determinant of mortality among low birth weight (lbw)

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



I KETUT DUARA NIM 1392161027

PROGRAM MAGISTER PROGRAM STUDI ILMU KESEHATAN MASYARAKAT

PROGRAM PASCASARJANA UNIVERSITAS UDAYANA

DENPASAR 2015



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


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


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


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


pernah)

Nominal

0=ya/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


pernah)

Nominal

0=ya/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


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


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


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


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


Tabel

ekstraksi

data

Interval

(0, 1, 2, 3 sampai dengan

10)

Interval


10)

41


Apgar score

menit 5

Penilaian klinis bayi dengan tabel apgar score

dalam 5 menit pertama sejak lahir ( CM 02


Tabel

ekstraksi

data

Interval


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


Hematokrit

Jumlah/kadar hematokrit yang tercantum


darah yang pertama sejak lahir (kolom P-44d


Tabel

ekstraksi

data

Interval

(kadar hematokrit dalam

%)

Interval

(kadar hematokrit dalam

%)

Trombosit

Jumlah/kadar trombosit yang tercantum


darah yang pertama sejak lahir (kolom P-44e


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


Bilirubin

direk

Kadar bilirubin direk yang tercantum dalam


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


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


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


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


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&notab=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].

http://www.pubmedcentral.nih.gov/%20articlerender.fcgi?artid



http://www/

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.

http://www.ncbi.nlm.nih/

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].

http://data.unicef.org/child-survival/neonatal

http://data.unicef.org/

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

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 ------------------------------------------------------------------------------

determinant of mortality among low birth weight (lbw)

Documents