (ref) Tidak 18 (81,82) 4 (18,18) 1,99 0,65-6,08 0.23
HPHT
Ingat 344 (91,25) 33 (8,75) 1 (ref) Lupa 135 (84,38) 25 (15,62) 1,93 1,11-3,38 0.02*
Keluar air
Tidak 310 (88,07) 42 (11,93) 1 (ref) Ya 192 (92,31) 16 (7,69) 0,62 0,34-1,12 0.11
Air ketuban
Jernih 401 (88,91) 50 (11,09) 1 (ref) Hijau/keruh 93 (92,08) 8 (7,92) 0,69 0,32-1,50 0.35
Cara persalinan
Pervaginam 423 (87,22) 62 (12,78) 1(ref) Seksio 137 (88,96) 17 (11,04) 0,84 0,48–1,49 0.57
Umur kehamilan
N Median (IQR)
462 36,5
(33,5-38,5)
55 29
(27,5-34,5)
0,68 0,62-0,74 <0,001*
60
Analisis bivariat hubungan faktor klinis bayi dengan kematian BBLR
ditunjukkan pada tabel 5.8.
Tabel 5.8 Crude OR Hubungan Variabel Data Kategorikal Klinis Bayi
Terhadap Kematian BBLR
Digarisbawahi = variabel yang memenuhi syarat dimasukkan dalam model multivariat (data missing <10% dan nilai p <0,2)
Proprosi kematian lebih besar pada BBLR preterm dengan risiko 7,43 kali
dibandingkan dengan BBLR at term dan bermakna secara statistik (95%CI=3,51-
15,73). Proporsi kematian lebih besar pada BBLR dengan asfiksia dengan risiko 4,27
Variabel
Kategori
Tidak meninggal
Meninggal OR
95%CI
P
N (% ) N (%) Maturitas bayi At term 253 (96,93) 8 (3,07) 1(ref)
Preterm 298 (80,98) 70 (19,02) 7,43 3,51–5,73 <0,001 Asfiksia Tidak 451 (92,23) 38 (7,77) 1(ref)
Ya 114 (73,55) 41 (26,45) 4,27 2,62–6,95 <0,001
RDS Tidak 548 (89,25) 66 (10,75) 1(ref) Ya 17 (56,67) 13 (43,33) 6,35 2,95–13,65 <0,001
Sepsis Tidak 562 (87,95) 77 (12,05) 1 (ref) Ya 3 (60,00) 2 (40,00) 4,87 0,80–29,58 0,09
Hipoglikemi Tidak 516 (87,02) 77 (12,98) 1 (ref) Ya 49 (96,08) 2 (3,92) 0,27 0,07–1,15 0,08
Hipotermi Tidak 545 (87,90) 75 (12,10) 1 (ref) Ya 20 (83,33) 4 (16,67) 1,45 0,48–4,37 0,51
Hiperbilirubin Tidak 557 (87,58) 79 (12,42) 1 (ref) Ya 8 (100) 0 0 1 - -
Masalah minum
Tidak 525 (88,68) 67 (11,32) 1(ref) Ya 40 (76,92) 12 (23,08) 2,35 1,17–4,70 0,02
Pemberian antibiotika
Ya 271 (78,10) 76 (21,90) 1(ref) Tidak 294 (98,99) 3 (1,01) 0,04 0,01–0,12 <0,001
61
kali dibandingkan BBLR tidak asfiksia, bermakna secara statistik (OR=4,27;
95%CI=0,62-0,74). Proporsi kematian lebih besar pada BBLR dengan RDS dengan
risiko 6.35 kali dibandingkan BBLR tidak RDS, bermakna secara statistik (OR= 6,35;
95%CI= 2.95-13.65). BBLR dengan masalah minum mempunyai proporsi kematian
lebih besar dengan risiko 2,35 kali dibandingkan dengan BBLR tanpa masalah
minum (OR=2,35; 95%CI=1,17-4,70). BBLR yang tidak diberikan antibiotika
mempunyai proporsi kematian lebih kecil dengan risiko 0.04 kali dibandingkan
dengan BBLR yang diberikan antibiotika (OR=0,04; 95%CI=0,01-0,12). BBLR
dengan hipoglikemi mempunyai proporsi kematian lebih kecil dari BBLR tanpa
hipogikemi, namun secara statistik tidak bermakna (OR=0,27; 95%CI=0,07-1,15).
Sepsis dan hipotermi mempunyai proporsi kematian lebih besar namun secara satistik
tidak berhubungan bermakna dengan kematian BBLR. Hiperbilirubinemia tidak dapat
dianalisis karena salah satu sel mempunyai frekuensi nol (0).
Analisis bivariat hubungan variabel data numerik klinis bayi dengan kematian
BBLR (tabel 5.9) menunjukkan bahwa nilai median pada kelompok BBLR yang tidak
meninggal lebih besar daripada kelompok BBLR yang meninggal pada semua
variabel, kecuali pada variabel gula darah. Kenaikan 50 gram berat lahir bayi dan satu
sentimeter panjang badan, lingkar kepala, lingkar dada dapat menurunkan risiko
kematian BBLR yang bermakna secara statistik (OR=0,83; 0,74; 0,64; 0.63; 95%CI=
0,80-0,85; 0,69-0,79; 0,57-0,72; 0,56-0,71). Terjadi penurunan risiko kematian yang
bermakna secara statistik pada kenaikan satu satuan apgar score menit pertama
(OR=0,51; 95%CI=0,44-0,58), apgar score menit kelima (OR=0,51; 95%CI=0,44-
62
0,58), hemoglobin (OR=0,79; 95%CI=0,70-0,89) dan hematokrit (OR=0,92;
95%CI=0,88-0,95). Sedangkan kenaikan satu satuan gula darah meningkatkan risiko
kematian bermakna secara statistik (OR=1,008; 95%CI=1,005-1,01). WBC dan kadar
bilirubin tidak berhubungan bermakna dengan kematian BBLR.
Tabel 5.9 Crude OR Hubungan Variabel Data Numerik Klinis Bayi
Terhadap Kematian BBLR
Lab=laboratorium; Med=median; IQR=Inter Quartil Range Digarisbawahi = variabel yang memenuhi syarat dimasukkan dalam model multivariat (data missing <10% dan nilai p <0,2)
Variabel (Kategori)
Tidak meninggal Meninggal OR
95%CI
p N Med(IQR) N Med(IQR)
Klinis Berat lahir/50 565 43(38-46) 79 24 (18-32) 0,83 0,80–0,85 <0,001 Panjang badan 512 46(45-48) 57 40 (35-45) 0,74 0,69-0,79 <0,001 Lingkar kepala 484 30 (29-32) 47 28 (25-30) 0,64 0,57-0,72 <0,001 Lingar dada 484 29(27-30) 47 25 (21-28) 0,63 0,56-0,71 <0,001 Apgar menit 1 511 7(6-7) 65 3 (1-5) 0,51 0,44-0,58 <0,001 Apgar menit 5 511 8(7-8) 65 5 (3-7) 0,51 0,44-0,58 <0,001
Lab WBC 386 19 (14-25) 50 18 (12-27) 1,01 0,99-1,03 0,20 Hemoglobin 385 17 (15-18) 50 16 (13-17) 0,79 0,70-0,89 <0,001 Hematokrit 379 48 (43-53) 50 43 (37-47) 0,92 0,88-0,95 <0,001 Trombosit 372 212
(164-258) 50 201
(149-239) 0,997 0,99-1,001 0,17
Gula darah 340 48 (35-73,5)
47 80` (51-190)
1,008 1,005-1,01 <0,001
Bilirubin direk 18 2,5 (1-4) 2 5 (4-6) 0,999 0,98-1,02 0,89 Bilirubin total 45 22 (14-27) 5 21 (4-37) 0,997 0,90-1,1 0,95
63
5.3 Analisis Hubungan Independen Faktor Demografi, Pelayanan
Kesehatan dan Klinis dengan Kematian BBLR
Tabel 5.10 menunjukkan bahwa terdapat 15 variabel yang mempunyai data
missing <10%, tiga variabel diantaranya mempunyai nilai p>0.2 yaitu tempat
tinggal, cara persalinan dan hipotermi serta 1 variabel mempunyai frekuensi nol
(0) pada salah satu selnya yaitu hiperbilirubinemia dan 11 variabel yang
memenuhi syarat untuk dimasukkan dalam model analisis multivariat antara lain
jenis kelamin, periode MRS, status rujukan, maturitas, berat lahir, asfiksia, RDS,
sepsis, hipotermi, masalah minum dan pemberian antibiotika.
Tabel 5.10 Prosentase Data Missing dan Nilai p
Berdasarkan Variabel dengan Data missing <10% Variabel Data missing
(%) Nilai p
Tempat tinggal 1,08 0,37 Jenis kelamin 0 0,02* Periode MRS 0 0,16* Status rujukan 0,93 <,0,001* Cara persalinan 0,78 0,57 Maturitas 2,33 <0,001* Berat lahir 0 <0,001* Asfiksia 0 <0,001* RDS 0 <0,001* Sepsis 0 0,09* Hipoglikemi 0 0,08* Hipotermi 0 0,51 Hiperbilirubinemia 0 - Masalah minum 0 0,02* Pemberian antibiotika 0 <0,001*
* = variabel yang dimasukkan dalam model multivariat
64
Tabel 5.11 Uji Multikolineritas Antara Variabel Bebas Determinan Kematian BBLR
Variabel Jenis kelamin
Periode MRS
Rujukan Maturitas Berat lahir
Asfiksia RDS Sepsis Hipo-glikemia
Masalah minum
Anti- biotika
Jenis kelamin 1,00 Periode MRS -0,004 1,00 Rujukan 0,02 -0,02 1,00 Maturitas 0,03 0,04 0,13 1,00 Berat lahir -0,08 -0,01 -0,19 -0,44 1,00 Asfiksia 0,0007 -0,05 0,11 0,11 -0,25 1,00 RDS 0,07 -0,05 0,12 0,15 -0,15 -0,002 1,00 Sepsis 0,07 0,03 0,04 0,05 -0,08 -0,04 -0,02 1,00 Hipoglikemi 0,002 0,11 -0,008 0,06 0,02 -0,03 -0,04 -0,02 1,00 Masalah minum 0,08 0,2 0,05 0,17 -0,31 0,18 0,02 0,06 -0,003 1,00 Antibiotika -0,12 0,12 -0,25 -0,38 0,48 -0,32 -0,17 -0,06 0,04 -0,24 1,00
65
Berdasarkan tabel 5.11 terlihat bahwa dari semua variabel yang
dimasukkan dalam uji multikolinearitas, tidak ada variabel dengan indeks korelasi
>0.6 artinya tidak ada variabel-variabel yang mempunyai korelasi tinggi sehingga
semua variabel dimasukkan dalam model.
Tabel 5.12 merupakan tabel hasil analisis dari 11 variabel yang
dimasukkan dalam model analisis multivariat. Lima variabel berhubungan
bermakna secara independen dengan kematian BBLR dan semuanya termasuk
dalam faktor klinis antara lain berat lahir, asfiksia, RDS, masalah minum dan
pemberian antibiotika. Setiap peningkatan berat lahir sebesar 50 gram
menurunkan risiko kematian sebesar 0,84 kali dan bermakna secara statistik
(AOR=0,84, 95%CI=0,80-0,87). Asfiksia secara independen merupakan prediktor
kematian dengan risiko sebesar 2.13 kali dibandingkan dengan tidak asfiksia
(AOR=2,13, 95%CI=1,12-4,07). RDS secara independen merupakan prediktor
kematian dengan risiko sebesar 4,23 kali dibandingkan dengan tidak RDS (AOR=
4,23, 95%CI=1,54-11,57). BBLR dengan masalah minum mempunyai risiko
kematian independen sebesar 0.33 kali dibandingkan yang tanpa masalah minum
(AOR=0,33, 95%CI=0,13-0,82). BBLR yang tidak mendapat antibiotika secara
independen mempunyai risiko kematian 0.16 kali dibandingkan dengan yang
mendapat antibiotika (AOR=0,16, 95% CI=0,04-0,59).
66
Tabel 5.12 Determinan Kematian pada BBLR
Variabel Kategori Adjusted OR 95%CI P Jenis kelamin Perepuan 1(ref)
Laki-laki 1,33 0,69–2,55 0,38 Periode MRS Setelah PPnk 1(ref)
Sebelum PPnk 0,78 0,39–1,56 0,49 Status rujukan Bukan rujukan 1(ref)
Rujukan 1,88 0,87–4,06 0,11 Maturitas At term 1(ref)
Preterm 0,79 0,30–2,10 0,64 Berat lahir Per 50 gram 0,84 0,81–0,87 <0,001 Asfiksia Tidak 1(ref) Ya 2,13 1,12–4,07 0,02 RDS Tidak 1(ref) Ya 4,23 1,54-11,57 0,005 Sepsis Tidak 1(ref) Ya 1,42 0,16-12,18 0,74 Hipoglikemi Tidak 1(ref)
Ya 0,67 0,14-3,24 0,62 Masalah minum
Tidak 1(ref) Ya 0,33 0,13–0,82 0,02
Pemberian antibiotika
Ya 1(ref) Tidak 0,16 0,04–0,59 0,006
5.3.1 Analisis pada kelompok BBLSR
Jumlah BBLSR sebanyak 90 orang, 52 orang (57,78%) meninggal.
Analisis bivariat terhadap 15 variabel yang dilakukan pada kelompok BBLSR
mendapatkan tujuh variabel yang memenuhi syarat untuk masuk dalam model
multivariat yaitu tempat tinggal, jenis kelamin, periode MRS, status rujukan, berat
lahir, RDS dan masalah minum. Pada uji multikolinearitas tidak ada variabel yang
mempunyai indeks kolinear >0,6. Analisis multivariat menunjukkan empat
67
variabel yang berhubungan secara independen dengan kematian BBLSR yaitu
tempat tinggal daerah sulit (AOR=6,73, 95%CI=1,83-24,69), jenis kelamin laki-
laki (AOR=3,44; 95%CI=1,04-11,31), periode MRS sebelum pengembangan
PONEK (AOR=0,30; 95%CI=0,09-0,99), peningkatan berat lahir 50 gram
(AOR=0,71; 95%CI=0,61-0,83) (tabel 5.13).
Tabel 5.13 Determinan Kematian pada BBLSR
Variabel
Kategori
Tidak meninggal
Meninggal Analisis multivariat
N (%) N (%) Adj. OR (95%CI) P Tempat tinggal
Daerah biasa 29 (51,79) 27 (48,21) 1(ref) Daerah sulit 9 (26,47) 25 (73,53) 6,74 (1,84-24) 0,004
Jenis kelamin Perepuan 21 (53,85) 18 (46,15) 1(ref) Laki-laki 17 (33,33) 34 (66,67) 3,44 (1,05-11) 0,04
Periode MRS Setelah PPnk 19 (34,55) 36 (65,45) 1(ref) Sebelum PPnk 19 (54,29) 16 (45,71) 0,30 (0,1-0,99) 0,049
Status rujukan Bukan rujukan 33 (46,48) 38 (53,52) 1(ref) Rujukan 5 (26,32) 14 (73,68) 1,35 (0,27-6,74) 0,71
Berat lahir (Per 50 gram)
Median (Inter Quartil Range)
26 (23-28)
20 (16-24)
1(ref) 0,71 (0,60-0,83) <0,001
RDS Tidak 36 (45,00) 44 (55,00) 1(ref) Ya 2 (20,00) 8 (80,00) 4,44 (0,60–32) 0,14 Masalah minum
Tidak 25 (37,88) 41 (62,12) 1(ref) Ya 13 (54,17) 11 (45,83) 0,47 (0,11–1,98) 0,31
Pemberian antibiotika
Ya 37 (42,53) 50 (57,47) Tidak
1 (33,33) 2 (66,67)
Adj.OR=Adjusted OR; PPnk = Pengembangan PONEK
68
5.3.2 Analisis pada BBLR Preterm Berat Lahir 1000 - <2000 gram
Terdapat 172 sampel dengan 41 orang (19,02%) meninggal. Analisis
bivariat terhadap 15 variabel pada kelompok ini mendapatkan tujuh variabel
memenuhi syarat untuk dimasukkan dalam model multivariat yaitu periode MRS,
status rujukan, berat lahir, RDS, hipoglikemi, masalah minum dan pemberian
antibiotika. Pada uji multikolinearitas tidak ada variabel yang mempunyai indeks
kolinear >0.6. Pada analisis multivariat ditemukan tiga variabel yang berhubungan
secara independen dengan kematian BBLR preterm antara lain periode MRS
sebelum pengembangan PONEK (AOR=0,29; 95%CI=0,12-0,70), status rujukan
(AOR=2,62; 95%CI=1,07-6,45) dan peningkatan berat lahir 50 gram (AOR=0,84;
95%CI=0,78-0,91) (tabel 5.14).
Tabel 5.14 Determinan Kematian pada BBLR Preterm Berat Lahir 1000-<2000 Gram Variabel
Kategori
Tidak meninggal
N (%)
Meninggal
N (%)
Analisis multivariat
Adj. OR
(95%CI) p
Periode MRS Setelah PPnk 68 (68,69) 31 (31,31) 1 Sebelum PPnk 63 (86,30) 10 (13,70) 0,29 (0,12-0,70) 0,01
Status rujukan Bukan rujukan 107 (79,85) 27 (20,15) 1 Rujukan 24 (63,16) 14 (36,84) 2,63 (1,07-6,45) 0,04
Berat lahir (Per 50 gram)
Median (Inter Quartil Range)
34 (29-36)
26 (24-32)
0,84 (0,78-0,91) <0,001
RDS Tidak 122 (79,22) 32 (20,78) 1 Ya 9 (50,00) 9 (50,00) 2,65 (0,83-8,51) 0,10 Hipoglikemi Tidak 116 (74,36) 40 (25,64) 1
Ya 15 (93,75) 1 (6,25) 0,51 (0,06-4,47) 0,55 Masalah minum
Tidak 105 (73,94) 37 (26,06) 1 Ya 26 (86,67) 4 (13,33) 0,28 (0,07-1,02) 0,054
Pemberian antibiotika
Ya 110 (73,83) 39 (26,17) 1 Tidak 21 (91,30) 2 (8,70) 0,51 (0,10-2,52) 0,41
Adj.OR=Adjusted OR; PPnk = Pengembangan PONEK
69
5.3.3 Analisis pada Beberapa Kategori BBLR dan Beberapa interval
(Range) Berat Lahir
Tabel 5.15 menunjukkan hasil analisis untuk beberapa kategori BBLR
pada variabel maturitas, status rujukan dan periode MRS. Jumlah sampel lebih
banyak pada kategori aterm, bukan rujukan dan MRS setelah pengembangan
PONEK. Median berat lahir lebih kecil pada kategori preterm, rujukan dan setelah
pengembangan PONEK. Terdapat kecenderungan angka kematian lebih tinggi
pada kategori dengan median berat lahir yang lebih rendah. Analisis multivariat
pada kategori preterm, terdapat faktor pelayanan kesehatan yang berhubungan
independen dengan kematian disamping faktor klinis yaitu berat lahir, berbeda
dengan kategori aterm dimana kematian hanya berhubungan dengan faktor klinis.
Analisis pada kategori rujukan (BBLR yang lahir di luar rumah sakit), kematian
hanya berhubungan independen dengan berat lahir, berbeda dengan kematian pada
kategori bukan rujukan (BBLR yang lahir di rumah sakit) yang berhubungan
dengan berat lahir, asfiksia, RDS dan pemberian antibiotika. Demikian juga
kematian pada BBLR yang MRS sebelum pengembangan PONEK berhubungan
hanya dengan berat lahir, berbeda dengan kematian pada BBLR yang MRS
setelah pengembangan PONEK berhubungan dengan berat lahir, RDS dan
pemberian antibiotika.
70
Tabel 5.15 Analisis pada Beberapa Kategori BBLR
P.PONEK = pengembangan PONEK; Yankes=pelayanan kesehatan; ***=berhubungan independen dengan kematian; - = tidak berhubungan independen dengan kematian
Kategori Preterm Aterm Rujukan Bukan rujukan
Sebelum P.PONEK
Setelah P. PONEK
Jumlah sampel 368 261 86 552 250 394 Median berat lahir 1900 2300 1800 2150 2100 1800 Inter Quartil Range (IQR) 1500-2200 2100-2400 1500-2100 1800-2300 1750-2300 1800-2300 Angka kematian (%) 19,02 3,07 24,42 10,51 10,00 13,71 Demografi dan Yankes :
Tempat tinggal - - - - - - Jenis kelamin - - - - - - Periode MRS *** - - - - - Status rujukan *** - - - - -
Klinis : Cara persalinan - - - - - - Maturitas - - - - - - Berat lahir *** *** *** *** *** *** Asfiksia - *** *** - - RDS - *** - *** - *** Sepsis - - - - - - Hipoglikemi - - - - - - Hipotermi - - - - - - Hiperbilirubinemia - - - - - - Masalah minum - - - - - - Pemberian antibiotika - - - *** - ***
71
Tabel 5.16 menunjukkan hasil analisis pada beberapa interval (range)
berat lahir tertentu. Nampak bahwa angka kematian cenderung menurun pada
kelompok dengan median dan rata-rata berat lahir yang lebih besar. Faktor
demografi dan pelayanan kesehatan cenderung berhubungan bermakna secara
independen pada kelompok BBLR dengan batas atas interval yang lebih rendah,
sedangkan faktor klinis cenderung lebih banyak berhubungan dengan kematian
pada kelompok BBLR dengan batas atas interval yang lebih tinggi. Berat lahir
yang merupakan variabel yang ditemukan berhubungan dengan kematian hampir
pada setiap analisis dan pada setiap penelitian sebelumnya, namun cenderung
menjadi tidak berhubungan bermakna dengan kematian pada kelompok dengan
interval berat lahir berat lahir yang lebih sempit. Jenis kelamin berhubungan
berakna secara independen dengan kematian hanya pada kelompok berat lahir 500
- <1500 gram (BBLSR). Masalah minum berhubungan bermakna secara
independen dengan kematian hanya pada kelompok berat lahir 500 - <2500 gram
(seluruh BBLR). Variabel status rujukan, cara persalinan, maturitas, hipotermi,
hipoglikemi, sepsis dan hiperbilirubin tidak berhubungan bermakna dengan
kematian pada seluruh kelompok BBLR dengan interval berat lahir yang
dianalisis.
72
Tabel 5.16 Analisis pada Beberapa Kelompok Interval Berat Lahir
Yankes=pelayanan kesehatan; ***=berhubungan independen dengan kematian; - = tidak berhubungan dengan kematian
Interval berat lahir (gram)
500 s/d
<1000
500 s/d
˂1500
1000 s/d
<1500
500 s/d
<2000
1000 s/d
<2000
1500 s/d
˂2000
500 s/d
˂2500
1000 s/d
˂2500
1500 s/d
˂2500
2000 s/d
˂2500 Jumlah sampel 25 90 65 234 209 144 644 619 554 410 Median berat lahir 800 1175 1300 1600 1600 1800 2100 2100 2200 2250 Mean berat lahir 772 1107 1235 1494 1581 1737 1967 2016 2108 2238 Angka kematian (%) 96 57,78 43,08 29,49 21,53 11,81 12,27 8,89 4,87 2,44 Demografi dan Yankes :
T i d a k d i a n a l i s i s
Tempat tinggal *** *** - - *** - - - - Jenis kelamin *** - - - - - - - - Periode MRS *** *** *** - - - - - - Status rujukan - - - - - - - - -
Klinis : Berat lahir *** - *** *** - *** *** *** - RDS - - - *** - *** - *** *** Asfiksia - - - - *** *** *** *** *** Pemberian antibiotika - - - - - *** *** *** - Masalah minum - - - - - *** - - - Cara persalinan - - - - - - - - - Maturitas - - - - - - - - - Sepsis - - - - - - - - - Hipoglikemi - - - - - - - - - Hipotermi - - - - - - - - - Hiperbilirubin - - - - - - - - -
BAB VI
PEMBAHASAN
6.1 Angka Kematian dan Lama Rawat
Kematian selama rawat inap pada BBLASR, BBLSR dan BBLR berturut
turut sebesar 96%, 57,78% dan 12,27%. Sebanyak 25% sampel dengan lama
rawat lebih dari tujuh hari dengan total hari perawatan 4265 dalam waktu tiga
tahun. Kematian BBLR terbanyak terjadi pada hari kedua (24,05%). Proporsi
kematian dengan lama rawat selama periode perinatal sebesar 81,01% dan selama
periode neonatal sebesar 97,47%.
Data tentang angka kematian BBLR di Indonesia selama rawat inap di
rumah sakit belum didapatkan, namun sebuah penelitian yang menggunakan
sumber data sekunder SDKI tahun 2007 menemukan angka kematian BBLR
sebesar 5,35%, lebih rendah dari hasil penelitian ini (Simbolon, 2012). Walaupun
penelitian ini hanya menggunakan sampel BBLR yang dirawat di rumah sakit,
namun kemungkinan hasilnya tidak akan jauh berbeda apabila BBLR yang tidak
dirawat di rumah sakit juga diikutsertakan dalam penelitian, karena dari 882
BBLR yang ada di Kabupaten Karangasem hampir sebagian besar (92,29%) atau
sebanyak 814 BBLR dirawat di RSUD Karangasem.
Angka kematian pada kelompok BBLSR dalam penelitian ini ditemukan masih
tinggi (57,78%) bila dibandingkan dengan angka kematian BBLSR di berbagai
negara lain di Asia seperti Taiwan (21,6% tahun 1998), di Thailand (survival rate
81% / angka kematian 19% tahun 2003), Turki (survival rate 84% angka kematian
73
74
16% tahun 2002) dan Malaysia (survival rate 81,6% / angka kematian 18,4%
tahun 2003) (Ballot dkk, 2009). Angka tersebut juga lebih tinggi dari hasil
penelitian di RSUP Sanglah tahun 2009 sebesar 37,5% (Yoga dkk, 2012) dan di
RS Sardjito tahun 2007-2010 sebesar 37,7% (Wibowo dkk, 2012). Angka
kematian BBLASR pada penelitian ini sangat tinggi (96%), lebih tinggi daripada
di RS Sardjito sebesar 60,7%tahun 2007-2010 (Wibowo dkk, 2012) dan penelitian
di Iran sebesar 66,6% tahun 2009-2010 (Afjeh dkk, 2012). Penelitian ini
dilakukan pada rumah sakit sekunder sementara penelitian sebelumnya dilakukan
pada rumah sakit tersier. Perbedaan tipe rumah sakit tersebut kemungkinan
menjadi salah satu faktor yang menyebabkan perbedaan angka kematian tersebut
walaupun masih perlu penelitian lebih lanjut.
Nilai rata-rata lama rawat 6.6 hari tidak jauh berbeda dengan penelitan lain
yaitu selama 7,08 hari untuk BBLR tanpa morbiditas kompleks (Hanum dkk,
2012) dan 6.6 hari untuk bayi late preterm berbeda dengan rata-rata lama rawat
bayi cukup bulan yaitu selama 3.8 hari (Artana, 2012). Sebanyak 25,62% BBLR
di RSUD Karangasem dengan lama rawat lebih dari 7 hari (melebihi nilai rata-rata
lama rawat dan periode perinatal). BBLR merupakan bayi dengan risiko tinggi
untuk terjadinya komplikasi yang berimplikasi terhadap lama waktu perawatan
(Tomashek dkk, 2006; Artana, 2012) dan lama waktu perawatan merupakan
faktor risiko terjadinya infeksi nosokomial (Melati, 2014). Ditinjau dari segi aspek
medis, lama rawat dapat menggambarkan kinerja kualitas medis. Pasien yang
dirawat lebih lama menunjukkan kinerja kualitas medis yang kurang baik. Lama
rawat juga terkait aspek ekonomi dimana semakin lama waktu perawatan maka
75
biaya yang harus dibayar juga semakin tinggi (Sudra dan Rano, 2010). Sebuah
penelitian oleh Russell dkk (2007) menemukan bahwa setengah dari total biaya
rawat inap (hospitalization cost) bayi atau seperempat dari total biaya rawat inap
anak dihabiskan untuk biaya rawat inap bayi preterm/BBLR, sehinggga untuk
selanjutnya disarankan agar anggaran biaya perawatan bayi atau anak lebih
banyak dialokasikan untuk program pencegahan kelahiran bayi preterm/BBLR.
Dengan berkurangnya kelahiran bayi preterm/BBLR, maka semakin sedikit bayi
yang membutuhkan rawat inap terlalu lama sehingga biaya yang dihabiskan untuk
rawat inap bayi atau anak menjadi berkurang,
Total lama rawat dari 644 BBLR di RSUD Karangasem dalam waktu 3
tahun yaitu 4265 hari-pasien. Hal ini dapat dijadikan dasar bagi program PONEK
dalam manajemen perencanaan sumber daya seperti penambahan SDM,
inkubator, tempat tidur bayi dan lain-lain. Lama rawat dapat digunakan untuk
menghitung tingkat penggunaan sarana (utilization mangement) dan untuk
kepentingan finansial (finansial report). Dengan demikian menjadi penting untuk
megetahui faktor-faktor yang berhubungan dengan lama rawat BBLR pada
penelitian selanjutnya dalam rangka menurunkan kejadian infeksi nosokomial,
menggambarkan kinerja kualitas medis, evaluasi ekonomi dan manajemen
perencanaan program penatalaksanaan BBLR.
6.2 Determinan Kematian BBLR
Hanya faktor klinis yang berhubungan bermakna secara independen
dengan kematian pada seluruh BBLR. Faktor demografi berhubungan bermakna
76
dengan kematian pada kelompok BBLSR. Faktor pelayanan kesehatan
berhubungan bermakna dengan kematian BBLR preterm berat lahir 1000-<2000
gram. Secara keseluruhan, sembilan dari limabelas variabel yang dianalisis
ditemukan berhubungan bermakna dengan kematian antara lain tempat tinggal,
jenis kelamin, periode MRS, status rujukan, berat lahir, asfiksia, RDS, masalah
minum dan pemberian antibiotika.
Perbedaan jenis dan jumlah variabel yang berhubungan bermakna dengan
kematian pada masing-masing kelompok oleh karena adanya perbedaan
karakteristik sampel, sesuai hasil analisis univariat masing-masing kelompok.
Faktor demografi yaitu tempat tinggal daerah sulit dan jenis kelamin laki-laki
menjadi berhubungan bermakna dengan kematian pada kelompok BBLSR oleh
karena kelompok BBLSR mempunyai proporsi sampel yang bertempat tinggal di
daerah sulit (37,79%) dan berjenis kelamin laki-laki (52,91%) lebih besar
daripada pada kelompok BBLR (34,69% bertempat tinggal daerah sulit dan
48,60% berjenis kelamin laki-laki). Median berat lahir kelompok BBLSR pada
daerah sulit (1100 gram) dan jenis kelamin laki-laki (1100 gram) lebih rendah
daripada pada daerah biasa (1200 gram) dan jenis kelamin perempuan (1200
gram).
Demikian halnya faktor pelayanan kesehatan yaitu periode MRS setelah
pengembangan PONEK dan bayi rujukan menjadi berhubungan bermakna dengan
kematian pada kelompok BBLR preterm berat lahir 1000-<2000 gram. Hal ini
terjadi karena proporsi rujukan setelah pengembangan PONEK pada kelompok
BBLR preterm berat lahir 1000-<2000 gram (21,11%) lebih besar daripada pada
77
kelompok BBLR (13,48%). Bayi rujukan mempunyai median berat lahir yang
lebih kecil dibandingkan dengan bayi bukan rujukan.
Terdapat beberapa perbedaan hasil penelitian ini bila dibandingkan dengan
penelitian terkait sebelumnya baik di Indonesia maupun di beberapa negara lain di
Asia dan Afika dimana di kedua benua tersebut BBLR masih merupakan
penyebab utama kematian bayi (Wright dkk, 2014). Penelitian di negara Asia
seperti India, dijadikan bahan pembanding karena India sama dengan Indonesia
merupakan negara yang sedang berkembang dengan angka kematian bayi yang
masih tinggi. Hasil penelitian ini juga dibandingkan dengan penelitian lain di
negara Afrika seperti di Iran karena merupakan salah satu negara sedang
berkembang di Afrika Utara dengan prevalensi BBLR sebesar 8% tahun 2000
yang tidak jauh berbeda dengan Indonesia (9% tahun 2000), namun Iran mampu
mencapai angka kematian bayi yang tergolong rendah. Hasil penelitian di
Johanburg, Afrika Selatan, dijadikan bahan perbandingan karena Afrika Selatan
mempunyai prevalensi BBLR sebesar 15%, tidak jauh berbeda dengan negara
Asia pada umumnya serta mempunyai angka kematian bayi yang tergolong masih
tinggi sama dengan Indonesia (UNICEF, WHO, 2004).
6.2.1 Faktor Klinis sebagai Determinan Kematian BBLR
Kenaikan berat lahir merupakan faktor protektif terhadap peningkatan
kematian BBLR dan bermakna secara statistic pada keseluruhan analisis yang
dilakukan dalam penelitian ini serta hampir semua penelitian sebelumnya
menemukan hasil yang sama (Basu dkk, 2008; Wardani dkk, 2009; Ballot dkk,
78
2010; Simbolon, 2012, Vazirinejad dkk, 2012; Wibowo dkk, 2012; Afjeh dkk,
2013; Nayeri dkk, 2013). BBLR yang terlahir dengan berat yang lebih besar
mengalami gangguan pertumbuhan yang lebih ringan dan tidak terlalu lama
dibandingkan dengan BBLR yang terlahir dengan berat lahir yang lebih kecil
(JNPK-KR, 2008a). Keluaran bayi menjadi lebih baik dengan ringannya dan tidak
terlalu lamanya gangguan pertumbuhan sehingga dapat menurunkan resiko
kematian.
Upaya pencegahan melalui promosi kesehatan dan deteksi dini di
masyarakat seperti pendataan, pemantauan wilayah setempat (PWS), program
perencanaan persalinan dan pencegahan komplikasi (P4K), surveilens Kesehatan
Ibu dan Anak (KIA), deteksi dini risiko tinggi (resti) dalam rangka menurunkan
angka kelahiran bayi kurang bulan dan berat lahir rendah sangat penting
dilakukan.
Asfiksia pada penelitian ini dtemukan berhubungan bermakna secara
independen dengan kematian BBLR, sesuai dengan penelitian Basu dkk (2008),
namun berbeda dengan hasil penelitian Wardani dkk (2009). Perbedaan hasil
tersebut terjadi karena penelitian Wardani dkk (2009) hanya meneliti pada BBLR
rujukan yang kemungkinan adanya bayi dengan riwayat kejadian asfiksia atau
meninggal sebelum dirujuk tidak terdata. Berbeda dengan BBLR yang lahir di
rumah sakit yang memungkinkan semua riwayat dan kejadian lebih lengkap
teratat sebagai data penelitian, sehingga menemukan hasil yang berbeda dengan
penelitian yang hanya meneliti BBLR rujukan.
79
Asfiksia merupakan penyebab kematian neonatal yang paling tinggi.
Menurut SKRT 2001 sebanyak 27% kematian neonatal diakibatkan oleh asfiksia
dan angka kematian sekitar 41.94% di rumah sakit propinsi. Asfiksia sering
terjadi pada bayi yang mengalami gawat janin sebelum persalinan yang berkaitan
dengan kondisi ibu, tali pusat dan plasenta. Salah satu keadaan bayi yang dapat
mengakibatkan asfiksia walaupun tanpa didahului tanda gawat janin yaitu bayi
preterm. Pada keadaan asfiksia, bayi akan kekurangan oksigen dan pernapasan
merupakan tanda vital pertama yang berhenti yang selanjutnya dapat berakhir
dengan kematian (JNPK-KR, 2008a).
RDS ditemukan berhubungan bermakna secara independen dengan
kematian BBLR sesuai dengan hasil penelitian Wardani dkk (2009), namun tidak
sesuai dengan penelitian Basu (2008) dan Nayeri dkk (2011). RDS atau penyakit
membran hialin (PMH) merupakan penyakit pernapasan yang terutama
mempengaruhi bayi preterm. Semua faktor yang terlibat dalam perubahan
fisiologis yang terjadi pada RDS tidak sepenuhnya dipahami tetapi disfungsi
primer yang terjadi adalah sintesis surfaktan yang berkurang. RDS merupakan
salah satu kegawatan perinatal yang dapat berdampak buruk bagi bayi baru lahir
yaitu kematian (JNPK-KR, 2008a). RDS/PMH ditemukan pada sekitar 50% bayi
yang lahir dengan berat lahir 501-1500 gram atau umur kehamilan <34 minggu.
Langkah preventif perlu dilakukan melalui upaya pencegahan persalinan
kurang bulan, pemberian kortikosteroid antenatal pada ibu dengan ancaman
persalinan kurang bulan. Pemberian surfactan merupakan salah satu manajemen
khusus terhadap bayi dengan RDS/PMH (IDAI, 2009), namun belum menjadi
80
prosedur baku bagi setiap rumah sakit, termasuk RSUD Karangasem. Masih perlu
dilakukan penelitian lebih lanjut tentang cost effective pemberian surfactan serta
evaluasi kebijakan dan protokol pemberian sufaktan yang disetujui oleh institusi
bersangkutan.
BBLR yang mempunyai masalah minum mempunyai proprosi kematian
lebih tinggi daripada BBLR tanpa masalah minum dan berhubungan bermakna
pada analisis bivariat. Namun pada analisis multivariat, BBLR yang memiliki
masalah minum justru mempunyai risiko kematian lebih rendah daripada BBLR
tanpa masalah minum. Hal ini dapat diartikan bahwa tingginya proprosi kematian
BBLR dengan masalah minum terjadi kerena adanya pengaruh faktor risiko yang
lain, namun secara independen terjadi penurunan bermakna proprosi kematian
BBLR dengan masalah minum. BBLR dengan masalah minum diberikan asupan
makanan dengan kontrol secara ketat terhadap prosedur, metode, jenis, jumlah dan
waktu pemberian, sehingga dapat mencukupi kebutuhan gizi dengan baik dan
menurunkan risiko kematian. Sesuai dengan materi pemberian asupan yang
terdapat dalam buku paket pelatihan PONEK bahwa bayi yang mengalami
kesulitan menghisap dan menelan susu perlu perhatian khusus dalam pemberian
asupan agar terpenuhi kalori yang diperlukan sesuai dengan protokol masing-
masing yang telah ditetapkan (JNPK-KR, 2008b).
BBLR yang tidak diberikan antibiotika mempunyai risiko kematian lebih
rendah daripada yang diberikan antibiotika dan bermakna secara statistik. Infeksi
pada neonatus lebih sering ditemukan pada BBLR (FKUI, 1985) dan penelitian
tentang epidemi infeksi pada BBLR dan penggunaan antibiotika secara rasional
81
sangat diperlukan pada BBLR karena memiliki risiko tinggi terhadap infeksi
(Johanes dkk, 2007; Helwich dkk, 2009; Adhein dan Rahmanoe, 2014). Infeksi
pada neonatal seperti sepsis adalah salah satu penyebab terbanyak kematian
BBLR. Namun penelitian di RS Sardjito menemukan bahwa pemberian
antibiotika profilaksis dalam mencegah sepsis neonatorum sama efektif dengan
tanpa pemberian antibiotika profilaksis pada bayi baru lahir dengan potensial
infeksi, salah satunya BBLR (Darawati, 2001). Di RSUD Karangasem, tidak
semua BBLR diberikan antibiotika. Sebanyak 53,88% BBLR diberikan
antibiotika, sedangkan 46.12% BBLR tidak diberikan antibiotika berdasarkan
pertimbangan kondisi klinis yang lebih baik tanpa adanya gejala infeksi sehingga
risiko kematian BBLR yang tidak diberikan antibiotika dalam penelitian ini
menjadi lebih kecil dan bermakna secara statistik. Lebih lanjut perlu dilakukan
penelitian untuk mengetahui efektifitas pemberian antibiotik dalam menurunkan
risiko kematian khususnya pada BBLR dengan tanda dan gejala infeksi.
6.2.2 Faktor Demografi sebagai Determinan Kematian pada BBLSR
Tempat tinggal daerah sulit yang terkait dengan akses terhadap pelayanan
kesehatan serta jarak dan waktu tempuh ke rumah sakit dalam penelitian ini
menunjukkan hubungan bermakna secara independen dengan kematian pada
kelompok BBLSR. Adanya hubungan bermakna antara variabel tempat tinggal
dengan kematian ini tidak terlepas dari adanya perbedaan karakteristik sampel
pada kategori dearah sulit dengan daerah biasa.
82
Terdapat hubungan faktor geografis (jarak dan waktu tempuh ke pelayanan
kesehatan) terhadap antenatal care (Adri, 2008) karena aksesibilitas merupakan
komponen pendukung yang menyebabkan masyarakat menggunakan pelayanan
kesehatan (Anderson, 2005) dan risiko kematian sebesar 1.5 kali lebih besar di
daerah pedesaan yang terkait dengan akses terhadap palayanan kesehatan
(Simbolon, 2009). Daerah sulit akses terhadap pelayanan kesehatan meliputi
kondisi geogafis seperti daerah perbukitan, jarak dan waktu tempuh berpengaruh
terhadap pemilihan tempat persalinan (Wulansari dan Anita, 2011), daerah
dengan kesulitan akses terhadap rumah sakit cenderung tidak memilih rumah sakit
untuk tempat bersalin, sehingga meningkatkan kemungkinan BBLR dirujuk ke
rumah sakit setelah lahir, sementara sumber menyebutkan bahwa bayi sebaiknya
dirujuk selama masih dalam kandungan (JNPK-KR, 2008a). BBLR yang dirujuk
dengan kondisi geografis yang lebih sulit, jarak dan waktu tempuh yang lebih
lama dapat meningkatkan paparan selama rujukan sehingga meningkatkan risiko
kematian.
Walaupun hasil penelitian ini masih perlu dikaji lebih lanjut karena adanya
kemungkinan bias dalam penentuan kriteria daerah sulit, namun upaya
peningkatan akses terhadap fasilitas pelayanan kesehatan terutama pada daerah
sulit menjadi cukup penting bukan hanya dalam rangka menurunkan angka
kematian BBLR, namun juga dalam rangka meningkatkan derajat kesehatan
secara umum melalui pemerataan jangkauan (akses). Upaya yang dilakukan di
Kabupaten Karangasaem adalah program kunjungan spesialis kandungan dan
spesialis anak ke puskesmas yang frekuensinya masih perlu ditingkatkan serta
83
pendirian rumah sakit pratama (tipe D) di daerah Kubu sebagai salah satu daerah
sulit yang saat ini sedang berlangsung.
Jenis kelamin laki-laki dalam penelitian ini berhubungan bermakna secara
independen dengan kematian BBLSR sesuai dengan hasil penelitian di Afrika
Selatan, yang menemukan jenis kelamin laki-laki sebagai prediktor kematian
BBLSR (Ballot dkk, 2010).
Jenis kelamin perempuan memiliki ketahanan yang lebih kuat dibandingkan
dengan jenis kelamin laki-laki (Soetjiningsih, 1995). Bayi perempuan mempunyai
kromosom XX, bila salah satu dari kromosom X tersebut rusak masih dapat
diagantikan oleh kromosom X yang lain. Berbeda dengan laki-laki yang tidak
mempunyai kromosom pengganti bila kromosom Xnya rusak sehingga tidak
bertahan hidup. Bayi perempuan lebih tahan terhadap infeksi dan kurang gizi
sehingga mempunyai risiko kematian lebih rendah dalam lima tahun kehidupan
(Gravholt, 2004 dalam Simbolon, 2012). Namun teori kromosom tersebut
ditemukan baru hanya pada satu sumber dan bukan meruapakan hasil meta
analisis sehingga belum cukup kuat untuk mendukung kemungkinan faktor jenis
kelamin sebagai determinan kematian BBLSR yang ditemukan pada penelitian
ini.
6.2.3 Faktor Pelayanan Kesehatan sebagai Determinan Kematian BBLR
preterm berat lahir 1000-<2000 Gram.
Periode MRS setelah pengembangan PONEK berhubungan secara
independen dengan kematian BBLR preterm 1000-<2000 gram. Berdasarkan
kriteria kompetensi rumah sakit (Kemenkes, 2008a), BBLR preterm 1000-<2000
84
gram merupakan kriteria BBLR yang bisa ditangani di rumah sakit tipe C. Di
RSUD Karangasem sebagai RS tipe C, walaupun angka kematian BBLR preterm
1000-<2000 gram masih meningkat bermakna secara independen setelah
pengembangan PONEK, namun pada seluruh BBLR, risiko kematian meningkat
setelah pengembangan PONEK, tetapi tidak bermakna secara independen.
Bila dilihat angka kematian bayi selama rawat inap secara keseluruhan
(tidak hanya BBLR) yang dilihat dari register kematian di ruang perinatologi,
terjadi peningkatan angka kematian yaitu 3,48% tahun 2012 (sebelum
pengembangan PONEK) menjadi 3,49% dan 3,57% tahun 2013 dan 2014 (setelah
pengembangan PONEK). Namun pada populasi yang lebih besar, pada seluruh
bayi di Kabupaten Karangasem (tidak hanya pada bayi yang rawat inap), AKB
mampu diturunkan dari 10,77 per 1000 KH pada tahun 2012 menjadi 8,30 per
1000 KH di 2013 (BPS Karangasem, 2014), meskipun masih lebih tinggi dari
AKB di provinsi Bali (Dinkes Bali, 2014).
Pada sensitifity analysis dengan melakukan analisis univariat hubungan
antara periode MRS dengan kematian pada berbagai berat lahir, ditemukan bahwa
risiko kematian setelah pengembangan PONEK lebih rendah dari sebelum
pengembangan PONEK pada berat lahir>1800 gram, yang merupakan berat lahir
yang mendekati rata-rata yaitu 1807 gram dan mendekati kriteria berat lahir yang
harus dirujuk ke RS dari puskesmas PONED yaitu 1750 gram (JNPK-KR, 2008a).
Dapat dikatakan bahwa upaya pengembangan PONEK mampu menurunkan risiko
kematian pada BBLR dengan berat lahir di atas rata-rata (>1800 gram). Oleh
85
karena itu perlu dilakukan pengkajian terhadap kriteria berat lahir sesuai dengan
kompetensi rumah sakit tipe C sehubungan dengan pengembangan PONEK.
Bila dilihat kembali pada data karakteristik pada kelompok BBLR preterm
1000-<2000 gram, median berat lahir yang MRS sebelum PONEK sama dengan
setelah PONEK yaitu sebesar 1600 gram. Proprosi BBLSR setelah PONEK
sebesar (36,36%) lebih besar daripada sebelum PONEK (32,88%). Indeks korelasi
variabel berat lahir dengan periode MRS sebesar 0,07 (hubungan lemah) dan
variabel rujukan dengan periode MRS sebesar 0,08 (hubungan lemah). Pada
analisis bivariat hubungan variabel berat lahir dengan periode MRS pada
kelompok ini menunjukkan hubungan yang tidak bermakna (95%CI=0,99-1,001).
Dilihat dari data karakteristik tersebut nampaknya berat lahir tidak berperanan
dalam meningkatkan risiko kematian setelah pengembangan PONEK pada
kelompok ini. Namun demikian, walaupun terjadi peningkatan angka kematian
yang bermakna setelah pengembangan PONEK pada kelompok ini, belum bisa
disimpulkan bahwa pengembangan PONEK yang dilakukan di RSUD
Karangasem belum cukup efektif dalam menurunkan angka kematian pada
kelompok ini oleh karena analisis yang dilakukan bukan terhadap rate kematian
namun hanya analisis terhadap proporsi kematian yang belum memperhitungkan
periode waktu. Kemungkinan hasil yang berbeda bisa terjadi bila analisis yang
dilakukan dengan memperhitungkan waktu karena waktu pengamatan sebelum
PONEK hanya selama satu tahun sedangkan waktu pengamatan setelah
pengembangan PONEK selama dua tahun dengan jumlah sampel hanya 73 orang
sebelum pengembangan PONEK dan 99 orang setelah pengembangan PONEK.
86
Dengan demikian hasil penelitian ini belum bisa untuk menggambarkan secara
lebih mendalam tentang implementasi program PONEK, sehingga untuk
keperluan tersebut maka metode yang lebih tepat dilakukan adalah dengan
penelitian kualitatif dengan wawancara mendalam atau focus group discussion
(FGD) atau secara kuantitatif dengan analisis memperhitungkan periode waktu
dengan waktu pengamatan yang lebih lama terhadap pelaksanaan program.
Status rujukan pada penelitian ini ditemukan berhubungan bermakna
dengan kematian pada kelompok BBLR preterm berat lahir 1000-<2000 gram
(BBLR preterm dan BBLR <2000 gram menjadi kriteria rujukan dari bidan dan
perawat). Adanya kemungkinan peran berat lahir yang lebih rendah pada sampel
rujukan sehingga variabel rujukan mempunyai risiko kematian yang lebih tinggi
dan bermakna secara statistik maka dapat dijelaskan dengan melihat data
karakteristik dan hasil uji korelasi.
Penelitian sebelumnya (Wibowo dkk, 2012; Ballot dkk, 2010) menemukan
rujukan merupakan faktor risiko kematian pada kelompok BBLSR, yang dalam
penelitian ini tidak ditemukan bermakna. Penelitian sebelumnya dilakukan pada
rumah sakit tersier dimana berat lahir <1000 gram termasuk dalam salah satu
kompetensi yang bisa ditangani dan ikut serta sebagai sampel penelitian dengan
jumlah sampel yang cukup besar (474 BBLSR, 143 BBLASR), jauh lebih besar
daripada penelitian ini (65 BBLSR, 25 BBLASR) sehingga dapat menyebabkan
perbedaan hasil yang ditemukan.
Keadaan paling ideal untuk merujuk adalah rujukan antepartum (rujukan
pada saat janin masih dalam kandungan), namun sayangnya tidak semua keadaan
87
dapat terdiagnosis secara dini sehingga tidak semua kehamilan dan kelahiran
preterm bisa dirujuk secara dini. Keadaan ini dapat dikurangi dengan
meningkatkan ANC dan pengetahuan ibu hamil tentang tanda-tanda kehamilan
berisiko serta kapan saatnya harus segera mencari pertolongan.
Evaluasi dilakukan dalam rangka peningkatan sistem rujukan terutama
pada kelompok BBLR yang menjadi kriteria yang harus dirujuk dari pelayanan
primer (bidan dan puskesmas) yaitu BBLR preterm berat lahir <2000 gram karena
BBLR preterm mempunyai fungsi organ tubuh yang kurang sempurna dan sering
mendapat penyulit disertai prognosis yang kurang baik (JNPK-KR, 2008a).
Sementara BBLR<2000 gram lebih sering terjadi masalah minum (feeding
problem) sehingga lebih rentan untuk terjadinya kurang asupan cairan dan nutrisi.
Semua itu bisa diperberat dengan paparan selama merujuk apabila syarat dalam
melakukan transportasi tidak terpenuhi sehingga meningkatkan risiko kematian.
Lebih-lebih lagi untuk BBLASR yang sesuai dengan kompentensi rumah sakit
sehingga memerlukan rujukan ke rumah sakit tersier yang pada umumnya akan
membutuhkan waktu lebih lama sehingga paparan yang semakin lama akan
semakin meningkatkan risiko komplikasi dan kematian sesuai dengan yang
ditemukan pada penelitian di rumah sakit tersier oleh Wibowo dkk (2012) dan
Ballot dkk (2010).
Idealnya bayi dirujuk dengan menggunakan inkubator transport, namun
sangat jarang tersedia di bidan atau puskesmas. Dengan demikian maka cara
menghangatkan bayi dengan metode lain sangat penting untuk diperhatikan, bila
memungkinkan dilakukan Perawatan Metode Kanguru/PMK (JNPK-KR, 2008a).
88
Inkubator transport yang tersedia di rumah sakit belum dimanfaatkan untuk sistem
rujukan dari bidan atau puskesmas ke rumah sakit, hal ini dapat dijadikan salah
satu solusi terhadap masalah rujukan BBLR.
6.2.4 Faktor-faktor yang Tidak Berhubungan Bermakna dengan Kematian
BBLR
Cara persalinan perabdominal (seksio) dalam penelitian ini mempunyai
proporsi kematian lebih besar daripada cara persalinan pervaginam, hampir sama
dengan penelitian lain (Djaja, Sumantri, 2003; Chen dkk, 2013) namun tidak
bermakna secara statistik, sama dengan hasil beberapa penelitian sebelumnya
(Wibowo dkk, 2012; Malek-Mellouli, 2013; Cetinkaya dkk, 2014). Berbeda
dengan hasil penelitian lainnya, terjadi peningkatan angka kelangsungan hidup
neonatus yang lahir dengan cara seksio pada BBLR preterm umur kehamilan 31
minggu, namun menurun pada umur kehamilan >33 minggu dan pada BBLR
sesuai masa kehamilan (Lee & Gould 2006), sementara Ekure dkk (2002)
menemukan hubungan bermakna antara cara persalinan dengan kematian
perinatal. Penelitian Villar dkk (2007) menemukan peningkatan risiko kematian
bayi sebesar 41% pada persalinan seksio elektif (terencana) dan 82% pada
persalinan seksio emergensi dibandingkan dengan cara persalinan normal
(pervaginam), risiko kematian menurun sebesar 45% untuk seksio terencana dan
31% untuk seksio emergensi pada posisi bayi melintang namun meningkat ketika
janin dalam posisi normal. Dapat disimpulkan bahwa cara persalinan dalam
penelitian ini tidak berhubungan bermakna dengan kematian BBLR berbeda
89
dengan penelitian sebelumnya karena cara persalinan seksio kemungkinan
berhubungan dengan kematian bayi hanya pada periode perinatal pada umur
kehamilan tertentu dan pada kondisi emergensi serta terkait dengan posisi bayi,
sedangkan pada penelitian ini tidak dilakukan metode yang terkait dengan faktor-
faktor tersebut.
Analisis bivariat pada variabel maturitas, BBLR preterm berhubungan
bermakna dengan kematian BBLR, namun tidak bermakna pada analisis
multivariat, sama dengan hasil penelitian sebelumnya (Wardani dkk, 2009; Afjeh
dkk, 2012). Hal ini disebabkan karena maturitas bayi mempunyai hubungan
dengan berat badan. Semakin muda umur kehamilan dan semakin lama terjadinya
gangguan pertumbuhan dalam kandungan menyebabkan semakin besar
kemungkinan bayi lahir dengan berat badan yang lebih rendah (JNPK-KR,
2008a). Dalam uji multikolinearitas ditemukan indeks korelasi sebesar 0.44
(korelasi sedang) antara variabel maturitas bayi dengan berat lahir. Kriteria indeks
korelasi yang digunakan sebagai batas dalam pemilihan salah satu variabel untuk
dimasukkan ke dalam model multivariat adalah >0,6 (korelasi tinggi), sehingga
kedua variabel yaitu maturitas dan berat lahir tetap dimasukkan dalam model
multivariat. Oleh karena adanya pengaruh korelasi dengan berat lahir maka
maturitas tidak ditemukan berhubungan bermakna dengan kematian BBLR.
Analisis multivariat yang dilakukan tanpa memasukkan variabel berat lahir
menemukan bahwa maturitas bayi berhubungan bermakna dengan kematian
BBLR (AOR=3,76; 95%CI=1,69-8,38, p=0,001).
90
Sepsis, hipoglikemi, hipotermi, hiperbilirubinemia tidak ditemukan
bermakna dengan kematian BBLR pada penelitian ini, berbeda halnya dengan
hasil penelitian Wardani dkk (2009) yang menemukan bahwa sepsis, hipoglikemi
dan hipotermi faktor risiko kematian BBLR. Terdapat perbedaan metode
penelitian dengan penelitian Wardani dkk (2009), penelitian tersebut
menggunakan rancangan kasus kontrol. Sepsis, hipotermi, hiperbilirubinemia
pada penelitian ini angka kejadiannya sangat kecil (0,78%; 3,73%; 1,24%),
sehingga rancangan kasus kontrol lebih mungkin dilakukan.
Hipoglikemia sering terjadi pada BBLR karena cadangan glukosa darah
rendah dan merupakan masalah serius karena dapat menimbulkan kejang yang
berakibat hipoksia otak, bila tidak dikelola dengan baik akan menimbulkan
kerusakan pada sususnan saraf pusat bahkan sampai kematian (JNPK-KR, 2008a).
Pada penelitian ini, BBLR dengan hipoglikemia memiliki risiko kematian yang
lebih keil (0.94 kali) dengan yang tidak mengalami hipoglikemia (95%CI=0,19-
4,74). Hal ini terjadi kemungkinan kerena keberhasilan penanganan hipogilkemia.
6.3 Keterbatasan Penelitian
Penelitian ini menggunakan rancangan retrosfektif dengan data sekunder.
Banyak variabel tidak disertai data yang lengkap, sehingga banyak terjadi data
missing yang akhirnya tidak bisa diikutsertakan dalam analisis multivariat.
Keterbatasan dalam menentukan validitas hasil ukur karena dalam input data
hanya berdasarkan data yang diekstraksi dari catatan medik yang sulit untuk
melakukan konfirmasi terhadap data yang tidak jelas.
91
Kemungkinan terdapat bias saat menentukan daerah sulit berdasarkan SK
Bupati yang ditetapkan tahun 2008 karena adanya kemungkinan perubahan seiring
dengan perkembangan jaman. Namun untuk memperkecil kemungkinan bias
tersebut, peneliti menentukan daerah sulit dengan mempertimbangkan kondisi saat
ini antara lain faktor geografis seperti daerah perbukitan dan jarak/waktu tempuh
ke rumah sakit.
Penelitian ini hanya melakukan ekstraksi data dari rekam medik bayi, tidak
disertai dengan ektraksi data dari rekam medik ibu sehingga terdapat keterbatasan
data klinis ibu yang mempunyai pengaruh terhadap kematian bayi. Walaupun
status kesehatan ibu berpengaruh terhadap kondisi kesehatan bayi hanya sampai
usia 0-6 hari (Djaja dkk, 2009), namun oleh karena 70% BBLR pada penelitian ini
diamati sampai 6 hari, faktor ibu cukup penting untuk ikut dianalisis.
Penelitian ini hanya melakukan pengamatan jangka pendek selama rawat
inap di rumah sakit tanpa pengamatan jangka panjang sampai dengan selama
perawatan di rumah yang kemungkinan lebih banyak dipengaruhi oleh faktor
sosiodemografi. Disamping itu terdapat keterbatasan dalam jumlah sampel
terutama sampel BBLSR dan BBLASR.
BAB VII
SIMPULAN DAN SARAN
7.1. Simpulan
1. Kematian pada seluruh BBLR berhubungan bermakna secara
independen hanya dengan faktor klinis yaitu peningkatan berat lahir,
asfiksia, RDS.
2. Kematian pada kelompok BBLSR berhubungan bermakna secara
independen dengan faktor demografi yaitu tempat tinggal daerah sulit.
3. Kematian BBLR preterm berat lahir 1000-<2000 gram berhubungan
bermakna dengan faktor pelayanan kesehatan yaitu status rujukan.
4. Peningkatan berat lahir dihubungkan dengan ringannya derajat
gangguan pertumbuhan yang dialami BBLR selama kehamilan yang
dapat menurunkan risiko kematian
5. BBLR yang mengalami asfiksia akan mengakibatkan hipoksia jaringan
yang meningkatkan risiko kematian.
6. Terjadinya RDS kemungkinan karena sintesis surfactan yang berkurang
yang mengakibatkan gangguan pematangan paru sehingga fungsi paru
kurang sempurna dan dapat meningktakan risiko kematian.
7. Peningkatan risiko kematian BBLSR di daerah sulit terkait akses
berhubungan dengan kurangnya kuantitas dan kualitas ANC sehingga
kemungkinan bayi yang dilahirkan dengan kondisi lebih buruk yang
dapat meningkatkan risiko kematian.
92
93
8. Risiko kematian lebih tinggi pada bayi rujukan kemungkinan karena
adanya paparan selama merujuk sehingga bayi lebih rentan terhadap
kompilikasi seperti hipotermi yang dapat meningkatkan risiko
kematian.
7.2 Saran
Diberikan kepada
1. Dinas kesehatan kabupaten dan puskesmas dalam rangka lebih
meningkatkan program upaya pencegahan kelahiran BBLR yang telah
dilakukan melalui promosi kesehatan dan deteksi dini di masyarakat
seperti pendataan, pemantauan wilayah setempat (PWS), program
perencanaan persalinan dan pencegahan komplikasi (P4K), surveilens
Kesehatan Ibu dan Anak (KIA), deteksi dini risiko tinggi (resti).
2. Pemegang kebijakan terkait dalam upaya tindak lanjut terhadap
pendirian dan operasional rumah sakit tipe D yang telah dicanangkan di
daerah Kubu sebagai salah satu daerah sulit akses di Kabupaten
Karangasem dalam rangka pendekatan akses terhadap pelayanan
kesehatan.
3. Kepala seksi pelayanan kesehatan dasar dinas kesehatan kabupaten
untuk untuk berkoordinasi dengan stakeholder terkait dalam rangka
meningkatkan frekuensi kunjungan dokter spesialis kebidanan dan anak
ke puskesmas terutama pada puskesmas di daerah sulit akses terhadap
pelayanan kesehatan spesilistik.
94
4. Kepala ruangan perinatologi agar menyertakan formulir isian yang lebih
lengkap yaitu form CM02 pada rekam medik terutama pada bayi
rujukan yang tidak disertai form CM02.
5. Petugas yang mengisi rekam medik agar lebih melengkapi data isian
dari formulir isian yang telah disediakan.
6. Petugas ruangan rekam medik agar lebih menata penyimpanan rekam
medik terutama rekam medik pada tahun yang lebih lama.
7. Peneliti untuk melakukan penelitian lebih lanjut dalam rangka
mengevaluasi program PONEK secara lebih mendalam dengan
rancangan kualitatif, evaluasi sistem rujukan BBLR, efektifitas
pemberian antibiotika pada BBLR dan cost effective pemberian
surfactan pada BBLR preterm.
8. Peneliti untuk melakukan penelitian dengan metode yang berbeda
antara lain variabel yang berbeda, waktu pengamatan diperpanjang
sampai setelah pulang dan penambahan sumber data dari rekam medik
ibu.
9. Peneliti untuk melakukan penelitian dengan topik yang berbeda terkait
BBLR seperti determinan lama rawat untuk kepentingan pihak
manajemen dan klinisi serta penelitian dengan periode pengamatan
jangka panjang.
DAFTAR PUSTAKA
Adhein, A.M., Rahmanoe, M. 2014. Terapi Medikamentosa Bayi dengan Berat Badan Lahir Rendah (BBLR). Medula, 2(03). Available at: http:// juke.kedokteran.unila.ac.id/index.php/medula/article/view/322 [Accessed December 9, 2014].
Adri. 2008. Faktor-Faktor yang Mempengaruhi Cakupan Program Pemeriksaan Kehamilan (K1 dan K4) di Puskesmas Runding Kota Subulussalam Propinsi NAD. [Tesis]. Medan. Universitas Sumatra Utara.
Afjeh, S.A., Sabzehei, M.K, Fallahi, M., Esmaili, F. 2013. Outcome of very low birth weight infants over 3 years report from an Iranian center. Iranian journal of pediatrics, 23(5), pp.579–87. Available at: http://www. pubmedcentral.nih.gov/articlerender.fcgi?artid=4006510&tool=pmcentrez&rendertype=abstract [Accessed October 13, 2014].
Aisyan, S.D.S., Djannah, S.N., Wardani, Y. 2011. Hubungan Antara Status Soisal Ekonomi Keluarga dengan Kematian Perinatal di Wilayah Kerja Puskesmas Baamang Unit II Sampiot kalimantan Tengah. Jurnal Kesehatan Masyarakat Vol.5 No. 1 Januari 2011 : 1-67.
Anderson. 1995. Factor Predisposing Belief Health. jurnal. Retrieved from http:// umanitoba.ca/faculties/medicine/units/community_health_sciences/departmental_units/mchp/protocol/media/Andersen_and_Newman_Framework.pdf
Artana, I.W.D., 2012. Luaran Bayi Kurang Bulan Late Preterm. Sari Pediatri, Vol.14, No.1, Juni 2012.
Badan Statistik Pusat (BPS). 2012. Angka Kematian Menurut Propinsi. Available at:http://www.bps.go.id/tab_sub/view.php?tabel=1&daftar=1&id_subyek=12¬ab=5 [Accessed December 13, 2014].
Badan Pusat Statistik (BPS) Kabupaten Karangasem. 2014. Karangasem dalam Angka (Karangasem in Figures 2014). Katalog BPS : 1102001.5107.
Ballot, D.E., Chirwa, T.F., Cooper, P.A. 2010. Determinants of survival in very low birth weight neonates in a public sector hospital in Johannesburg. BMC pediatrics, 10(1), p.30. Available at: http://www.biomedcentral.com/1471-2431/10/30 [Accessed October 12, 2014].
Basu, S., Rathore, P., Bhatia, B.D. 2008. Predictors of mortality in very low birth weight neonates in India. Singapore medical journal, 49(7), pp.556–60Available at: http://www.ncbi.nlm.nih.gov/pubmed/18695864 [Accessed October 13, 2014].
95
96
Cetinkaya, S.E., Okulu, E., Soylemez, F., Akin, I.M., Sahin, S., Akyel, T., Alan, S., Atasay, B., Arsan, S., Koc, A. 2014. Perinatal risk factors and mode of delivery associated with mortality in very low birth weight infants. The journal of maternal-fetal & neonatal medicine : the official journal of the European Association of Perinatal Medicine, the Federation of Asia and Oceania Perinatal Societies, the International Society of Perinatal Obstetricians, pp.1–6. Available at: http://www.ncbi.nlm.nih. gov/ pubmed/25208229 [Accessed December 5, 2014].
Chen, Y., Li, G., Ruan, Y., Zou, L., Wang, X., Zhang, W. 2013. An epidemiological survey on low birth weight infants in China and analysis of outcomes of full-term low birth weight infants. BMC pregnancy and childbirth, 13, p.242. Available at: http://www.pubmedcentral.nih.gov/ articlerender.fcgi?artid=3877972&tool=pmcentrez&rendertype=abstract [Accessed December 5, 2014].
Darawati, T., Surjono, A., Wandita, S. 2001. Evaluasi Pemberian Antibiotika untuk Mencegah Kejadian Sepsis Neonatorum Klinis Dini pada Neonatus dengan Potensial Terinfeksi. Berkala Ilmu Kedokteran Vol.33, No.3
Dinas Kesehatan (Dinkes) Propinsi Bali. 2014. Profil Kesehatan Propinsi Bali Tahun 2013.
Djaja, S., Hapsari, D., Sulistyowati, N., Lolong, D., B. 2009. Peran Faktor Sosio-Ekonomi, Biologi dan Pelayanan Kesehatan terhadap Kesakitan dan Kematian Neonatal Puslitbang Ekologi dan Status Kesehatan, Badan Penelitian dan Pengembangan Kesehatan, Departemen Kesehatan RI. Majalah Kedokteran Indonesia, Volume: 59, Nomor: 8, Agustus 2009
Djaja S., Sumantri, S. 2003. Penyebab Kematian Bayi Baru Lahir (Neonatal) dan Sistem Pelayanan Kesehatan yang Berkaitan di Indonesia SKRT 2001, Puslitbang Ekonomi Kesehatan dan Badan Litbangkes. Bul.Penel.Kesehatan, vol.31.No3, pp.155–165.
Efriza, 2011. Determinan Kematian Neonatal Dini di RSUD Dr. Achmad Mochtar Bukittinggi. Jurnal Kesehatan Masyarakat. Available at: http://www. jurnalkesmas.org/berita-184-determinan-kematian-neonatal-dini-di-rsud-dr- achmad-mochtar-bukittinggi.html [Accessed December 13, 2014].
Ekure, E. N., Ezeaka, V.C., Iroha, E., Okwaji, M.E. 2014. Prospective audit of perinatal mortality among inborn babies in a tertiary health center in Lagos, Nigeria. Nigerian journal of clinical practice, 14(1), pp.88–94. Available at: http://www.ncbi.nlm.nih.gov/pubmed/21494000 [Accessed December 5, 2014].
97
Fakultas Kedokteran Universitas Indonesia (FKUI). 1985. Buku Kuliah 3 Ilmu Kesehatan Anak. Staf Pengajar Ilmu Kesehatan Anak. Bagian Ilmu Kesehatan anak Fakultas Kedokteran Universitas Indonesia. Jakarta. Hal 1123-1131.
Filmer, Deon. 2003. Determinants of Health & Education Outcomes Background Note for World Development Repport 2004 : Making Service Work for Poor People. World Bank.
Gravholt, C, H. 2004. Epidemiological, endocrine, and metabolic features in turner syndrome. European Journal of Endocrinology. 2004; 151: 657–87.
Gupta, M, K., Kakkar, M., Sethi, C., Malhotra, A.K. 2014. Pattern of Morbidity and Mortality in LBW Neonates: A Study from Jaipur. Journal of Evolution of Medical and Dental Sciences 2014; Vol. 3, Issue 06, February 10; Page: 1339-1345, DOI: 10.14260/jemds/2014/1989.
Handono. 2009. Abortus Berulang. Bandung : Refika Aditama.
Hanum, S., Hasanah, O., Elita, V. 2012. Gambaran Morbiditas Bayi dengan Berat Badan Lahir Rendah (BBLR) di Ruang Perinatologi RSUD Aripin Ahmad Pekanbaru. JOM PSIK Vol.1 No.2 Oktober 2014.
Helwich, E., Mach, W.J., Kornacka, B.M., Gadzinowski, J., Gulczyńska, E., Kordek, A., Pawlik, D., Szczapa, J., Domańska, J., Klamka, J., Heczko, P.B. 2009. [Epidemiology of infections in very low birth weight infants. Polish Neonatology Network research]. Medycyna wieku rozwojowego, 17(3), pp.224–31. Available at: http://www.ncbi.nlm.nih.gov/pubmed/24296446 [Accessed December 9, 2014].
Ikatan Dokter Anak Indonesia (IDAI). 2004. Bayi Berat Lahir Rendah. dalam Standar Pelayanan Medis Kesehatan Anak. Jakarta, pp. 307–313.
Ikatan Dokter Anak Indonesia (IDAI). 2009. Penyakit Membran Hialin. Pedoman Pelayanan Medis. Hal 238-242.
Jaringan Nasional Klinik-Kesehatan Reproduksi (JNPK-KR), Perkumpulan Obstetri Ginekologi Indonesia (POGI), Ikatan Dokter Anak Indonesia (IDAI), USAID Indonesia - Health Service Program. 2008a. Buku Acuan Paket Pelatihan Obstetri dan Neonatal Emergensi Dasar (PONED) Edisi kelima. Jakarta.
Jaringan Nasional Klinik-Kesehatan Reproduksi (JNPK-KR), Perkumpulan Obstetri Ginekologi Indonesia (POGI), Ikatan Dokter Anak Indonesia (IDAI), USAID Indonesia - Health Service Program. 2008b. Paket
98
Pelatihan Pelayanan Obstetri dan Neonatal Emergensi Komprehensif (PONEK). Jakarta.
Jesus, D., Lilia, C., Pappas, A., Shankaran, S., Kendrick, D., Das, A., Higgins, R.D., Bell, E.F., Stoll, B.J., Laptook, A.R., Walsh, M.C. 2012. Risk factors for post-neonatal intensive care unit discharge mortality among extremely low birth weight infants. The Journal of pediatrics, 161(1), pp.70–4.e1–2. Available at: http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid= 3366175&tool=pmcentrez&rendertype=abstract [Accessed November 27, 2014].
Johanes, E., Ferdy, H., Latre, B. 2007. Pola Mikroorganisme dan Sensitivitas dari Spesimen Klinik di Upin dan “Intermediate’s Ward”. hlm 67–74.
Kemenkes RI. 2008a. Pedoman Pelayanan aternal Perinatal pada Rumah Sakit Umum Kelas B, Kelas C dan Kelas D. Keputusan Menteri Kesehatan Republik Indonesia Nomor : 604/Menkes/SK/VII/2008. Jakarta.
Kemenkes RI. 2008b. Pedoman Penyelenggaraan Pelayanan Obstetri Neonatal Emergensi Komprehensif (PONEK) 24 Jam di Rumah Sakit. Jakarta.
Kemenkes RI. 2010. Survei Demografi dan Kesehatan Indonesia 2007. Jakarta.
Kemenkes RI. 2011. Buku Panduan Manajemen Bayi Berat Lahir Rendah untuk Bidan dan Perawat. Direktorat Jenderal Bina Gizi dan Kesehatan Ibu dan Anak. Jakarta.
Kemenkes RI. 2013a. Pedoman Penyelenggaraan Puskesmas Mampu PONED. Jakarta.
Kemenkes RI. 2013b. Riset Kesehatan Dasar Riskesdas 2013. Jakarta.
Klaus, Fanaroff, A. 2014. Care of the High-Risk Neonate | 978-1-4160-4001-9 | Elsevier. Available at: https://www.elsevier.com/books/klaus-and-fanaroffs-care-of-the-high-risk-neonate/fanaroff/978-1-4160-4001-9 [Accessed December 6, 2014].
Lee, H.C., Gould, J.B. 2006. Survival rates and mode of delivery for vertex preterm neonates according to small- or appropriate-for-gestational-age status. Pediatrics, 118(6), pp.e1836–44. Available at: http://www. ncbi.nlm.nih.gov/ pubmed/17142505 [Accessed December 5, 2014].
Mahon, M.B. 1970. Epidemiology : principles and methods. Little Brown and Company. Boston.
99
Manuaba, IBG. 2007. Ilmu Kebidanan, Penyakit Kandungan dan Keluarga Berencana Untuk Pendididkan Bidan, Jakarta : EGC
Melati, D. 2014. Lama Rawat Inap dan Lama Penggunaan Antibiotik Sebagai Faktor Risiko Pneumonia Nosokomial pada Anak di RSUP Sanglah. Tesis. Program Studi Biomedik Program Pascasarjana Universitas Udayana.
Mellouli, M.M., Amara, B.F., Gallouz, N., Gada, H., Klilia, M., Reziga, H. 2013. Does the mode of delivery affect neonatal morbidity and mortality in very low-birth-weight infants? La Tunisie médicale,91(3), pp.183–7.Available at: http://www.ncbi.nlm.nih.gov/pubmed/23588631 [Accessed December 5, 2014].
Mosley, W.H., Chen, L.C. 1984. Child Survival, Strategic For Reseach Population and Development Review. Cambridge University Press.
Mutahar, R. 2007. Pengaruh Berat Badan Lahir Terhadap Survival Neonatal Dini di Indonesia Tahun 1997-2002. Fakultas Kesehatan Masyarakat Universitas Indonesia. Depok.
Nayeri, F., Dalili, H., Nili, F., Amini, E., Ardehali, A., Mansoori, B.K., Shariat, M. 2013. Risk Factors for Neonatal Mortality Among Very Low Birth Weight Neonates. Acta Medica Iranica, 51(5), pp.297–302. Available at: http://acta.tums.ac.ir/index.php/acta/article/view/4841 [Accessed October 13, 2014].
Ngoc, N.T.N. 2006. Cause of Stillbirths and Neonatal Deaths, Data from 7993 Pregnancies in Six Developing Countries. Buletin of WHO, September 2006.
Ogunlesi, T.A., 2011. Factors influencing the survival of newborn babies weighing <1.5 kg in Sagamu, Nigeria. Archives of Gynecology and Obstetrics, 284(6), pp.1351–7. Available at: http://www.ncbi. nlm.nih.gov/ pubmed/21336833 [Accessed December 6, 2014].
Pramono, M.S. 2011. Pola Kejadian Bayi Berat Lahir Rendah dan Faktor Yang Mempengaruhinya di Indonesia Tahun 2010. Buletin Penelitian Sistem Kesehatan, Vol. 14. p.209–217.
Prastiti, Ratih. 2003. Faktor-faktor Risiko Yang Berpengaruh Terhadap Kematian Perinatal di Kabupaten Magelang. Tesis. Program Pascasarjana Universitas Diponegoro.
Rachmawati, T., Turniani, L., Hari Basuki, N. 2011. Pola Penyakit Penyebab Kematian Bayi di Pedesaan dan Perkotaan , Kondisi Sosio Ekonomi pada Kejadian Kematian Bayi di Indonesia Hasil Riskesdas 2007. Buletin Penelitian Sistem Kesehatan, Vol. 14 No. 2 April 2011: 108–114.
100
Redding, S., Conrey, E., Porter, K., Paulson, J., Hughes, K.R.M. 2014. Pathways Community Care Coordination i... [Matern Child Health J. 2014] - PubMed - NCBI. Available at: 25138628.htm [Accessed October 12, 2014].
Ronoatmojo, Sudarto. 1996. Faktor Resiko Kematian Neonatal di Kecamatan Kruak Nusa Tenggara Barat 1992-1993. Fakultas Kesehatan Masyarakat Universitas Indonesia. Depok.
Russell, R.B., Green, N.S., Steiner, C.A., Meikle, S., Howse, J.L., Poschman, K., Dias, T., Potetz, L., Daidoff, M.J., Damus, K., Petrini J.R. 2007. Cost of Hospitalization for Preterm and Low Birth Weight Infants in The United States. Pediatrics, 2007 Jul; 120(1):e1-9.
Sarwono, S. 2005. Ilmu Kebidanan. EGC, Jakarta
Sastroasmoro, S., Ismael, S. 2011. Dasar-dasar Metodelogi Penelitian Klinis. Edisi keempat. Jakarta : CV. Sagung Seto.
Schlober, R. L., Frey, G., Zemlin, M., Misselwitz, B. 2014. [Mortality of very low birth weight infants during a 24 year period in Hesse a province of Germany-impact of variation in registration]. Zeitschrift für Geburtshilfe und Neonatologie, 218(3), pp.100–5. Available at: http://www.ncbi.nlm.nih. gov/pubmed/24999787 [Accessed December 5, 2014].
Simbolon, D. 2012. Berat Lahir dan Kelangsungan Hidup Neonatal di Indonesia. Jurnal Kesehatan Masyarakat Nasional Vol. 7, No. 1, Agustus 2012
Soetjiningsih, 1995, Tumbuh Kembang Anak, EGC, Jakarta.
Statistics Indonesia (BPS), National Population and Family Planning Board (BKKBN), Ministry Of Health (Kemenkes) and ICF International. 2013. Indonesia Demographic and Health Survey 2012. Jakarta, Indonesia.
Sudra, Rano Indradi. Statistik Rumah Sakit. 2010. Yogyakarta : Graha Ilmu
Tjkyan, R.M.S. 2010. Faktor Risiko dan Prognosis Berat Badan Lahir Rendah (BBLR) dan Berat Badan Lahir Sangat Rendah (BBLSR) dan Kejadian Lahir Mati di Kota Palembang Tahun 2010. Jurnal Kedokteran dan Kesehatan, Publikasi Ilmiah fakultas Kedokteran Universitas Sriwijaya.
Tomashek, K., M., Shapiro-Mendosa, C., K., Weiss, J. 2006. Early Discharge Among Late Preterm and Term Newborn and Risk of Neonatal Morbidity. Semin Perinatol 2006; 30: 61-8.
United Nations Children’s Fund and World Health Organization. 2004. Low Birthweight: Country, regional and global estimates. UNICEF. New York.
101
United Nations Emergency Childrens Fund (UNICEF) Statistics. 2013. Neonatal Mortality Rates Are Declining in All Regions, but More Slowly In Sub-Saharan Africa - See more at: http://data.unicef.org/child-survival/neonatal# sthash.9E7IG1J0.dpuf. Available at:http://data.unicef.org/ child-survival/ neonatal [Accessed December 13, 2014].
Vazirinejad, R., Masoodpour, N., Puyanfar, A. 2012. Survival rate of low and very low birth weight neonates in an Iranian community. Iranian journal of public health, 41(2), pp.87–93. Available at: http: //www. pubmedcentral. nih.gov/articlerender.fcgi?artid=3481670&tool=pmcentrez&rendertype=abstract [Accessed October 12, 2014].
Villar, J., Guillermo, C., Nelly, Z., Allan, D., Daniel, W., Anibal, F., et al. 2007. Maternal and Neonatal Individual Risk and Benefits Assosiation With Caesarean Delivery : Multicenter Prospectiive Study. BMJ 2007; 335: 1025.
Wardani, D.M., Wandita, S., Haksari, E.L. 2009. Risk Factors of Neonatal Mortality of Referred Babies With Birthweight of 1000-<1500. Berkala Ilmu Kedokteran, vol.41 No 3.
Wibowo, T,. Haksari, E,L.,Wandita, S. 2012. Faktor Prognostik Kematian Bayi Berat Lahir Sangat REndah di Rumah Sakit Rujukan Tingkat Tersier. Sari Pediatri, Vol.13, No6, April 2012.
World Health Organization (WHO). 2013. Pocket Book of Hospital Care for Children, Guidelines for The Management of Common Childhood Illnesses. 2nd ed.
Wright dkk, S., Mathieson, K., Brearley, L., Jacobs, S., Holly, L., Wickremasinghe, R., with work by Renton, A. 2014. Ending Newborn Deaths Ensuring Every Baby Survives. Save the Children 1 St John’s Lane London EC1M 4AR UK +44 (0)20 7012 6400 savethechildren.org.uk.
Wulansari, N., Anita, A.D. 2011. Hubungan Antara Status Ekonomi dan Jarak Tempuh pada Ibu Hamil Dengan Pemilihan Penolong Persalinan di Desa Ngendrokilo Magelang. Jurnal Kebidanan, Vol. Iii, No. 1, Juni 2011. Akademi Kebidanan Estu Utomo. Boyolali
Yoga, P., Kardana, M., Artana, D., Putra, J. 2012. Karakteristik dan Luaran Bayi Berat Badan Lahir Sangat Rendah yang Lahir di RSUP Sanglah Denpasar. Jurnal Ilmiah Kedokteran [MEDICINA. 2012;43:77-82].
Lampiran 1
TABEL JADWAL KEGIATAN PENELITIAN
NO KEGIATAN TAHUN 2014 TAHUN 2015
Jul Ags Sept Okt Nov Des Jan Feb Mar Apr Mei Jun
1 Penentuan topik penelitian
2 Pengumpulan data awal
3 Penyusunan proposal
4 Ujian proposal
5 Revisi proposal
6 Pengumpulan data penelitian
7 Tabulasi dan pengolahan Data
8 Penyajian hasil penelitian
9 Revisi hasil penelitian
10 Penyusunan tesis
11 Ujian tesis
12 Revisi tesis
13 Pembuatan manuscript
102
Lampiran 2.
TABEL EKSTRAKSI DATA PENELITIAN
DETERMINAN KEMATIAN BAYI BERAT LAHIR RENDAH
SELAMA RAWAT INAP DI RSUD KARANGASEM TAHUN 2012-2014
PENDAHULUAN
Sebelum mengambil status/catatan medik (CM) pasien dan pengisian tabel ekstraksi, petugas ekstraksi terlebih dahulu
meminta ijin kepada petugas di ruang rekam medik/RM. Pengambilan dan penempatan kembali CM pasien dikoordinasikan dengan
petugas RM. Untuk data yang kurang jelas yang terdapat dalam status, terlebih dahulu dikonfirmasi ke petugas yang membidangi.
PETUNJUK PENGISIAN :
1). No urut bayi adalah no urut status/CM bayi berdasarkan urutan saat pengisian tabel. Status /CM pasien ditandai dengan no urut
yang sama dengan no urut tabel ekstraksi dari pasien yang bersangkutan.
2). Nama bayi dengan kode diambil tiga huruf pertama dari nama belakang ibu yang tercantum di status dengan menambahkan huruf
“by”(=bayi) di depan kode nama
3). Untuk data yang tidak tersedia di status/CM, pada tabel ektraksi harap ditulis dengan tanda negative ( - ), jangan dikosongkan.
Tanda negative ( - ) berarti tidak ada, sedangkan bila dikosongkan berarti petugas ektraksi belum mengisi data tersebut
4). Untuk kolom BB (berat badan) dan lab (laboratorium), bila hari rawat inap /follow up/pemantauan melebihi jumlah kolom yang
tersedia, maka petugas ekstraksi menambahkan kolom di tabel excel sesuai dengan hari rawat inap/follow up/pemantauan.
5). Hal-hal lain yang belum jelas terkait kolom tabel dan data yang tersedia dalam status dapat ditanyakan kepada penulis dan petugas
di ruang RM atau petugas di bagian perinatologi.
103
104
P-01 P-02 P-03 P-04 P-05 P-06 P-07 P-08 P-09
No urut No CM Nama bayi
Jenis kelamin
(L/P) Alamat Tanggal
lahir Jam lahir Tanggal masuk
Jam masuk
Tanggal keluar
1 2 3 4 5
dst
P-10 P-11 P-12 P-13 P-14 P-15 P-16 P-17
No urut
Tanggal meninggal
Jam meninggal
Lama dirawat (hr) Tempat lahir Cara
persalinan Sebab
dirawat Jenis
pembayaran Kelas
perawatan
1 2 3 4 5
dst
105
P-18 P-19 P-20 P-21 P-20 P-21
No urut Diagnose utama Diagnosa
tambahan Sebab
kematian
Jenis infeksi nosokomial (sesuai CM)
Keadaan keluar RS
(hidup/meninggal)
Status keluar RS (dipulangkan/dirujuk
/pulang paksa)
1 2 3 4 5
dst
P-22 P-23 P-24 P-25 P-26 P-27 P-28 P-29
No urut
Diagnose kehamilan
ibu
Paritas (0/1/2 dst)
ANC (pernah/tidak)
Umur ibu (th)
USG (pernah/tidak)
Perdarahan (ya/tidak)
Tanggal HPHT
Tanggal TP (Perkiraan partus)
1 2 3 4 5
dst
106
P-30 P-31 P-32 P-33 P-34 P-35 P-36
No urut
Riwayat keputihan (ya/tidak)
Riwayat keluar air ketuban (ya/tidak)
Riwayat penyakit ibu (sesuai CM)
BBL /Berat Badan Lahir
(gr)
PB /Panjang Badan (cm)
LK /Lingkar Kepala (cm)
LD /Lingkar Dada (cm)
1 2 3 4 5
dst
P-37 P-38 P-39 P-40 P-41 P-42 P-43
No urut
Anus (ada/tidak)
Kelainan bawaan
(ada/tidak)
Ketuban (jernih/keruh/hijau
/dll sesuai CM)
Apgar score menit 1
Apgar score menit 5 Diagnosis kerja Planning Diagnosa
1 2 3 4 5
dst
107
P-44a P-44b P-44c P-44d P-44e P-44f P-44g P-44h
No urut Tgl Lab 1 Lab 1 : WBC Lab 1 : Hb Lab 1 : Hct Lab 1: PLT lab 1 : GDA
Lab 1 : Bilirubin
direct
Lab 1 : Bilirubin
total
1 2 3 4 5
dst
P-44i P-44j P-44k P-44l P-44m P-44n P-44o P-44p
No urut Tgl Lab 2 lab 2 : WBC Lab 2 : Hb Lab 2 : Hct Lab 2 : Plt Lab 2 : GDA
Lab 2 : Bilirubin
direct
Lab 2 : Bilirubin
total
1 2 3 4 5
dst
108
P-44q P-44r P-44s P-44t P-44u P-44v P-44w P-44x
No urut Tgl Lab… Lab...: WBC Lab ... : Hb Lab ... : Hct Lab...: Plt Lab…: GDA
Lab... : Bilirubin
direct
Lab… : Bilirubin
total
1 2 3 4 5
dst
P-45a P-45b P-45c P-45d P-45e P-45f P-45g P-45h P-46
No urut
Berat Badan/ BB hr 1 (gr)
BB hr 2 (gr)
BB hr 3 (gr)
BB hr 4 (gr)
BB hr 5 (gr)
BB hr 6 (gr)
BB hr 7 (gr)
BB hr… (gr)
BB saat keluar (gr)
1 2 3 4 5
dst
109
P-48 P-49 P-50 P-51 P-52 P-53 P-54 P-55
No urut
Tanggal antibiotika
I
Tanggal antibiotika kombinasi
Ceftriaxone (dapat/ tidak)
Cefotaxime (dapat/ tidak)
Ampicillin (dapat/ tidak)
Gentamicin (dapat/ tidak)
Meropenem (dapat/ tidak)
Benutrion (dapat/ tidak)
1 2 3 4 5
dst
110
Lampiran 3
111
Lampiran 4
112
113
Lampiran 5 STATA OUTPUT
___ ____ ____ ____ ____ (R) /__ / ____/ / ____/ ___/ / /___/ / /___/ 12.0 Copyright 1985-2011 StataCorp LP Statistics/Data Analysis StataCorp 4905 Lakeway Drive Special Edition College Station, Texas 77845 USA 800-STATA-PC http://www.stata.com 979-696-4600 [email protected] 979-696-4601 (fax) Single-user Stata network perpetual license: Serial number: 93611859953 Licensed to: Made Kertaduana, SKM., MPH PS IKM Udayana Notes: 1. (/v# option or -set maxvar-) 5000 maximum variables . use "D:\Determinan Kematian BBLR.dta", clear
ANALISIS PADA SELURUH SAMPEL BBLR Analisis Univariat . tab year_adm outcome, row +----------------+ | Key | |----------------| | frequency | | row percentage | +----------------+ Year of | Outcome admission | No death Death | Total -----------+----------------------+---------- 2014 | 150 24 | 174 | 86.21 13.79 | 100.00 -----------+----------------------+---------- 2013 | 190 30 | 220 | 86.36 13.64 | 100.00 -----------+----------------------+---------- 2012 | 225 25 | 250 | 90.00 10.00 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab outcome if b_weight<2500 Outcome | Freq. Percent Cum. ------------+----------------------------------- No death | 565 87.73 87.73 Death | 79 12.27 100.00 ------------+----------------------------------- Total | 644 100.00 . tab outcome if b_weight<1500 Outcome | Freq. Percent Cum. ------------+----------------------------------- No death | 38 42.22 42.22 Death | 52 57.78 100.00 -----------+----------------------------------- Total | 90 100.00
. tab outcome if b_weight<1000 Outcome | Freq. Percent Cum. ------------+----------------------------------- No death | 1 4.00 4.00 Death | 24 96.00 100.00 ------------+----------------------------------- Total | 25 100.00 . sum loh_reg, detail Lama hari perawatan ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 1 1 10% 1 1 Obs 644 25% 2 1 Sum of Wgt. 644 50% 3 Mean 6.622671 Largest Std. Dev. 8.735736 75% 8 53 90% 15 54 Variance 76.31308 95% 23 59 Skewness 3.204688 99% 48 62 Kurtosis 15.2229 . sum loh_reg Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------- loh_reg | 644 6.622671 8.735736 1 62 . sum loh_reg if outcome==0, detail Lama hari perawatan ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 1 1 10% 1 1 Obs 565 25% 2 1 Sum of Wgt. 565 50% 3 Mean 6.821239 Largest Std. Dev. 8.996349 75% 8 53 90% 15 54 Variance 80.9343 95% 23 59 Skewness 3.18744 99% 49 62 Kurtosis 14.89006 . sum loh_reg if outcome==0 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------- loh_reg | 565 6.821239 8.996349 1 62 . sum loh_reg if outcome==1, detail Lama hari perawatan ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 1 1 10% 1 1 Obs 79 25% 2 1 Sum of Wgt. 79 50% 3 Mean 5.202532 Largest Std. Dev. 6.445789 75% 6 21 90% 17 23 Variance 41.5482 95% 21 29 Skewness 2.490688 99% 33 33 Kurtosis 9.084143 . sum loh_reg if outcome==1 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------- loh_reg | 79 5.202532 6.445789 1 33
. total loh_reg Total estimation Number of obs = 644 -------------------------------------------------------------- | Total Std. Err. [95% Conf. Interval] -------------+------------------------------------------------ loh_reg | 4265 221.6881 3829.68 4700.32 -------------------------------------------------------------- . total loh_reg if outcome==0 Total estimation Number of obs = 565 -------------------------------------------------------------- | Total Std. Err. [95% Conf. Interval] -------------+------------------------------------------------ loh_reg | 3854 213.8408 3433.978 4274.022 -------------------------------------------------------------- . total loh_reg if outcome==1 Total estimation Number of obs = 79 -------------------------------------------------------------- | Total Std. Err. [95% Conf. Interval] -------------+------------------------------------------------ loh_reg | 411 57.29143 296.9415 525.0585 -------------------------------------------------------------- . tab lohreg_cat lohreg_cat | Freq. Percent Cum. ------------+----------------------------------- 0 | 479 74.38 74.38 1 | 165 25.62 100.00 ------------+----------------------------------- Total | 644 100.00 . tab lohreg_cat outcome, row | Key | |----------------| | frequency | | row percentage | | Outcome lohreg_cat | No death Death | Total -----------+----------------------+---------- 0 | 415 64 | 479 | 86.64 13.36 | 100.00 -----------+----------------------+---------- 1 | 150 15 | 165 | 90.91 9.09 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab loh_reg if outcome==1 Lama hari | perawatan | Freq. Percent Cum. ------------+----------------------------------- 1 | 18 22.78 22.78 2 | 19 24.05 46.84 3 | 9 11.39 58.23 4 | 9 11.39 69.62 5 | 3 3.80 73.42 6 | 2 2.53 75.95 7 | 4 5.06 81.01 8 | 5 6.33 87.34 9 | 2 2.53 89.87 17 | 1 1.27 91.14 18 | 1 1.27 92.41 19 | 2 2.53 94.94 21 | 1 1.27 96.20 23 | 1 1.27 97.47 29 | 1 1.27 98.73 33 | 1 1.27 100.00 ------------+----------------------------------- Total | 79 100.00
. tab residen1 outcome, row | Outcome Residence | No death Death | Total ----------------------+----------------------+---------- Plain area | 368 48 | 416 | 88.46 11.54 | 100.00 ----------------------+----------------------+---------- Difficult to access a | 190 31 | 221 | 85.97 14.03 | 100.00 ----------------------+----------------------+---------- Total | 558 79 | 637 | 87.60 12.40 | 100.00 . tab sex outcome, row | Outcome Sex | No death Death | Total -----------+----------------------+---------- Female | 300 31 | 331 | 90.63 9.37 | 100.00 -----------+----------------------+---------- Male | 265 48 | 313 | 84.66 15.34 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab m_agecat outcome, row Katagori umur | Outcome ibu | No death Death | Total ----------------+----------------------+---------- 20-35 th | 132 12 | 144 | 91.67 8.33 | 100.00 ----------------+----------------------+---------- <20 atau >35 th | 45 3 | 48 | 93.75 6.25 | 100.00 ----------------+----------------------+---------- Total | 177 15 | 192 | 92.19 7.81 | 100.00 . tab adm_time outcome, row Hospital admission | Outcome time | No death Death | Total ----------------------+----------------------+---------- After CEmOC developed | 340 54 | 394 | 86.29 13.71 | 100.00 ----------------------+----------------------+---------- Before CEmOC develpoe | 225 25 | 250 | 90.00 10.00 | 100.00 ----------------------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab ref_stts outcome, row +----------------+ | Key | |----------------| | frequency | | row percentage | +----------------+ Referral | Outcome status | No death Death | Total -------------+----------------------+---------- Non referral | 494 58 | 552 | 89.49 10.51 | 100.00 -------------+----------------------+---------- Referral | 65 21 | 86 | 75.58 24.42 | 100.00 -------------+----------------------+---------- Total | 559 79 | 638 | 87.62 12.38 | 100.00
. tab grvd_cat outcome, row Katagori | Outcome gravida | No death Death | Total -----------+----------------------+---------- G2-3 | 191 31 | 222 | 86.04 13.96 | 100.00 -----------+----------------------+---------- G1 | 221 18 | 239 | 92.47 7.53 | 100.00 -----------+----------------------+---------- G>3 | 65 9 | 74 | 87.84 12.16 | 100.00 -----------+----------------------+---------- Total | 477 58 | 535 | 89.16 10.84 | 100.00 . tab prts_cat outcome, row katagori | Outcome paritas | No death Death | Total -----------+----------------------+---------- P1 | 227 19 | 246 | 92.28 7.72 | 100.00 -----------+----------------------+---------- P2-4 | 255 40 | 295 | 86.44 13.56 | 100.00 -----------+----------------------+---------- >P4 | 23 3 | 26 | 88.46 11.54 | 100.00 -----------+----------------------+---------- Total | 505 62 | 567 | 89.07 10.93 | 100.00 . tab usg outcome, row | Outcome Riwayat USG | No death Death | Total -----------------+----------------------+---------- Pernah USG | 442 52 | 494 | 89.47 10.53 | 100.00 -----------------+----------------------+---------- Tidak pernah USG | 40 6 | 46 | 86.96 13.04 | 100.00 -----------------+----------------------+---------- Total | 482 58 | 540 | 89.26 10.74 | 100.00 . tab bleeding outcome, row Riwayat | Outcome perdarahan | No death Death | Total -----------+----------------------+---------- Tidak | 483 54 | 537 | 89.94 10.06 | 100.00 -----------+----------------------+---------- Ya | 18 4 | 22 | 81.82 18.18 | 100.00 -----------+----------------------+---------- Total | 501 58 | 559 | 89.62 10.38 | 100.00 . tab last_men outcome, row | Outcome HPHT | No death Death | Total -----------+----------------------+---------- Ingat | 344 33 | 377 | 91.25 8.75 | 100.00 -----------+----------------------+---------- Lupa | 135 25 | 160 | 84.38 15.63 | 100.00 -----------+----------------------+---------- Total | 479 58 | 537 | 89.20 10.80 | 100.00
. tab prm outcome, row Riwayat | Outcome PRM | No death Death | Total -----------+----------------------+---------- Tidak | 310 42 | 352 | 88.07 11.93 | 100.00 -----------+----------------------+---------- Ya | 192 16 | 208 | 92.31 7.69 | 100.00 -----------+----------------------+---------- Total | 502 58 | 560 | 89.64 10.36 | 100.00 . tab amnion outcome, row | Outcome amnion | No death Death | Total -----------+----------------------+---------- 0 | 401 50 | 451 | 88.91 11.09 | 100.00 -----------+----------------------+---------- 1 | 93 8 | 101 | 92.08 7.92 | 100.00 -----------+----------------------+---------- Total | 494 58 | 552 | 89.49 10.51 | 100.00 . tab mode_dlvr2 outcome, row Mode of | Outcome delivery | No death Death | Total -----------+----------------------+---------- Vaginal | 423 62 | 485 | 87.22 12.78 | 100.00 -----------+----------------------+---------- C-section | 137 17 | 154 | 88.96 11.04 | 100.00 -----------+----------------------+---------- Total | 560 79 | 639 | 87.64 12.36 | 100.00 . sum gest_age, detail gest_age ------------------------------------------------------------- Percentiles Smallest 1% 25.5 23 5% 28.5 23.5 10% 30.5 24.5 Obs 517 25% 33.5 24.5 Sum of Wgt. 517 50% 36 Mean 35.48801 Largest Std. Dev. 3.663302 75% 38 41.5 90% 40 42.5 Variance 13.41978 95% 40.5 42.5 Skewness -.6662275 99% 41.5 42.5 Kurtosis 3.24852 . by outcome, sort: sum gest_age, detail -------------------------------------------------------------- -> outcome = No death gest_age ------------------------------------------------------------- Percentiles Smallest 1% 28.5 27.5 5% 30.5 28 10% 31.5 28.5 Obs 462 25% 33.5 28.5 Sum of Wgt. 462 50% 36.5 Mean 36.03745 Largest Std. Dev. 3.084663 75% 38.5 41.5 90% 40 42.5 Variance 9.515146 95% 40.5 42.5 Skewness -.3233164 99% 41.5 42.5 Kurtosis 2.644164 -------------------------------------------------------------
-> outcome = Death gest_age ------------------------------------------------------------- Percentiles Smallest 1% 23 23 5% 24.5 23.5 10% 25.5 24.5 Obs 55 25% 27.5 24.5 Sum of Wgt. 55 50% 29 Mean 30.87273 Largest Std. Dev. 4.766995 75% 34.5 39.5 90% 38 39.5 Variance 22.72424 95% 39.5 40.5 Skewness .4445405 99% 40.5 40.5 Kurtosis 2.139161 . tab maturity outcome, row | Outcome Maturity | No death Death | Total -----------+----------------------+---------- At term | 253 8 | 261 | 96.93 3.07 | 100.00 -----------+----------------------+---------- Preterm | 298 70 | 368 | 80.98 19.02 | 100.00 -----------+----------------------+---------- Total | 551 78 | 629 | 87.60 12.40 | 100.00 . tab asphyxia outcome, row | Outcome Asphyxia | No death Death | Total -----------+----------------------+---------- No | 451 38 | 489 | 92.23 7.77 | 100.00 -----------+----------------------+---------- Yes | 114 41 | 155 | 73.55 26.45 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab RDS outcome, row | Outcome RDS | No death Death | Total -----------+----------------------+---------- No | 548 66 | 614 | 89.25 10.75 | 100.00 -----------+----------------------+---------- Yes | 17 13 | 30 | 56.67 43.33 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab sepsis outcome, row | Outcome sepsis | No death Death | Total -----------+----------------------+---------- 0 | 562 77 | 639 | 87.95 12.05 | 100.00 -----------+----------------------+---------- 1 | 3 2 | 5 | 60.00 40.00 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00
. tab hglikemi outcome, row Hipoglikem | Outcome ia | No death Death | Total -----------+----------------------+---------- Tidak | 516 77 | 593 | 87.02 12.98 | 100.00 -----------+----------------------+---------- Ya | 49 2 | 51 | 96.08 3.92 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab hipotermi outcome, row | Outcome Hipotermia | No death Death | Total -----------+----------------------+---------- Tidak | 545 75 | 620 | 87.90 12.10 | 100.00 -----------+----------------------+---------- Ya | 20 4 | 24 | 83.33 16.67 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab h_bilirbn outcome, row | Outcome H_bilirbn | No death Death | Total -----------+----------------------+---------- 0 | 557 79 | 636 | 87.58 12.42 | 100.00 -----------+----------------------+---------- 1 | 8 0 | 8 | 100.00 0.00 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab feeding outcome, row Masalah | pemberian | Outcome minum | No death Death | Total -----------+----------------------+---------- Tidak | 525 67 | 592 | 88.68 11.32 | 100.00 -----------+----------------------+---------- Ya | 40 12 | 52 | 76.92 23.08 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00 . tab th_ab outcome, row Antibiotic | Outcome therapy | No death Death | Total -----------+----------------------+---------- Yes | 271 76 | 347 | 78.10 21.90 | 100.00 -----------+----------------------+---------- No | 294 3 | 297 | 98.99 1.01 | 100.00 -----------+----------------------+---------- Total | 565 79 | 644 | 87.73 12.27 | 100.00
. sum weight_50, detail weight_50 ------------------------------------------------------------- Percentiles Smallest 1% 14 10 5% 20 10 10% 26 10 Obs 644 25% 36 12 Sum of Wgt. 644 50% 42 Mean 39.35901 Largest Std. Dev. 8.687708 75% 46 49 90% 48 49 Variance 75.47626 95% 48 49 Skewness -1.184369 99% 49 49 Kurtosis 3.766795 . by outcome, sort: sum weight_50, detail -------------------------------------------------------------- -> outcome = No death weight_50 ------------------------------------------------------------- Percentiles Smallest 1% 21 18 5% 28 20 10% 31 20 Obs 565 25% 38 20 Sum of Wgt. 565 50% 43 Mean 41.22513 Largest Std. Dev. 6.608452 75% 46 49 90% 48 49 Variance 43.67164 95% 48 49 Skewness -1.085662 99% 49 49 Kurtosis 3.645454 -------------------------------------------------------------- -> outcome = Death weight_50 ------------------------------------------------------------- Percentiles Smallest 1% 10 10 5% 12 10 10% 14 10 Obs 79 25% 18 12 Sum of Wgt. 79 50% 24 Mean 26.01266 Largest Std. Dev. 10.03902 75% 32 46 90% 42 46 Variance 100.7819 95% 46 47 Skewness .4919495 99% 48 48 Kurtosis 2.313528 . sum b_length, detail b_length ------------------------------------------------------------- Percentiles Smallest 1% 30 30 5% 38 30 10% 40 30 Obs 569 25% 44 30 Sum of Wgt. 569 50% 46 Mean 45.19508 Largest Std. Dev. 3.841798 75% 48 51 90% 49 51 Variance 14.75941 95% 50 51 Skewness -1.702346 99% 50 52 Kurtosis 6.787433 . by outcome, sort: sum b_length, detail -------------------------------------------------------------- -> outcome = No death b_length ------------------------------------------------------------- Percentiles Smallest
1% 37 30 5% 40 34 10% 42 34 Obs 512 25% 45 35 Sum of Wgt. 512 50% 46 Mean 45.79883 Largest Std. Dev. 2.886733 75% 48 50 90% 49 51 Variance 8.333228 95% 50 51 Skewness -1.229827 99% 50 51 Kurtosis 5.831478 -------------------------------------------------------------- -> outcome = Death b_length ------------------------------------------------------------- Percentiles Smallest 1% 30 30 5% 30 30 10% 30 30 Obs 57 25% 35 30 Sum of Wgt. 57 50% 40 Mean 39.77193 Largest Std. Dev. 6.355587 75% 45 48 90% 48 50 Variance 40.39348 95% 50 51 Skewness -.1128862 99% 52 52 Kurtosis 1.955646 . sum head_c, detail head_c ------------------------------------------------------------- Percentiles Smallest 1% 22 20 5% 26 20 10% 27 20 Obs 531 25% 29 20 Sum of Wgt. 531 50% 30 Mean 30.03955 Largest Std. Dev. 2.410734 75% 32 34 90% 33 34 Variance 5.811641 95% 33 34 Skewness -1.190875 99% 34 35 Kurtosis 5.48704 . by outcome, sort: sum head_c, detail -------------------------------------------------------------- -> outcome = No death head_c ------------------------------------------------------------- Percentiles Smallest 1% 23 20 5% 27 20 10% 28 22 Obs 484 25% 29 23 Sum of Wgt. 484 50% 30 Mean 30.32851 Largest Std. Dev. 2.088501 75% 32 34 90% 33 34 Variance 4.361835 95% 33 34 Skewness -.9874917 99% 34 35 Kurtosis 5.687086 -------------------------------------------------------------- -> outcome = Death head_c ------------------------------------------------------------- Percentiles Smallest 1% 20 20 5% 22 20 10% 22 22 Obs 47 25% 25 22 Sum of Wgt. 47 50% 28 Mean 27.06383 Largest Std. Dev. 3.35186 75% 30 32 90% 31 32 Variance 11.23497
95% 32 33 Skewness -.2800745 99% 33 33 Kurtosis 2.285307 . sum chest_c, detail chest_c ------------------------------------------------------------- Percentiles Smallest 1% 20 18 5% 23 18 10% 25 18 Obs 531 25% 27 20 Sum of Wgt. 531 50% 29 Mean 28.32203 Largest Std. Dev. 2.686771 75% 30 34 90% 31 34 Variance 7.21874 95% 32 34 Skewness -.9385818 99% 33 34 Kurtosis 4.57829 . by outcome, sort: sum chest_c, detail -------------------------------------------------------------- -> outcome = No death chest_c ------------------------------------------------------------- Percentiles Smallest 1% 22 20 5% 25 20 10% 26 22 Obs 484 25% 27 22 Sum of Wgt. 484 50% 29 Mean 28.67149 Largest Std. Dev. 2.259906 75% 30 34 90% 31 34 Variance 5.107177 95% 32 34 Skewness -.4799423 99% 33 34 Kurtosis 3.816676 -> outcome = Death chest_c ------------------------------------------------------------- Percentiles Smallest 1% 18 18 5% 18 18 10% 20 18 Obs 47 25% 21 20 Sum of Wgt. 47 50% 25 Mean 24.7234 Largest Std. Dev. 3.876922 75% 28 31 90% 30 31 Variance 15.03053 95% 31 31 Skewness .0308136 99% 32 32 Kurtosis 1.938417 . sum apgar1, detail apgar1 ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 1 1 10% 3 1 Obs 576 25% 5 1 Sum of Wgt. 576 50% 7 Mean 6.180556 Largest Std. Dev. 1.853421 75% 7 8 90% 8 8 Variance 3.435169 95% 8 9 Skewness -1.482146 99% 8 9 Kurtosis 4.404616 . by outcome, sort: sum apgar1, detail -------------------------------------------------------------- -> outcome = No death apgar1 ------------------------------------------------------------- Percentiles Smallest
1% 1 1 5% 3 1 10% 5 1 Obs 511 25% 6 1 Sum of Wgt. 511 50% 7 Mean 6.518591 Largest Std. Dev. 1.497431 75% 7 8 90% 8 8 Variance 2.242301 95% 8 9 Skewness -1.803546 99% 8 9 Kurtosis 6.345303 --------------------------------------------------------------- -> outcome = Death apgar1 ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 1 1 10% 1 1 Obs 65 25% 1 1 Sum of Wgt. 65 50% 3 Mean 3.523077 Largest Std. Dev. 2.215765 75% 5 7 90% 7 7 Variance 4.909615 95% 7 7 Skewness .303424 99% 8 8 Kurtosis 1.743784 . sum apgar5, detail apgar5 ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 3 1 10% 5 1 Obs 576 25% 7 1 Sum of Wgt. 576 50% 8 Mean 7.256944 Largest Std. Dev. 1.8024 75% 8 9 90% 9 9 Variance 3.248647 95% 9 10 Skewness -1.649767 99% 9 10 Kurtosis 5.234098 . by outcome, sort: sum apgar5, detail -------------------------------------------------------------- -> outcome = No death apgar5 ------------------------------------------------------------- Percentiles Smallest 1% 2 2 5% 5 2 10% 6 2 Obs 511 25% 7 2 Sum of Wgt. 511 50% 8 Mean 7.587084 Largest Std. Dev. 1.407177 75% 8 9 90% 9 9 Variance 1.980147 95% 9 10 Skewness -1.837064 99% 9 10 Kurtosis 6.716867 -------------------------------------------------------------- -> outcome = Death apgar5 ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 1 1 10% 1 1 Obs 65 25% 3 1 Sum of Wgt. 65 50% 5 Mean 4.661538 Largest Std. Dev. 2.386662 75% 7 8 90% 8 8 Variance 5.696154
95% 8 8 Skewness .0170066 99% 9 9 Kurtosis 1.735518 . sum lab1_wcb, detail lab1_wcb ------------------------------------------------------------- Percentiles Smallest 1% 7 2 5% 10 6 10% 12 6 Obs 436 25% 14 7 Sum of Wgt. 436 50% 18.5 Mean 21.82339 Largest Std. Dev. 13.36485 75% 25 74 90% 36 86 Variance 178.6193 95% 45 111 Skewness 3.886819 99% 67 152 Kurtosis 29.27814 . by outcome, sort: sum lab1_wcb, detail -------------------------------------------------------------- -> outcome = No death lab1_wcb ------------------------------------------------------------- Percentiles Smallest 1% 7 2 5% 11 6 10% 12 6 Obs 386 25% 14 7 Sum of Wgt. 386 50% 19 Mean 21.52073 Largest Std. Dev. 11.50881 75% 25 65 90% 36 67 Variance 132.4528 95% 45 74 Skewness 2.606894 99% 65 111 Kurtosis 14.6516 -------------------------------------------------------------- -> outcome = Death lab1_wcb ------------------------------------------------------------- Percentiles Smallest 1% 7 7 5% 8 8 10% 9.5 8 Obs 50 25% 12 8 Sum of Wgt. 50 50% 18 Mean 24.16 Largest Std. Dev. 23.2101 75% 27 41 90% 37 66 Variance 538.7086 95% 66 86 Skewness 3.898153 99% 152 152 Kurtosis 20.49124 . sum lab1_hb, detail lab1_hb ------------------------------------------------------------- Percentiles Smallest 1% 9 7 5% 13 8 10% 13 9 Obs 435 25% 15 9 Sum of Wgt. 435 50% 17 Mean 16.58161 Largest Std. Dev. 3.173135 75% 18 23 90% 19 23 Variance 10.06879 95% 20 24 Skewness 5.680702 99% 23 60 Kurtosis 82.32156 . by outcome, sort: sum lab1_hb, detail -------------------------------------------------------------- -> outcome = No death lab1_hb ------------------------------------------------------------- Percentiles Smallest
1% 9 8 5% 13 9 10% 14 9 Obs 385 25% 15 9 Sum of Wgt. 385 50% 17 Mean 16.75844 Largest Std. Dev. 3.215577 75% 18 23 90% 19 23 Variance 10.33994 95% 20 24 Skewness 6.158103 99% 23 60 Kurtosis 86.52325 -> outcome = Death lab1_hb ------------------------------------------------------------- Percentiles Smallest 1% 7 7 5% 12 9 10% 13 12 Obs 50 25% 13 12 Sum of Wgt. 50 50% 16 Mean 15.22 Largest Std. Dev. 2.451905 75% 17 19 90% 18 19 Variance 6.011837 95% 19 19 Skewness -.8698397 99% 19 19 Kurtosis 4.398991 . sum lab1_hct, detail Lab1_hct ------------------------------------------------------------- Percentiles Smallest 1% 24 22 5% 34 22 10% 36 24 Obs 429 25% 42 24 Sum of Wgt. 429 50% 47 Mean 47.02797 Largest Std. Dev. 9.429976 75% 52 67 90% 56 67 Variance 88.92445 95% 60 68 Skewness 3.178554 99% 67 154 Kurtosis 40.48301 . by outcome, sort: sum lab1_hct, detail -------------------------------------------------------------- -> outcome = No death Lab1_hct ------------------------------------------------------------- Percentiles Smallest 1% 26 22 5% 34 24 10% 37 26 Obs 379 25% 43 26 Sum of Wgt. 379 50% 48 Mean 47.69129 Largest Std. Dev. 9.4313 75% 53 67 90% 56 67 Variance 88.94942 95% 60 68 Skewness 3.589027 99% 67 154 Kurtosis 44.3488 -------------------------------------------------------------- -> outcome = Death Lab1_hct ------------------------------------------------------------- Percentiles Smallest 1% 22 22 5% 24 24 10% 32.5 24 Obs 50 25% 37 31 Sum of Wgt. 50 50% 43 Mean 42 Largest Std. Dev. 7.832429 75% 47 52 90% 51 54 Variance 61.34694 95% 54 56 Skewness -.5349317 99% 56 56 Kurtosis 3.120339
. sum lab1_plt, detail lab1_plt ------------------------------------------------------------- Percentiles Smallest 1% 49 24 5% 93 28 10% 124 41 Obs 422 25% 161 48 Sum of Wgt. 422 50% 210 Mean 213.3033 Largest Std. Dev. 83.60646 75% 257 539 90% 302 589 Variance 6990.041 95% 339 649 Skewness 1.284792 99% 491 688 Kurtosis 8.072653 . by outcome, sort: sum lab1_plt, detail -------------------------------------------------------------- -> outcome = No death lab1_plt ------------------------------------------------------------- Percentiles Smallest 1% 49 24 5% 95 28 10% 126 48 Obs 372 25% 164 49 Sum of Wgt. 372 50% 211.5 Mean 215.3656 Largest Std. Dev. 84.34281 75% 258 539 90% 305 589 Variance 7113.71 95% 344 649 Skewness 1.349773 99% 539 688 Kurtosis 8.31586 -------------------------------------------------------------- -> outcome = Death lab1_plt ------------------------------------------------------------- Percentiles Smallest 1% 41 41 5% 77 64 10% 94.5 77 Obs 50 25% 149 80 Sum of Wgt. 50 50% 201 Mean 197.96 Largest Std. Dev. 76.96645 75% 239 302 90% 291 305 Variance 5923.835 95% 305 316 Skewness .5829266 99% 468 468 Kurtosis 4.625258 . sum lab1_bs, detail lab1_bs ------------------------------------------------------------- Percentiles Smallest 1% 14 11 5% 22 13 10% 27 14 Obs 387 25% 36 14 Sum of Wgt. 387 50% 52 Mean 76.45995 Largest Std. Dev. 78.84628 75% 84 490 90% 145 500 Variance 6216.736 95% 243 525 Skewness 3.263817 99% 490 576 Kurtosis 15.67781 . by outcome, sort: sum lab1_bs, detail -------------------------------------------------------------- -> outcome = No death lab1_bs ------------------------------------------------------------- Percentiles Smallest 1% 14 11 5% 22 13
10% 26 14 Obs 340 25% 35 14 Sum of Wgt. 340 50% 48 Mean 66.88824 Largest Std. Dev. 57.97084 75% 73.5 327 90% 118 345 Variance 3360.619 95% 205 353 Skewness 2.990192 99% 327 440 Kurtosis 13.84639 -------------------------------------------------------------- -> outcome = Death lab1_bs ------------------------------------------------------------- Percentiles Smallest 1% 19 19 5% 29 21 10% 30 29 Obs 47 25% 51 30 Sum of Wgt. 47 50% 80 Mean 145.7021 Largest Std. Dev. 147.7306 75% 190 490 90% 389 500 Variance 21824.34 95% 500 525 Skewness 1.556713 99% 576 576 Kurtosis 4.389224 . sum bil_dir, detail bil_dir ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 1 1 10% 1 1 Obs 20 25% 1 1 Sum of Wgt. 20 50% 3.5 Mean 181 Largest Std. Dev. 793.9275 75% 4.5 6 90% 10 6 Variance 630320.8 95% 1784 14 Skewness 4.129385 99% 3554 3554 Kurtosis 18.05212 . by outcome, sort: sum bil_dir, detail -------------------------------------------------------------- -> outcome = No death bil_dir ------------------------------------------------------------- Percentiles Smallest 1% 1 1 5% 1 1 10% 1 1 Obs 18 25% 1 1 Sum of Wgt. 18 50% 2.5 Mean 200.5556 Largest Std. Dev. 836.9151 75% 4 5 90% 14 6 Variance 700427 95% 3554 14 Skewness 3.88048 99% 3554 3554 Kurtosis 16.05839 -> outcome = Death bil_dir ------------------------------------------------------------- Percentiles Smallest 1% 4 4 5% 4 6 10% 4 . Obs 2 25% 4 . Sum of Wgt. 2 50% 5 Mean 5 Largest Std. Dev. 1.414214 75% 6 . 90% 6 . Variance 2 95% 6 4 Skewness 0 99% 6 6 Kurtosis 1
. sum bil_tot, detail bil_tot ------------------------------------------------------------- Percentiles Smallest 1% 3 3 5% 5 4 10% 8 5 Obs 50 25% 13 6 Sum of Wgt. 50 50% 21.5 Mean 20.84 Largest Std. Dev. 9.485456 75% 27 34 90% 34 36 Variance 89.97388 95% 36 37 Skewness -.0824092 99% 38 38 Kurtosis 2.049877 . by outcome, sort: sum bil_tot, detail -------------------------------------------------------------- -> outcome = No death bil_tot ------------------------------------------------------------- Percentiles Smallest 1% 5 5 5% 8 6 10% 9 8 Obs 45 25% 14 8 Sum of Wgt. 45 50% 22 Mean 20.86667 Largest Std. Dev. 8.595982 75% 27 34 90% 32 34 Variance 73.89091 95% 34 34 Skewness -.0901543 99% 36 36 Kurtosis 1.960413 -------------------------------------------------------------- -> outcome = Death bil_tot ------------------------------------------------------------- Percentiles Smallest 1% 3 3 5% 3 4 10% 3 21 Obs 5 25% 4 37 Sum of Wgt. 5 50% 21 Mean 20.6 Largest Std. Dev. 17.00882 75% 37 4 90% 38 21 Variance 289.3 95% 38 37 Skewness -.019713 99% 38 38 Kurtosis 1.254144
Analisis Bivariat . logistic outcome i. residen1 Logistic regression Number of obs = 637 LR chi2(1) = 0.81 Prob > chi2 = 0.3682 Log likelihood = -238.37868 Pseudo R2 = 0.0017 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.residen1 | 1.250877 .309126 0.91 0.365 .770654 2.030345 _cons | .1304348 .0200168 -13.27 0.000 .096553 .1762061 ------------------------------------------------------------------------------ . logistic outcome i. m_agecat Logistic regression Number of obs = 192 LR chi2(1) = 0.23 Prob > chi2 = 0.6338 Log likelihood = -52.526381 Pseudo R2 = 0.0022 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.m_agecat | .7333333 .4899987 -0.46 0.643 .1979454 2.716798 _cons | .0909091 .0274101 -7.95 0.000 .0503455 .164155 ------------------------------------------------------------------------------ . logistic outcome i. sex Logistic regression Number of obs = 644 LR chi2(1) = 5.35 Prob > chi2 = 0.0207 Log likelihood = -237.02838 Pseudo R2 = 0.0112 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.752891 .4300778 2.29 0.022 1.083701 2.835307 _cons | .1033333 .0194945 -12.03 0.000 .071393 .1495634 ------------------------------------------------------------------------------ . logistic outcome i. last_men Logistic regression Number of obs = 537 LR chi2(1) = 5.19 Prob > chi2 = 0.0227 Log likelihood = -181.23478 Pseudo R2 = 0.0141 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.last_men | 1.930415 .5481068 2.32 0.021 1.106541 3.367706 _cons | .0959302 .017482 -12.86 0.000 .0671175 .1371119 . logistic outcome i. adm_time Logistic regression Number of obs = 644 LR chi2(1) = 2.00 Prob > chi2 = 0.1576 Log likelihood = -238.70635 Pseudo R2 = 0.0042 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .6995885 .179597 -1.39 0.164 .4229839 1.157075 _cons | .1588235 .0232663 -12.56 0.000 .1191849 .2116452 ------------------------------------------------------------------------------ . logistic outcome i. ref_stts Logistic regression Number of obs = 638 LR chi2(1) = 11.18 Prob > chi2 = 0.0008 Log likelihood = -233.32401 Pseudo R2 = 0.0234 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.ref_stts | 2.751724 .7892669 3.53 0.000 1.568404 4.827829 _cons | .1174089 .0162965 -15.43 0.000 .0894445 .1541163 ------------------------------------------------------------------------------ . logistic outcome i. grvd_cat Logistic regression Number of obs = 535
LR chi2(2) = 5.20 Prob > chi2 = 0.0742 Log likelihood = -181.00131 Pseudo R2 = 0.0142 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- grvd_cat | 1 | .5018245 .1567542 -2.21 0.027 .2720591 .9256365 2 | .8531017 .3454687 -0.39 0.695 .3857462 1.886688 | _cons | .1623037 .0314273 -9.39 0.000 .1110472 .2372187 ------------------------------------------------------------------------------ . logistic outcome i. prts_cat Logistic regression Number of obs = 567 LR chi2(2) = 4.83 Prob > chi2 = 0.0892 Log likelihood = -193.28222 Pseudo R2 = 0.0124 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- prts_cat | 1 | 1.874096 .5494599 2.14 0.032 1.054948 3.329299 2 | 1.558351 1.026442 0.67 0.501 .4285515 5.666668 | _cons | .0837005 .0199897 -10.39 0.000 .0524132 .1336642 ------------------------------------------------------------------------------ . logistic outcome i. usg Logistic regression Number of obs = 540 LR chi2(1) = 0.26 Prob > chi2 = 0.6075 Log likelihood = -184.04067 Pseudo R2 = 0.0007 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.usg | 1.275 .5886578 0.53 0.599 .5158422 3.1514 _cons | .1176471 .0172477 -14.60 0.000 .0882653 .1568094 ------------------------------------------------------------------------------ . logistic outcome i. bleeding Logistic regression Number of obs = 559 LR chi2(1) = 1.27 Prob > chi2 = 0.2604 Log likelihood = -185.65886 Pseudo R2 = 0.0034 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.bleeding | 1.987654 1.135131 1.20 0.229 .6489745 6.087711 _cons | .1118012 .0160422 -15.27 0.000 .0843935 .1481099 ------------------------------------------------------------------------------ . logistic outcome i. prm Logistic regression Number of obs = 560 LR chi2(1) = 2.63 Prob > chi2 = 0.1048 Log likelihood = -185.08603 Pseudo R2 = 0.0071 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.prm | .6150795 .1893243 -1.58 0.114 .3364554 1.124437 _cons | .1354839 .0222768 -12.16 0.000 .0981588 .1870018 ------------------------------------------------------------------------------ . logistic outcome i. amnion Logistic regression Number of obs = 552 LR chi2(1) = 0.94 Prob > chi2 = 0.3332 Log likelihood = -185.05197 Pseudo R2 = 0.0025
------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.amnion | .6898925 .2744406 -0.93 0.351 .3163528 1.504496 _cons | .1246883 .0187007 -13.88 0.000 .0929315 .167297 ------------------------------------------------------------------------------ . logistic outcome i. mode_dlvr2 Logistic regression Number of obs = 639 LR chi2(1) = 0.34 Prob > chi2 = 0.5623 Log likelihood = -238.88014 Pseudo R2 = 0.0007 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.mode_dlvr2 | .8465976 .2462652 -0.57 0.567 .4787101 1.497206 _cons | .1465721 .0199322 -14.12 0.000 .1122786 .1913399 ------------------------------------------------------------------------------ . logistic outcome gest_age Logistic regression Number of obs = 517 LR chi2(1) = 91.32 Prob > chi2 = 0.0000 Log likelihood = -129.54365 Pseudo R2 = 0.2606 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- gest_age | .6810124 .032117 -8.15 0.000 .6208858 .7469615 _cons | 48299.98 73794.64 7.06 0.000 2417.95 964820.6 ------------------------------------------------------------------------------ . logistic outcome i. maturity Logistic regression Number of obs = 629 LR chi2(1) = 41.93 Prob > chi2 = 0.0000 Log likelihood = -214.80275 Pseudo R2 = 0.0889 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.maturity | 7.428683 2.844263 5.24 0.000 3.507578 15.73317 _cons | .0316206 .0113549 -9.62 0.000 .0156424 .0639199 ------------------------------------------------------------------------------ . logistic outcome i. asphyxia Logistic regression Number of obs = 644 LR chi2(1) = 33.18 Prob > chi2 = 0.0000 Log likelihood = -223.11303 Pseudo R2 = 0.0692 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.asphyxia | 4.268467 1.060225 5.84 0.000 2.623288 6.94541 _cons | .0842572 .0142325 -14.65 0.000 .0605096 .1173248 ------------------------------------------------------------------------------ . logistic outcome i. RDS Logistic regression Number of obs = 644 LR chi2(1) = 19.31 Prob > chi2 = 0.0000 Log likelihood = -230.04777 Pseudo R2 = 0.0403 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.RDS | 6.349376 2.481322 4.73 0.000 2.951776 13.65774 _cons | .120438 .0156923 -16.25 0.000 .0932948 .1554781 ------------------------------------------------------------------------------ . logistic outcome i. sepsis Logistic regression Number of obs = 644 LR chi2(1) = 2.48 Prob > chi2 = 0.1156 Log likelihood = -238.46695 Pseudo R2 = 0.0052
------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sepsis | 4.865801 4.481029 1.72 0.086 .8003188 29.58324 _cons | .1370107 .0166491 -16.36 0.000 .1079739 .1738561 ------------------------------------------------------------------------------ . logistic outcome i. hglikemi Logistic regression Number of obs = 644 LR chi2(1) = 4.62 Prob > chi2 = 0.0316 Log likelihood = -237.39379 Pseudo R2 = 0.0096 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.hglikemi | .2735224 .2001267 -1.77 0.076 .0651927 1.147591 _cons | .1492248 .0182305 -15.57 0.000 .1174496 .1895966 ------------------------------------------------------------------------------ . logistic outcome i. hipotermi Logistic regression Number of obs = 644 LR chi2(1) = 0.41 Prob > chi2 = 0.5216 Log likelihood = -239.49968 Pseudo R2 = 0.0009 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.hipotermi | 1.453334 .8158992 0.67 0.505 .4836177 4.367456 _cons | .1376147 .0169485 -16.10 0.000 .1081014 .1751855 ------------------------------------------------------------------------------ . logistic outcome i. h_bilirbn note: 0.h_bilirbn != 1 predicts failure perfectly 0.h_bilirbn dropped and 8 obs not used note: 1.h_bilirbn omitted because of collinearity Logistic regression Number of obs = 636 LR chi2(0) = -0.00 Prob > chi2 = . Log likelihood = -238.65107 Pseudo R2 = -0.0000 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.h_bilirbn | 1 (empty) _cons | .1418312 .0170514 -16.25 0.000 .1120567 .1795171 ------------------------------------------------------------------------------ . logistic outcome i. feeding Logistic regression Number of obs = 644 LR chi2(1) = 5.15 Prob > chi2 = 0.0232 Log likelihood = -237.12805 Pseudo R2 = 0.0108 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.feeding | 2.350746 .8316576 2.42 0.016 1.17507 4.702704 _cons | .127619 .0165561 -15.87 0.000 .0989665 .164567 ------------------------------------------------------------------------------ . logistic outcome i. th_ab Logistic regression Number of obs = 644 LR chi2(1) = 81.06 Prob > chi2 = 0.0000 Log likelihood = -199.17592 Pseudo R2 = 0.1691 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.th_ab | .0363856 .0216359 -5.57 0.000 .0113444 .1167019 _cons | .2804428 .0364014 -9.79 0.000 .2174496 .3616845 ------------------------------------------------------------------------------ . logistic outcome weight_50 Logistic regression Number of obs = 644 LR chi2(1) = 183.66 Prob > chi2 = 0.0000 Log likelihood = -147.8761 Pseudo R2 = 0.3831 ------------------------------------------------------------------------------
outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- weight_50 | .825117 .0149109 -10.64 0.000 .7964036 .8548656 _cons | 104.5415 60.79831 7.99 0.000 33.4391 326.8307 ------------------------------------------------------------------------------ . logistic outcome b_length Logistic regression Number of obs = 569 LR chi2(1) = 93.64 Prob > chi2 = 0.0000 Log likelihood = -138.37058 Pseudo R2 = 0.2528 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- b_length | .7369722 .0269421 -8.35 0.000 .686014 .7917156 _cons | 64809.4 101139.5 7.10 0.000 3042.847 1380371 ------------------------------------------------------------------------------ . logistic outcome head_c Logistic regression Number of obs = 531 LR chi2(1) = 62.74 Prob > chi2 = 0.0000 Log likelihood = -127.44187 Pseudo R2 = 0.1975 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- head_c | .6413087 .0394934 -7.21 0.000 .568392 .7235795 _cons | 37925.64 66173.46 6.04 0.000 1240.905 1159117 ------------------------------------------------------------------------------ . logistic outcome chest_c Logistic regression Number of obs = 531 LR chi2(1) = 77.56 Prob > chi2 = 0.0000 Log likelihood = -120.03359 Pseudo R2 = 0.2442 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- chest_c | .6276492 .0374271 -7.81 0.000 .5584179 .7054637 _cons | 27822.3 43380.92 6.56 0.000 1309.749 591014.7 ------------------------------------------------------------------------------ . logistic outcome apgar1 Logistic regression Number of obs = 576 LR chi2(1) = 117.22 Prob > chi2 = 0.0000 Log likelihood = -144.39027 Pseudo R2 = 0.2887 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- apgar1 | .5081978 .0352954 -9.75 0.000 .4435219 .582305 _cons | 4.443897 1.550371 4.28 0.000 2.242847 8.804977 ------------------------------------------------------------------------------ . logistic outcome apgar5 Logistic regression Number of obs = 576 LR chi2(1) = 114.96 Prob > chi2 = 0.0000 Log likelihood = -145.52027 Pseudo R2 = 0.2831 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- apgar5 | .5071934 .0359196 -9.59 0.000 .44146 .5827147 _cons | 9.804135 4.281799 5.23 0.000 4.165438 23.07586 ------------------------------------------------------------------------------ . logistic outcome lab1_wcb Number of obs = 436 Logistic regression LR chi2(1) = 1.47 Prob > chi2 = 0.2251 Log likelihood = -154.56178 Pseudo R2 = 0.0047 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- lab1_wcb | 1.011857 .0092896 1.28 0.199 .9938129 1.03023 _cons | .0991353 .026136 -8.77 0.000 .0591313 .166203 ------------------------------------------------------------------------------
. logistic outcome lab1_hb Number of obs = 435 Logistic regression LR chi2(1) = 15.29 Prob > chi2 = 0.0001 Log likelihood = -147.52824 Pseudo R2 = 0.0493 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- lab1_hb | .7895831 .0483873 -3.86 0.000 .7002199 .890351 _cons | 5.662548 5.445183 1.80 0.071 .8599734 37.2854 ------------------------------------------------------------------------------ . logistic outcome lab1_hct Logistic regression Number of obs = 429 LR chi2(1) = 20.49 Prob > chi2 = 0.0000 Log likelihood = -144.19388 Pseudo R2 = 0.0663 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- lab1_hct | .9186077 .0176963 -4.41 0.000 .8845703 .9539548 _cons | 5.933528 4.998305 2.11 0.035 1.138348 30.92794 ------------------------------------------------------------------------------ . logistic outcome lab1_plt Number of obs = 422 Logistic regression LR chi2(1) = 2.05 Prob > chi2 = 0.1518 Pseudo R2 = 0.0067 Log likelihood = -152.53569 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- lab1_plt | .9972324 .0019911 -1.39 0.165 .9933376 1.001142 _cons | .2381065 .1015519 -3.36 0.001 .1032134 .5492964 ------------------------------------------------------------------------------ . logistic outcome lab1_bs Number of obs = 387 Logistic regression LR chi2(1) = 28.40 Prob > chi2 = 0.0000 Log likelihood = -128.90999 Pseudo R2 = 0.0992 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- lab1_bs | 1.008285 .0016327 5.10 0.000 1.00509 1.01149 _cons | .0633599 .0150193 -11.64 0.000 .0398143 .1008301 ------------------------------------------------------------------------------ . logistic outcome bil_dir Logistic regression Number of obs = 20 LR chi2(1) = 0.21 Prob > chi2 = 0.6497 Log likelihood = -6.398523 Pseudo R2 = 0.0159 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- bil_dir | .998618 .009557 -0.14 0.885 .9800613 1.017526 _cons | .1181556 .0885163 -2.85 0.004 .027213 .5130172 ------------------------------------------------------------------------------ . logistic outcome bil_tot Logistic regression Number of obs = 50 LR chi2(1) = 0.00 Prob > chi2 = 0.9520 Log likelihood = -16.252335 Pseudo R2 = 0.0001 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- bil_tot | .9969827 .0500138 -0.06 0.952 .9036223 1.099989 _cons | .1182954 .1345102 -1.88 0.060 .0127377 1.098612 ------------------------------------------------------------------------------ ji Kolinearitas . cor sex adm_time ref_stts maturity weight_50 asphyxia RDS sepsis hglikemi feeding th_ab(obs=627) | sex adm_time ref_stts maturity weigh~50 asphyxia RDS sepsis hglikemi feeding th_ab -------------+------------------------------------------------------------------------------------------------ sex | 1.0000 adm_time | -0.0042 1.0000
ref_stts | 0.0247 -0.0221 1.0000 maturity | 0.0355 0.0387 0.1342 1.0000 weight_50 | -0.0751 -0.0099 -0.1856 -0.4403 1.0000 asphyxia | 0.0007 -0.0524 -0.1050 0.1118 -0.2528 1.0000 RDS | 0.0743 -0.0539 0.1223 0.1545 -0.1578 -0.0022 1.0000 sepsis | 0.0712 0.0384 0.0433 0.0584 -0.0797 -0.0396 -0.0153 1.0000 hglikemi | 0.0022 0.1053 -0.0075 0.0610 0.0278 -0.0342 -0.0377 -0.0206 1.0000 feeding | 0.0839 0.2008 0.0453 0.1676 -0.3140 0.1826 0.0178 0.0639 -0.0032 1.0000 th_ab | -0.1154 0.1210 -0.2581 -0.3824 0.4892 -0.3247 -0.1752 -0.0647 0.0380 -0.2427 1.0000
Analisis Multivariat logistic outcome i. sex i. adm_time i. ref_stts i. maturity weight_50 i. asphyxia i. RDS i. sepsis i. feeding i. th_ab Logistic regression Number of obs = 627 LR chi2(10) = 225.66 Prob > chi2 = 0.0000 Log likelihood = -122.6762 Pseudo R2 = 0.4791 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.354592 .4653564 0.88 0.377 .6908545 2.656013 1.adm_time | .752687 .2752568 -0.78 0.437 .3675623 1.541338 1.ref_stts | 1.992627 .8224992 1.67 0.095 .8873084 4.474841 1.maturity | .7888482 .3946918 -0.47 0.635 .2958719 2.103212 weight_50 | .8315837 .0190584 -8.05 0.000 .7950565 .8697892 1.asphyxia | 2.748637 1.012634 2.74 0.006 1.33513 5.65863 1.RDS | 3.902655 2.099682 2.53 0.011 1.359571 11.20259 1.sepsis | 10.26057 13.89256 1.72 0.086 .7222128 145.7732 1.feeding | .314244 .1612244 -2.26 0.024 .1149619 .858974 1.th_ab | .2079487 .142386 -2.29 0.022 .0543405 .7957717 _cons | 69.20559 70.49766 4.16 0.000 9.398264 509.6062 ------------------------------------------------------------------------------ . logistic outcome i. sex i. adm_time i. ref_stts weight_50 i. asphyxia i. RDS i. sepsis i. feeding i. th_ab Logistic regression Number of obs = 638 LR chi2(9) = 217.50 Prob > chi2 = 0.0000 Log likelihood = -130.16712 Pseudo R2 = 0.4552 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.315265 .4350896 0.83 0.407 .6877585 2.515306 1.adm_time | .7810109 .2758466 -0.70 0.484 .3908587 1.56061 1.ref_stts | 1.900962 .7570384 1.61 0.107 .8709464 4.149117 weight_50 | .8422466 .017 -8.51 0.000 .8095777 .8762338 1.asphyxia | 2.572173 .9206811 2.64 0.008 1.275328 5.187743 1.RDS | 3.618722 1.876053 2.48 0.013 1.309987 9.996397 1.sepsis | 1.422657 1.558671 0.32 0.748 .1661573 12.18095 1.feeding | .3538471 .1733994 -2.12 0.034 .135423 .924568 1.th_ab | .2016261 .1347534 -2.40 0.017 .0544078 .747193 _cons | 40.28771 29.87324 4.98 0.000 9.419086 172.3203 ------------------------------------------------------------------------------ . logistic outcome i. sex i. adm_time i. ref_stts weight_50 i. asphyxia i. RDS i. feeding i. th_ab Logistic regression Number of obs = 638 LR chi2(8) = 217.40 Prob > chi2 = 0.0000 Log likelihood = -130.21795 Pseudo R2 = 0.4550 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.323538 .4370572 0.85 0.396 .6928732 2.528246 1.adm_time | .7812983 .2758583 -0.70 0.485 .3910906 1.560833 1.ref_stts | 1.920081 .7615502 1.64 0.100 .882496 4.177597 weight_50 | .8418852 .0169658 -8.54 0.000 .8092809 .875803 1.asphyxia | 2.539546 .9027964 2.62 0.009 1.265197 5.097464 1.RDS | 3.568839 1.843783 2.46 0.014 1.296485 9.82396 1.feeding | .3558371 .1739318 -2.11 0.035 .1365171 .9275031 1.th_ab | .2003647 .1338603 -2.41 0.016 .0540938 .7421549 _cons | 41.16232 30.40894 5.03 0.000 9.6754 175.1179 ------------------------------------------------------------------------------
.logistic outcome i. sex i. ref_stts weight_50 i. asphyxia i. RDS i. feeding i.th_ab Logistic regression Number of obs = 638 LR chi2(7) = 216.90 Prob > chi2 = 0.0000 Log likelihood = -130.46482 Pseudo R2 = 0.4539 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.334579 .4399445 0.88 0.381 .6994318 2.546497 1.ref_stts | 1.903767 .7520484 1.63 0.103 .8777326 4.129195 weight_50 | .8418503 .0169788 -8.54 0.000 .8092216 .8757946 1.asphyxia | 2.563501 .9087528 2.66 0.008 1.279633 5.135487 1.RDS | 3.672832 1.883188 2.54 0.011 1.344499 10.03325 1.feeding | .3232559 .151375 -2.41 0.016 .1291053 .8093734 1.th_ab | .1949059 .1299918 -2.45 0.014 .0527374 .7203289 _cons | 37.91061 27.55713 5.00 0.000 9.120623 157.5785 ------------------------------------------------------------------------------ .logistic outcome i. ref_stts weight_50 i. asphyxia i. RDS i. feeding i. th_ab Logistic regression Number of obs = 638 LR chi2(6) = 216.13 Prob > chi2 = 0.0000 Log likelihood = -130.84954 Pseudo R2 = 0.4523 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.ref_stts | 1.876408 .739049 1.60 0.110 .8671014 4.060548 weight_50 | .84138 .0169278 -8.58 0.000 .8088478 .8752206 1.asphyxia | 2.504142 .883014 2.60 0.009 1.254605 4.998167 1.RDS | 3.857025 1.978457 2.63 0.008 1.411333 10.54085 1.feeding | .3284908 .1539032 -2.38 0.017 .131136 .8228575 1.th_ab | .1824715 .1217671 -2.55 0.011 .0493367 .6748695 _cons | 45.67403 31.87587 5.48 0.000 11.63099 179.3586 ------------------------------------------------------------------------------ . logistic outcome weight_50 i. asphyxia i. RDS i. feeding i. th_ab Logistic regression Number of obs = 644 LR chi2(5) = 214.37 Prob > chi2 = 0.0000 Log likelihood = -132.5211 Pseudo R2 = 0.4471 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- weight_50 | .8399443 .0169073 -8.67 0.000 .8074519 .8737443 1.asphyxia | 2.133085 .7024956 2.30 0.021 1.118612 4.067589 1.RDS | 4.225752 2.171117 2.81 0.005 1.543731 11.56742 1.feeding | .3281723 .1530047 -2.39 0.017 .1315963 .8183894 1.th_ab | .1602729 .1063066 -2.76 0.006 .0436788 .5880972 _cons | 59.41102 40.36627 6.01 0.000 15.6865 225.0132 ------------------------------------------------------------------------------ . lfit Logistic model for outcome, goodness-of-fit test number of observations = 644 number of covariate patterns = 147 Pearson chi2(141) = 117.23 Prob > chi2 = 0.9283
Analisis Tanpa Variabel Berat Lahir . logistic outcome i. sex i. adm_time i. ref_stts i. maturity i. asphyxia i. feeding i. hglikemi i. th_ab i. RDS i. sepsis Logistic regression Number of obs = 627 LR chi2(10) = 129.09 Prob > chi2 = 0.0000
Log likelihood = -170.96045 Pseudo R2 = 0.2741 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.476094 .4143492 1.39 0.165 .8514832 2.558891 1.adm_time | .8131245 .2550171 -0.66 0.510 .4397421 1.503544 1.ref_stts | 2.024541 .7108623 2.01 0.045 1.017303 4.029051 1.maturity | 3.580428 1.480725 3.08 0.002 1.591883 8.053016 1.asphyxia | 3.479602 1.056627 4.11 0.000 1.918893 6.309693 1.feeding | .9584477 .3999406 -0.10 0.919 .4230381 2.171488 1.hglikemi | .3425912 .2633232 -1.39 0.163 .0759493 1.545356 1.th_ab | .106887 .0667599 -3.58 0.000 .0314252 .3635563 1.RDS | 3.436992 1.51608 2.80 0.005 1.447798 8.159229 1.sepsis | 9.145392 11.59518 1.75 0.081 .7620592 109.7529 _cons | .0387228 .0185701 -6.78 0.000 .0151273 .0991227 ------------------------------------------------------------------------------ . logistic outcome i. sex i. adm_time i. ref_stts i. maturity i. asphyxia i. hglikemi i. th_ab i. RDS i. sepsis Logistic regression Number of obs = 627 LR chi2(9) = 129.08 Prob > chi2 = 0.0000 Log likelihood = -170.96564 Pseudo R2 = 0.2740 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.474438 .4135833 1.38 0.166 .8508688 2.554998 1.adm_time | .804841 .2392441 -0.73 0.465 .4494538 1.441236 1.ref_stts | 2.025983 .711174 2.01 0.044 1.018219 4.031161 1.maturity | 3.573062 1.475803 3.08 0.002 1.590244 8.028186 1.asphyxia | 3.466393 1.044466 4.13 0.000 1.920439 6.25684 1.hglikemi | .343935 .263938 -1.39 0.164 .0764291 1.547726 1.th_ab | .1073145 .0668916 -3.58 0.000 .0316289 .3641096 1.RDS | 3.440402 1.518078 2.80 0.005 1.448827 8.169621 1.sepsis | 9.083631 11.4891 1.74 0.081 .7614628 108.3603 _cons | .0387542 .018579 -6.78 0.000 .0151443 .0991721 ------------------------------------------------------------------------------ . logistic outcome i. sex i. ref_stts i. maturity i. asphyxia i. hglikemi i. th_ab i. RDS i. sepsis Logistic regression Number of obs = 627 LR chi2(8) = 128.54 Prob > chi2 = 0.0000 Log likelihood = -171.23565 Pseudo R2 = 0.2729 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.472834 .4128733 1.38 0.167 .8502368 2.551335 1.ref_stts | 2.000504 .7019215 1.98 0.048 1.005718 3.979262 1.maturity | 3.489228 1.435623 3.04 0.002 1.557784 7.815404 1.asphyxia | 3.472007 1.044469 4.14 0.000 1.925383 6.261004 1.hglikemi | .3259128 .249261 -1.47 0.143 .0727939 1.459177 1.th_ab | .1043281 .0649183 -3.63 0.000 .0308134 .3532342 1.RDS | 3.481295 1.535665 2.83 0.005 1.466425 8.264603 1.sepsis | 8.512308 10.75157 1.70 0.090 .7160241 101.1968 _cons | .0369851 .0176052 -6.93 0.000 .0145495 .0940166 ------------------------------------------------------------------------------ . logistic outcome i. ref_stts i. maturity i. asphyxia i. hglikemi i. th_ab i. RDS i. sepsis Logistic regression Number of obs = 627 LR chi2(7) = 126.61 Prob > chi2 = 0.0000 Log likelihood = -172.19983 Pseudo R2 = 0.2688 ------------------------------------------------------------------------------
outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.ref_stts | 1.967198 .6878428 1.94 0.053 .9913341 3.903695 1.maturity | 3.481621 1.426925 3.04 0.002 1.559268 7.77396 1.asphyxia | 3.423883 1.026065 4.11 0.000 1.90297 6.160356 1.hglikemi | .3236501 .2481631 -1.47 0.141 .0720121 1.454608 1.th_ab | .099311 .0616224 -3.72 0.000 .0294325 .3350943 1.RDS | 3.615233 1.587889 2.93 0.003 1.528517 8.550716 1.sepsis | 10.07779 12.67063 1.84 0.066 .8573643 118.4583 _cons | .0463266 .0203729 -6.99 0.000 .0195659 .1096884 ------------------------------------------------------------------------------ .logistic outcome i. ref_stts i. maturity i. asphyxia i. th_ab i. RDS i. sepsis Logistic regression Number of obs = 627 LR chi2(6) = 123.79 Prob > chi2 = 0.0000 Log likelihood = -173.61023 Pseudo R2 = 0.2628 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.ref_stts | 1.96015 .6818305 1.93 0.053 .9912929 3.875934 1.maturity | 3.407721 1.390943 3.00 0.003 1.531178 7.58407 1.asphyxia | 3.439401 1.02422 4.15 0.000 1.918683 6.165415 1.th_ab | .0951712 .0588454 -3.80 0.000 .0283268 .3197516 1.RDS | 3.834316 1.675829 3.08 0.002 1.628025 9.030562 1.sepsis | 10.76631 13.52962 1.89 0.059 .9170506 126.398 _cons | .0443487 .0193744 -7.13 0.000 .0188374 .1044098 ------------------------------------------------------------------------------ . logistic outcome i. ref_stts i. maturity i. asphyxia i. th_ab i. RDS Logistic regression Number of obs = 627 LR chi2(5) = 120.03 Prob > chi2 = 0.0000 Log likelihood = -175.48761 Pseudo R2 = 0.2548 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.ref_stts | 1.952454 .6718473 1.94 0.052 .99467 3.832505 1.maturity | 3.500274 1.423705 3.08 0.002 1.577188 7.768204 1.asphyxia | 3.234523 .9491785 4.00 0.000 1.819798 5.749067 1.th_ab | .0909771 .0561442 -3.88 0.000 .0271416 .3049506 1.RDS | 3.63983 1.581269 2.97 0.003 1.553422 8.528501 _cons | .0463064 .0200604 -7.09 0.000 .0198103 .1082406 ------------------------------------------------------------------------------ . logistic outcome i. maturity i. asphyxia i. th_ab i. RDS Logistic regression Number of obs = 629 LR chi2(4) = 116.84 Prob > chi2 = 0.0000 Log likelihood = -177.35052 Pseudo R2 = 0.2478 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.maturity | 3.623145 1.469797 3.17 0.002 1.635987 8.024014 1.asphyxia | 2.771178 .7662536 3.69 0.000 1.611759 4.764625 1.th_ab | .0776373 .0474197 -4.18 0.000 .0234514 .2570225 1.RDS | 3.812214 1.628095 3.13 0.002 1.650638 8.804459 _cons | .0556644 .0232192 -6.92 0.000 .0245763 .1260776 ----------------------------------------------------------------------------
ANALISIS PADA BBSLR Analisis Univariat . sum b_weight if b_weight<1500, detail b_weight Percentiles Smallest 1% 500 500 5% 650 500 10% 750 500 Obs 90 25% 900 600 Sum of Wgt. 90 50% 1175 Mean 1106.667 Largest Std. Dev. 253.3151 75% 1300 1450 90% 1400 1450 Variance 64168.54 95% 1400 1450 Skewness -.5960538 99% 1450 1450 Kurtosis 2.446658 . sum b_weight if b_weight<1500 Variable | Obs Mean Std. Dev. Min Max -------------+-------------------------------------------------------- b_weight | 90 1106.667 253.3151 500 1450 . tab residen1 outcome if w_group8==1, row | Outcome Residence | No death Death | Total ----------------------+----------------------+---------- Plain area | 29 27 | 56 | 51.79 48.21 | 100.00 ----------------------+----------------------+---------- Difficult to access a | 9 25 | 34 | 26.47 73.53 | 100.00 ----------------------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab sex outcome if b_weight<1500, row | Outcome Sex | No death Death | Total -----------+----------------------+---------- Female | 21 18 | 39 | 53.85 46.15 | 100.00 -----------+----------------------+---------- Male | 17 34 | 51 | 33.33 66.67 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab adm_time outcome if b_weight<1500, row Hospital admission | Outcome time | No death Death | Total ----------------------+----------------------+---------- After CEmOC developed | 19 36 | 55 | 34.55 65.45 | 100.00 ----------------------+----------------------+---------- Before CEmOC develpoe | 19 16 | 35 | 54.29 45.71 | 100.00 ----------------------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab ref_stts outcome if b_weight<1500, row Referral | Outcome status | No death Death | Total -------------+----------------------+---------- Non referral | 33 38 | 71 | 46.48 53.52 | 100.00 -------------+----------------------+---------- Referral | 5 14 | 19
| 26.32 73.68 | 100.00 Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab mode_dlvr2 outcome if b_weight<1500, row Mode of | Outcome delivery | No death Death | Total -----------+----------------------+---------- Vaginal | 31 42 | 73 | 42.47 57.53 | 100.00 -----------+----------------------+---------- C-section | 7 10 | 17 | 41.18 58.82 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab maturity outcome if b_weight<1500, row | Outcome Maturity | No death Death | Total -----------+----------------------+---------- At term | 2 2 | 4 | 50.00 50.00 | 100.00 -----------+----------------------+---------- Preterm | 35 50 | 85 | 41.18 58.82 | 100.00 -----------+----------------------+---------- Total | 37 52 | 89 | 41.57 58.43 | 100.00 . by outcome, sort: sum weight_50 if b_weight<1500, detail ------------------------------------------------------------ -> outcome = No death weight_50 ------------------------------------------------------------- Percentiles Smallest 1% 18 18 5% 20 20 10% 20 20 Obs 38 25% 23 20 Sum of Wgt. 38 50% 26 Mean 25.26316 Largest Std. Dev. 3.13381 75% 28 29 90% 29 29 Variance 9.820768 95% 29 29 Skewness -.743618 99% 29 29 Kurtosis 2.349123 ------------------------------------------------------------ -> outcome = Death weight_50 ------------------------------------------------------------- Percentiles Smallest 1% 10 10 5% 10 10 10% 13 10 Obs 52 25% 16 12 Sum of Wgt. 52 50% 20 Mean 19.84615 Largest Std. Dev. 5.003468 75% 24 26 90% 26 28 Variance 25.03469 95% 28 28 Skewness -.1926062 99% 28 28 Kurtosis 2.121762 . tab asphyxia outcome if b_weight<1500, row | Outcome Asphyxia | No death Death | Total -----------+----------------------+---------- No | 20 25 | 45 | 44.44 55.56 | 100.00 -----------+----------------------+---------- Yes | 18 27 | 45 | 40.00 60.00 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90
| 42.22 57.78 | 100.00 . tab RDS outcome if b_weight<1500, row | Outcome RDS | No death Death | Total -----------+----------------------+---------- No | 36 44 | 80 | 45.00 55.00 | 100.00 -----------+----------------------+---------- Yes | 2 8 | 10 | 20.00 80.00 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab sepsis outcome if b_weight<1500, row | Outcome sepsis | No death Death | Total -----------+----------------------+---------- 0 | 37 51 | 88 | 42.05 57.95 | 100.00 -----------+----------------------+---------- 1 | 1 1 | 2 | 50.00 50.00 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab hglikemi outcome if b_weight<1500, row Hipoglikem | Outcome ia | No death Death | Total -----------+----------------------+---------- Tidak | 36 52 | 88 | 40.91 59.09 | 100.00 -----------+----------------------+---------- Ya | 2 0 | 2 | 100.00 0.00 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab hipotermi outcome if b_weight<1500, row | Outcome Hipotermia | No death Death | Total -----------+----------------------+---------- Tidak | 35 49 | 84 | 41.67 58.33 | 100.00 -----------+----------------------+---------- Ya | 3 3 | 6 | 50.00 50.00 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab h_bilirbn outcome if b_weight<1500, row | Outcome H_bilirbn | No death Death | Total -----------+----------------------+---------- 0 | 37 52 | 89 | 41.57 58.43 | 100.00 -----------+----------------------+---------- 1 | 1 0 | 1 | 100.00 0.00 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab feeding outcome if b_weight<1500, row Masalah | pemberian | Outcome minum | No death Death | Total
-----------+----------------------+---------- Tidak | 25 41 | 66 | 37.88 62.12 | 100.00 -----------+----------------------+---------- Ya | 13 11 | 24 | 54.17 45.83 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00 . tab th_ab outcome if b_weight<1500, row Antibiotic | Outcome therapy | No death Death | Total -----------+----------------------+---------- Yes | 37 50 | 87 | 42.53 57.47 | 100.00 -----------+----------------------+---------- No | 1 2 | 3 | 33.33 66.67 | 100.00 -----------+----------------------+---------- Total | 38 52 | 90 | 42.22 57.78 | 100.00
Analisis Bivariat . logistic outcome i. residen1 if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 5.72 Prob > chi2 = 0.0168 Log likelihood = -58.429861 Pseudo R2 = 0.0467 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.residen1 | 2.983539 1.407746 2.32 0.021 1.183321 7.522474 _cons | .9310345 .2489883 -0.27 0.789 .551223 1.572549 ------------------------------------------------------------------------------ . logistic outcome i. sex if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 3.82 Prob > chi2 = 0.0506 Log likelihood = -59.379464 Pseudo R2 = 0.0312 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 2.333333 1.020843 1.94 0.053 .9898572 5.500232 _cons | .8571429 .2753212 -0.48 0.631 .4567099 1.608666 ------------------------------------------------------------------------------ . logistic outcome i. payment2 if b_weight<1500 Logistic regression Number of obs = 89 LR chi2(1) = 0.58 Prob > chi2 = 0.4452 Log likelihood = -60.128636 Pseudo R2 = 0.0048 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.payment2 | .6995885 .3296275 -0.76 0.448 .27783 1.761595 _cons | 1.8 .7099296 1.49 0.136 .8309102 3.899338 ------------------------------------------------------------------------------ . logistic outcome i. adm_time if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 3.41 Prob > chi2 = 0.0647 Log likelihood = -59.583725 Pseudo R2 = 0.0278 ------------------------------------------------------------------------------
outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .4444444 .1965334 -1.83 0.067 .1868169 1.05735 _cons | 1.894737 .5372819 2.25 0.024 1.08687 3.303089 ------------------------------------------------------------------------------ . logistic outcome i. ref_stts if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 2.60 Prob > chi2 = 0.1066 Log likelihood = -59.987596 Pseudo R2 = 0.0212 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.ref_stts | 2.431579 1.392697 1.55 0.121 .7913327 7.471669 _cons | 1.151515 .2739997 0.59 0.553 .7223185 1.835738 ------------------------------------------------------------------------------ . logistic outcome i. mode_dlvr2 if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 0.01 Prob > chi2 = 0.9227 Log likelihood = -61.285217 Pseudo R2 = 0.0001 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.mode_dlvr2 | 1.054422 .5764947 0.10 0.923 .3611007 3.078934 _cons | 1.354839 .3208068 1.28 0.200 .8517949 2.154965 ------------------------------------------------------------------------------ . logistic outcome i. maturity if b_weight<1500 Logistic regression Number of obs = 89 LR chi2(1) = 0.12 Prob > chi2 = 0.7282 Log likelihood = -60.359613 Pseudo R2 = 0.0010 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.maturity | 1.428571 1.462854 0.35 0.728 .1919877 10.62993 _cons | 1 1 -0.00 1.000 .1408635 7.099071 ------------------------------------------------------------------------------ . logistic outcome weight_50 if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 30.44 Prob > chi2 = 0.0000 Log likelihood = -46.069608 Pseudo R2 = 0.2483 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- weight_50 | .7353184 .0513289 -4.40 0.000 .6412942 .843128 _cons | 1582.429 2646.062 4.41 0.000 59.70154 41943.32 ------------------------------------------------------------------------------ . logistic outcome i. asphyxia if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 0.18 Prob > chi2 = 0.6694 Log likelihood = -61.198796 Pseudo R2 = 0.0015 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.asphyxia | 1.2 .5127702 0.43 0.670 .5193445 2.772726 _cons | 1.25 .375 0.74 0.457 .6943038 2.250456 ------------------------------------------------------------------------------ . logistic outcome i. RDS if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 2.47 Prob > chi2 = 0.1161 Log likelihood = -60.055129 Pseudo R2 = 0.0201
------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.RDS | 3.272727 2.689825 1.44 0.149 .6536041 16.3872 _cons | 1.222222 .274674 0.89 0.372 .7867864 1.898644 ------------------------------------------------------------------------------ . logistic outcome i. sepsis if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 0.05 Prob > chi2 = 0.8229 Log likelihood = -61.264864 Pseudo R2 = 0.0004 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sepsis | .7254902 1.037891 -0.22 0.823 .0439437 11.97749 _cons | 1.378378 .2976623 1.49 0.137 .9027148 2.104681 ------------------------------------------------------------------------------ . logistic outcome i. hglikemi if b_weight<1500 Logistic regression Number of obs = 88 LR chi2(0) = 0.00 Prob > chi2 = . Log likelihood = -59.534285 Pseudo R2 = 0.0000 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.hglikemi | 1 (empty) _cons | 1.444444 .3131766 1.70 0.090 .9443826 2.209295 ------------------------------------------------------------------------------ . logistic outcome i. hipotermi if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 0.16 Prob > chi2 = 0.6914 Log likelihood = -61.211117 Pseudo R2 = 0.0013 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.hipotermi | .7142857 .6042563 -0.40 0.691 .1360788 3.749328 _cons | 1.4 .3098387 1.52 0.128 .9072893 2.160281 ------------------------------------------------------------------------------ . logistic outcome i. feeding if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 1.90 Prob > chi2 = 0.1683 Log likelihood = -60.340965 Pseudo R2 = 0.0155 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.feeding | .5159475 .2486323 -1.37 0.170 .2006393 1.326768 _cons | 1.64 .4161538 1.95 0.051 .9973543 2.696735 ------------------------------------------------------------------------------ . logistic outcome i. th_ab if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(1) = 0.10 Prob > chi2 = 0.7483 Log likelihood = -61.238436 Pseudo R2 = 0.0008 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.th_ab | 1.48 1.840817 0.32 0.753 .1292829 16.94269 _cons | 1.351351 .2930502 1.39 0.165 .8834442 2.067081 ------------------------------------------------------------------------------
Uji Multikolinearitas . cor residen sex adm_time ref_stts weight_50 RDS feeding if b_weight<1500 (obs=90) | residen sex adm_time ref_stts weigh~50 RDS feeding -------------+--------------------------------------------------------------- residen | 1.0000 sex | -0.1511 1.0000 adm_time | 0.0836 -0.1303 1.0000 ref_stts | 0.4393 0.0128 -0.1334 1.0000 weight_50 | -0.0525 -0.0703 0.0241 0.0187 1.0000 RDS | 0.0162 -0.0476 -0.1370 -0.0096 -0.0234 1.0000 feeding | -0.0553 0.0203 0.3436 -0.0657 -0.0010 -0.0533 1.0000
Analisis Multivariat . logistic outcome i. residen1 i. sex i. adm_time i. ref_stts weight_50 i. RDS i. feeding if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(7) = 49.92 Prob > chi2 = 0.0000 Log likelihood = -36.327852 Pseudo R2 = 0.4073 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.residen1 | 7.007548 5.37249 2.54 0.011 1.559458 31.48896 1.sex | 4.264733 2.823976 2.19 0.028 1.164802 15.61463 1.adm_time | .5152257 .3607401 -0.95 0.344 .1306233 2.032237 1.ref_stts | 1.350709 1.108183 0.37 0.714 .2705188 6.744135 weight_50 | .7024678 .0577729 -4.29 0.000 .5978899 .8253375 1.RDS | 5.273925 5.66298 1.55 0.121 .6428942 43.26416 1.feeding | .4668254 .3402885 -1.05 0.296 .1118609 1.948187 _cons | 1307.286 2486.56 3.77 0.000 31.42814 54377.9 ------------------------------------------------------------------------------ . logistic outcome i. residen1 i. sex i. adm_time weight_50 i. RDS i. feeding if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(6) = 49.79 Prob > chi2 = 0.0000 Log likelihood = -36.395305 Pseudo R2 = 0.4062 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.residen1 | 7.789907 5.538302 2.89 0.004 1.933585 31.3835 1.sex | 4.221011 2.777239 2.19 0.029 1.162421 15.32744 1.adm_time | .4933551 .3414501 -1.02 0.307 .1270705 1.915466 weight_50 | .7027377 .0577672 -4.29 0.000 .5981662 .8255903 1.RDS | 5.367363 5.823701 1.55 0.121 .640014 45.01243 1.feeding | .4739384 .3461349 -1.02 0.307 .1132551 1.98329 _cons | 1346.851 2563.954 3.79 0.000 32.27873 56198.25 ------------------------------------------------------------------------------ . logistic outcome i. residen1 i. sex i. adm_time weight_50 i. RDS if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(5) = 48.71 Prob > chi2 = 0.0000 Log likelihood = -36.932979 Pseudo R2 = 0.3974 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.residen1 | 7.87688 5.51 2.95 0.003 1.999519 31.03009 1.sex | 3.821623 2.410521 2.13 0.034 1.110057 13.1568 1.adm_time | .36737 .2325617 -1.58 0.114 .1062319 1.270435
weight_50 | .7051575 .0578352 -4.26 0.000 .6004444 .8281317 1.RDS | 4.441455 4.497466 1.47 0.141 .6103644 32.31925 _cons | 1209.734 2297.955 3.74 0.000 29.22716 50071.78 ------------------------------------------------------------------------------ . logistic outcome i. residen1 i. sex i. adm_time weight_50 if b_weight<1500 Logistic regression Number of obs = 90 LR chi2(4) = 46.25 Prob > chi2 = 0.0000 Log likelihood = -38.162821 Pseudo R2 = 0.3773 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.residen1 | 6.73825 4.463902 2.88 0.004 1.839289 24.68563 1.sex | 3.443141 2.089504 2.04 0.042 1.048081 11.31136 1.adm_time | .3023012 .1837378 -1.97 0.049 .0918506 .994942 weight_50 | .7089851 .0573729 -4.25 0.000 .6050004 .8308423 _cons | 1523.273 2902.96 3.85 0.000 36.35883 63818.34 ------------------------------------------------------------------------------
ANALISIS PADA BBLR PRETERM BERAT LAHIR 1000 - <2000 GRAM Analisis Univariat . tab residen outcome if maturity==1 & b_weight>999 & b_weight<2000, row Outcome Residence | No death Death | Total ----------------------+----------------------+---------- Plain area | 82 25 | 107 | 76.64 23.36 | 100.00 ----------------------+----------------------+---------- Difficult to access a | 49 16 | 65 | 75.38 24.62 | 100.00 ----------------------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab sex outcome if maturity==1 & b_weight>999 & b_weight<2000, row | Outcome Sex | No death Death | Total -----------+----------------------+---------- Female | 63 18 | 81 | 77.78 22.22 | 100.00 -----------+----------------------+---------- Male | 68 23 | 91 | 74.73 25.27 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab adm_time outcome if maturity==1 & b_weight>999 & b_weight<2000, row Hospital admission | Outcome time | No death Death | Total ----------------------+----------------------+---------- After CEmOC developed | 68 31 | 99 | 68.69 31.31 | 100.00 ----------------------+----------------------+---------- Before CEmOC develpoe | 63 10 | 73 | 86.30 13.70 | 100.00 ----------------------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab ref_stts outcome if maturity==1 & b_weight>999 & b_weight<2000, row Referral | Outcome status | No death Death | Total -------------+----------------------+----------
Non referral | 107 27 | 134 | 79.85 20.15 | 100.00 -------------+----------------------+---------- Referral | 24 14 | 38 | 63.16 36.84 | 100.00 -------------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab mode_dlvr2 outcome if maturity==1 & b_weight>999 & b_weight<2000, row Mode of | Outcome delivery | No death Death | Total -----------+----------------------+---------- Vaginal | 100 32 | 132 | 75.76 24.24 | 100.00 -----------+----------------------+---------- C-section | 31 9 | 40 | 77.50 22.50 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . sum weight_50 if maturity==1 & b_weight>999 & b_weight<2000, detail weight_50 ------------------------------------------------------------- Percentiles Smallest 1% 20 20 5% 21 20 10% 24 20 Obs 172 25% 26.5 20 Sum of Wgt. 172 50% 32 Mean 31.22093 Largest Std. Dev. 5.413652 75% 36 38 90% 38 38 Variance 29.30763 95% 38 38 Skewness -.4734383 99% 38 39 Kurtosis 2.091776 . by outcome, sort: sum weight_50 if maturity==1 & b_weight>999 & b_weight<2000, detail ------------------------------------------------------------------------- -> outcome = No death weight_50 ------------------------------------------------------------- Percentiles Smallest 1% 20 20 5% 23 20 10% 26 20 Obs 131 25% 29 21 Sum of Wgt. 131 50% 34 Mean 32.35115 Largest Std. Dev. 4.834052 75% 36 38 90% 38 38 Variance 23.36806 95% 38 38 Skewness -.7028423 99% 38 39 Kurtosis 2.607507 -> outcome = Death weight_50 ------------------------------------------------------------- Percentiles Smallest 1% 20 20 5% 20 20 10% 20 20 Obs 41 25% 24 20 Sum of Wgt. 41 50% 26 Mean 27.60976 Largest Std. Dev. 5.638608 75% 32 36 90% 36 38 Variance 31.7939 95% 38 38 Skewness .3802546 99% 38 38 Kurtosis 1.956282 . tab asphyxia outcome if maturity==1 & b_weight>999 & b_weight<2000, row | Outcome Asphyxia | No death Death | Total
-----------+----------------------+---------- No | 93 25 | 118 | 78.81 21.19 | 100.00 -----------+----------------------+---------- Yes | 38 16 | 54 | 70.37 29.63 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab RDS outcome if maturity==1 & b_weight>999 & b_weight<2000, row Outcome RDS | No death Death | Total -----------+----------------------+---------- No | 122 32 | 154 | 79.22 20.78 | 100.00 -----------+----------------------+---------- Yes | 9 9 | 18 | 50.00 50.00 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab sepsis outcome if maturity==1 & b_weight>999 & b_weight<2000, row Outcome sepsis | No death Death | Total -----------+----------------------+---------- 0 | 130 40 | 170 | 76.47 23.53 | 100.00 -----------+----------------------+---------- 1 | 1 1 | 2 | 50.00 50.00 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab hglikemi outcome if maturity==1 & b_weight>999 & b_weight<2000, row Hipoglikem | Outcome ia | No death Death | Total -----------+----------------------+---------- Tidak | 116 40 | 156 | 74.36 25.64 | 100.00 -----------+----------------------+---------- Ya | 15 1 | 16 | 93.75 6.25 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab hipotermi outcome if maturity==1 & b_weight>999 & b_weight<2000, row Outcome Hipotermia | No death Death | Total -----------+----------------------+---------- Tidak | 118 39 | 157 | 75.16 24.84 | 100.00 -----------+----------------------+---------- Ya | 13 2 | 15 | 86.67 13.33 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab h_bilirbn outcome if maturity==1 & b_weight>999 & b_weight<2000, row | Outcome H_bilirbn | No death Death | Total -----------+----------------------+---------- 0 | 127 41 | 168 | 75.60 24.40 | 100.00 -----------+----------------------+---------- 1 | 4 0 | 4 | 100.00 0.00 | 100.00
-----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab feeding outcome if maturity==1 & b_weight>999 & b_weight<2000, row Masalah | pemberian | Outcome minum | No death Death | Total -----------+----------------------+---------- Tidak | 105 37 | 142 | 73.94 26.06 | 100.00 -----------+----------------------+---------- Ya | 26 4 | 30 | 86.67 13.33 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab th_ab outcome if maturity==1 & b_weight>999 & b_weight<2000, row Antibiotic | Outcome therapy | No death Death | Total -----------+----------------------+---------- Yes | 110 39 | 149 | 73.83 26.17 | 100.00 -----------+----------------------+---------- No | 21 2 | 23 | 91.30 8.70 | 100.00 -----------+----------------------+---------- Total | 131 41 | 172 | 76.16 23.84 | 100.00
Analisis Bivariat . logistic outcome residen1 if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 0.03 Prob > chi2 = 0.8521 Log likelihood = -94.44437 Pseudo R2 = 0.0002 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- residen1 | 1.07102 .3936685 0.19 0.852 .5211068 2.201247 _cons | .3048781 .0696532 -5.20 0.000 .1948312 .4770829 ------------------------------------------------------------------------------ . logistic outcome sex if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 0.22 Prob > chi2 = 0.6387 Log likelihood = -94.351526 Pseudo R2 = 0.0012 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- sex | 1.183824 .4261974 0.47 0.639 .5845738 2.397367 _cons | .2857143 .0763604 -4.69 0.000 .169215 .4824198 ------------------------------------------------------------------------------ . logistic outcome i. sex if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 0.22 Prob > chi2 = 0.6387 Log likelihood = -94.351526 Pseudo R2 = 0.0012 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sex | 1.183824 .4261974 0.47 0.639 .5845738 2.397367 _cons | .2857143 .0763604 -4.69 0.000 .169215 .4824198
------------------------------------------------------------------------------ . logistic outcome i. payment2 if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 168 LR chi2(1) = 0.01 Prob > chi2 = 0.9211 Log likelihood = -92.205996 Pseudo R2 = 0.0001 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.payment2 | 1.042105 .4348997 0.10 0.921 .459919 2.361249 _cons | .3030303 .1093864 -3.31 0.001 .1493563 .6148209 ------------------------------------------------------------------------------ . logistic outcome i. adm_time if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 7.53 Prob > chi2 = 0.0061 Log likelihood = -90.696938 Pseudo R2 = 0.0399 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .3481823 .1405022 -2.61 0.009 .1578777 .7678786 _cons | .4558824 .098795 -3.62 0.000 .2981175 .6971369 ------------------------------------------------------------------------------ . logistic outcome i. ref_stts if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 4.25 Prob > chi2 = 0.0393 Log likelihood = -92.338432 Pseudo R2 = 0.0225 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.ref_stts | 2.311729 .923182 2.10 0.036 1.056847 5.056636 _cons | .2523364 .0543449 -6.39 0.000 .1654472 .384858 ------------------------------------------------------------------------------ . logistic outcome i. mode_dlvr2 if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 0.05 Prob > chi2 = 0.8199 Log likelihood = -94.43584 Pseudo R2 = 0.0003 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.mode_dlvr2 | .9072586 .3898248 -0.23 0.821 .3908342 2.106055 _cons | .32 .0649923 -5.61 0.000 .2149167 .4764637 ------------------------------------------------------------------------------ . logistic outcome weight_50 if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 24.04 Prob > chi2 = 0.0000 Log likelihood = -82.442155 Pseudo R2 = 0.1272 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- weight_50 | .8451575 .0311095 -4.57 0.000 .7863315 .9083842 _cons | 49.07875 53.30836 3.58 0.000 5.838961 412.5262 ------------------------------------------------------------------------------ . logistic outcome i. asphyxia if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 1.42 Prob > chi2 = 0.2337 Log likelihood = -93.752582 Pseudo R2 = 0.0075 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.asphyxia | 1.566316 .5851578 1.20 0.230 .7531476 3.257456
_cons | .2688172 .0605601 -5.83 0.000 .1728603 .4180409 ------------------------------------------------------------------------------ . logistic outcome i. RDS if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 6.58 Prob > chi2 = 0.0103 Log likelihood = -91.173234 Pseudo R2 = 0.0348 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.RDS | 3.8125 1.950231 2.62 0.009 1.39891 10.39035 _cons | .2622951 .0520949 -6.74 0.000 .177718 .387123 ------------------------------------------------------------------------------ . logistic outcome i. sepsis if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 0.65 Prob > chi2 = 0.4206 Log likelihood = -94.137372 Pseudo R2 = 0.0034 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.sepsis | 3.25 4.633607 0.83 0.408 .1987485 53.14505 _cons | .3076923 .0556339 -6.52 0.000 .2158792 .4385534 ------------------------------------------------------------------------------ . logistic outcome i. hglikemi if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 3.83 Prob > chi2 = 0.0503 Log likelihood = -92.546563 Pseudo R2 = 0.0203 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.hglikemi | .1933333 .2027962 -1.57 0.117 .0247424 1.510675 _cons | .3448276 .0632274 -5.81 0.000 .2407277 .4939442 ------------------------------------------------------------------------------ . logistic outcome i. hipotermi if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 1.12 Prob > chi2 = 0.2896 Log likelihood = -93.901019 Pseudo R2 = 0.0059 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.hipotermi | .4654835 .3638636 -0.98 0.328 .100584 2.154168 _cons | .3305085 .0610463 -5.99 0.000 .2301241 .4746823 ------------------------------------------------------------------------------ . logistic outcome i. h_bilirbn if maturity==1 & b_weight>999 & b_weight<2000 note: 0.h_bilirbn != 1 predicts failure perfectly 0.h_bilirbn dropped and 4 obs not used note: 1.h_bilirbn omitted because of collinearity Logistic regression Number of obs = 168 LR chi2(0) = -0.00 Prob > chi2 = . Log likelihood = -93.357734 Pseudo R2 = -0.0000 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.h_bilirbn | 1 (empty) _cons | .3228346 .0579884 -6.29 0.000 .227031 .459066 ------------------------------------------------------------------------------ . logistic outcome i. feeding if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 2.45 Prob > chi2 = 0.1177 Log likelihood = -93.237877 Pseudo R2 = 0.0130
------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.feeding | .4365907 .2488997 -1.45 0.146 .1428255 1.334576 _cons | .352381 .0673692 -5.46 0.000 .2422576 .5125632 ------------------------------------------------------------------------------ . logistic outcome i. th_ab if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(1) = 4.02 Prob > chi2 = 0.0449 Log likelihood = -92.451357 Pseudo R2 = 0.0213 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.th_ab | .2686203 .2049893 -1.72 0.085 .0601964 1.19869 _cons | .3545455 .0660749 -5.56 0.000 .2460581 .510865 ------------------------------------------------------------------------------
Uji Multikolinearitas . cor adm_time ref_stts weight_50 RDS hglikemi feeding th_ab if maturity==1 & b_weight>999 & b_weight<2000(obs=172) | adm_time ref_stts weigh~50 RDS hglikemi feeding th_ab -------------+--------------------------------------------------------------- adm_time | 1.0000 ref_stts | 0.0814 1.0000 weight_50 | 0.0237 -0.0737 1.0000 RDS | -0.1399 0.1384 -0.1160 1.0000 hglikemi | 0.1300 -0.0741 0.1500 -0.1095 1.0000 feeding | 0.2563 -0.0232 -0.2033 -0.0070 -0.0417 1.0000 th_ab | 0.0428 -0.0857 0.2308 -0.0785 0.1682 -0.1806 1.0000
Analisis Multivariat . logistic outcome i. adm_time i. ref_stts weight_50 i. RDS i. hglikemi i. feeding i. th_ab if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(7) = 44.16 Prob > chi2 = 0.0000 Log likelihood = -72.383687 Pseudo R2 = 0.2337 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .4320163 .2001703 -1.81 0.070 .1742227 1.071262 1.ref_stts | 2.374543 1.119752 1.83 0.067 .9422869 5.9838 weight_50 | .8342926 .0351368 -4.30 0.000 .7681914 .9060817 1.RDS | 2.501853 1.491895 1.54 0.124 .7774574 8.050944 1.hglikemi | .511865 .56605 -0.61 0.545 .0585932 4.471605 1.feeding | .2520601 .1677167 -2.07 0.038 .0684114 .9287096 1.th_ab | .545365 .447048 -0.74 0.460 .1093801 2.71917 _cons | 94.39861 119.7716 3.58 0.000 7.85188 1134.9 ------------------------------------------------------------------------------ . logistic outcome i. adm_time i. ref_stts weight_50 i. RDS i. feeding i. th_ab if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(6) = 43.73 Prob > chi2 = 0.0000 Log likelihood = -72.595251 Pseudo R2 = 0.2315 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .422651 .1953149 -1.86 0.062 .1708542 1.045534 1.ref_stts | 2.428129 1.141935 1.89 0.059 .9659543 6.10361 weight_50 | .8317516 .0349358 -4.39 0.000 .7660215 .9031219 1.RDS | 2.58159 1.541487 1.59 0.112 .8009922 8.320438 1.feeding | .2499201 .1663685 -2.08 0.037 .0677903 .9213712 1.th_ab | .5129331 .4169767 -0.82 0.412 .104255 2.523624
_cons | 100.1222 126.9979 3.63 0.000 8.333772 1202.871 ------------------------------------------------------------------------------ . logistic outcome i. adm_time i. ref_stts weight_50 i. RDS i. feeding if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(5) = 42.98 Prob > chi2 = 0.0000 Log likelihood = -72.974096 Pseudo R2 = 0.2275 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .4075851 .1878866 -1.95 0.052 .1651337 1.006007 1.ref_stts | 2.49549 1.168302 1.95 0.051 .9969023 6.246821 weight_50 | .8266294 .0343151 -4.59 0.000 .7620364 .8966975 1.RDS | 2.650466 1.576701 1.64 0.101 .8259657 8.505159 1.feeding | .2618384 .1746312 -2.01 0.045 .0708485 .9676891 _cons | 112.392 141.9699 3.74 0.000 9.452042 1336.427 ------------------------------------------------------------------------------ . logistic outcome i. adm_time i. ref_stts weight_50 i. feeding if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(4) = 40.33 Prob > chi2 = 0.0000 Log likelihood = -74.295921 Pseudo R2 = 0.2135 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .3605993 .1640226 -2.24 0.025 .1478585 .8794344 1.ref_stts | 2.710519 1.260234 2.14 0.032 1.089665 6.742359 weight_50 | .8257589 .0336687 -4.70 0.000 .7623373 .8944569 1.feeding | .2842281 .1853152 -1.93 0.054 .0791932 1.020107 _cons | 133.7161 166.1977 3.94 0.000 11.70072 1528.11 ------------------------------------------------------------------------------ . logistic outcome i. adm_time i. ref_stts weight_50 if maturity==1 & b_weight>999 & b_weight<2000 Logistic regression Number of obs = 172 LR chi2(3) = 36.07 Prob > chi2 = 0.0000 Log likelihood = -76.427588 Pseudo R2 = 0.1909 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .2956677 .1310173 -2.75 0.006 .1240556 .7046791 1.ref_stts | 2.626508 1.203133 2.11 0.035 1.070203 6.446017 weight_50 | .8427616 .0322603 -4.47 0.000 .7818463 .908423 _cons | 64.88094 74.7978 3.62 0.000 6.773481 621.4731 Sensitiity Analysis Hubungan periode MRS dengan Kematian BBLR pada berat badan lahir tertentu . logistic outcome i. adm_time if b_weight>1800 Logistic regression Number of obs = 446 LR chi2(1) = 0.00 Prob > chi2 = 0.9793 Log likelihood = -58.768137 Pseudo R2 = 0.0000 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | 1.015152 .5873789 0.03 0.979 .3265994 3.155342 _cons | .0298507 .0107102 -9.79 0.000 .0147758 .0603058 ------------------------------------------------------------------------------ . logistic outcome i. adm_time if b_weight<1800 Logistic regression Number of obs = 155 LR chi2(1) = 4.35
Prob > chi2 = 0.0370 Log likelihood = -102.14255 Pseudo R2 = 0.0208 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .4920719 .1697633 -2.06 0.040 .2502457 .9675878 _cons | .877551 .1833724 -0.63 0.532 .5826475 1.321718 ------------------------------------------------------------------------------ . logistic outcome i. adm_time if b_weight<1807 Logistic regression Number of obs = 198 LR chi2(1) = 4.28 Prob > chi2 = 0.0386 Log likelihood = -123.89013 Pseudo R2 = 0.0170 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | .5217391 .1668706 -2.03 0.042 .2787462 .9765575 _cons | .6388889 .1205927 -2.37 0.018 .4413242 .924896 ------------------------------------------------------------------------------ . logistic outcome i. adm_time if b_weight>1807 Logistic regression Number of obs = 446 LR chi2(1) = 0.00 Prob > chi2 = 0.9793 Log likelihood = -58.768137 Pseudo R2 = 0.0000 ------------------------------------------------------------------------------ outcome | Odds Ratio Std. Err. z P>|z| [95% Conf. Interval] -------------+---------------------------------------------------------------- 1.adm_time | 1.015152 .5873789 0.03 0.979 .3265994 3.155342 _cons | .0298507 .0107102 -9.79 0.000 .0147758 .0603058 ------------------------------------------------------------------------------