DETERMINAN KEMATIAN BAYI BERAT LAHIR RENDAH SELAMA RAWAT INAP DI RSUD KARANGASEM TAHUN

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,

Pembimbing II,

Prof. dr. Dewa Nyoman Wirawan, MPH NIP.19481010 197702 1 001

dr. Pande Putu Januraga, M. Kes, Dr. PH NIP.19790110 200312 1001

Mengetahui

Ketua Program Studi

Direktur

Ilmu Kesehatan Masyarakat

Program Pascasarjana

Program Pascasarjana

Universitas Udayana,

Universitas Udayana,

Prof. dr. Dewa Nyoman Wirawan, MPH NIP. 19481010 197702 1 001

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

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.

Denpasar, 22 Juli 2015 Yang membuat pernyataan

I Ketut Duara

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

BAB II

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

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………………………………………….

xi

50

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……………………………...

Tabel 5.1

Karakteristik Sampel Berdasarkan Tahun Lahir, Kelompok BBLR dan Lama Rawat…………………………

Tabel 5.2

31

52

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...................................................................

Tabel 5.5

Distribusi Sampel Berdasarkan Variabel Numerik Klinis Bayi dan Laboratorium………………………………………

Tabel 5.6

59

Analisis Bivariat Hubungan Variabel Data Kategorikal Klinis Bayi dengan Kematian BBLR…………….…………

Tabel 5.9

58

Analisis Bivariat Hubungan Variabel Klinis Ibu dengan Kematian BBLR………………………………………….....

Tabel 5.8

56

Analisis Bivariat Hubungan Variabel Demografi dan Pelayanan Kesehatan dengan Kematian BBLR…………….

Tabel 5.7

55

60

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

Determinan Kematian BBLR……………………………….

66

Tabel 5.13 Deterinan Kematian BBLSR ……..…………………...........

67

Tabel 5.12

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…………………………………………..

xiv

51

DAFTAR SINGKATAN ATAU TANDA

SINGKATAN AKB

: Angka Kematian Bayi

ANC

: Ante Natal Care

APB

: Ante Partum Bleeding

ASI

: Air Susu Ibu

Askes

: Asuransi Kesehatan

BBLR

: Bayi Berat Lahir Rendah

BBLASR

: Bayi Berat Lahir Amat Sangat Rendah

BBLSR

: Bayi Berat Lahir Sangat Rendah

BPS

: Biro Pusat Statistik

CT scan

: Computerized Tomography scanner

ECG

: Electrocardiography

FE

: Forcep Ekstraksi

G

: Gravida

Hb

: Hemoglobin

Hct

: Hematokrit

HPHT

: Hari pertama haid terakhir

ICU

: Intensive Care Unit

IDAI

: Ikatan Dokter Anak Indonesia

IRD

: Instalasi Rawat Darurat

Jamkesmas

: Jaminan Kesehatan Masyarakat

xv

Jampersal

: Jaminan Persalinan

JKBM

: Jaminan Kesehatan Bali Mandara

JKN

: Jaminan Kesehatan Nasional

JNPK-KR

: Jaringan Nasional Pelatihan Klinik Kesehatan Reproduksi

Kemenkes

: Kementerian Kesehatan

Kesbangpolinmas : Kesatuan Bangsa Politik dan Perlindungan Masyarakat KH

: Kelahiran Hidup

KMK

: Kecil Masa Kehamilan

KN

: Kunjungan Neonatal

KPSP

: Kuesioner Pra Skrining Perkembangan

LK

: Lingkar kepala

LD

: Lingkar dada

MDGs

: Millenium Development Goals

MRS

: Masuk Rumah Sakit

NICU

: Neonates Intensive Care Unit

OR

: Odds Ratio

P

: Paritas

PB

: Panjang badan

Perbup

: Peraturan bupati

Plt

: Platelet

PMH

: Penyakit Membran Hialin

P-NDM

: post-NICU discharge mortality

PONEK

: Pelayanan Obstetri Neonatal Emergency Komprehensif

xvi

PPK BLUD

: Pola Pengelolaan Keuangan Badan Layanan Umum Daerah

RDS

: Respiratory Distress Syndrome

Riskesdas

: Riset Kesehatan Dasar

RR

: Risk Ratio

RS

: Rumah Sakit

RSSIB

: Rumah Sakit Sayang Ibu dan Bayi

RSUD

: Rumah Sakit Umum Daerah

RSUP

: Rumah Sakit Umum Pusat

SDKI

: Survei Demografi dan Kesehatan Indonesia

SKRT

: Survey Kesehatan Rumah Tangga

SC

: Sectio Caesarea

SOP

: Standard Operational Procedure

SpA

: Spesialis anak

SpAn

: Spesilais anestesi

SpOG

: Spesialis Obstetri dan Ginekologi

UNICEF

: United Nations International Childrens Emergency Funds

USG

: Ultrasonografi

PRM

: Preterme Rupture of Membrane

Puskesmas

: Pusat Kesehatan Masyarakat

VE

: Vakum Ekstraksi

WBC

: White Blood Cell

WHO

: 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……………………….. Lampiran 5 Stata Output

xviii

108

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

mempengaruhi kematian BBLR.

peneliti

tentang

faktor-faktor

yang

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=0,065,15) 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 (JNPKKR, 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

FAKTOR DEMOGRAFI: Tempat tinggal, jenis kelamin bayi, umur ibu FAKTOR PELAYANAN KESEHATAN : Periode MRS, status rujukan

FAKTOR KLINIS : • Faktor klinis ibu : Cara persalinan, umur kehamilan,

KEMATIAN BBLR

gravid, paritas, riwayat USG,

SELAMA

riwayat perdarahan, riwayat KPD, keadaan air ketuban

RAWAT INAP DI RUMAH SAKIT

• 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,

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

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

Tabel

Nominal

Nominal

berdasarkan data tanggal lahir (kolom P-05

ekstraksi

(Tahun lahir : 2012, 2013 0= 2014

pada tabel ekstraksi data)

data

2014)

1= 2013 2= 2012

Kelompok

Kelompok BBLR menurut WHO, ditentukan

Tabel

Interval

Nominal

BBLR

berdasarkan berat lahir (kolom P33), dibagi

ekstraksi

(berat lahir dalam gram)

0= BBLR, bila berat lahir

dala tiga kelompok : BBLR (bayi berat lahir

data

<2500 gram

rendah), BBLSR (bayi berat lahir sangat

1= BBLSR, bila berat

rendah), BBLASR (bayi berat lahir amat

lahir <1500 gram

sangat rendah)

2= BBLASR, bila berat lahir <1000 gram

32 Lama rawat

Jumlah hari rawat inap (kolom P12), dihitung

Tabel

Interval

Nominal

sejak tanggal masuk sampai tanggal keluar

ekstraksi

(Lama rawat dalam hari)

0 bila ≤ 7 hari

rumah sakit. Bila tanggal masuk dan tanggal

data

1 bila > 7 hari

keluar pada hari yang sama, dihitung satu hari lama rawat.

Faktor demografi Tempat

Tempat tinggal orang tua BBLR, ditentukan

Tabel

Nominal

Nominal

tinggal

berdasarkan alamat saat masuk RS (form

ekstraksi

(Alamat tempat tinggal)

0=daerah biasa

RM.01 dalam rekam medik atau kolom P-04

data

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.

1=daerah sulit

33

Variabel


Alat Ukur

Skala Ukur

Skala Analisis

Jenis

Jenis kelamin BBLR sesuai dengan yang

Tabel

Nominal

Nominal

kelamin

tercatat pada form CM 02 dalam rekam

ekstraksi

(Laki-laki, perempuan)

0=perempuan, 1=laki-laki

bayi

medik (kolom P-03 pada tabel ekstraksi data)

data

Umur ibu

Umur ibu saat melahirkan bayi yang menjadi

Tabel

Interval

Nominal

subyek penelitian (tercantum pada form CM

ekstraksi

(umur dalam tahun)

0= 20-35 tahun

02 dalam rekam medik dan kolom P-25

data

1= <20 atau >35 tahun

dalam tabel ekstraksi data)

Faktor pelayanan kesehatan Periode

Periode MRS terkait pengembangan PONEK.

Tabel

Interval

Nominal

MRS

Kategori sebelum atau setelah pengembangan

ekstraksi

(tanggal masuk)

0=setelah pengembangan

PONEK berdasarkan tanggal MRS (rekam

data

medik form RM.01/ tabel ekstraksi data kolom P-09), cut of point yaitu 2 Januari 2013 (tanggal peresminan gedung PONEK baru).

PONEK 1=sebelum pengembangan PONEK

34 Variabel


Alat Ukur

Skala Ukur

Skala Analisis

Status

Status rujukan masuknya BBLR ke rumah

Tabel

Nominal

Nominal

rujukan

sakit, rujukan atau bukan rujukan. Ditentukan

ekstraksi

(di rumah, di klinik, di

0= bukan rujukan, lahir di

dari tempat persalinan (rekam medik form

data

puskesmas, di bidan, di

CM 02 atau tabel ektraksi data kolom P-13)

RS.

RS)

1=rujukan, lahir di luar RS

Faktor klinis ibu Cara

Cara persalinan sesuai dengan yang tercatat di Tabel

Nominal

Nominal

persalinan

rekam medik form CM 02 (kolom P-14 pada

ekstraksi

(spontan, FE, VE, SC,

0=pervaginam

tabel ektraksi data)

data

LM)

(spontan,LM,FE,VE) 1=perabdominal (SC)

Gravida

Jumlah/frekuensi kehamilan ibu sampai

Tabel

Interval

Nominal

dengan saat mengandung bayi yang menjadi

ekstraksi

(G1, G2, G3, dan

0 bila G2-4

subyek penelitian, tercantum pada diagnose

data

seterusnya)

1 bila G1

ibu dalam rekam medik form CM 02 (kolom P-22 tabel ekstraksi data)

2 bila >G3

35 Variabel


Alat Ukur

Skala Ukur

Skala Analisis

Umur

Umur kehamilan saat mengandung bayi yang

Tabel

Interval

Interval (bila tercatat

kehamilan

diteliti, mulai konsepsi sampai melahirkan,

ekstraksi

(umur kehamilan dalam

range umur kehamilan

tercantum pada diagnose ibu dalam rekam

data

minggu)

missal 37-38 minggu,

Paritas

medik form CM 02 (kolom P-22 pada tabel

maka dihitung nilai tengah

ekstraksi data)

yaitu 37,5 minggu)

Frekuensi riwayat ibu melahirkan sampai

Tabel

Interval

Nominal

dengan saat melahirkan bayi yang menjadi

ekstraksi

(P1, P1, P3 dan

0 bila P1

subyek penelitian, termasuk anak yang masih

data

seterusnya)

1 bila P2-4

hidup, meninggal dan abortus (form CM 02

2 bila >P4

rekam medik/kolom P-23 tabel data ekstraksi)

Riwayat

Riwayat pemeriksaan USG saat ibu

Tabel

Nominal

Nominal

USG

mengandung bayi yang menjadi subyek

ekstraksi

(ya/pernah, tidak/tidak

0=ya/pernah

penelitian (form CM 02 dalam rekam medik /

data

pernah)

1=tidak/tidak pernah

kolom P-26 formulir data ektsraksi)

36 Variabel


Alat Ukur

Skala Ukur

Skala Analisis

Riwayat

Riwayat perdarahan saat ibu mengandung

Tabel

Nominal

Nominal

perdarahan

bayi yang menjadi subyek penelitian,

ekstraksi


0=ya/pernah

tercantum dalam form CM 02 dalam rekam

data

pernah)


medik (kolom P-27 forrmulir data ektsraksi)

Riwayat

Riwayat keluar air ketuban saat ibu

Tabel

Nominal

Nominal

keluar air

mengandung bayi yang menjadi subyek

ekstraksi


0=ya/pernah

ketuban

penelitian, tercantum dalam form CM 02

data

pernah)


dalam rekam medik (kolom P-31 formulir ektsraksi data)

Faktor klinis bayi Maturitas

Tingkat kematangan bayi yang ditentukan

Tabel

Nominal

Nominal

bayi

berdasarkan umur kehamilan dan/atau klinis

ekstraksi

(at term /cukup bulan,

0=at term

bayi (form CM 02 pada diagnose bayi dan

data

preterm /kurang bulan)

1=preterm

kolom P-18 forulir ekstraksi data)

37 Variabel

Asfiksia


Riwayat terjadinya asfiksia sejak saat masuk

Alat Ukur

Tabel

rumah sakit. Dapat dilihat dalam rekam medik ekstraksi form CM 02 pada diagnose masuk bayi

Skala Ukur

Skala Analisis

Nominal

Nominal

(Ya, tidak)

0=tidak

data

1=ya

(kolom 17 pada tabel ekstraksi data)

RDS

Riwayat terjadinya RDS sejak saat masuk

Tabel

rumah sakit. Dapat dilihat dalam rekam medik ekstraksi form CM 02 pada diagnose masuk bayi

Nominal

Nominal

(Ya, tidak)

0=tidak

data

1=ya

(kolom 17 pada tabel ekstraksi data)

Sepsis

Tabel Riwayat terjadinya sepsis sejak saat masuk rumah sakit. Dapat dilihat dalam rekam medik ekstraksi form CM 02 pada diagnose masuk bayi data (kolom 17 pada tabel ekstraksi data)

Nominal

Nominal

(Ya, tidak)

0=tidak 1=ya

38 Variabel

Hipoglikemi

Hipotermi

Hiper-


Alat Ukur

Skala Ukur

Skala Analisis

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

Nominal

Nominal

ekstraksi

(Ya, tidak)

0=tidak

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

Nominal

Nominal

ekstraksi

(Ya, tidak)

0=tidak

Riwayat terjadinya hiperbilirubinemia sejak bilirubinemia saat masuk rumah sakit. Dapat dilihat dalam rekam medik form CM 02 pada diagnose masuk bayi (kolom 17 tabel ekstraksi data)

data

1=ya

data

1=ya

Tabel

Nominal

Nominal

ekstraksi

(Ya, tidak)

0=tidak

data

1=ya

39 Variabel


Alat Ukur

Skala Ukur

Skala Analisis

Masalah

Riwayat terjadinya masalah pemberian

Tabel

Nominal

Nominal

minum

minum (feeding problem) mulai saat masuk

ekstraksi

Ya, tidak

0=tidak

rumah sakit. Dapat dilihat pada diagnose

data

1=ya

tambahan bayi form RM 01 di rekam medik (kolom P-17 pada tabel ekstraksi data)

Pemberian

Riwayat pemberian antibiotika yang diberikan Tabel

Nominal

Nominal

antibotika

selama dirawat. Dapat dilihat pada form RM

ekstraksi

(diberikan antibiotika,

0= diberikan antibiotika

07 di rekam medik (kolom P48 dan P49 pada

data

tidak diberikan

1= tidak diberikan

Berat lahir

tabel ekstraksi data

antibiotika )

Berat lahir adalah berat badan yang ditimbang Tabel

Interval

Interval

dalam waktu 24 jam pertama setelah lahir.

ekstraksi

Berat lahir (gram)

Peningkatan berat lahir

Berat lahir dinyatakan dalam gram, tercatat

data

dalam rekam medik form RM 07 (kolom P45a tabel ektraksi data).

antibiotika

sebesar 50 gram

40 Variabel


Alat Ukur

Skala Ukur

Skala Analisis

Panjang

Ukuran panjang badan bayi, diukur dalam

Tabel

Interval

Interval

badan lahir

waktu 24 jam pertama sejak lahir, diukur dari

ekstraksi

(ukuran panjang badan

(ukuran panjang badan

bagian tertinggi kepala sampai ujung kaki

data

dalam cm)

dalam cm)

dalam posisi lurus (form CM 02 dalam rekam medik/kolom P-34 tabel ekstraksi data)

Lingkar

Ukuran lingkar kepala bayi, diukur dalam 24

Tabel

Interval

Interval

kepala

jam pertama sejak lahir (form CM 02 dalam

ekstraksi

(ukuran lingkar kepala

(ukuran lingkar kepala

rekam medik/kolom P-35 tabel ekstraksi data)

data

dalam cm)

dalam cm)

Lingkar

Ukuran lingkaran dada bayi dalam 24 jam

Tabel

Interval

Interval

dada

pertama sejak lahir (form CM 02 rekam

ekstraksi

(ukuran lingkar dada

(ukuran lingkar dada

medik/kolom P-36 tabel ekstraksi data)

data

dalam cm)

dalam cm)

Apgar score Penilaian klinis bayi dengan tabel apgar score Tabel

Interval

Interval

menit 1

dalam 1 menit pertama sejak lahir ( CM 02

ekstraksi

(0, 1, 2, 3 sampai dengan



data

10)

10)

41 Variabel


Alat Ukur

Skala Ukur

Skala Analisis

Apgar score Penilaian klinis bayi dengan tabel apgar score Tabel

Interval

Interval

menit 5

(0, 1, 2, 3 sampai dengan 10)

dalam 5 menit pertama sejak lahir ( CM 02

ekstraksi



data

10)

Laboratorium

Whole bood

Jumlah/kadar WBC yang tercantum dalam

Tabel

Interval

Interval

cell (WBC)

form hasil pemeriksaan laboratorium darah

ekstraksi

kadar WBC dalam K/ᴜL

Kadar WBC dalam K/uL

yang pertama sejak lahir (kolom P-44b tabel

data

Tabel

Interval

Interval

dalam form hasil pemeriksaan laboratorium

ekstraksi

(kadar hemoglobin dalam (kadar hemoglobin dalam

darah yang pertama sejak lahir (kolom P-44c

data

g/dL

ekstraksi data)

Hemoglobin Jumlah/kadar hemoglobin yang tercantum

tabel ekstraksi data)

g/dL

42 Variabel

Hematokrit


Alat Ukur

Skala Ukur

Skala Analisis

Jumlah/kadar hematokrit yang tercantum

Tabel

Interval

Interval


ekstraksi

(kadar hematokrit dalam

(kadar hematokrit dalam

darah yang pertama sejak lahir (kolom P-44d

data

%)

%)

Jumlah/kadar trombosit yang tercantum

Tabel

Interval

Interval


ekstraksi

(kadar trombosit dalam

(kadar trombosit dalam

darah yang pertama sejak lahir (kolom P-44e

data

K/ᴜL)

K/ᴜL )

Kadar gula darah yang tercantum dalam form

Tabel

Interval

Interval

hasil pemeriksaan laboratorium darah yang

ekstraksi

(kadar gula darah dalam

(kadar gula darah dalam

pertama sejak lahir (kolom P-44f tabel

data

mg/dl)

mg/dl)


Trombosit


Gula darah

ekstraksi data)

43 Variabel


Alat Ukur

Skala Ukur

Skala Analisis

Bilirubin

Kadar bilirubin direk yang tercantum dalam

Tabel

Interval

Interval

direk


ekstraksi

(kadar bilirubin direk

(kadar bilirubin direk

yang pertama sejak lahir (kolom P-44g tabel

data

dalam mg/dl)

dalam mg/dl)

ekstraksi data)

Bilirubin

Kadar bilirubin total yang tercantum dalam

Tabel

Interval

Interval

total


ekstraksi

(kadar bilirubin total

(kadar bilirubin total

yang pertama sejak lahir (kolom P-44h tabel

data

dalam mg/dl)

dalam mg/dl)

ekstraksi data)

Variabel tergantung

Kematian

Status pasien saat keluar dari RS sesuai

Tabel

Nominal

Nominal

BBLR

dengan yang tercatat di rekam medik form

ekstraksi

Meninggal, tidak

0=tidak meninggal

CM 02 (kolom P-10 pada tabel ekstraksi data)

data

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 organorgan 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%).

672 rekam medik ditemukan

- Berat badan lahir <500 gram = 4 - Kelainan congenital = 11 - Dirujuk ke RS lain = 8 - Pulang paksa = 3 - Alamat luar Karangasem = 2

644 memenuhi syarat

565 (87,73%) tidak meninggal

79 (12,27%) meninggal

Gambar 5.1 Skema (flow chart) pemilihan sampel yang memenhui syarat penelitian 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 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 N (%) 225 (90,00) 190 (86,36) 150 (86,21)

 Tahun lahir : 2012 2013 2014  Kelompok BBLR/WHO <2500 gram (BBLR) 565 (87,73) <1500 gram (BBLSR) 38 (42,22) <1000 gram (BBLASR) 1 (4,00)  Lama rawat Median lama rawat (IQR) 3 (2-8) Mean lama rawat (min – max ) 6.8 (1-62) Total lama hari perawatan (hari-pasien) 3854 415 (86,64) ≤ 7 hari > 7 hari 150 (90,91)  Periode kematian BBLR Kematian pada hari pertama Kematian tertinggi (pada hari kedua) Kematian perinatal / dalam 7 hari ( kumulatif ) Kematian neonatal / dalam 28 hari ( kumulatif )

Meninggal

Total

N (% ) 25 (10,00) 30 (13,64) 24 (13,79)

N (%) 250 (38,82) 220 (34,16) 174 (27,02)

79 (12,27) 52 (57,78) 24 (96,00)

644 (100) 90 (13,98) 25 (3,88)

3 (2-6) 5.2 (1-33) 411

3 (2-8) 6.6 (1-62) 4265

64 (13,36) 15 (9,09)

479 (74.38) 165 (25.62)

18(22,78) 19(24,05) 64( 81,01) 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 Daerah sulit Missing

416 221 7

(64,60) (34,32) (1,08)

Jenis kelamin

Perempuan Laki-laki

331 313

(5,.40) (48,60)

Umur ibu

20-35 tahun <20 th atau >35 th Missing

144 48 452

(22,36) (7,45) (70,19)

Periode MRS

Setelah pengembangan PONEK Sebelum pengembangan PONEK

394 250

(61,18) (38,82)

Status rujukan

Bukan rujukan Rujukan Missing

552 86 6

(85,72) (13,35) (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 Gravida

G2-3 G1 G>3 Missing

N (=644) 222 239 74 109

(%) (34,47) (37,11) (11,49) (16,93)

Paritas

P1 P2-4 P>4 Missing

246 295 26 77

(38,19) (45,81) (4,04) (11,96)

Riwayat USG

Pernah Tidak pernah Misisng

494 46 104

(76,71) (7,14) (16,15)

Riwayat perdarahan

Ya Tidak Missing

537 22 85

(83,39) (3,41) (13,20)

HPHT

Ingat Lupa Missing

377 160 107

(58,54) (24,84) (16,62)

Riwayat keluar air

Tidak Ya Missing

352 208 84

(54,66) (32,30) (13,04)

Air ketuban

Jernih Hijau/keruh/berdarah Missing

451 101 92

(70,03) (15.68) (14,29)

Cara persalinan

Pervaginam Seksio Missing

485 154 5

(75,31) (23,91) (0,78)

Umur kehamilan

Median=36, IQR=33,5-38 Missing

517 127

(80,28) (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 Maturitas bayi

Asfiksia RDS Sepsis Hipoglikemi Hipotermi Hiperbilirubinemia Masalah minum Pemberian antibiotika

Kategori At term (cukup bulan) Preterm (kurang bulan) Missing Tidak Ya Tidak Ya Tidak Ya Tidak Ya Tidak Ya Tidak Ya Tidak Ya Ya Tidak

N (=644) 261 368 15 489 155 614 30 639 5 593 51 620 24 636 8 592 52 347 297

% (40,53) (57,14) (2,33) (75,93) (24,70) (95,34) (4,66) (99,22) (0,78) (92,08) (7,92) (96,27) (3,73) (98,76) (1,24) (91,93) (8,07) (53,88) (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 Klinis

Laboratorium

Kategori

N (%)

Missing (%) --

Median (IQR)

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 Apgar score menit 1 Apgar score menit 5

531 (82,45) 576 (89,44) 576 (89,44)

113(17,55) 68(10,56) 68(10,6)

29 (27-30) 7 (5-7) 8 (7-8)

WBC Hemoglobin Hematokrit Trombosit Gula darah Bilirubin direk Bilirubin total

436 67,70) 435 67,55) 429 (66,61) 422 65,53) 3876(0,09) 20 3,11) 50 7,76)

208(32,3) 209(32,45) 215(33,39) 222(34,47) 257(39,91) 624(96,89) 594(92,24)

18,5 17 47 210 52 3,5 21,5

(14-25) (15-18) (42-52) (161-257) (36-84) (1-4,5) (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=1,574,83). 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 Variabel (kategori)

Tempat tinggal (n=637) Daerah biasa Daerah sulit Umur ibu (n=192) 20-35 tahun <20 th atau >35 th Jenis kelamin (n=644) Perempuan Laki-laki Periode MRS (n=644) Setelah pengembangan PONEK Sebelum pengembangan PONEK Status rujukan (n=638) Bukan rujukan Rujukan

Tidak Meninggal meninggal N (% ) N (%)

OR

95%CI

P

368 (88,46) 190 (85,97)

48 (11,54) 1(ref) 31 (14,03) 1,25 0,77–2,03 0,37

300 (90,63) 265 (84,66)

31 (9,37) 1 (ref) 48 (15,34) 0,73 0,19-2,72

132 (91,67) 45 (93,75)

12 (8,33) 3 (6,25)

340 (86,29) 225 (90,00)

54 (13,71) 1(ref) 25 (10,00) 0,70 0,42-1,16

494 (89,49) 65 (75,58)

58 (10,51) 1(ref) 21 (24,42) 2,75 1,57–4,83 <0,001

0,64

1(ref) 1,75 1,08–2,84 0,02

0,16

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

59

kali (OR=0,68; 95%CI=0,62-0,74). Proporsi kematian lebih besar pada kategori G23, 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

Gravida

G2-3 G1 G>3 P1 P2-4 P>4

Tidak Meninggal meninggal OR 95%CI N (% ) N (%) 191 (86,04) 31 (13,96) 1 (ref) 221 (92,47) 18 (7,53) 0,50 0,27-0,92 65 (87,84) 9 (12,16) 0,85 0,39-1,88 227 (92,28) 19 (7,72) 1 (ref) 255 (86,44) 40 (13,56) 1,87 1,05-3,32 23 (88,46) 3 (11,54) 1,56 0,43-5,67

Pernah Tidak

442 (89,47) 40 (86,96)

52 (10,53) 1 (ref) 6 (13,04) 1,28 0,52-3,15

0.60

Perdarahan Ya Tidak

483 (89,94) 18 (81,82)

54 (10,06) 1 (ref) 4 (18,18) 1,99 0,65-6,08

0.23

HPHT

344 (91,25) 135 (84,38)

33 (8,75) 1 (ref) 25 (15,62) 1,93 1,11-3,38 0.02*

310 (88,07) 192 (92,31)

42 (11,93) 1 (ref) 16 (7,69) 0,62 0,34-1,12

0.11

Jernih 401 (88,91) Hijau/keruh 93 (92,08)

50 (11,09) 1 (ref) 8 (7,92) 0,69 0,32-1,50

0.35

Paritas

USG

Ingat Lupa

Keluar air Tidak Ya Air ketuban

P

0.08 0.03 0.70 0.10 0.03 0.50

Cara Pervaginam 423 (87,22) persalinan Seksio 137 (88,96)

62 (12,78) 1(ref) 17 (11,04) 0,84 0,48–1,49 0.57

Umur N kehamilan Median (IQR)

55 29 (27,5-34,5)

462 36,5 (33,5-38,5)

p group

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 Tidak Meninggal Variabel Kategori meninggal OR 95%CI N (% ) N (%) 253 (96,93) 8 (3,07) 1(ref) Maturitas bayi At term Preterm 298 (80,98) 70 (19,02) 7,43 3,51–5,73

P

<0,001

Tidak Ya

451 (92,23) 114 (73,55)

38 (7,77) 41 (26,45)

1(ref) 4,27 2,62–6,95

RDS

Tidak Ya

548 (89,25) 17 (56,67)

66 (10,75) 13 (43,33)

1(ref) 6,35 2,95–13,65 <0,001

Sepsis

Tidak Ya

562 (87,95) 3 (60,00)

77 (12,05) 2 (40,00)

1 (ref) 4,87 0,80–29,58

0,09

Tidak Ya

516 (87,02) 49 (96,08)

77 (12,98) 2 (3,92)

1 (ref) 0,27 0,07–1,15

0,08

Tidak Ya

545 (87,90) 20 (83,33)

75 (12,10) 4 (16,67)

1 (ref) 1,45 0,48–4,37

0,51

Hiperbilirubin Tidak Ya

557 (87,58) 8 (100)

79 (12,42) 00

1 (ref) 1

Masalah minum

Tidak Ya

525 (88,68) 40 (76,92)

67 (11,32) 12 (23,08)

1(ref) 2,35 1,17–4,70

0,02

Pemberian antibiotika

Ya Tidak

271 (78,10) 294 (98,99)

76 (21,90) 3 (1,01)

1(ref) 0,04 0,01–0,12

<0,001

Asfiksia

Hipoglikemi Hipotermi

<0,001

-

-

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=3,5115,73). Proporsi kematian lebih besar pada BBLR dengan asfiksia dengan risiko 4,27

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 Tidak meninggal Variabel (Kategori)

N Med(IQR) OR

95%CI

p

N

Med(IQR)

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 Apgar menit 1 Apgar menit 5

484 29(27-30) 511 7(6-7) 511 8(7-8)

47 25 (21-28) 0,63 0,56-0,71 <0,001 65 3 (1-5) 0,51 0,44-0,58 <0,001 65 5 (3-7) 0,51 0,44-0,58 <0,001

WBC Hemoglobin Hematokrit Trombosit

386 19 (14-25) 385 17 (15-18) 379 48 (43-53) 372 212 (164-258) 340 48 (35-73,5) 18 2,5 (1-4) 45 22 (14-27)

50 18 (12-27) 1,01 0,99-1,03 0,20 50 16 (13-17) 0,79 0,70-0,89 <0,001 50 43 (37-47) 0,92 0,88-0,95 <0,001 50 201 0,997 0,99-1,001 0,17 (149-239) 47 80` 1,008 1,005-1,01 <0,001 (51-190) 2 5 (4-6) 0,999 0,98-1,02 0,89 5 21 (4-37) 0,997 0,90-1,1 0,95

Klinis Berat lahir/50

Lab

Meninggal

Gula darah Bilirubin direk Bilirubin total

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)

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

Nilai p

Tempat tinggal

Data missing (%) 1,08

Jenis kelamin

0

0,02*

Periode MRS

0

0,16*

0,93 0,78 2,33 0 0 0 0 0 0 0 0 0

<,0,001* 0,57 <0,001* <0,001* <0,001* <0,001* 0,09* 0,08* 0,51 0,02* <0,001*

Status rujukan Cara persalinan Maturitas Berat lahir Asfiksia RDS Sepsis Hipoglikemi Hipotermi Hiperbilirubinemia Masalah minum Pemberian antibiotika

* = variabel yang dimasukkan dalam model multivariat

0,37

64

Tabel 5.11 Uji Multikolineritas Antara Variabel Bebas Determinan Kematian BBLR Variabel

Jenis kelamin 1,00 Jenis kelamin -0,004 Periode MRS 0,02 Rujukan 0,03 Maturitas -0,08 Berat lahir 0,0007 Asfiksia 0,07 RDS 0,07 Sepsis 0,002 Hipoglikemi Masalah minum 0,08 -0,12 Antibiotika

Periode MRS 1,00 -0,02 0,04 -0,01 -0,05 -0,05 0,03 0,11 0,2 0,12

Rujukan Maturitas

1,00 0,13 -0,19 0,11 0,12 0,04 -0,008 0,05 -0,25

1,00 -0,44 0,11 0,15 0,05 0,06 0,17 -0,38

Berat lahir

1,00 -0,25 -0,15 -0,08 0,02 -0,31 0,48

Asfiksia

1,00 -0,002 -0,04 -0,03 0,18 -0,32

RDS

Sepsis

1,00 -0,02 -0,04 0,02 -0,17

1,00 -0,02 0,06 -0,06

Hipoglikemia

Masalah minum

Antibiotika

1,00 -0,003 0,04

1,00 -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

Jenis kelamin

Perepuan

1(ref)

Laki-laki

1,33

Periode MRS

Setelah PPnk Sebelum PPnk Status rujukan Bukan rujukan Rujukan Maturitas At term Preterm Berat lahir Per 50 gram Asfiksia Tidak Ya RDS Tidak Ya Sepsis Tidak Ya Hipoglikemi Tidak Ya Masalah Tidak minum Ya Pemberian Ya antibiotika Tidak

5.3.1

1(ref) 0,78 1(ref) 1,88 1(ref) 0,79 0,84 1(ref) 2,13 1(ref) 4,23 1(ref) 1,42 1(ref) 0,67 1(ref) 0,33 1(ref) 0,16

95%CI

P

0,69–2,55

0,38

0,39–1,56

0,49

0,87–4,06

0,11

0,30–2,10 0,81–0,87

0,64 <0,001

1,12–4,07

0,02

1,54-11,57

0,005

0,16-12,18

0,74

0,14-3,24

0,62

0,13–0,82

0,02

0,04–0,59

0,006

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 lakilaki (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 Analisis multivariat meninggal 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

Jenis kelamin Perepuan

21 (53,85) 18 (46,15) 1(ref)

Laki-laki

17 (33,33) 34 (66,67) 3,44

(1,84-24) 0,004 (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 Median (Inter 26 20 1(ref) (Per 50 gram) Quartil Range) (23-28) (16-24) 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 Tidak 25 (37,88) 41 (62,12) 1(ref) minum Ya 13 (54,17) 11 (45,83) 0,47 (0,11–1,98) 0,31 Pemberian Ya 37 (42,53) 50 (57,47) antibiotika 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).

Determinan Kematian pada Variabel

Kategori

Periode MRS Setelah PPnk Sebelum PPnk Status rujukan Bukan rujukan Rujukan Berat lahir Median (Inter (Per 50 gram) Quartil Range) RDS Hipoglikemi Masalah minum Pemberian antibiotika

Tidak Ya Tidak Ya Tidak Ya Ya Tidak

Tabel 5.14 BBLR Preterm Berat Lahir 1000-<2000 Gram Tidak Analisis multivariat meninggal Meninggal p N (%) N (%) Adj. (95%CI) OR 68 (68,69) 31 (31,31) 1 63 (86,30) 10 (13,70) 0,29 (0,12-0,70) 0,01 107 (79,85) 27 (20,15) 1 24 (63,16) 14 (36,84) 2,63 (1,07-6,45) 0,04 34 26 (29-36) (24-32) 0,84 (0,78-0,91) <0,001 122 (79,22) 32 (20,78) 1 9 (50,00) 9 (50,00) 2,65 (0,83-8,51) 0,10 116 (74,36) 40 (25,64) 1 15 (93,75) 1 (6,25) 0,51 (0,06-4,47) 0,55 105 (73,94) 37 (26,06) 1 26 (86,67) 4 (13,33) 0,28 (0,07-1,02) 0,054 110 (73,83) 39 (26,17) 1 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 Kategori Jumlah sampel Median berat lahir Inter Quartil Range (IQR) Angka kematian (%) 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

Preterm

Aterm

Rujukan 86 1800 1500-2100 24,42

Bukan rujukan 552 2150 1800-2300 10,51

Sebelum P.PONEK 250 2100 1750-2300 10,00

Setelah P. PONEK 394 1800 1800-2300 13,71

368 1900 1500-2200 19,02

261 2300 2100-2400 3,07

*** ***

-

-

-

-

-

*** -

*** *** *** -

***

*** *** *** ***

*** -

*** *** ***

-

P.PONEK = pengembangan PONEK; Yankes=pelayanan kesehatan; ***=berhubungan independen dengan kematian; - = tidak berhubungan independen dengan kematian

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 Interval berat lahir (gram) Jumlah sampel Median berat lahir Mean berat lahir Angka kematian (%) Demografi dan Yankes : Tempat tinggal Jenis kelamin Periode MRS Status rujukan Klinis : Berat lahir RDS Asfiksia Pemberian antibiotika Masalah minum Cara persalinan Maturitas Sepsis Hipoglikemi Hipotermi Hiperbilirubin

500 s/d <1000 25 800 772 96

500 s/d ˂1500 90 1175 1107 57,78

1000 s/d <1500 65 1300 1235 43,08

500 s/d <2000 234 1600 1494 29,49

1000 s/d <2000 209 1600 1581 21,53

1500 s/d ˂2000 144 1800 1737 11,81

500 s/d ˂2500 644 2100 1967 12,27

1000 s/d ˂2500 619 2100 2016 8,89

1500 s/d ˂2500 554 2200 2108 4,87

2000 s/d ˂2500 410 2250 2238 2,44

T i d a k

*** *** *** -

*** *** -

*** -

-

*** -

-

-

-

-

*** -

-

*** -

*** *** -

*** -

*** *** *** *** *** -

*** *** *** -

*** *** *** *** -

*** *** -

d i a n a l i s i s

Yankes=pelayanan kesehatan; ***=berhubungan independen dengan kematian; - = tidak berhubungan dengan kematian

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 masingmasing 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 faktorfaktor 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=0,194,74). 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/departm ental_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=1 2¬ab=5 [Accessed December 13, 2014]. Badan Pusat Statistik (BPS) Kabupaten Karangasem. 2014. Karangasem dalam Angka (Karangasem in Figures 2014). Katalog BPS : 1102001.5107. Ballot, D.E., Chirwa, T.F., Cooper, P.A. 2010. Determinants of survival in very low birth weight neonates in a public sector hospital in Johannesburg. BMC pediatrics, 10(1), p.30. Available at: http://www.biomedcentral.com/14712431/10/30 [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 SosioEkonomi, 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-drachmad-mochtar-bukittinggi.html [Accessed December 13, 2014]. Ekure, E. N., Ezeaka, V.C., Iroha, E., Okwaji, M.E. 2014. Prospective audit of perinatal mortality among inborn babies in a tertiary health center in Lagos, Nigeria. Nigerian journal of clinical practice, 14(1), pp.88–94. Available at: http://www.ncbi.nlm.nih.gov/pubmed/21494000 [Accessed December 5, 2014].

97

Fakultas Kedokteran Universitas Indonesia (FKUI). 1985. Buku Kuliah 3 Ilmu Kesehatan Anak. Staf Pengajar Ilmu Kesehatan Anak. Bagian Ilmu Kesehatan anak Fakultas Kedokteran Universitas Indonesia. Jakarta. Hal 1123-1131. Filmer, Deon. 2003. Determinants of Health & Education Outcomes Background Note for World Development Repport 2004 : Making Service Work for Poor People. World Bank. Gravholt, C, H. 2004. Epidemiological, endocrine, and metabolic features in turner syndrome. European Journal of Endocrinology. 2004; 151: 657–87. Gupta, M, K., Kakkar, M., Sethi, C., Malhotra, A.K. 2014. Pattern of Morbidity and Mortality in LBW Neonates: A Study from Jaipur. Journal of Evolution of Medical and Dental Sciences 2014; Vol. 3, Issue 06, February 10; Page: 1339-1345, DOI: 10.14260/jemds/2014/1989. Handono. 2009. Abortus Berulang. Bandung : Refika Aditama. Hanum, S., Hasanah, O., Elita, V. 2012. Gambaran Morbiditas Bayi dengan Berat Badan Lahir Rendah (BBLR) di Ruang Perinatologi RSUD Aripin Ahmad Pekanbaru. JOM PSIK Vol.1 No.2 Oktober 2014. Helwich, E., Mach, W.J., Kornacka, B.M., Gadzinowski, J., Gulczyńska, E., Kordek, A., Pawlik, D., Szczapa, J., Domańska, J., Klamka, J., Heczko, P.B. 2009. [Epidemiology of infections in very low birth weight infants. Polish Neonatology Network research]. Medycyna wieku rozwojowego, 17(3), pp.224–31. Available at: http://www.ncbi.nlm.nih.gov/pubmed/24296446 [Accessed December 9, 2014]. Ikatan Dokter Anak Indonesia (IDAI). 2004. Bayi Berat Lahir Rendah. dalam Standar Pelayanan Medis Kesehatan Anak. Jakarta, pp. 307–313. Ikatan Dokter Anak Indonesia (IDAI). 2009. Penyakit Membran Hialin. Pedoman Pelayanan Medis. Hal 238-242. Jaringan Nasional Klinik-Kesehatan Reproduksi (JNPK-KR), Perkumpulan Obstetri Ginekologi Indonesia (POGI), Ikatan Dokter Anak Indonesia (IDAI), USAID Indonesia - Health Service Program. 2008a. Buku Acuan Paket Pelatihan Obstetri dan Neonatal Emergensi Dasar (PONED) Edisi kelima. Jakarta. Jaringan Nasional Klinik-Kesehatan Reproduksi (JNPK-KR), Perkumpulan Obstetri Ginekologi Indonesia (POGI), Ikatan Dokter Anak Indonesia (IDAI), USAID Indonesia - Health Service Program. 2008b. Paket

98

Pelatihan Pelayanan Obstetri dan Neonatal Emergensi Komprehensif (PONEK). Jakarta. Jesus, D., Lilia, C., Pappas, A., Shankaran, S., Kendrick, D., Das, A., Higgins, R.D., Bell, E.F., Stoll, B.J., Laptook, A.R., Walsh, M.C. 2012. Risk factors for post-neonatal intensive care unit discharge mortality among extremely low birth weight infants. The Journal of pediatrics, 161(1), pp.70–4.e1–2. Available at: http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid= 3366175&tool=pmcentrez&rendertype=abstract [Accessed November 27, 2014]. Johanes, E., Ferdy, H., Latre, B. 2007. Pola Mikroorganisme dan Sensitivitas dari Spesimen Klinik di Upin dan “Intermediate’s Ward”. hlm 67–74. Kemenkes RI. 2008a. Pedoman Pelayanan aternal Perinatal pada Rumah Sakit Umum Kelas B, Kelas C dan Kelas D. Keputusan Menteri Kesehatan Republik Indonesia Nomor : 604/Menkes/SK/VII/2008. Jakarta. Kemenkes RI. 2008b. Pedoman Penyelenggaraan Pelayanan Obstetri Neonatal Emergensi Komprehensif (PONEK) 24 Jam di Rumah Sakit. Jakarta. Kemenkes RI. 2010. Survei Demografi dan Kesehatan Indonesia 2007. Jakarta. Kemenkes RI. 2011. Buku Panduan Manajemen Bayi Berat Lahir Rendah untuk Bidan dan Perawat. Direktorat Jenderal Bina Gizi dan Kesehatan Ibu dan Anak. Jakarta. Kemenkes RI. 2013a. Pedoman Penyelenggaraan Puskesmas Mampu PONED. Jakarta. Kemenkes RI. 2013b. Riset Kesehatan Dasar Riskesdas 2013. Jakarta. Klaus, Fanaroff, A. 2014. Care of the High-Risk Neonate | 978-1-4160-4001-9 | Elsevier. Available at: https://www.elsevier.com/books/klaus-and-fanaroffscare-of-the-high-risk-neonate/fanaroff/978-1-4160-4001-9 [Accessed December 6, 2014]. Lee, H.C., Gould, J.B. 2006. Survival rates and mode of delivery for vertex preterm neonates according to small- or appropriate-for-gestational-age status. Pediatrics, 118(6), pp.e1836–44. Available at: http://www. ncbi.nlm.nih.gov/ pubmed/17142505 [Accessed December 5, 2014]. Mahon, M.B. 1970. Epidemiology : principles and methods. Little Brown and Company. Boston.

99

Manuaba, IBG. 2007. Ilmu Kebidanan, Penyakit Kandungan dan Keluarga Berencana Untuk Pendididkan Bidan, Jakarta : EGC Melati, D. 2014. Lama Rawat Inap dan Lama Penggunaan Antibiotik Sebagai Faktor Risiko Pneumonia Nosokomial pada Anak di RSUP Sanglah. Tesis. Program Studi Biomedik Program Pascasarjana Universitas Udayana. Mellouli, M.M., Amara, B.F., Gallouz, N., Gada, H., Klilia, M., Reziga, H. 2013. Does the mode of delivery affect neonatal morbidity and mortality in very low-birth-weight infants? La Tunisie médicale,91(3), pp.183–7.Available at: http://www.ncbi.nlm.nih.gov/pubmed/23588631 [Accessed December 5, 2014]. Mosley, W.H., Chen, L.C. 1984. Child Survival, Strategic For Reseach Population and Development Review. Cambridge University Press. Mutahar, R. 2007. Pengaruh Berat Badan Lahir Terhadap Survival Neonatal Dini di Indonesia Tahun 1997-2002. Fakultas Kesehatan Masyarakat Universitas Indonesia. Depok. Nayeri, F., Dalili, H., Nili, F., Amini, E., Ardehali, A., Mansoori, B.K., Shariat, M. 2013. Risk Factors for Neonatal Mortality Among Very Low Birth Weight Neonates. Acta Medica Iranica, 51(5), pp.297–302. Available at: http://acta.tums.ac.ir/index.php/acta/article/view/4841 [Accessed October 13, 2014]. Ngoc, N.T.N. 2006. Cause of Stillbirths and Neonatal Deaths, Data from 7993 Pregnancies in Six Developing Countries. Buletin of WHO, September 2006. Ogunlesi, T.A., 2011. Factors influencing the survival of newborn babies weighing <1.5 kg in Sagamu, Nigeria. Archives of Gynecology and Obstetrics, 284(6), pp.1351–7. Available at: http://www.ncbi. nlm.nih.gov/ pubmed/21336833 [Accessed December 6, 2014]. Pramono, M.S. 2011. Pola Kejadian Bayi Berat Lahir Rendah dan Faktor Yang Mempengaruhinya di Indonesia Tahun 2010. Buletin Penelitian Sistem Kesehatan, Vol. 14. p.209–217. Prastiti, Ratih. 2003. Faktor-faktor Risiko Yang Berpengaruh Terhadap Kematian Perinatal di Kabupaten Magelang. Tesis. Program Pascasarjana Universitas Diponegoro. Rachmawati, T., Turniani, L., Hari Basuki, N. 2011. Pola Penyakit Penyebab Kematian Bayi di Pedesaan dan Perkotaan , Kondisi Sosio Ekonomi pada Kejadian Kematian Bayi di Indonesia Hasil Riskesdas 2007. Buletin Penelitian Sistem Kesehatan, Vol. 14 No. 2 April 2011: 108–114.

100

Redding, S., Conrey, E., Porter, K., Paulson, J., Hughes, K.R.M. 2014. Pathways Community Care Coordination i... [Matern Child Health J. 2014] - PubMed - NCBI. Available at: 25138628.htm [Accessed October 12, 2014]. Ronoatmojo, Sudarto. 1996. Faktor Resiko Kematian Neonatal di Kecamatan Kruak Nusa Tenggara Barat 1992-1993. Fakultas Kesehatan Masyarakat Universitas Indonesia. Depok. Russell, R.B., Green, N.S., Steiner, C.A., Meikle, S., Howse, J.L., Poschman, K., Dias, T., Potetz, L., Daidoff, M.J., Damus, K., Petrini J.R. 2007. Cost of Hospitalization for Preterm and Low Birth Weight Infants in The United States. Pediatrics, 2007 Jul; 120(1):e1-9. Sarwono, S. 2005. Ilmu Kebidanan. EGC, Jakarta Sastroasmoro, S., Ismael, S. 2011. Dasar-dasar Metodelogi Penelitian Klinis. Edisi keempat. Jakarta : CV. Sagung Seto. Schlober, R. L., Frey, G., Zemlin, M., Misselwitz, B. 2014. [Mortality of very low birth weight infants during a 24 year period in Hesse a province of Germany-impact of variation in registration]. Zeitschrift für Geburtshilfe und Neonatologie, 218(3), pp.100–5. Available at: http://www.ncbi.nlm.nih. gov/pubmed/24999787 [Accessed December 5, 2014]. Simbolon, D. 2012. Berat Lahir dan Kelangsungan Hidup Neonatal di Indonesia. Jurnal Kesehatan Masyarakat Nasional Vol. 7, No. 1, Agustus 2012 Soetjiningsih, 1995, Tumbuh Kembang Anak, EGC, Jakarta. Statistics Indonesia (BPS), National Population and Family Planning Board (BKKBN), Ministry Of Health (Kemenkes) and ICF International. 2013. Indonesia Demographic and Health Survey 2012. Jakarta, Indonesia. Sudra, Rano Indradi. Statistik Rumah Sakit. 2010. Yogyakarta : Graha Ilmu Tjkyan, R.M.S. 2010. Faktor Risiko dan Prognosis Berat Badan Lahir Rendah (BBLR) dan Berat Badan Lahir Sangat Rendah (BBLSR) dan Kejadian Lahir Mati di Kota Palembang Tahun 2010. Jurnal Kedokteran dan Kesehatan, Publikasi Ilmiah fakultas Kedokteran Universitas Sriwijaya. Tomashek, K., M., Shapiro-Mendosa, C., K., Weiss, J. 2006. Early Discharge Among Late Preterm and Term Newborn and Risk of Neonatal Morbidity. Semin Perinatol 2006; 30: 61-8. United Nations Children’s Fund and World Health Organization. 2004. Low Birthweight: Country, regional and global estimates. UNICEF. New York.

101

United Nations Emergency Childrens Fund (UNICEF) Statistics. 2013. Neonatal Mortality Rates Are Declining in All Regions, but More Slowly In SubSaharan 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=abs tract [Accessed October 12, 2014]. Villar, J., Guillermo, C., Nelly, Z., Allan, D., Daniel, W., Anibal, F., et al. 2007. Maternal and Neonatal Individual Risk and Benefits Assosiation With Caesarean Delivery : Multicenter Prospectiive Study. BMJ 2007; 335: 1025. Wardani, D.M., Wandita, S., Haksari, E.L. 2009. Risk Factors of Neonatal Mortality of Referred Babies With Birthweight of 1000-<1500. Berkala Ilmu Kedokteran, vol.41 No 3. Wibowo, T,. Haksari, E,L.,Wandita, S. 2012. Faktor Prognostik Kematian Bayi Berat Lahir Sangat REndah di Rumah Sakit Rujukan Tingkat Tersier. Sari Pediatri, Vol.13, No6, April 2012. World Health Organization (WHO). 2013. Pocket Book of Hospital Care for Children, Guidelines for The Management of Common Childhood Illnesses. 2nd ed. Wright dkk, S., Mathieson, K., Brearley, L., Jacobs, S., Holly, L., Wickremasinghe, R., with work by Renton, A. 2014. Ending Newborn Deaths Ensuring Every Baby Survives. Save the Children 1 St John’s Lane London EC1M 4AR UK +44 (0)20 7012 6400 savethechildren.org.uk. Wulansari, N., Anita, A.D. 2011. Hubungan Antara Status Ekonomi dan Jarak Tempuh pada Ibu Hamil Dengan Pemilihan Penolong Persalinan di Desa Ngendrokilo Magelang. Jurnal Kebidanan, Vol. Iii, No. 1, Juni 2011. Akademi Kebidanan Estu Utomo. Boyolali Yoga, P., Kardana, M., Artana, D., Putra, J. 2012. Karakteristik dan Luaran Bayi Berat Badan Lahir Sangat Rendah yang Lahir di RSUP Sanglah Denpasar. Jurnal Ilmiah Kedokteran [MEDICINA. 2012;43:77-82].

Lampiran 1 TABEL JADWAL KEGIATAN PENELITIAN TAHUN 2014

NO

TAHUN 2015

KEGIATAN Jul

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

Ags

Sept

Okt

102

Nov

Des

Jan

Feb

Mar

Apr

Mei

Jun

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

No urut

P-01

P-02

P-03

P-04

P-05

P-06

P-07

P-08

P-09

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

No urut 1 2 3 4 5 dst

P-10

P-11

P-12

P-13

P-14

P-15

P-16

P-17

Tanggal meninggal

Jam meninggal

Lama dirawat (hr)

Tempat lahir

Cara persalinan

Sebab dirawat

Jenis pembayaran

Kelas perawatan

105

No urut

P-18

P-19

P-20

P-21

P-20

P-21

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

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)

106

No urut

P-30

P-31

P-32

P-33

P-34

P-35

P-36

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

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

107

No urut

P-44a

P-44b

P-44c

P-44d

P-44e

P-44f

P-44g

P-44h

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

P-44i

P-44j

P-44k

P-44l

P-44m

P-44n

P-44o

P-44p

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

No urut

P-44q

P-44r

P-44s

P-44t

P-44u

P-44v

P-44w

P-44x

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

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)

109


P-48

P-49

P-50

P-51

P-52

P-53

P-54

P-55

Tanggal antibiotika I

Tanggal antibiotika kombinasi

Ceftriaxone (dapat/ tidak)

Cefotaxime (dapat/ tidak)

Ampicillin (dapat/ tidak)

Gentamicin (dapat/ tidak)

Meropenem (dapat/ tidak)

Benutrion (dapat/ tidak)

110

Lampiran 3

111

Lampiran 4

112

113

Lampiran 5

STATA OUTPUT

___ ____ ____ ____ ____ (R) /__ / ____/ / ____/ ___/ / /___/ / /___/ 12.0 Statistics/Data Analysis Special Edition

Copyright 1985-2011 StataCorp LP StataCorp 4905 Lakeway Drive 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% 5% 10% 25% 50%

14 20 26 36 42

75% 90% 95% 99%

46 48 48 49

10 10 10 12 Largest 49 49 49 49

Obs Sum of Wgt. Mean Std. Dev. Variance Skewness Kurtosis

644 644 39.35901 8.687708 75.47626 -1.184369 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% 5% 10% 25% 50%

37 40 42 45 46

30 34 34 35

Obs Sum of Wgt. Mean Std. Dev.

512 512 45.79883 2.886733

Largest 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% 99% . sum

32 33

33 33

Skewness Kurtosis

-.2800745 2.285307

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% 5% 10% 25% 50%

1 3 5 6 7

75% 90% 95% 99%

7 8 8 8

1 1 1 1 Largest 8 8 9 9

Obs Sum of Wgt. Mean Std. Dev. Variance Skewness Kurtosis

511 511 6.518591 1.497431 2.242301 -1.803546 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% 99% . sum

8 9

8 9

Skewness Kurtosis

.0170066 1.735518

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% 5% 10% 25% 50%

9 13 14 15 17

75% 18 90% 19 95% 20 99% 23 -> outcome = Death

8 9 9 9 Largest 23 23 24 60


385 385 16.75844 3.215577

Variance Skewness Kurtosis

10.33994 6.158103 86.52325

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% 25% 50%

26 35 48

14 14


340 340 66.88824 57.97084

Largest 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

Log likelihood = -193.28222

Number of obs LR chi2(2) Prob > chi2 Pseudo R2

= = = =

567 4.83 0.0892 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



= = = =

540 0.26 0.6075 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



= = = =

559 1.27 0.2604 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



= = = =

552 0.94 0.3332 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



= = = =

639 0.34 0.5623 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



= = = =

629 41.93 0.0000 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



= = = =

644 19.31 0.0000 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



= = = =

644 2.48 0.1156 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



= = = =

644 5.15 0.0232 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 Logistic regression

Number of obs = 436 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 Logistic regression

Number of obs = 435 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 Logistic regression


= = = =

422 2.05 0.1518 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 Logistic regression

Number of obs = 387 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 maturity weight_50 asphyxia RDS sepsis hglikemi feeding th_ab

| | | | | | | | |

0.0247 0.0355 -0.0751 0.0007 0.0743 0.0712 0.0022 0.0839 -0.1154

-0.0221 0.0387 -0.0099 -0.0524 -0.0539 0.0384 0.1053 0.2008 0.1210

1.0000 0.1342 -0.1856 -0.1050 0.1223 0.0433 -0.0075 0.0453 -0.2581

1.0000 -0.4403 0.1118 0.1545 0.0584 0.0610 0.1676 -0.3824

1.0000 -0.2528 -0.1578 -0.0797 0.0278 -0.3140 0.4892

1.0000 -0.0022 -0.0396 -0.0342 0.1826 -0.3247

1.0000 -0.0153 -0.0377 0.0178 -0.1752

1.0000 -0.0206 0.0639 -0.0647

1.0000 -0.0032 0.0380

1.0000 -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 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 ------------------------------------------------------------------------------

i.

.logistic outcome i. sex i. ref_stts Logistic regression

weight_50 i. asphyxia i. RDS i. feeding i.th_ab 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 Logistic regression

weight_50 i. asphyxia i. RDS i. feeding i. th_ab 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 Logistic regression

i. feeding i. th_ab 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. RDS i. sepsis Logistic regression

i. ref_stts i. maturity i. asphyxia

i. hglikemi i.

th_ab

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 Logistic regression

i. maturity i. asphyxia

i.

th_ab i. RDS 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 25% 900 600 Sum of Wgt. 50% 1175 Mean Largest Std. Dev. 75% 1300 1450 90% 1400 1450 Variance 95% 1400 1450 Skewness 99% 1450 1450 Kurtosis

90 90 1106.667 253.3151 64168.54 -.5960538 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

| Total | |

26.32 38 42.22

73.68 | 52 | 57.78 |

100.00 90 100.00

. 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 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

. 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 | minum |

Outcome 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. Logistic regression

sex if b_weight<1500

. logistic outcome i. Logistic regression

payment2 if b_weight<1500


adm_time if b_weight<1500

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

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

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. Logistic regression

ref_stts if b_weight<1500


mode_dlvr2 if b_weight<1500


maturity if b_weight<1500

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

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

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. Logistic regression

asphyxia if b_weight<1500


RDS if b_weight<1500

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



= = = =

90 2.47 0.1161 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. Logistic regression

sepsis if b_weight<1500


hglikemi if b_weight<1500


hipotermi if b_weight<1500


feeding if b_weight<1500

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

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

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

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 & | 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

b_weight<2000, row

. 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 & Referral | Outcome status | No death Death | Total -------------+----------------------+----------

b_weight<2000, row

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 & 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

b_weight<2000, row

. 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 & | Outcome Asphyxia | No death Death | Total

b_weight<2000, row

-----------+----------------------+---------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 & 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

b_weight<2000, row

sepsis outcome if maturity==1 & b_weight>999 & 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

b_weight<2000, row

. tab hglikemi outcome if maturity==1 & b_weight>999 & 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 & 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

b_weight<2000, row

. tab

h_bilirbn outcome if maturity==1 & b_weight>999 & | 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

b_weight<2000, row

b_weight<2000, row

-----------+----------------------+---------Total | 131 41 | 172 | 76.16 23.84 | 100.00 . tab feeding outcome if maturity==1 & b_weight>999 & 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 & 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

b_weight<2000, row

b_weight<2000, row

Analisis Bivariat . logistic outcome residen1 if Logistic regression

Log likelihood =

-94.44437

maturity==1 & b_weight>999 & b_weight<2000 Number of obs = 172 LR chi2(1) = 0.03 Prob > chi2 = 0.8521 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 Logistic regression

maturity==1 & b_weight>999 & b_weight<2000 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 Logistic regression

maturity==1 & b_weight>999 & b_weight<2000 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. Logistic regression

mode_dlvr2 if maturity==1 & b_weight>999 & b_weight<2000 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 Logistic regression

maturity==1 & b_weight>999 & b_weight<2000 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. Logistic regression

asphyxia if maturity==1 & b_weight>999 & b_weight<2000 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 Logistic regression

maturity==1 & b_weight>999 & b_weight<2000 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. Logistic regression

sepsis if

maturity==1 & b_weight>999 & b_weight<2000 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. Logistic regression

hglikemi if

maturity==1 & b_weight>999 & b_weight<2000 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. Logistic regression

hipotermi if maturity==1 & b_weight>999 & b_weight<2000 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. Logistic regression

feeding if


maturity==1 & b_weight>999 & Number of obs LR chi2(1) Prob > chi2 Pseudo R2

b_weight<2000 = 172 = 2.45 = 0.1177 = 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 Logistic regression

maturity==1 & b_weight>999 & b_weight<2000 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 & b_weight>999 & b_weight<2000 Logistic regression Number of obs LR chi2(4) Prob > chi2 Log likelihood = -74.295921 Pseudo R2

if maturity==1 = = = =

172 40.33 0.0000 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 LR chi2(1)

= =

155 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 ------------------------------------------------------------------------------

DETERMINAN KEMATIAN BAYI BERAT LAHIR RENDAH SELAMA RAWAT INAP DI RSUD KARANGASEM TAHUN

Recommend Documents