SPSS Advance -Brief Advance Short Course for LPP- By Naldo Sofian, B.Med Faculty of Medicine University of Indonesia

Topik Bahasan -Konsep- Analisis Multivariat Analisis Sederhana* Regresi Logistik Regresi Linear Survival Analysis “Diagnostic Curve” – AUC Membuat Sistem Penilaian (Scoring System) Praktek Klinik = Multifaktorial

Analisis Multivariat Hubungan antar banyak variabel Analisis Sederhana* Regresi Logistik dan Linear Logistik  Kategorik Linear  Numerik

Langkah Kerja Umum Analisis Sederhana Regresi Analisis statistik pada umumnya Bivariat Lakukan analisis ulang variabel yang mungkin mempengaruhi bivariat tersebut Diskusi “Ada faktor z yang mempengaruhi hubungan x dan y” Syarat Variabel p<0.25 pada analisis bivariat Variabel berhubungan Urutan kekuatan hubungan Logistik  OR Linear  r Model Rumus dan Kualitasnya Nilai Diskriminasi dan Kalibrasi

Diskriminasi dan Kalibrasi Kasus vs Bukan Kasus Kalibrasi Estimasi vs Kenyataan Regresi Logistik Regresi Linear Diskriminasi  AUC Metode ROC Kalibrasi  p > 0.05 Metode Hosmer and Lameshow Diskriminasi  R2 R2 Mendekati 1 Kalibrasi  p < 0.05 Uji ANOVA

Analisis Sederhana

ANALISIS REGRESI -SPSS- Analyze Regression - Binary Logistic (Regresi Logistik) - Linier (Regresi Linear) Masukkan variabel Variabel Utama Dependent Variable b. Variabel Independen Covariate 5. Pilih Metode a. Backward LR b. Forward

Survival Analysis Perhatikan! Hasil Akhir Kecepatan Pencapaian Durasi Pengamatan

Survival Analysis Terminologi Definisi Insidens Person Time Incidence Rate Variabel Status Jumlah Kasus/Jumlah Total Waktu Pengamatan per orang Jumlah Kasus/Person Time Status pasien pada akhir pengamatan Tidak Mengalami Kejadian Hilang dari Pengamatan Incidence Rate = Hazard Perbandingan 2 Insidens = Relative Risk Perbandingan 2 Hazard = Hazard Ratio

Survival Analysis -Kaplan Meier Curve- Sumbu X: Durasi “Survive” Y: Persentase Survivor Garis Berkelok  Garis Survival Survival Rate -Garis Vertikal (Waktu) Median Survival -Garis Horizontal 50% Survivor Asumsi Proporsional Hazard Berpotongan vs Tidak Berpotongan Tidak Berpotongan = Time Dependent Analysis = HR diterima  Kecepatan “Konstan” “Setiap saat, kemungkinan kasus terjadi … kali dibandingkan kontrol” Berpotongan = Full Model / Reduced Model Analysis Klinis dan Statistik

“Diagnostic Curve”

“Diagnostic Curve”

“Diagnostic Curve”

Scoring System -Principle- Data yang relevan dan signifikan berhubungan Mencari bobot tiap variabel Demografi Klinis Pemeriksaan Penunjang Sederhana Kompleks Variabel “B” dan “SE”

“Diagnostic Curve” Penilaian Secara Statistik 0.5 – 0.6 = Sangat Lemah 0.7 – 0.8 = Sedang 0.8 – 0.9 = Kuat 0.9 – 1 = Sangat Kuat Penilaian Secara Klinik Tentukan Sendiri sesuai kebutuhan!

“Diagnostic Curve” -- Cut-off Point -- Sens. Spec. 1 2 0.9 0.1 3 0.73 0.27 4 0.56 0.44 5 0.43 0.57 6 0.35 0.65 7 0.21 0.79 8 0.04 0.96 9

Pertanyaan? Saran? Kritik? Bingung? Terima Kasih

Sharing Klinik Tk.4? Mau Formal ato Informal juga boleh, hehe Special for 2010, 2011 juga boleh biar kalian makin terarah belajarnya