Penyebab stroke adalah karena adanya perubahan sistem saraf akibat gangguan peredaran darah ke bagian otak yang muncul secara tiba-tiba dalam hitungan detik atau gejala dan tanda muncul dengan cepat dalam hitungan jam. Prevalensi stroke menurut data World Stroke Organization menunjukkan setiap tahunnya terdapat 13,7 juta kasus baru stroke, dan sekitar 5,5 juta kematian terjadi akibat stroke. WHO menyatakan setiap tahunnya, terdapat lebih dari 13,7 orang di seluruh dunia terkena stroke. Berdasarkan WHO, pada tahun 2018 terdapat 252.473 orang atau 14,83 persen dari total angka kematian nasional di Indonesia yang disebabkan oleh stroke. Indonesia menduduki peringkat ke-7 kematian akibat stroke tertinggi di dunia. Berdasarkan hal tersebut, maka perlu upaya serius untuk mencegah penyakit ini. Pencegahannya salah satunya dapat dilakukan dengan pemodelan statistik untuk deteksi dini guna mencegah dan mengurangi kematian akibat stroke sesuai dengan target SDGs di bidang kesehatan. Analisis statistik dan pemodelan merupakan bagian penting dari epidemiologi penyakit. Model statistik yang diambil dari data surveilans penyakit dapat menjadi alat yang berguna untuk mengevaluasi hipotesis yang diajukan mengenai penyakit tersebut. Tujuan utama pemodelan adalah untuk menentukan variabel yang efektif, hubungan antar variabel, dan prediksi.
Pada penelitian ini, digunakan data dari IFLS (Indonesia Family Life Survey) yang dapat diunduh dari laman https://www.rand.org/well-being/social-and-behavioral-policy/data/FLS/IFLS/ifls5.html. Jumlah data akhir setelah screening adalah 32163. Namun penelitian ini hanya menggunakan 800 data yang diambil/dipilih secara acak yang terdiri dari 200 pasien stroke dan 600 pasien non stroke. Untuk akurasi validasi, kami membagi dataset menjadi dua bagian untuk setiap validasi, 75% untuk pelatihan dan 25% untuk pengujian. Kami menggunakan R Studio sebagai perangkat lunak sumber terbuka untuk menganalisis semua metode dalam penelitian ini.
Penulis: Dr. Nur Chamidah, S.Si., M.Si.
Informasi lengkap (detail) dari penelitian ini dapat dilihat pada tulisan kami di laman:
Baca juga: Pemodelan Risiko Hipertensi Berdasarkan Faktor Usia, Indeks Massa Tubuh, dan Psikologis Menggunakan
