Tesis

Penyusunan sistem skoring berdasarkan klinis dalam penegakan diagnosis meningitis tuberkulosis pada anak = Development of clinical-based scoring systems in diagnosing tuberculous meningitis in children.

Bentuk terberat dari tuberkulosis adalah meningitis tuberkulosis (MTB) dengan perkiraan angka penderita mencapai 1% dari seluruh kasus aktif tuberkulosis. Penegakkan diagnosis MTB di Indonesia memiliki banyak tantangan antara lain pengerjaan kultur membutuhkan waktu lama, rendahnya akurasi teknik kultur dalam konfirmasi bakteriologis dan kurangnya fasilitas pencitraan kepala terutama pada daerah perifer. Pembentukan sistem skoring yang terdiri dari parameter manifestasi klinis dan pemeriksaan penunjang sederhana dilakukan untuk membantu diagnostik MTB lebih awal. Penelitian ini merupakan studi retrospektif menggunakan model prediktif diagnostik multivariabel dengan subyek anak berusia 3 bulan hingga 18 tahun. Subyek penelitian terbagi atas 85 pasien kelompok MTB dan 82 pasien kelompok meningitis non TB yang memenuhi kriteria inklusi. Dari 11 variabel yang memiliki hubungan bermakna dengan kejadian MTB, didapatkan 8 variabel yang terbagi atas 4 parameter sistem skor sistemik (batas nilai total skor ³3) dan 4 parameter sistem skor neurologis (batas nilai total skor ³2). Dua sistem skor tersebut memiliki diskriminasi dan kalibarasi yang baik; sistem skor sistemik memiliki sensitivitas 78,8% dan spesifisitas 86,6% dengan AUC 89,9% (IK 95% 85,2-94,5%; p < 0,001); sistem skor neurologis memiliki sensitivitas 61,2% dan spesifisitas 75,2% dengan AUC 73,3% (IK 95% 65,8-80,9%; p < 0,001). Kedua sistem skoring ini bila digunakan bersamaan dan memenuhi batas nilai dapat memprediksi diagnosis MTB pada anak dengan baik (sensitivitas 47,1%, spesifisitas 95,1%, nilai prediksi positif 90,9%, rasio kemungkinan positif 9,6x). Kesimpulan : dua sistem skoring berdasarkan klinis terdiri atas skor sistemik dan skor neurologis memiliki kemampuan baik dan dapat dipertimbangkan sebagai alternatif dalam memprediksi diagnosis MTB pada anak.
Kata kunci: meningitis tuberkulosis, anak, model prediktif diagnostik multivariabel, sistem skoring berdasarkan klinis


The most severe form of tuberculosis is tuberculous meningitis (MTB) with an estimated 1% of all active cases of tuberculosis. Making diagnosis of MTB in Indonesia has many challenges, including the long-time culture process, the low accuracy of culture techniques in bacteriological confirmation and the lack of brain imaging facilities, especially in peripheral areas. The establishment of a scoring system consisting of parameters of clinical manifestations and simple laboratory investigations was carried out to help diagnosing MTB early in children. This is a retrospective study using a multivariable diagnostic predictive model with children aged 3 months to 18 years as subjects. The study subjects were divided into 85 patients in the MTB group and 82 patients in the non-TB meningitis group who met the inclusion criteria. From 11 variables that have a significant relationship with the incidence of MTB, 8 variables divided into 4 parameters of the systemic scoring system (total score cut-off ³3) and 4 parameters of the neurological scoring system (total score cut-off ³2). The two scoring systems have good discrimination and calibration; the systemic scoring system had sensitivity of 78.8% and specificity of 86.6% with an AUC of 89.9% (95% CI 85.294.5%; p < 0.001); the neurological scoring system had sensitivity of 61.2% and specificity of 75.2% with an AUC of 73.3% (95% CI 65.8-80.9%; p < 0.001). Furthermore, these two scoring systems when used together and met the cut-off score can predict the diagnosis of MTB in children well (sensitivity 47.1%, specificity 95.1%, positive predictive value 90.9%, positive likelihood ratio 9.6x). Conclusion: Two clinical scoring systems consisting of a systemic score and a neurological score have good ability and can be considered as an alternative in predicting the diagnosis of MTB in children.
Keywords: tuberculous meningitis, children, multivariable diagnostic predictive model, clinical-based scoring system