PENAKSIRAN PELUANG KESEMBUHAN DENGAN KEKAMBUHAN BERDISTRIBUSI EKSPONENSIAL

Abdul Kudus, R. Dachlan Muchlis, Titik Respati

Abstract


Dalam kajian klinis, dilakukan pengamatan terhadap respon dari pasienpasien
terhadap pengobatan yang sudah diberikan kepadanya. Sebagian dari
pasien-pasien tersebut mungkin sembuh. Sedangkan sebagian lainnya yang masih
mengidap penyakit mungkin kambuh atau bahkan meninggal. Fenomena tersebut
dirumuskan ke dalam suatu model statistika yang mengasumsikan bahwa kurva
fungsi ketahanan mempunyai bentuk yang menurun lalu mendatar, dimana tinggi
dari kurva saat mendatar tersebut mencerminkan persentase dari pasien yang
sembuh (peluang kesembuhan). Model ini menyatakan bahwa kelompok pasien yang
masih mengidap penyakit, dengan proporsi 1 ï°, mempunyai laju kekambuhan yang
konstan sebesar ï¬, artinya fungsi ketahanannya adalah eksponensial. Penerapan
model ini pada data pasien pencangkokan sumsum tulang diperoleh taksiran
peluang kesembuhannya sebesar 0.381.

Keywords


Peluang kesembuhan, distribusi eksponensial, pencangkokan sumsum tulang

Full Text:

PDF

References


Escobar dan Meeker. (1998). Statistical Methods for Reliability Data. John Wiley & Sons. New York.

Kalbfleisch, J. D. and Prentice, R. L. (2002). The Statistical Analysis of Failure Time Data, 2nd Ed. John

Wiley & Sons, Inc.: Hoboken, New Jersey

Kaplan, E. L. and Meier, P. (1958). Nonparametric estimation from incomplete observation. Journal of

the American Statistical Association 53:457-481

Klein, J. and Moeschberger, M. (2003) Survival Analysis: Techniques for Censored and Truncated Data,

nd ed. Springer-Verlag

Kudus, A. and Ibrahim, N. A. (2006). Modeling cumulative incidence using parametric cure model.

Prosiding Seminar Kebangsaan Sains Kuantitatif. 19-21 December, 2006. Langkawi, Malaysia.

Kudus, A. (2010). The exponential Gompertz-like subdistribution model for competing risk survival time

data. Proceedings the Third International Conference on Mathematics and Natural Sciences. 23-25

November 2010. Bandung.

Lawless, J. F. (2003). Statistical Models and Methods for Lifetime Data. John Wiley & Sons, Inc.:

Hoboken, New Jersey

Marubini, E. and Valsecchi, M. G. (1995). Analysing Survival Data from Clinical Trials and

Observational Studies. John Wiley & Sons Ltd: Chichester, England.

Tsodikov, A. (1998). A proportional hazards model taking account of long-term survivors. Biometrics

:1508-1516

Yakovlev. (1994). Letters to the editor: parametric versus non-parametric methods for estimating cure

rates based on censored survival data. Statistics in Medicine 13:983-986




License URL: https://creativecommons.org/licenses/by-nc/4.0