Disertasi

Model Prediksi Limfedema pada Kanker Payudara Pasca Diseksi Kelenjar Getah Bening Aksila: Kajian terhadap Faktor Klinikopatologis, Ekspresi Reseptor (VEGFR3, TGFBR2) dan Predisposisi Genetik (GJA4, MET, GATA2) = Lymphedema Prediction Model in Breast Cancer After Axillary Lymph Node Dissection: A Study of Clinicopathological Factors, Receptor Expression (VEGFR3, TGFBR2), and Genetic Predisposition (GJA4, MET, GATA2).

Limfedema merupakan komplikasi kronik setelah prosedur diseksi kelenjar getah bening aksila (DKA) pada pasien kanker payudara. Komplikasi ini mengakibatkan morbiditas bermakna sehingga diperlukan identifikasi prediktor sebagai upaya pencegahan. Berbagai model prediksi telah dikembangkan, namun belum ada model yang mengintegrasikan faktor klinis dengan komponen molekular dan genetik. Penelitian ini bertujuan untuk mengembangkan model prediksi limfedema pada pasien kanker payudara setelah DKA dengan mengidentifikasi faktor klinikopatologis, ekspresi reseptor, dan predisposisi genetik. Studi kohort ambidireksi dilakukan pada bulan Oktober 2022 hingga Juli 2025 di RS Kanker Dharmais dan Rumah Sakit Umum Daerah (RSUD) Kota Bogor dengan subjek pasien kanker payudara setelah DKA. Diagnosis limfedema ditegakkan berdasarkan pemeriksaan gejala klinis dan limfografi indocyanine green (ICG), kemudian dilakukan pengambilan sampel limfatik saat operasi DKA untuk dilakukan pemeriksaan imunohistokimia dan mutasi gen. Identifikasi prediktor menggunakan analisis bivariat untuk mencari faktor dengan nilai bermakna dan dilanjutkan dengan analisis multivariat regresi Cox. Model prediksi dikembangkan dengan mengonversi nilai koefisien-β dan standard error menjadi skor prognostik. Kemampuan diskriminasi model diukur dengan area under the curve (AUC), dan kalibrasi dinilai dengan uji Hosmer-Lemeshow serta plot kalibrasi. Validasi internal menggunakan metode Bootstrap. Dari total 133 subjek, limfedema teridentifikasi pada 56 pasien (42,1%), dengan rentang onset bulan ke-8 hingga ke-14. Model skoring menunjukkan kemampuan diskriminasi baik dengan nilai AUC 0,785 (95% CI 0,704–0,866) dan kalibrasi optimal dengan nilai p > 0,05 pada uji HosmerLemeshow dan plot kalibrasi. Parameter yang digunakan sebagai prediktor limfedema adalah indeks massa tubuh (IMT), ekspresi reseptor VEGFR3 dan TGFBR2, serta mutasi gen GJA4. Model prediksi tersebut menunjukkan kemampuan yang baik dalam memprediksi risiko limfedema, sehingga dapat menjadi dasar untuk mengembangkan kit prediksi, mengatur prioritas follow-up, menjadi dasar edukasi limfedema terhadap pasien, serta pengembangan terapi target pada pasien dengan risiko tinggi.
Kata kunci: Diseksi kelenjar getah bening aksila, ekspresi reseptor, indeks massa tubuh, kanker payudara, limfedema, model prediksi, mutasi genetik


Lymphedema is a chronic complication that can occur following axillary lymph node dissection (ALND) in patients with breast cancer. This issue leads to considerable morbidity, highlighting the need to identify predictors for its prevention. Several prediction models have been created, but none have combined clinical factors with molecular and genetic elements. This research seeks to create a prediction model for lymphedema in breast cancer patients post-ALND by identifying clinicopathological factors, receptor expression, and genetic susceptibility. An ambidirectional cohort study is being carried out from October 2022 to July 2025 at Dharmais Cancer Hospital and Bogor City Regional General Hospital with breast cancer patients who have undergone ALND. The diagnosis of lymphedema is based on clinical symptoms alongside indocyanine green (ICG) lymphography. During ALND surgery, lymphatic samples were collected for immunohistochemical analysis and gene mutation assessment. Predictor identification employed bivariate analysis to determine factors with significant values, followed by multivariate Cox regression analysis. The prediction model was established by transforming the β-coefficient and standard error values into prognostic scores. The model's ability to discriminate was evaluated using the area under the curve (AUC), while calibration was tested using the Hosmer-Lemeshow test and calibration plot. Internal validation was conducted using the Bootstrap method. Out of 133 subjects, lymphedema was detected in 56 patients (42.1%), with an onset period ranging from 8 to 14 months. The scoring model demonstrated strong discriminatory ability with an AUC of 0.785 (95% CI 0.704–0.866) and showed optimal calibration, indicated by a p value > 0.05 in both the HosmerLemeshow test and the calibration plot. The predictors evaluated for lymphedema included body mass index (BMI), the expression of VEGFR3 and TGFBR2 receptor, and mutations in the GJA4 gene. The prediction model shows strong ability in predicting the risk of lymphedema, so it can be the basis for developing prediction kits, setting follow-up priorities, lymphedema education for patients, and developing targeted therapy in high-risk patients.
Keywords: Axillary lymph node dissection, body mass index, breast cancer, genetic mutation, lymphedema, prediction model, receptor expression