Analisis Survival Untuk Durasi Proses Kelahiran Menggunakan Model Regresi Hazard Additif

Abstract

Survival data is the length of time until an event occurs. If the survival time is affected by other factor, it can be modeled with a regression model. The regression model for survival data is commonly based on the Cox proportional hazard model. In the Cox proportional hazard model, the covariate effect act multiplicatively on unknown baseline hazard. Alternative to the multiplicative hazard model is the additive hazard model. One of the additive hazard models is the semiparametric additive hazard model that introduced by Lin Ying in 1994. The regression coefficient estimates in this model mimic the scoring equation in the Cox model. Score equation of Cox model is the derivative of the Partial Likelihood and methods to maximize partial likelihood with Newton Raphson iterasi. Subject from this paper is describe the multiplicative and additive hazard model that applied to the duration of the birth process. The data is obtained from two different clinics,there are clinic that applies gentlebirth method while the other one no gentlebirth. From the data processing obtained the factors that affect on the duration of the birth process are baby’s weight, baby’s height and method of birth. Keywords: survival, additive hazard model, cox proportional hazard, partial likelihood, gentlebirth, duration

Perbandingan Metode Efron dan Breslow pada Regresi Cox Propotional Hazard yang Mengandung Ties

“…Analisis survival merupakan sekumpulan metode untuk mengevaluasi data waktu individu mengalami kejadian yang kerap diterapkan pada banyak penelitian [4] .Analisis data survival adalah analisis yang membicarakan tentang waktu uji ketahanan atau survival time yang bisa dinyatakan dalam bentuk tahun, bulan, hari, hingga jam pada sebuah individu mulai dari awal pengamatan sampai terjadinya suatu kejadian pada individu tersebut. Kejadian yang dimaksud adalah perubahan kondisi, kepunahan suatu populasi, kesembuhan, serta kematian [5] . Analisis survival juga digunakan untuk menganalisis suatu kasus yang tidak bisa di analisis dengan analisis statistik standar [6] .…”

Estimasi Parameter Cox Semiparametric Hazards Model Dengan Metode Efron Pada Data Tersensor Kanan

“…Dalam [5] dinyatakan bahwa pengaasumsian waktu penyensoran sebagai waktu kejadian dapat mengakibatkan bias. Hal ini menyebabkan hasil analisis tidak akan memberi informasi yang valid mengenai kejadian sebenarnya.…”

ANALISIS LAJU PERBAIKAN KONDISI KLINIS PASIEN STROKE MENGGUNAKAN REGRESI HAZARD ADITIF LIN-YING (Studi Kasus: Data Pasien Stroke di RSUD Pandan Arang Boyolali Periode Januari 2021 - Agustus 2021)

“…Menurut Madadizadeh et al (2017) salah satu kelebihan model hazard aditif yaitu dapat memperkirakan perbedaan risiko (Different Risk). Selain itu, model hazard aditif akan cocok dengan tipe data tertentu yang lebih baik daripada model hazard proportional, karena tidak terdapat asumsi proporsionalitas yang dibuat sehingga lebih fleksibel (Wuryandari et al, 2020). Sehingga pada penelitian ini mengambil fokus dengan penerapan metode regresi hazard aditif Lin-Ying dengan data penelitian yang digunakan adalah data pasien stroke yang sudah menjalani rawat inap di RSUD Pandan Arang Boyolali.…”