Ilmu Kedokteran Fisik dan Rehabilitasi Medik (Sp.)

Permanent URI for this collection

https://repository.unpad.ac.id/handle/kandaga/256

Browse

Browsing Ilmu Kedokteran Fisik dan Rehabilitasi Medik (Sp.) by Author "ARDI SOEHARTA CHANDRA"

Now showing 1 - 1 of 1
  • No Thumbnail Available
    Item
    APLIKASI MACHINE LEARNING DALAM KUANTIFIKASI SINYAL ELEKTRIK OTOT SUPRAHYOID DAN INFRAHYOID SAAT MENELAN PADA PASIEN STROKE FASE AKUT
    (2023-01-11) ARDI SOEHARTA CHANDRA; Sunaryo B. Sastradimaja; Vitriana
    Pendahuluan : Machine learning adalah disiplin ilmu yang berfokus pada bagaimana komputer mampu belajar dan menghasilkan suatu pola dari data. Keuntungan dari aplikasi ini dapat membangun model statistik dari kumpulan data berjumlah besar. Disfagia adalah gangguan menelan yang banyak terjadi pada fase stroke akut dan dapat menimbulkan risiko terjadinya berbagai morbiditas. Penapisan disfagia sedini mungkin menjadi penting untuk menurunkan risiko tersebut. Pemeriksaan aktivitas otot-otot menelan seperti otot suprahyoid dan infrahyoid, sebagai faktor yang dapat berkontribusi pada kejadian disfagia pasca stroke dapat dilakukan dengan mengukur aktivitas elektrik menggunakan sEMG. Data-data yang diperoleh kemudian diharapkan dapat dijadikan suatu pola data untuk supervised machine learning sehingga dapat membantu penapisan disfagia pada pasien stroke fase akut secara lebih cepat dan akurat. Metode : Penelitian potong lintang kuantitatif analitik dilakukan pada 61 subjek disfagia pasca stroke fase akut. Dilakukan analisis data kuantifikasi sinyal elektrik otot suprahyoid dan infrahyoid saat menelan pada pasien stroke fase akut berdasarkan parameter durasi, onset menelan, time-to-peak, dan amplitudo dengan menggunakan metode supervised machine learning untuk memprediksi disfagia. Hasil : Ditemukan hasil yang tidak signifikan pada area under the receiving operating curve (AUROC), sensitivitas dan spesifisitas pada analisa supervised machine learning untuk parameter sinyal elektrik otot durasi, onset menelan, time-to-peak, dan amplitudo dari otot-otot suprahyoid dan infrahyoid saat dry swallowing dan menelan 3 mL air. Kesimpulan : Pada penelitian ini Supervised machine learning tidak dapat menganalisis dan memprediksi disfagia pada pasien stroke fase akut berdasarkan parameter sinyal elektrik otot durasi, onset menelan, time-to-peak, dan amplitudo, dari otot-otot suprahyoid dan infrahyoid saat menelan pada dry-swallowing dan volume 3 ml.