ALGORITME ELEKTROKARDIOGRAFI BARU UNTUK ...lib.ui.ac.id/file?file=digital/20367122-SP-Andi Haryanto.pdf12. Kepada seluruh staf divisi Kardiologi Pediatrik dan Penyakit Jantung Bawaan,

UNIVERSITAS INDONESIA

ALGORITME ELEKTROKARDIOGRAFI BARU UNTUK

MEMBEDAKAN TAKIKARDIA VENTRIKEL DAN TAKIKARDIA

SUPRAVENTRIKEL DENGAN ABERANSI

TESIS

ANDI HARYANTO

0906565425

FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA

PROGRAM PENDIDIKAN DOKTER SPESIALIS-1

ILMU PENYAKIT JANTUNG DAN PEMBULUH DARAH

JAKARTA 2013

Algoritme elektrokardiografi…, Andi Haryanto, FK UI, 2014

i

UNIVERSITAS INDONESIA

ALGORITME ELEKTROKARDIOGRAFI BARU UNTUK

MEMBEDAKAN TAKIKARDIA VENTRIKEL DAN TAKIKARDIA

SUPRAVENTRIKEL DENGAN ABERANSI

TESIS

Diajukan sebagai salah satu syarat untuk memperoleh gelar Spesialis Jantung dan

Pembuluh Darah

ANDI HARYANTO

0906565425

FAKULTAS KEDOKTERAN UNIVERSITAS INDONESIA

PROGRAM PENDIDIKAN DOKTER SPESIALIS-1

ILMU PENYAKIT JANTUNG DAN PEMBULUH DARAH

JAKARTA 2013



Tesis ini diajukan olehNamaNPMProgram StudiJudul tesis

Pembimbing

Pembimbing

Pembimbing Bahasa

Penguji

Penguji

Penguji

DR. dr. Yoga Yuniadi, Sp.JP(K)

DR. dr. Bambang Budi Siswanto, SpJP(K)

DR. dr. Barita Sitompul, SpJP(K)

Prof. dr. Ganesja M. Harimurti, SpJP(K)

dr. Hadi Purnomo, SpJP(K)

dr. Muhammad Yusak, SpJP(K)

HALAMAN PENGESAHAI\

Andi Haryanto090656s425Ilmu Penyakit Jantung dan Pembuluh DarahAlgoritme Elektrokardiografi Baru Untuk MembedakanTakikardia Ventrikel dan Takikardia Supraventrikel DenganAberansi

Telah berhasil dipertahankan di hadapan Dewan Penguji dan diterima sebagai bagianpersyaratan yang diperlukan untuk memperoleh gelar Spesialis Jantung dan PembuluhDarah pada Program Studi Ilmu Penyakit Jantung dan Pembuluh Darah FakultasKedokteran, Universitas Indonesia.

DEWAN PENGUJI

Ditetapkan di : Jakarta

Tanggal : 17 Desember 2013

i l l


iv

UCAPAN TERIMA KASIH

Puji syukur kepada Tuhan Yang Maha Esa atas segala berkat dan rahmat-Nya

akhirnya saya dapat menyelesaikan tesis ini. Saya sangat menyadari bahwa tanpa bantuan

dari berbagai pihak, tesis ini tidak mungkin dapat saya selesaikan dengan baik. Maka pada

kesempatan ini izinkanlah saya dengan segala kerendahan hati untuk menyampaikan terima

kasih, rasa hormat dan penghargaan yang sebesar-besarnya kepada :

1. DR. dr. Amiliana Mardiani, SpJP(K) selaku Ketua Departemen Kardiologi dan

Kedokteran Vaskular FKUI. Penulis mengucapkan terima kasih yang setulus-tulusnya

atas bimbingan, dorongan, nasehat dan dukungan selama kami menjalani pendidikan

spesialis ini.

2. Prof. dr. Ganesja M Harimurti, SpJP(K), Ketua Departemen Kardiologi dan

Kedokteran Vaskular FKUI atas segala bimbingan, dorongan, nasehat dan dukungan

dalam perannya yang tidak hanya sebagai guru tetapi juga bagaikan seorang ibu selama

saya menjalani pendidikan spesialis ini.

3. Para Guru Besar, Prof. dr. Asikin Hanafiah, SpJP(K), SpA, Prof. dr. Lily I

Rilantono, SpJP(K), SpA, Alm. Prof. dr. Syukri Karim, SpJP(K), Prof. DR. dr.

Idris Idham, SpJP(K), Prof.dr. Harmani Kalim, SpJP(K), MPH, Prof. DR. dr. Dede

Kusmana, SpJP(K), Prof. DR. dr. Budhi Setianto, SpJP(K), sebagai tauladan

kehidupan dan pembuka wawasan dalam hal keilmuan kardiologi dan cara berpikir untuk

menjadi seorang dokter spesialis jantung yang baik.

4. Dr. dr. Yoga Yuniadi, SpJP(K), yang mencetuskan ide penelitian yang sangat menarik

ini dan sekaligus sebagai pembimbing penelitian yang telah memberikan segala

perhatian, waktu, bimbingan, dan dukungannya sehingga tesis ini dapat saya selesaikan

serta kepada Dr. dr. Bambang Budi Siswanto, SpJP(K) sebagai pembimbing kedua

saya yang juga telah meluangkan waktu dan tenaganya untuk membimbing saya dalam

menyelesaikan tesis ini, dan tidak lupa Dr.dr. Barita Sitompul, SpJP(K), sebagai

pembimbing bahasa yang sudah meluangkan waktu untuk membaca dan mengoreksi tata

bahasa dan penulisan tesis ini.

5. dr. Poppy S. Roebiono, SpJP(K), Dr. dr. Renan Sukmawan SpJP(K), ST dan dr.

BRM. Aryo S, SpJP sebagai ketua dan sekretaris program studi yang telah memberikan

segala perhatian, waktu dan dukungannya sehingga tesis ini dapat saya selesaikan tepat

waktu dan juga atas segala bimbingan selama masa pendidikan.


v

6. dr. Anwar Santoso, SpJP(K) dan dr. Sunu B Rahardjo, SpJP, Phd sebagai

koordinator penelitian yang lama dan baru. Yang telah banyak memberikan dukungan,

saran dan kritik dalam penyelesaian dan penyempurnaan tesis ini.

7. Dr. dr. Hananto Andriantoro, SpJP(K), Direktur Utama PJNHK saat ini, Dr. dr.

Faisal Baraas, SpJP(K) dan Dr.dr. Anwar Santoso, SpJP(K), Direktur Utama PJNHK

terdahulu beserta jajaran Direksinya, atas segala kesempatan dan fasilitas yang diberikan

selama menjalani pendidikan.

8. Seluruh Staf Pengajar di Divisi Elektrofisiologi dan Aritmia yaitu Dr. dr. Yoga

Yuniadi, SpJP(K), dr. Dicky Hanafy SpJP(K), dan dr. Sunu B Rahardjo, SpJP,

Phd atas segala bantuan dan bimbingannya selama pembuatan tesis ini.

9. Semua perawat di divisi Elektrofisiologi dan Aritmia, terutama Pak Iyan Solihin dan

Rocky yang sering juga sering direpotkan selama saya mengadakan penelitian terutama

dalam hal pengambilan sampel penelitian.

10. Prof. dr. Ganesja M. Harimurti, SpJP(K), dr. Nani Hersunarti, SpJP(K), dr. Poppy

S. Roebiono, SpJP(K), Dr. dr. Bambang Budi Siswanto, SpJP(K), dr. Irmalita,

SpJP(K), dr. Anna Ulfa Rahajoe, SpJP(K), Dr. dr. Indriwanto Sakidjan, SpJP(K),

dr. Radityo Prakoso, SpJP, dr. Oktavia Lilyasari, SpJP, yang telah meletakkan dasar-

dasar pada awal mula dari masa pendidikan kami di program studi, sehingga membentuk

kami agar memiliki pola pikir holistik, logis, dan kritis untuk proses pendidikan

selanjutnya.

11. Kepada Seluruh staf Kardiologi Klinik dan Perawatan Kritis, dr. Nani Hersunarti

SpJP(K), dr. Irmalita SpJP(K), Prof.DR.dr. Bambang Budi Siswanto SpJP(K), dr.

Daniel Tobing SpJP(K). dr. Surya Dharma SpJP(K), dr. Dafsah A Juzar SpJP , dr.

Isman Firdaus SpJP, dr. Rarsari S SpJP, dr. Siska Suridanda SpJP. atas segala

binaan kepada kami selama kami menimba ilmu kardiologi klinik dan perawatan klinis.

12. Kepada seluruh staf divisi Kardiologi Pediatrik dan Penyakit Jantung Bawaan, Prof.dr.

Ganesja Moelia H, SpJP(K), dr. Anna Ulfah Rahajoe SpJP(K), dr. Poppy S

Roebiono SpJP(K), dr.Indriwanto SA SpJP(K), dr. Radityo Prakoso SpJP, dr.

Oktavia Lilyasari SpJP, atas segala binaan pada kami selama menimba ilmu

kardiologi pediatrik.

13. Kepada seluruh staf divisi Diagnostik Non Invasif dan Pencitraan, DR. dr. Amiliana

MS, SpJP(K), dr. Manoefris Kasim, SpJP(K), dr. Ario Soeryo K, SpJP, dr. Renan

Sukmawan, SpJP, ST, dr. Soni Hilal W SpJP, atas segala pengetahuan di bidang

Ekokardiografi dan Kardiologi Nuklir.


vi

14. Kepada seluruh staf divisi Diagnosis Invasif dan Intervensi Non Bedah, dr.Otte J

Rachman, SpJP(K), dr. Nur Haryono, SpJP(K), dr, M. Yusak, SpJP(K), dr.

Sunarya S SpJP(K), dr. Doni Firman, SpJP, atas pengetahuan intervensi di bidang

kardiologi.

15. Kepada seluruh staf divisi Rehabilitasi dan Prevensi, Prof.DR.dr.Dede Kusmana

SpJP(K), dr. Andang H Joesoef SpJP(K), Prof.DR.dr.Budhi Setianto SpJP(K),

DR.dr.Anwar Santoso SpJP(K), dr.Basuni Radi SpJP, atas segala pengetahuan

tentang tindakan prevensi dan rehabilitasi pada pasien jantung.

16. Kepada seluruh staf divisi Vaskular, dr.RWM Kaligis SpJP(K), DR.dr.Ismoyo Sunu,

SpJP(K), DR.dr. Hananto A SpJP(K), DR.dr.Iwan Dakota SpJP(K), dr.Suko A

SpJP, PhD, dr. Taofan S SpJP atas segala pengetahuan di bidang Vaskular.

17. Kepada seluruh staf divisi Aritmia dan Elektrofisiologi, DR.dr.Yoga Yuniadi,

SpJP(K), dr.Dicky Hanafi SpJP, dr.Sunu Budhi R SpJP, PhD atas segala

pengetahuan tentang Aritmia.

18. Kepada staf divisi Perawatan Bedah Jantung Dewasa, dr. Rita Zahara SpJP, yang telah

mengajarkan tatalaksana pasien jantung paska operasi.

19. dr. Pandu Riono, Mph., PhD. sebagai pembimbing statistik yang telah membantu

dalam membuka wawasan tentang penelitian dan melakukan analisis statistik dalam

penelitian ini.

20. Seluruh rekan-rekan dan pengurus Keluarga Asisten Kardiologi (KELAKAR)

terutama teman-teman angkatan Juli 2009: Arief Fadhilah, dr. Arwin Saleh

Mangkuanom, dr. Kornadi, dr. Elen, dr. Beni TM Togatorop, dr. Nyoman

Wiryawan, dr. Olfi Lelya, dr. Pramono Sigit, dr. Rijal Alaydrus, juga dr. Fuad

Arbi, dr. Taka Mehi, dr. Arbi Lizarda, dr. Mien Athoillah untuk kebersamaan,

persahabatan, dukungan, kerjasama dan segala cerita suka dan duka yang telah kita bagi

bersama dalam 4,5 tahun ini dan di tahun-tahun mendatang.

21. Rekan-rekan seperjuangan: dr. Arief, dr. Kornadi, dr. Elen, dr. Arwin, dr. Sigit, dr.

Heru, dr. Katrin, dr. Wenny, dr. Andien untuk segala kebersamaan dan kerjasama

yang luar biasa dalam perjuangan dan persiapan menghadapi segala tahapan ujian akhir

ini.

22. Bapak Herman, Ibu Rini Sukaman, Ibu Linda, Mbak Rita, Mbak Pipin, Mbak Ita,

Mas Budi, Mbak Nurul, Syuaib, Arry dan Mas Endra, terima kasih untuk segala

bantuan selama menjalani proses pendidikan ini.


vii

23. Seluruh karyawan medis maupun non-medis di Pusat Jantung Nasional Harapan

Kita, terima kasih atas segala bantuan dan kerja sama yang baik selama saya menjalani

proses pendidikan.

24. Secara khusus saya haturkan segala rasa hormat dan terima kasih yang mendalam kepada

orang tua saya tercinta Budi Widyarto dan Kartika Dewi atas panutan dan inspirasi

dalam kehidupan, atas segala kasih sayang, didikan, kesabaran, kepercayaan, dorongan

semangat dan untaian doa yang tidak henti-hentinya mengalir kepada saya. Tidak ada

suatupun hal yang dapat membalas segala sesuatu yang telah papa dan mama berikan.

25. Kepada kakak saya Arie Priyanto yang tidak henti-hentinya memberikan dorongan dan

semangat, terutama saat saya sedang lelah dan penat dalam masa sekolah ini, dan juga

kepada Luciana Yuliani yang selalu menemani saya dan memberi dukungan serta sabar

menanti saya selama masa-masa sekolah ini.

Akhirnya dengan segala kerendahan hati saya ucapkan terima kasih yang sebesar-besarnya

kepada semua pihak yang tidak dapat saya sebutkan satu-persatu, yang telah membantu

selama pendidikan serta dalam menyelesaikan penelitian ini. Semoga Tuhan Yang Maha

Pengasih dan Penyayang senantiasa melimpahkan rahmat dan karuniaNya kepada kita semua.

Jakarta, Desember 2013

Andi Haryanto



ix

ABSTRAK

Nama : Andi Haryanto

Program Studi : Ilmu Penyakit Jantung dan Pembuluh Darah

Judul : Algoritme Elektrokardiografi Baru Untuk Membedakan

Takikardia Ventrikel dan Takikardia Supraventrikel Dengan

Aberansi

Latar Belakang. Takikardia dengan kompleks QRS lebar adalah gambaran EKG yang cukup

sering kita temukan. Secara umum ada 3 aritmia yang dapat menyebabkan gambaran

takikardia dengan kompleks QRS lebar yaitu: takikardia ventrikel, takikardia supraventrikel

dengan aberansi dan takikardia supraventrikel dengan preksitasi. Ketiga aritmia ini penting

untuk dibedakan karena memiliki kemaknaan klinis yang sangat berbeda. Berbagai cara

sudah diteliti untuk membedakan ke tiga aritmia ini, cara yang sampai saat ini paling sering

dipakai adalah dengan menggunakan algoritme ekektrokardiografi. Ada berbagai algoritme

yang dapat digunakan, namun sampai sekarang hanya sedikit penelitian yang

membandingkan akurasi dari algoritme-algortime tersebut. Penelitian ini akan

membandingkan akurasi tiap algoritme-algoritme tersebut dan apabila memungkinkan

menyusun suatu algortime baru yang akurat dan mudah digunakan.

Metode. Seluruh sampel EKG takikardia dengan kompleks QRS lebar dari bulan Juni 2009

sampai Juni 2013 yang telah menjalani studi elektrofisiologi di Pusat Jantung Nasional

Harapan Kita, yaitu sebanyak 62 sampel di analisis oleh 2 orang dengan menggunakan

algoritme Brugada, Vereckei, aVR dan R II Wave Peak Time (RIIPWT). Dilakukan analisis

tes diagnostik, bivariat dan multivariat untuk tiap-tiap karakteristik EKG dari ke 4 algoritme

tersebut. Dari analisa tersebut dibentuklah suatu algoritme baru yang terstruktur dan

kemudian dilakukan validasi ulang dengan 56 EKG takikardia dengan kompleks QRS lebar

yang berbeda.

Hasil. Dalam penelitian ini, hasil tes diagnostik algoritme Brugada memiliki sensitivitas dan

spesifisitas yang cukup baik (85.42%; 85.71%), sementara algortime Vereckei memiliki

sensitivitas yang paling tinggi (93.73%). Untuk analisis pada tiap-tiap karakteristik EKG

didapatkan 4 kriteria EKG memiliki spesifisitas sampai 100%. Pada analisis multivariat

didapatkan kriteria EKG adanya gelombang r/q > 40ms pada sadapan aVR dan rasio vi/vt

bermakna secara statistik. Kemudian berdasarkan hasil analisis tes diagnostik, multivariat,

dan kappa inter dan intra observer dibuatlah algortime baru. Hasil validasi tes diagnostik

mendapatkan sensitivitas, akurasi dan Likelihood Ratio algortime baru lebih tinggi dari

algoritme-algoritme sebelumnya.

Kesimpulan. Karakteristik EKG yang paling bermakna secara statistik untuk membedakan

VT dan SVT dengan aberansi pada takikardia dengan kompleks QRS lebar adalah adanya

gelombang r/q > 40 ms di sadapan aVR dan rasio vi/vt. Algoritme baru yang dibuat

berdasarkan keempat algoritme lainnya memiliki sensitivitas, akurasi, dan likelihood ratio

yang lebih tinggi dari keempat algortime lainnya.

Kata Kunci:

Takikardia dengan kompleks QRS lebar, takikardia ventrikel, takikardia supraventrikel

dengan aberansi, algoritme Brugada, algoritme Vereckei, algoritme aVR, R II Peak Wave

Time


x

ABSTRACT

Name : Andi Haryanto

Study Program : Cardiology and Vascular Medicine

Title : New Electrocardiography Algorhythm for Differentiating Ventricular

Tachycardia and Supraventricular Tachycardia With Abberancy

Background. Wide complex tachycardia is a quite common rhythm that we could find in

ECG. Generally there are three arrhytmia that could cause such rhythm in ECG which are:

ventricular tachycardia, supraventricular tachycardia with abberancy, supraventricular

tachycardia with preexcitation. It is of the utmost importance to be able to differentiate this

rhythms for they hold a very different clinical value. Many methods was used to differ this

three arrhytmia, among all of them the electrocardiography algorthytm was one of the most

commonly used. This study will compared all the accuracy of the previous algorhythms and

if possible to developed a new accurate and simple algorhythm based on the previous

algorhythm.

Method. All wide QRS complex tachycardia electrocardiography spanning from June 2009

up until June 2013 whose diagnosis confirmed by electrophysiology study at National Heart

Center Harapan Kita with the sum of 62 samples were analyzed by 2 researcher using the

Brugada, Vereckei, aVR, and R II Peak Wave Time. Diagnosis test was then performed with

bivariat and multivariat analysis for every ECG criteria from the four previous algorhythm.

From the previous analysis a new and structured algorhythm was formed and validity test was

performed afterward using a different set of 56 wide QRS complex tachycardia.

Result. From the diagnostic analysis, the Brugada algorhythm come out with a formidable

sensitivity dan specificity (85.42%; 85.71%), while the Vereckei algorhythm has the highest

sensitivity (93.73%). There are four ECG criteria with 100% specificity. The multivariat

analysis reveal two statistically significant ECG criteria which are the existence of r or q

wave > 40 ms in the aVR lead and the vi/vt ratio. Based on the multivariat analysis, and

kappa inter and intra observer, new algorhythm was formed. The Validity test afterward

reveal the sensitivity, accuracy and likelihood ratio of the new algorhythm were superior

compared with the previous algorhythm.

Conclusion. The most statitiscally significant ECG characteristic for differentiating VT and

SVT with abberancy in wide QRS complex tachycardia were are the existence of r or q wave

> 40 ms in the aVR lead and the vi/vt ratio. The new algorhythm build based on the four

previous algorhythm has superior sensitivity, accuracy, and likelihood ratio compared with

the previous algorhythms.

Keywords:

Wide QRS complex tachycardia, ventricular tachycardia, supraventricular tachycardia eith

abberancy, Brugada algorhythm, Vereckei algorhythm, aVR algorhythm, R II Peak Wave

Time


xi

DAFTAR ISI

HALAMAN JUDUL ........................................................................................................ i

HALAM PERNYATAAN ORISINALITAS ................................................................... ii

HALAMAN PENGESAHAN .......................................................................................... iii

UCAPAN TERIMA KASIH............................................................................................. iv

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI........................................ viii

ABSTRAK ........................................................................................................................ ix

ABSTARCT ...................................................................................................................... x

DAFTAR ISI .................................................................................................................... xi

DAFTAR TABEL ............................................................................................................. xiii

DAFTAR GAMBAR ........................................................................................................ xiv

DAFTAR SINGKATAN .................................................................................................. xvi

BAB I PENDAHULUAN ................................................................................................. 1

1.1. Latar Belakang ........................................................................................................ 1

1.2. Pertanyaan Penelitian .............................................................................................. 2

1.3. Hipotesis Penelitian ................................................................................................ 3

1.4. Tujuan Penelitian .................................................................................................... 3

1.5. Manfaat Penelitian .................................................................................................. 3

1.5.1. Akademik ......................................................................................................... 3

1.5.2. Klinis ................................................................................................................ 3

1.5.3. Masyarakat ....................................................................................................... 3

BAB II TINJAUAN PUSTAKA ...................................................................................... 4

2.1. Algoritme Brugada.................................................................................................. 6

2.2. Algoritme Vereckei ................................................................................................. 10

2.3. Algoritme aVR ........................................................................................................ 14

2.4. Algoritme Ultrasimple Brugada ............................................................................. 18

BAB III KERANGKA TEORI, KONSEP DAN ALUR PENELITIAN .......................... 23

3.1. Kerangka Teori ....................................................................................................... 23

3.2. Kerangka Konsep .................................................................................................... 24

3.3. Alur Penelitian ........................................................................................................ 25

3.3.1. Tahap I ............................................................................................................. 25

3.3.2. Tahap II ........................................................................................................... 26

BAB IV METODOLOGI PENELITIAN ......................................................................... 27

4.1. Desain Penelitian .................................................................................................... 27

4.2. Tempat dan Waktu Penelitian ................................................................................. 27

4.3. Subyek Penelitian.................................................................................................... 27

4.4. Besar Sampel .......................................................................................................... 27

4.5. Kriteria Inklusi dan Eksklusi .................................................................................. 28

4.5.1. Kriteria Inklusi ................................................................................................ 28

4.5.2. Kriteria Eksklusi .............................................................................................. 28

4.6. Variabel Penelitian .................................................................................................. 28

4.6.1. Variabel Independen ........................................................................................ 28


xii

4.6.2. Variabel Dependen .......................................................................................... 29

4.7. Definisi Operasional ............................................................................................... 29

4.8. Cara Kerja ............................................................................................................... 30

4.9. Analisis Statistik ..................................................................................................... 31

BAB V HASIL PENELITIAN ......................................................................................... 32

5.1. Karakter Dasar Sampel Penelitian .......................................................................... 33

5.2. Analisis Karakteristik EKG Pada Takikardia Dengan Kompleks QRS Lebar ....... 34

5.3. Pembentukan Algoritme Baru................................................................................. 36

5.4. Validasi Algoritme Baru ......................................................................................... 38

BAB VI DISKUSI ............................................................................................................ 39

6.1. Keterbatasan Penelitian ........................................................................................... 44

BAB VII KESIMPULAN DAN SARAN ......................................................................... 45

7.1. Kesimpulan ............................................................................................................. 45

7.2. Saran ....................................................................................................................... 45

DAFTAR PUSTAKA ....................................................................................................... 46


xiii

DAFTAR TABEL

Tabel 2.1. Kriteria pada sadapan prekordial yang digunakan untuk membedakan

membedakan VT dengan SVT pada takikardia dengan kompleks QRS

lebar yang diajukan oleh Wellens et al .................................................... 5

Tabel 2.2. Pengujian akurasi kriteria EKG oleh Brugada yang sebelumnya sudah

diajukan ..................................................................................................... 6

Tabel 2.3. Pengujian kriteria morfologi Wellens yang dilakukan oleh Brugada ..... 7

Tabel 2.4. Tabel distribusi interval RS pada sampel Brugada ................................... 8

Tabel 2.5. Kriteria blok berkas cabang dan blok fasikular yang diajukan oleh Willems

et al dan diadopsi oleh Vereckei ............................................................... 11

Tabel 2.6. Hasil perbandingan akurasi algoritme Brugada dengan Vereckei ........... 14

Tabel 2.7. Perbandingan akurasi algoritme Brugada, Vereckei dan aVR ................ 18

Tabel 2.8. Karakteristik sampel dari penelitian Ultra Simple Brugada .................... 21

Tabel 2.9. Tes akurasi pada kriteria R-Wave Peak Time > 50 ms pada sadapan II .. 21

Tabel 2.10. Perbandingan akurasi, sensitivitas, spesivisitas, positif dan negatif

likelihood ratiodari kelima algoritme yang di teliti Jastrzebski .............. 22

Tabel 5.1. Karakteristik sampel penelitian ............................................................... 33

Tabel 5.2. Analisa sensitivitas, spesifisitas, nilai prediksi positif dan nilai prediksi

negatif pada tiap karakteristik EKG untuk diagnosis VT........................ 35

Tabel 5.3. Hasil analisis multivariat dari kriteria-kriteria EKG ke empat algoritme.35

Tabel 5.4. Kappa inter observer dan intra observer terhadap karakteristik EKG dari

tiap algoritme ........................................................................................... 36

Tabel 5.5. Perbandingan hasil tes diagnostik dari algoritme baru dan algoritme-

algoritme lainnya ..................................................................................... 38

Tabel 6.1. Perbandingan sensitivitas, spesifisitas,dan akurasi dari penelitian

Jastrzebski et al dan peneliti .................................................................... 41


xiv

DAFTAR GAMBAR

Gambar 2.1. Diagram yang menunjukkan perjalanan impuls elektrik pada VT dan

SVT dengan aberansi............................................................................... 4

Gambar 2.2. Algoritme bertingkat yang dibuat oleh Brugada ..................................... 8

Gambar 2.3. Uji diagnostik yang dilakukan Brugada et al untuk algoritme

yang dibuat .............................................................................................. 9

Gambar 2.4. Algoritme bertingkat yang diajukan oleh Vereckei ................................ 10

Gambar 2.5. Contoh penggunaan kriteria vi/vt pada EKG yang menunjukkan diagnosis

SVT dan VT ............................................................................................ 12

Gambar 2.6. Uji diagnostik algoritme Vereckei .......................................................... 13

Gambar 2.7. Algoritme baru buatan Vereckei et al yang hanya menggunakan sadapan

aVR saja .................................................................................................. 15

Gambar 2.8. Contoh penerapan langkah ke 2 dan ke 3 dari algoritme aVR, yaitu

gelombang r atau q pada awal QRS di sadapan aVR dengan lebar > 40 ms

dan adanya takik pada bagian defleksi menurun dari gelombang q pada

kompleks QRS di sadapan aVR .............................................................. 15

Gambar 2.9. Pengaruh asal dan penjalaran impuls terhadap gambaran EKG di sadapan

aVR .......................................................................................................... 16

Gambar 2.10. Uji diagnostik algoritme aVR ................................................................. 17

Gambar 2.11. Pewarnaan gap junction pada otot jantung anjing saat impuls berjalan

transversal dan longitudinal..................................................................... 18

Gambar 2.12. Hasil penelitian dari Valderrábano ......................................................... 19

Gambar 2.13. Contoh penerapan algortime R-Wave Peak Time pada EKG .................. 20

Gambar 3.1 Kerangka teori dimana suatu takikardia dengan kompleks QRS lebar dapat

dibedakan menjadi VT atau SVT melalui karakteristik-karakteristik EKG

yang ada ................................................................................................... 23

Gambar 3.1. Kerangka konsep pada penelitian dimana 4 algoritme untuk membedakan

VT dan SVT dengan aberansi diterapkan pada EKG takikardia dengan

QRS kompleks lebar yang kemudian diagnosisnya dipastikan dengan studi

elektrofisiologi......................................................................................... 24

Gambar 3.2. Alur penelitian tahap I.............................................................................. 25


xv

Gambar 3.3. Alur penelitian tahap II ............................................................................ 26

Gambar 5.1. Pemilihan pasien yang dimasukkan dalam analisa penelitian ................. 32

Gambar 5.2. Algoritme baru yang dibuat berdasarkan analisis dari setiap karakter EKG

pada 4 algoritme EKG yang sudah ada sebelumnya ............................... 37

Gambar 6.1. Kurva Kaplan-Meier yang menunjukkan perbandingan angka bebas

VT/VF pada sampel penelitian VTACH ................................................. 40

Gambar 6.2. Perjalanan impuls pada VT dan SVT preeksitasi ..................................... 41


xvi

DAFTAR SINGKATAN

VT Takikardia Ventrikel

SVT Takikardia Supraventrikel

EKG Elektrokardiografi

RIIPWT R II Wave Peak Time

vi Initial Velocity

vt Terminal Velocity

AVRT Atrioventriculare Reentrant Tacycardia

AVNRT Atrioventriculare Nodal Reentrant Tacycardia

AFL Atrial Flutter

AF Fibrilasi Atrium

SVT – RB SVT dengan morfologi blok berkas cabang kanan

SVT – LB SVT dengan morfologi blok berkas cabang kiri

VT – RB VT dengan morfologi blok berkas cabang kanan

VT – LB VT dengan morfologi blok berkas cabang kiri

BBB Blok berkas cabang

FB Blok fasikular

PPV Nilai Prediksi Positif

NPV Nilai Prediksi Negatif

LR Likelihood Ratio


1

Universitas Indonesia

BAB I

PENDAHULUAN

1.1 Latar Belakang

Takikardia dengan kompleks QRS lebar adalah gambaran EKG yang sering

ditemukan. Pada kondisi tidak stabil, maka terapi elektrik perlu diberikan sesuai dengan

indikasi yang ada. Namun apabila pasien datang dengan kondisi yang cukup stabil, maka

penilaian yang lebih detail perlu dilakukan untuk menghasilkan diagnosis yang tepat.

Pada dasarnya, ada 3 kelainan irama jantung yang dapat menghasilkan gambaran

EKG takikardia dengan kompleks QRS lebar, yaitu: takikardia ventrikel (VT) merupakan

yang paling umum ditemukan (80%), takikardia supraventrikular (SVT) dengan aberansi (15

– 20 %), dan Atrioventriculare Reentrant Tacycardia (AVRT) dengan konduksi antidromik

(1 – 6 %).1

Untuk mendiagnosis ketiga kelainan tersebut diperlukan berbagai data, seperti

anamnesa yang baik, pemeriksaan fisik, ataupun manuver-manuver tertentu, namun sampai

saat ini modalitas yang paling sederhana dan cukup efektif untuk menegakkan diagnosis pada

takikardia dengan kompleks QRS lebar adalah dengan menelaah gambaran EKG pasien

dengan seksama. Diagnosis yang tepat untuk membedakan SVT dengan aberansi dan VT

sangatlah penting, karena kedua kelainan tersebut sangatlah berbeda meskipun memiliki

gambaran EKG yang mirip. SVT dengan aberansi dan VT memiliki patofisiologi dan

mekanisme yang berbeda, dimana yang pertama bersumber dari supraventrikel, sedangkan

yang kedua berasal dari ventrikel. Hal tersebut menyebabkan terapi yang perlu diberikanpun

berbeda, dan kesalahan dari pemberian terapi dapat berakibat cukup fatal.1

Karena EKG tetap merupakan modalitas utama untuk menegakkan diagnosis pada

takikardia dengan kompleks QRS lebar, maka banyak algoritme yang diajukan untuk

membantu menegakkan diagnosis. Algoritme yang paling umum digunakan adalah algoritme

Brugada yang sudah sejak lama ada dan memiliki spesifisitas dan sensitifitas yang cukup

baik.2 Pada tahun 2007 Vereckei et al. membuat algoritme baru yang digunakan untuk

membedakan SVTdengan aberansi dan VT.3 Pada tahun 2008, Vereckei kembali

memperbaharui algoritmenya dengan hanya menggunakan satu lead yaitu aVR saja untuk

dapat membedakan VT dan SVT dengan aberansi dimana algoritme tersebut dibuat

berdasarkan prinsip perbedaan arah vektor dan kecepatan impuls listrik . 4 Selain itu ada pula


2


metoda baru yang disebut sebagai ultrasimple Brugada criterion yang diajukan oleh Brugada

pada tahun 2010 dimana belum banyak penelitian yang membahas mengenai akurasi dari

kriteria tersebut.5

Algoritme-algoritme tersebut membantu kita untuk membedakan VT dan SVT dengan

aberansi, namun sampai sekarang belum jelas algoritme mana yang memiliki sensitivitas dan

spesifisitas yang terbaik. Vereckei et al. sempat membandingkan algoritme dengan hanya

menggunakan lead aVR dengan algoritme Brugada dan mengatakan algoritme dengan

menggunakan lead aVR memiliki sensitivitas dan spesifisitas lebih tinggi.4 Namun

Jastrzebski et al. pada tahun 2012 kembali membandingkan kedua algoritme tersebut dan

beberapa algoritme lainnya mendapatkan tidak ada perbedaan bermakna dalam hal akurasi

diagnosis, sehingga algoritme Brugada masih merupakan pegangan utama.6 Sasaki pada

tahun 2009 mencoba membandingkan setiap kategori EKG dari Brugada, Vereckei dan aVR

dan mendapatkan salah satu kategori dari aVR memiliki spesifisitas tertinggi.7

Beberapa penelitian di atas menunjukkan belum adanya kejelasan mengenai algoritme

mana yang memiliki akurasi paling baik, dalam praktek sulit untuk menggunakan satu

algoritme saja untuk mendiagnosis takikardia dengan kompleks QRS lebar, karena ada

kemungkinan dua algoritme yang diterapkan pada satu EKG takikardia dengan kompleks

QRS lebar dapat memberikan hasil yang berbeda, sehingga sulit untuk memutuskan algoritme

mana yang akan dipakai. Namun, apabila seluruh algoritme yang ada digunakan untuk

mendiagnosis satu takikardia dengan kompleks QRS lebar tentu akan cukup memakan

waktu.1

1.2. Pertanyaan Penelitian

Uraian ringkas dalam latar belakang masalah di atas memberikan dasar bagi peneliti

untuk merumuskan pertanyaan penelitian sebagai berikut :

1. Apa saja karakteristik EKG yang memiliki akurasi terbaik untuk membedakan VT

dan SVT dengan aberansi pada takikardia dengan kompleks QRS lebar ?

2. Dapatkah dibuat suatu algoritme baru berdasarkan analisis karakteristik EKG dari

algoritme sebelumnya untuk membedakan VT dan SVT dengan aberansi pada

takikardia dengan kompleks QRS lebar ?


3


1.3. Hipotesis Penelitian

Algoritme EKG baru yang dibuat untuk membedakan VT dan SVT dengan aberansi

pada takikardia dengan kompleks QRS lebar berdasarkan 4 algoritme sebelumnya akan

memiliki akurasi yang lebih baik dalam membedakan VT dan SVT dengan aberansi pada

takikardia dengan kompleks QRS lebar dibandingkan dengan 4 algoritme yang sudah ada

sebelumnya.

1.4. Tujuan Penelitian

1. Mengevaluasi akurasi karakteristik EKG dari algoritme-algoritme yang sudah ada

untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan kompleks

QRS lebar.

2. Mengembangkan satu algoritme baru berdasarkan kriteria EKG dengan akurasi

terbaik untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan

kompleks QRS lebar.

1.5. Manfaat Penelitian

1. Akademik :

- Memperkuat bukti ilmiah dari akurasi karakteristik EKG pada algoritme-

algoritme yang sudah ada untuk membedakan VT dan SVT dengan aberansi

pada takikardia dengan kompleks QRS lebar.

2. Klinis :

- Menyediakan algoritme yang memiliki akurasi tinggi dan mudah digunakan

untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan

kompleks QRS lebar.

3. Masyarakat :

- Memberikan diagnosis yang lebih cepat dan akurat sehingga penanganan

untuk kasus takikardia dengan kompleks QRS lebar akan menjadi lebih baik.


4


BAB II

TINJAUAN PUSTAKA

Takikardia dengan kompleks QRS lebar adalah suatu irama dengan frekuensi QRS

kompleks lebih dari 100/menit dan dengan durasi QRS kompleks > 120 ms. Apabila irama

takikardia memiliki morfologi kompleks QRS yang sama dengan saat irama sinus, maka kita

dapat dengan cukup yakin mendiagnosis irama tersebut dengan takikardia supraventrikular.

Namun irama supraventrikular dapat dikonduksikan secara aberan ke ventrikel sehingga akan

menimbulkan kompleks QRS yang lebar. Pada kasus seperti ini, membedakan VT dan SVT

dapat menjadi cukup sulit.2

Diagnosis irama takikardia dengan kompleks QRS lebar sudah merupakan suatu

tantangan tersendiri sejak dari dahulu karena ada berbagai irama yang dapat menyebabkan

terjadinya takikardia dengan kompleks QRS lebar, yaitu: VT pada sekitar 80% kasus, SVT

dengan aberansi pada 15-20% kasus, dan yang paling jarang adalah antidromic

Atrioventrikulare Reentrant Tachycardia (AVRT) yang hanya 1-6% dari semua

kasus.Meskipun demikian, diagnosis yang tepat penting untung ditegakkan karena akan

sangat mempengaruhi baik penanganan ataupun prognosis, dan penanganan yang salah akan

dapat berakibat fatal.1

Gambar 2.1. Diagram yang menunjukkan perjalanan impuls elektrik pada VT (kiri) dan SVT dengan aberansi

(kanan).8


5


Sampai saat ini EKG masih merupakan media utama untuk membedakan takikardi

ventrikel dan SVT dengan aberansi. Telah banyak kategori yang diajukan untuk membedakan

kedua aritmia tersebut,seperti misalnya9 1. Lebar QRS > 140 ms, 2. Deviasi aksis ke kiri, 3.

Disosiasi atrioventrikular, 4. Adanya capture beat atau fusion beat. Selain karakteristik-

karakteristik tersebut diajukan pula adanya morfologi tertentu pada sadapan prekordial untuk

membedakan VT dengan SVT yang diajukan oleh Wellen et al.10

Tabel 2.1. Kriteria pada sadapan prekordial yang digunakan untuk membedakan membedakan VT dengan SVT pada

takikardia dengan kompleks QRS lebar yang diajukan oleh Wellens et al.9, 10

Meskipun demikian masih banyak kesalahan yang sering terjadi saat mendiagnosis

takikardia dengan kompleks QRS lebar dan akurasi dari karakteristik EKG yang ada tidak

selalu tetap sama apabila digunakan oleh orang yang berbeda. Hal ini menyebabkan para

peneliti tetap mencari cara-cara untuk meningkatkan akurasi diagnosis dari takikardia dengan

kompleks QRS lebar. Inilah yang menyebabkan dibuatnya algoritme-algoritme yang dapat

memandu dan memudahkan diagnosis dari takikardia dengan kompleks QRS lebar. 2, 6


6


2.1. Algoritme Brugada

Pada tahun 1991, Brugada et al. mengadakan penelitian dengan mengevaluasi

karakteristik-karakteristik EKG yang sudah ada untuk menentukan karakteristik mana yang

memiliki akurasi yang terbaik. Brugada et al. mengumpulkan karakteristik-karakteristik EKG

yang sudah ada sebelumnya yaitu: disosiasi atrioventrikular, deviasi aksis ke kiri, dan

kompleks QRS > 140 ms lalu melakukan uji diagnostik untuk menentukan akurasi dari

karakteristik tersebut.2

Tabel 2.2. Pengujian akurasi kriteria EKG oleh Brugada yang sebelumnya sudah diajukan.2

Brugada et al. melakukan pengujian pada karakteristik-karakteristik EKG yang

pertama kali diajukan yaitu: disosiasi atrioventrikular, deviasi aksis ke kiri, lebar QRS > 140

ms. Dari pengujian tersebut, Brugada et al. mendapatkan salah satu karakteristik klasik yang

sudah ada yaitu disosiasi dari atrioventrikulare memiliki angka spesifisitas sebesar 100%,

sehingga kriteria ini diadopsi oleh Brugada et al.2

Selain ke empat kriteria tersebut, Brugada et al juga menguji kriteria-kriteria

morfologi pada sadapan prekordial yang diajukan oleh Wellens et al untuk membedakan VT

dan SVT pada takikardia dengan kompleks QRS lebar dan ternyata kriteria-kriteria tersebut


7


masih memiliki akurasi yang cukup baik untuk VT maupun SVT aberansi sehingga Brugada

et al juga mengadopsi kriteria-kriteria yang memiliki spesifisitas baik untuk VT.2, 9

Tabel 2.3. Pengujian kriteria morfologi Wellens yang dilakukan oleh Brugada et al. dapat terlihat semua

kategori yang diajukan Wells memiliki spesifisitas yang cukup baik.2

Selain kriteria-kriteria lama tersebut, Brugada et al. juga menemukan karakteristik

baru dari penelitiannya. Brugada et al menemukan semua SVT dengan aberansi setidaknya

memiliki satu sadapan prekordial dengan kompleks RS, namun hanya 45% dari VT yang

sama sekali tidak memiliki kompleks RS di sadapan prekordialnya. Sehingga kriteria ini

memiliki spesifisitas 100%. Brugada et al juga mengukur interval RS dari semua rekaman

EKG yang memiliki kompleks RS dan mendapatkan tidak ada SVT dengan aberansi yang

memiliki interval RS > 100 ms. Oleh karena itu Brugada memasukkan 2 kategori tersebut,

yaitu tidak adanya kompleks RS pada sadapan prekordial dan interval RS > 100 ms pada

algoritmenya.2


8


Tabel 2.4. Tabel distribusi interval RS pada sampel Brugada et al. dapat dilihat tidak ada SVT aberansi yang memiliki

interval RS >100 ms namun masih ada VT dengan interval RS < 100 ms, sehingga kriteria ini memiliki spesifisitas 100%.2

Berdasarkan penemuan tersebut maka Brugada et al membuat algoritme bertingkat

sebagai berikut:

Gambar 2.2 Algoritme bertingkat yang dibuat oleh Brugada et al.2


9


Brugada et al kemudian melakukan uji diagnostik untuk algoritme baru tersebut dan

mendapatkan hasil yang cukup baik. Uji diagnostik dilakukan untuk setiap langkah dari

algoritme bertingkat tersebut dan mendapatkan hasil akhir sensivisitas berupa 98.7 % dan

spesifisitas berupa 96.5 % untuk diagnosis VT dan sensivisitas berupa 96.5 % dan spesifisitas

berupa 98.7 % untuk diagnosis SVT dengan aberansi.

Gambar 2.3. uji diagnostik yang dilakukan Brugada et al untuk algoritme yang dibuat.2


10


2.2 Algoritme Vereckei

Pada tahun 2007 Vereckei et al kembali meneliti kriteria-kriteria yang dapat

digunakan untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan

kompleks QRS lebar. Vereckei et al. mengajukan beberapa kriteria baru, yaitu :

Gambar 2.4. algoritme bertingkat yang diajukan oleh Vereckei et al.

Karakteristik disosiasi atrioventrikular tetap digunakan karena merupakan

karakteristik yang patognomonik untuk VT dengan angka spesivisitas 100%. Kriteria baru

yang digunakan oleh Vereckei et al adalah adanya gel R pada awal kompleks QRS di sadapan

aVR, morfologi kompleks QRS yang tidak menyerupai blok berkas cabang ataupun blok

fasikular, dan perbandingan antara initial velocity (vi) dan terminal velocity (vt).3

Adanya gel R pada awal kompleks QRS di sadapan aVR merupakan kriteria yang

diajukan oleh Vereckei yang sebenarnya bukan kriteria yang baru karena dibuat berdasarkan

kriteria lama yang mengatakan pada VT umumnya aksis QRS berada di superior (-90 sampai

± 180º). Untuk menimbulkan resultan vektor positif pada aVR maka resultan vektor QRS


11


sadapan aVR harus berada pada -60 sampai +120º. Sehingga apabila sadapan aVR bersifat

positif maka cenderung mengarah ke VT. Meskipun demikian, karakteristik ini berbeda

dengan karakteristik aksis sebelumnya tidak hanya dari batas derajat aksis saja, namun pada

kriteria ini dibutuhkan adanya gelombang R pada awal kompleks QRS. Karena sumber irama

VT berasal dari ventrikel, maka arah impuls umumnya mengarah ke atas pada fase awal

sehingga menimbulkan defleksi positif pada awal kompleks QRS pada sadapan aVR. Hal

tersebut tidak terdapat pada kriteria lama yang hanya melihat resultante dari aksis.3

Morfologi kompleks QRS yang yang tidak menyerupai blok berkas cabang ataupun

blok fasikular dianggap sebagai pertanda dari VT karena pada SVT dengan aberansi impuls

tetap akan melalui berkas his kemudian ke salah satu cabang berkas cabang sehingga akan

memberikan gambaran blok berkas cabang ataupun blok fasikular. Vereckei menggunakan

kriteria yang diajukan oleh Willems et al.3, 11

Tabel 2.5. Kriteria blok berkas cabang dan blok fasikular yang diajukan oleh Willems et al dan diadopsi oleh

Vereckei et al. 3, 11


12


Kriteria vi/vt dipakai untuk menunjukkan arah dan kecepatan hantaran dari impuls

listrik saat terjadi takikardia. Vi atau initial velocity adalah voltase dalam milivolt 40 ms

setelah awal kompleks QRS yang dianggap menggambarkan penjalaran impuls pada saat

mula-mula depolarisasi ventrikel. Sedangkan vt atau terminal velocity adalah voltase dalam

milivolt 40 ms sebelum akhir dari kompleks QRS yang dianggap menggambarkan penjalaran

impuls pada saat menjelang akhir dari depolarisasi ventrikel. Pada takikardia kompleks QRS

lebar yang disebabkan oleh SVT dengan aberansi impuls pertama kali timbul pada septum

ventrikel melalui berkas his sehingga penjalaran impuls cenderung lebih cepat. Impuls akan

terus menjalar sampai ke otot ventrikel dimana impuls menjalar dari sel otot ke sel otot yang

berjalan lebih lambat, sehingga vi > vt. Hal ini berbeda dengan takikardia kompleks QRS

lebar yang disebabkan oleh VT dimana impuls berasal dari ventrikel kemudian menjalar dari

sel otot ke sel otot sehingga berjalan lebih lambat. Setelah impuls menjalar sampai ke berkas

his impuls akan diteruskan melalui berkas cabang ke serabut purkinye dimana impuls

berjalan lebih cepat sehingga vi < vt. Sadapan yang diambil adalah sadapan yang memiliki vi

paling cepat.3

Gambar 2.5. Contoh penggunaan kriteria vi/vt pada EKG yang menunjukkan diagnosis SVT

(atas) dan VT (bawah)3


13


Kriteria ini merupakan kriteria baru yang dibuat berdasarkan arah dan kecepatan

impuls listrik yang sebelumnya belum pernah diperhatikan. Namun, kriteria ini juga memiliki

beberapa kelemahan, yaitu: pemakaian obat-obatan anti aritmia yang dapat mengurangi baik

vi ataupun vt, adanya jaringan parut akibat penyakit jantung koroner yang juga akan

mengganggu baik vi ataupun vt karena akan mengganggu penjalaran impuls listrik. Selain itu

adanya fasikular VT dimana sirkuit reentry dekat dengan berkas his akan membuat vi

menjadi lebih cepat, sedangkan apabila exit point dari sirkuit reentry dekat dengan berkas

fasikular akan membuat vt menjadi lebih cepat.3

Vereckei kemudian menguji akurasi dari algoritme baru tersebut dan

membandingkannya dengan algoritme Brugada dan mendapatkan algoritme baru memiliki

spesifisitas yang tidak berbeda bermakna dengan algoritme Brugada namun memiliki

sensivisitas yang bermakna lebih tinggi.3

Gambar 2.6. Uji diagnostik algoritme Vereckei3


14


Tabel 2.6. Hasil perbandingan akurasi algoritme Brugada dengan Vereckei.3

2.3. Algoritme aVR

Pada tahun 2008 Vereckei kembali membuat algoritme baru dengan prinsip yang

baru, yaitu algoritme yang dibuat hanya berdasarkan prinsip perbedaan dari arah dan

kecepatan impul pada awal dan akhir dari aktivasi ventrikel saat takikardia dengan QRS

lebar. Algoritme sebelumnya yang dibuat oleh Vereckei memiliki sensitivitas yang lebih

tinggi dari algoritme Brugada, namun dari observasi selanjutnya ternyata penggunaan

algoritme vereckei tersebut pada umumnya memakan waktu lebih banyak dibandingkan

dengan algoritme Brugada. Oleh karena itu Vereckei kembali mengembangkan satu

algoritme yang lebih disederhanakan lagi.3, 4

Pada dasarnya algoritme baru ini tidak menggunakan prinsip dasar baru namun

mengadopsi dan menyempurnakan prinsip-prinsip yang sudah ada. Algoritme aVR ini dibuat

berdasarkan 3 konsep baru yaitu: 1. Penggunaan hanya sadapan aVR untuk membedakan VT

dan SVT dengan aberansi, 2. Algoritme ini dapat membedakan VT ke dalam 2 grup yaitu:

a.VT yang timbul dari daerah apikal atau inferior ventrikel, dan b. VT yang timbul dari

daerah ventrikel lainya, dan 3. Algoritme pertama yang tidak menggunakan disosiasi

atrioventrikular yang selalu digunakan oleh sebelumnya.4


15


Gambar 2.7. Algoritme baru buatan Vereckei et al yang hanya menggunakan

sadapan aVR saja4

Karakteristik EKG berupa adanya gelombang R pada awal kompleks QRS di sadapan

aVR dan vi / vt tetap dipakai oleh Vereckei et al. Namun Vereckei et al juga menambahkan 2

karakteristik baru pada sadapan aVR, yaitu gelombang r atau q pada awal QRS di sadapan

aVR dengan lebar > 40 ms dan adanya takik pada bagian defleksi menurun dari gelombang q

pada kompleks QRS di sadapan aVR.4

Gambar 2.8. Contoh penerapan langkah ke 2 dan ke 3 dari algoritme aVR, yaitu gelombang r atau q pada

awal QRS di sadapan aVR dengan lebar > 40 ms dan adanya takik pada bagian defleksi menurun dari

gelombang q pada kompleks QRS di sadapan aVR.4


16


Kedua kategori ini ditambahkan untuk melengkapi kelemahan dari algoritme

sebelumnya dimana gelombang R awal kompleks QRS di sadapan aVR hanya timbul pada

VT dengan fokus di daerah apikal atau inferior saja. Vereckei meneliti gambaran EKG

apabila irama VT yang timbul berasal dari tempat lain seperti di daerah ventrikel kanan

ataupun daerah basal, sehingga algoritme ini selain dapat membedakan irama VT dan SVT

dengan aberansi pada takikardia dengan kompleks QRS lebar, juga dapat memprediksi asal

dari impuls VT tersebut. Namun karena kriteria pada algoritme ini sangat bergantung pada

arah dan kecepatan impuls, maka sama halnya dengan algoritme Vereckei yang sebelumnya,

adanya otot jantung yang nekrosis karena infark dapat mempengaruhi hantaran impuls

sehingga dapat mengganggu akurasi dari karakteristik EKG yang ada. Namun lain halnya

dengan keterbatasan sebelumnya untuk VT yang berasal dari fasikular, dengan algoritme ini,

maka VT fasikular meskipun tidak menyebabkan adanya gelombang R pada awal kompleks

QRS di aVR dapat terdiagnosis dari langkah ke 2 atau ke 3.4

Gambar 2.9. pengaruh asal dan penjalaran impuls terhadap gambaran EKG di sadapan aVR. Garis lurus : impuls

yang berjalan melalui conduction pathway. Garis zig zag : impuls yang berjalan secara aberan melalui sel-sel otot

jantung.4


17


Vereckei et al kemudian melakukan uji diagnostik untuk membandingkan ke 3

algoritme yang sudah ada, yaitu algoritme Brugada, Vereckei, dan aVR dan mendapatkan

algortime Vereckei dan aVR tidak memiliki perbedaan sensitivitas dan spesifisitas yang

bermakna, namun keduanya memiliki sensitivitas yang lebih tingi bila dibandingkan

algoritme Brugada. Meskipun demikian, Vereckei et al menyebutkan waktu yang dibutuhkan

untuk membuat diagnosis VT atau SVT dengan aberansi jauh lebih singkat dengan

menggunakan algoritme aVR bila dibandingkan dengan algoritme Vereckei.4

Gambar 2.10 Uji diagnostik algoritme aVR4


18


Tabel 2.7. Perbandingan akurasi algoritme Brugada, Vereckei dan aVR4

2.4. Algoritme Ultrasimple Brugada

Algoritme Ultrasimple Brugada atau R-Wave Peak Time adalah karakteristik EKG

baru yang diajukan oleh Brugada et al pada tahun 2010. Algoritme ini unik karena hanya

terdiri dari satu langkah saja sehingga membuatnya cukup mudah digunakan. Algoritme ini

dibuat berdasarkan penelitian yang mengatakan bahwa impuls yang menyebar pada otot

jantung secara transversal akan berjalan lebih lambat bila dibandingkan dengan impuls yang

berjalan secara longitudinal.5

Valderrábano mengadakan penelitian dan menemukan impuls yang berjalan secara

transversal akan berjalan lebih lambat bila dibandingkan dengan impuls yang berjalan secara

longitudinal. Sifat konduksi yang anisotropik ini disebabkan oleh karena gap junction pada

otot jantung tidak tersebar secara merata dan lebih banyak terdapat pada ujung-ujung otot

jantung, sehingga impuls akan lebih mudah dihantarkan bila berjalan secara longitudinal

melalui otot jantung.12

Gambar 2.11. pewarnaan gap junction (hijau) pada otot jantung anjing saat impuls

berjalan transversal (kiri) dan longitudinal (kanan)12


19


Gambar 2.12.. Hasil penelitian dari Valderrábano: A. Skema yang memperlihatkan stimulus yang menghasilkan impuls

yang berjalan longitudinal (kiri) dan transversal (kanan). B. (Kiri) grafik yang menunjukkan perbedaan kecepatan

konduksi pada impuls yang berjalan longitudinal dan transversal, dapat pula terlihat menurunnya gap junctional

conductance akan menyebabkan kecepatan konduksi turun lebih jauh pada impuls yang berjalan transversal. (kanan)

grafik yang menunjukkan tahanan pada impuls yang berjalan transversal lebih tinggi bila dibanding dengan

longitudinal.12

Berdasarkan teori tersebut Brugada et al kembali membuat kriteria EKG yang jauh

lebih sederhana dan hanya terdiri dari satu langkan untuk membedakan VT dan SVT dengan

aberansi pada takikardia dengan kompleks QRS lebar. Kriteria itu sering disebut R-Wave

Peak Time pada sadapan II yaitu dengan mengukur jarak dari awal kompleks QRS di sadapan

II sampai pada puncak dari gelombang defleksi pertama pada kompleks QRS tersebut

terlepas apakah defleksi tersebut positif atau negatif. Setelah dilakukan pengujian, ternyata

kriteria ini memiliki angka baik spesivisitas maupun sensivisitas yang fantastis. Karena

algoritme ini cukup sederhana dan mudah karena hanya terdiri dari satu langkah saja, maka

algoritme ini dapat digunakan secara luas dan akan memudahkan dalam mendiagnosis VT

atau SVT dengan aberansi pada takikardia dengan kompleks QRS lebar. Namun pada

penelitian ini Brugada et al tidak melakukan perbandingan akurasi dengan algoritme lainnya

yang sudah ada.5


20


Gambar 2.13. contoh penerapan algortime R-Wave Peak Time pada EKG. (atas) VT,

(tengah) SVT dengan aberansi, (bawah) EKG dengan defleksi pertama kompleks QRS ke

bawah6


21


Tabel 2.8. Karakteristik sampel dari penelitian Ultra Simple Brugada.5

Tabel 2.9. Tes akurasi pada kriteria R-Wave Peak Time > 50 ms pada sadapan II.5

Dari uraian diatas dapat dilihat ada banyak algoritme yang dapat digunakan untuk

membedakan VT dan SVT aberansi pada takikardia pada kompleks QRS lebar. Namun

belum ada konsensus mengenai algoritme mana yang harus dipakai, dan belum ada kejelasan

mengenai algoritme mana yang memiliki akurasi paling baik karena setiap peneliti memiliki

acuan yang berbeda untuk setiap algortime buatannya. Beberapa peneliti sudah mencoba

untuk membandingkan algoritme-algoritme yang ada selain dari peneliti yang menemukan

algoritme tersebut. Pada tahun 2012 Jastrzebski et al melakukan penelitian untuk

membandingkan 5 algoritme untuk membedakan VT dan SVT dengan aberansi, yaitu

Brugada, aVR, R-Wave Peak Time, Griffith, dan Bayesian. Untuk algoritme griffith dan

bayesian tidak dibahas oleh penulis karena tidak dimasukkan ke dalam penelitian untuk

alasan tertentu. Jastrzebski et al mendapatkan semua algoritme yang baru tidak berbeda


22


bermakna dalam hal akurasi (persentasi keberhasilan mendiagnosis Vt) secara umumnya,

namun ada perbedaan yang sangat bermakna dalam sensivitas dan spesivitas dalam

mendiagnosis VT.6, 13

Tabel 2.10. perbandingan akurasi, sensitivitas, spesivisitas, positif dan negatif likelihood ratiodari kelima algoritme yang di

teliti Jastrzebski et al.6

Dari hasil diatas terllihat akurasi dari kelima algoritme tidak berbeda bermakna, yang

perlu diperhatikan disini adalah pada algoritme Brugada, Griffith, Bayesian dan aVR

spesifisitas cenderung rendah, sedangkan R-Wave Peak Time memiliki spesifisitas yang

cukup tinggi, sehingga dengan algoritmenya yang hanya terdiri dari satu langkah algoritme

ini dapat dengan cukup mudah digunakan untuk mendiagnosis VT. Meskipun demikian,

karena sensivitasnya yang sangat rendah, maka algortime ini tidak dapat digunakan untuk

menyingkirkan VT.6


23


BAB III

KERANGKA TEORI, KERANGKA KONSEP, DAN ALUR PENELITIAN

3.1. Kerangka Teori

Gambar 3.1. Kerangka teori dimana suatu takikardia dengan kompleks QRS lebar dapat dibedakan menjadi VT atau SVT

melalui karakteristik-karakteristik EKG yang ada.

Takikardia dengan kompleks QRS lebar

Kompleks RS pada sadapan prekordial

RS interval > 100 ms pada sadapan prekordial

Disosiasi AV

Kriteria morfologi pada sadapan V1, V2, V5, V6

Gel R pada awal kompleks QRS pada sadapan aVR

Kriteria blok berkas cabang dan blok fasikulus

Vi / Vt <1

Gel r atau q > 40 ms pada sadapan aVR

Takik pada gelombang negatif pada sadapan aVR

R wave peak time pada sadapan II > 50 ms

VT

Tidak adanya gambaran depolarisasi ventrikel

fisiologis melalui berkas his

Tidak adanya sinkronisasi atrium dan ventrikel

Adanya bentuk LBBB atau RBBB abnormal

Vektor pada fase awal depolarisasi menuju ke atas

Perlambatan pada fase awal depolarisasi ventrikel

Impuls pada awal depolarisasi lebih lambat dibandingkan pada akhir

depolarisasi

Impuls tidak melalui berkas his dan berkas cabang

Ion gap lebih sedikit teraktivasi pada impuls yang

berjalan transversal


24


3.2. Kerangka Konsep

Gambar 3.2. Kerangka konsep pada penelitian dimana 4 algoritme untuk membedakan VT dan SVT dengan aberansi

diterapkan pada EKG takikardia dengan QRS kompleks lebar yang kemudian diagnosisnya dipastikan dengan studi

elektrofisiologi

EKG 12 sadapan dari takikardia dengan QRS kompleks lebar

Algoritme untuk membedakan VT dan SVT dengan aberansi :

- Brugada - Vereckei - aVR - Ultra Simple Brugada

Diagnosis pasti dari studi elektrofisiologi


25


3.3. Alur Penelitian

3.3.1. Tahap I

Gambar 3.3. Alur penelitian tahap I : EKG takikardia dengan kompleks QRS lebar dari pasien yang telah menjalani studi

elektrofisiologi dengan hasil VT akan dinilai dengan menggunakan keempat algoritme yang ada. Hasil dari penilaian ini akan

Studi elektrofisiologi

EKG 12 sadapan irama

takikardia dengan

kompleks QRS lebar

Evaluasi karakteristik EKG oleh 2 orang asisten

menurut algoritme:

- Brugada

- Vereckei

- aVR

- Ultra Simple Brugada

Menilai akurasi setiap karakteristik EKG

SVT abbr

VT

Membangun algoritme baru berdasarkan karakteristik EKG di atas


26


digunakan untuk membangun algoritme baru untuk membedakan VT dan SVT dengan aberansi pada takikardia dengan QRS

komples lebar.

3.3.2. Tahap II

Gambar 3.4. Alur penelitian tahap II: algoritme baru yang sudah dibuat dari penelitian tahap I akan diujikan pada EKG takikardia

dengan kompleks QRS lebar dari pasien lain yang telah menjalani studi elektrofisiologi dengan hasil VT untuk menilai akurasi

dari algoritme baru yang telah dibuat.

EKG 12 sadapan irama

takikardia dengan kompleks

QRS lebar (pada pasien yang

berbeda)

Validasi algoritme baru dari hasil penelitian tahap I

Menentukan akurasi dari algoritme baru yang telah dibuat

Studi elektrofisiologi SVT abbr

VT


27


BAB IV

METODOLOGI PENELITIAN

4.1. Desain Penelitian

Penelitian ini adalah suatu studi retrospektif, dibagi menjadi 2 tahap. Tahap 1 dengan desain

penelitian potong lintang, dan tahap kedua dengan desain uji diagnostik.

4.2. Tempat dan Waktu Penelitian

Pengambilan subyek penelitian dilakukan di Departemen Kardiologi dan Kedokteran

Vaskular FKUI / Pusat Jantung Nasional Harapan Kita. Data diambil antara periode Juni

2009 sampai dengan Juni 2013.

4.3. Subyek Penelitian

Populasi yang diteliti adalah penderita takikardi kompleks QRS lebar yang telah menjalani

studi elektrofisiologi.

4.4. Besar Sampel

Besar sampel (N) minimal untuk pada penelitian ini dihitung berdasarkan rumus untuk uji

diagnostik dengan keluaran sensitivitas:14

( ) ( )

n = besar sampel


28


Sen = sensitivitas alat yang diinginkan, ditetapkan sebesar 90 % (lebih tinggi dari

sensitivitas tertinggi dari algoritme-algoritme sebelumnya yang digunakan pada

penelitian ini)

d = presisi penelitian ditetapkan sebesar 10 %

Zα = tingkat kesalahan ditetapkan sebesar 5% sehingga Zα = 1.96

P = prevalensi VT pada takikardia dengan kompleks QRS lebar = 80% (berdasarkan

kepustakaan)1

Dari rumus diatas didapatkan sampel yang dibutuhkan sebanyak: 43 sampel

4.5. Kriteria Inklusi dan Eksklusi

4.5.1. Kriteria Inklusi

Pasien dengan takikardi kompleks QRS lebar (≥ 120 ms) regular dan monomorfik

yang telah menjalani studi elektrofisiologi.

4.5.2. Kriteria Eksklusi

- Pasien dengan jalur aksesoris

- Pasien dengan fibrilasi atrial (AF)

- Pasien dengan polimorfik VT

- Pasien dengan data sadapan EKG saat takikardia QRS lebar yang tidak lengkap

4.6. Variabel Penelitian

4.6.1. Variabel Independen

- Tidak adanya kompleks RS pada sadapan prekordial

- Interval R ke S terpanjang > 100 ms pada sadapan prekordial


29


- Disosiasi atrioventrikular

- Kriteria morfologi VT pada sadapan V1-2 dan V6

- Kriteria morfologi menyerupai blok berkas cabang atau blok fasikular

- vi (initial velocity) / vt (terminal velocity) ≤ 1 pada salah satu sadapan

- Adanya gelombang R pada awal kompleks QRS di sadapan aVR

- Adanya gelombang r atau q > 40 ms pada awal kompleks QRS di sadapan aVR

- Adanya takik pada bagian menurun dari gelombang q pada kompleks QRS di sadapan

aVR.

- vi / vt ≤ 1 pada sadapan aVR

- Peak Time gelombang R di sadapan II ≥ 50 ms

4.6.2. Variabel Dependen

- VT

- SVT dengan aberansi

4.7. Definisi Operasional

1. Sadapan prekordial : sadapan V1 – V6

2. Interval R ke S : jarak dari awal gelombang R sampai ke puncak dari gelombang S

(satuan dalam ms)

3. Disosiasi atrioventrikular : putusnya hubungan antara atrium dan ventrikel yang

ditandai disosiasi antara gelombang p dan kompleks qrs.

4. Kriteria morfologi VT :

a. LBBB :

i. V1 atau V2 :

- Gelombang R > 30 ms

- interval RS > 60 ms

- takik pada gelombang S

ii. V6 :


30


- QR atau QS

b. RBBB :

i. V1 :

- Gelombang R monofasik

- QR atau QS

ii. V6 :

- Rasio R ke S < 1

- QR atau QS

- Gel R monofasik

5. Kriteria morfologi menyerupai blok berkas cabang atau blok fasikular11

6. vi (initial velocity) : tingkat voltase 40 ms setelah awal dari kompleks QRS (satuan

dalam mV)

7. vt (terminal velocity) : tingkat voltase 40 ms sebelum akhir dari kompleks QRS

(satuan dalam mV)

8. vi / vt : perbandingan vi dan vt pada sadapan manapun dimana vi memiliki nilai

terbesar.

9. Peak time gelombang R : jarak dari awal kompleks QRS sampai puncak gelombang R

4.8. Cara Kerja


31


Untuk tahap 1, pencarian sampel dimulai dari rekam medis pasien dengan riwayat

takikardia dengan kompleks QRS lebar yang telah dilakukan studi elektrofisiologi di

Departemen Kardiologi dan Kedokteran Vaskular FKUI / Pusat Jantung Nasional Harapan

Kita. EKG dari pasien yang memenuhi kriteria inklusi dan eksklusi akan dikumpulkan dan

dianalisis oleh 2 orang asisten dengan menggunakan algoritme Brugada, Vereckei, aVR, dan

Ultrasimple Brugada untuk menentukan diagnosis VT atau SVT dengan aberansi. Data yang

terkumpul akan dianalisa secara statistik untuk mementukan akurasi tiap-tiap karakteristik

dari algoritme-algoritme yang ada. Kemudian dari analisis tiap karakteristik EKG algoritme

akan dibangun satu algoritme yang baru.

Pada tahap 2, algoritme yang baru tersebut akan diterapkan pada rekaman EKG

takikardia dengan kompleks QRS lebar dari pasien-pasien yang berbeda kemudian hasilnya

akan diproses secara statistik untuk menentukan akurasi dari algoritme yang baru.

4.9. Analisis Statistik

Data kontinu dinyatakan dalam nilai rerata, bila sebaran tidak normal maka

dinyatakan dengan median (minimal - maksimal). Data kategorik dinyatakan dalam jumlah

dan persentase. Semua analisis dilakukan dengan menggunakan program komputer SPSS

versi 22. Data kategorik dianalisis dengan Chi Square bila memenuhi syarat, atau uji

Fischer’s exact bila tidak memenuhi syarat untuk setiap karakteristik EKG. Setiap algoritme

akan dinilai akurasinya untuk membedakan VT dan SVT dengan aberansi pada takikardia

kompleks QRS lebar serta sensitifitas, spesifisitas, positive predictive value (PPV), dan

negative predictive value (NPV).

Dilakukan uji multivariat dengan regresi logistik untuk mendapatkan karakteristik

EKG yang digunakan untuk membangun algoritme yang terstruktur. Algoritme tersebut akan

dinilai akurasinya untuk membedakan VT dan SVT dengan aberansi pada takikardia

kompleks QRS lebar serta sensitifitas, spesifisitas, positive predictive value (PPV), dan

negative predictive value (NPV).

Untuk uji validasi akan dilakukan dengan cara uji diagnostik pada sampel EKG

yang baru untuk mencari sensitifitas, spesifisitas, akurasi, dan likelihood ratio dari algortime

baru dan akan dibandingkan ke empat algoritme yang lain.


32


BAB V

HASIL PENELITIAN

Dari periode Juni 2009 sampai dengan Juni 2013 terdapat 97 pasien dengan takikardi

QRS lebar yang menjalani studi elektrofisiologi di Pusat Jantung dan Pembuluh Darah

Harapan Kita. Dari sejumlah pasien tersebut terdapat 62 pasien yang diikutsertakan dalam

penelitian ini. Hal ini dikarenakan 35 pasien dengan kompleks QRS lebar tidak memiliki data

rekaman EKG yang lengkap atau rekaman EKG yang ada sudah tidak dapat dibaca dengan

baik. (Gambar 5.1)

eksklusi

Gambar 5.1. Pemilihan pasien yang dimasukkan dalam analisa penelitian

97 pasien yang dengan takikardia kompleks QRS lebar yang menjalani

studi elektrofisiologi

Data yang tidak lengkap (35)

- rekaman EKG yang hilang

- rekaman EKG tidak dapat dibaca

- kerusakan compact disc

62 pasien yang memenuhi kriteria


33


5.1. Karakter dasar sampel penelitian

Dari 62 pasien takikardia dengan kompleks QRS lebar yang diikutsertakan ke dalam

penelitian didapatkan rentang usia antara 8 sampai 81 tahun. Proporsi jenis kelamin

didapatkan lebih banyak jenis kelamin laki-laki yaitu sebanyak 39 pasien (62.9%)

dibandingkan dengan perempuan yaitu sebanyak 23 pasien (37.1%). Jenis aritmia yang paling

sering didapatkan pada sampel dengan takikardia QRS kompleks lebar adalah takikardia

ventrikel (VT) yaitu sebanyak 48 pasien (77.4%), sementara SVT dengan aberansi

didapatkan sebanyak 14 pasien (22.6%). Dari semua sampel VT didapatkan jenis yang

terbanyak adalah VT yang berasal dari outflow tract yaitu sebanyak 20 sampel (32.3%),

sedangkan jenis SVT dengan aberansi yang terbanyak didapatkan adalah AVNRT yaitu

sebanyak 8 sampel (12.9%). (Tabel 5.1.)

Tabel 5.1. Karakteristik sampel penelitian

Variabel Deskriptif

Usia (tahun) (rerata ± SD)

Jenis Kelamin (n; %)

Laki – laki

Perempuan

Jenis aritmia (n; %)

VT

Iskemik

Outflow Tract

Fasikular

Lain-lain

SVT abbr.

AVNRT

AT

A FLT

48.4 ± 17.7

39 (62.9)

23 (37.1)

48 (77.4)

10 (16.1)

20 (32.3)

15 (24.2)

3 (4.8)

14 (22.6)

8 (12.9)

3 (4.8)

3 (4.8)


34


5.2. Analisis karakteristik EKG pada takikardia dengan kompleks QRS lebar

Dari hasil analisa diagnostik untuk setiap karakteristik EKG didapatkan sebagian

besar signifikan secara statistik kecuali kriteria ke 4 algoritme Brugada, kriteria ke 3

algoritme Vereckei dan kriteria ke 3 algoritme aVR. Algoritme Brugada memiliki sensitivitas

dan spesifisitas yang cukup baik sedangkan tiga algoritme lainnya juga memiliki sensitivitas

yang baik tetapi spesifisitas sedang. Algoritme Vereckei memiliki sensitivitas yang paling

tinggi. Sementara beberapa kriteria seperti kriteria 1, 2, dan 3 dari algoritme Brugada, kriteria

1 dan 2 dari algoritme Vereckei dan kriteria 1 dari algoritme aVR memiliki spesifisitas yang

sempurna yaitu 100%. Kriteria algoritme brugada ke 4 memiliki nilai spesifisitas yang cukup

baik, namun tidak signifikan secara statistik, begitu juga dengan kriteria ke 3 dari algortime

Vereckei dan kriteria ke 3 dari algoritme aVR juga tidak signifikan secara statistik (p > 0.05).

(Tabel 5.2.).

Analisis tersebut juga menunjukkan algoritme yang memiliki akurasi tertinggi adalah

algoritme Vereckei (87.09%), sementara untuk karakteristik EKG tidak ada kriteria yang

memiliki akurasi yang mencapai 80%. Kriteria yang memiliki akurasi tertinggi adalah kriteria

2 (gelombang r atau q >40 ms) dari algoritme aVR (75.81%). Kriteria ke 4 dari algoritme

Vereckei (vi/vt) juga memiliki akurasi yang cukup baik bila dibandingkan dengan kriteria

yang lainnya. (Tabel 5.2.)

Analisis multivariat dilakukan pada semua karakteritik EKG yang memiliki p < 0.25

pada analisis bivariat tetapi tidak mengikutsertakan variabel yang memiliki spesifisitas 100%

karena variabel tersebut tidak memiliki angka false negative sehingga akan mengganggu

penghitungan. Dengan demikian kriteria 1 dari algoritme Brugada (tidak adanya kompleks

RS di sadapan prekordial), kriteria 2 dari algoritme Brugada (interval RS terpanjang

disadapan prekordial > 100 ms), kriteria 3 dari algoritme Brugada (disosiasi AV), dan kriteria

2 dari algortime Vereckei (adanya gel R pada awal kompleks QRS pada sadapan aVR) tidak

diikutkan dalam analisis multivariat secara regresi logistik. Didapatkan 2 kriteria yang

bermakna secara statistik adalah gelombang r/q > 40 ms d sadapan aVR ( p = 0.008) dan

rasio vi/vt (p = 0.042). (Tabel 5.3.)


35


Tabel.5.2. Analisa sensitivitas, spesifisitas, nilai prediksi positif (PPV) dan nilai prediksi negatif (NPV) pada tiap

karakteristik EKG untuk diagnosis VT

Tabel 5.3. Hasil analisis multivariat dari kriteria-kriteria EKG ke empat algoritme

Variabel Sensitivitas

(%)

Spesifisitas

(%)

PPV

(%)

NPV

(%)

Akurasi

(%)

p

Brugada

Kriteria 1

Kriteria 2

Kriteria 3

Kriteria 4

Vereckei

Kriteria 1

Kriteria 2

Kriteria 3

Kriteria 4

aVR

Kriteria 1

Kriteria 2

Kriteria 3

Kriteria 4

RIIPWT

85.42

25.00

33.33

60.42

33.33

93.75

60.42

27.08

54.17

68.75

89.58

27.08

75.00

43.75

68.75

62.50

85.71

100.00

100.00

100.00

85.71

64.29

100.00

100.00

71.43

78.57

57.14

100.00

78.57

78.57

71.43

85.71

95.35

100.00

100.00

100.00

88.89

90.00

100.00

100.00

86.67

91.67

87.76

100.00

92.31

87.50

89.19

93.75

63.16

28.00

30.43

42.42

27.27

75.00

42.42

28.57

31.25

42.31

61.54

28.57

47.83

28.95

40.00

40.00

85.48

41.94

48.39

69.35

45.16

87.09

69.35

43.55

58.06

70.97

82.26

43.55

75.81

51.61

69.35

67.74

0.000

0.032

0.013

0.000

0.202

0.000

0.000

0.029

0.092

0.002

0.001

0.029

0.000

0.131

0.007

0.001

Variabel Odds Ratio 95% CI Nilai P

Morfologi

sandapan V1,V2,

dan V6

5.331 0.842 - 33.736 0.075

Gel. r/q > 40 ms d

sandapan aVR 8.639 1.745 – 42.769 0.008

Rasio vi/vt < 1 5.281 1.064 – 26.189 0.042


36


Analisis inter observer maupun intra observer mendapatkan nilai Kappa yang baik

untuk semua variable, kecuali variabel disosiasi AV mendapatkan nilai Kappa sedang untuk

variasi inter observer (Kappa = 0.62). Nilai Kappa terutama sangat tinggi baik pada variasi

inter observer maupun intra observer pada variabel-variabel dari algoritme aVR. (Tabel 5.4.)

Tabel 5.4. Kappa inter observer dan intra observer terhadap karakteristik EKG dari tiap algoritme

5.3. Pembentukan Algoritme Baru

Untuk membentuk algoritme baru dilakukan pendekatan sebagai berikut: (1) memakai

kriteria EKG dengan angka spesifiitas 100% untuk screening awal dari irama VT, (2)

mengadopsi kriteria yang dari hasil analisis multivariat yang bermakna secara statistik yaitu

adalah gel r/q > 40 ms di sadapan aVR ( p = 0.008) dan rasio vi/vt (p = 0.042), (3) memilih

Variabel Inter observer Intra observer

Brugada

Kriteria 1

Kriteria 2

Kriteria 3

Kriteria 4

Vereckei

Kriteria 1

Kriteria 2

Kriteria 3

Kriteria 4

aVR

Kriteria 1

Kriteria 2

Kriteria 3

Kriteria 4

RIIPWT

0.87 0.93

0.92 0.95

0.73 0.88

0.62 0.75

0.78 0.93

0.88 0.92

0.62 0.83

0.92 1.00

0.80 0.88

0.72 0.82

0.95 0.97

0.92 1.00

0.95 1.00

0.97 1.00

0.79 0.92

0.87 0.93


37


kriteria yang paling mudah digunakan atas dasar nilai kesesuaian Kappa yang paling

baik.Maka dari ke empat kriteria EKG terpilih, yaitu kriteria 1 dari algoritme Brugada (tidak

adanya kompleks RS di sadapan prekordial), kriteria 2 dari algoritme Brugada (interval RS

terpanjang disadapan prekordial > 100 ms), kriteria 3 dari algoritme Brugada (disosiasi AV),

dan kriteria 2 dari algortime Vereckei (adanya gel R pada awal kompleks QRS pada sadapan

aVR) dipilih kriteria tidak adanya kompleks RS pada sadapan prekordial (Kappa

interobserver 0.92 dan intraobserver 0.95) dan adanya gelombang R pada awal kompleks

QRS di sadapan aVR (Kappa interobserver 0.92 dan intraobserver 1.00) masing-masing

sebagai kriteria I dan II algoritme baru kemudian dilanjutkan dengan kriteria III dan IV

dengan tujuan untuk mengadopsi kriteria EKG yang memiliki daya reliability yang baik.

Sehingga pada akhirnya susunan algortime baru diajukan oleh peneliti berdasarkan analisa

dari setiap karakteristik EKG dari ke 4 algoritme sebelumnya. (Gambar 5.2.)

Gambar 5.2. Algoritme baru yang dibuat berdasarkan analisis dari setiap karakter

EKG pada 4 algoritme EKG yang sudah ada sebelumnya

VT

VT

Ya

Tidak

Ya

Tidak

Ya

Adanya gelombang r atau q pada awal kompleks QRS dengan lebar > 40 ms di

sadapan aVR

Tidak VT

Rasio vi/vt < 1

Ya

Tidak VT

SVT dengan aberansi

Adanya gelombang R pada awal kompleks QRS di sadapan aVR

Tidak adanya kompleks RS di semua sadapan prekordial


38


5.3. Validasi Algoritme Baru

Tahap II penelitian berupa validasi algoritme baru dilakukan dengan menggunakan

gambaran takikardia dengan kompleks QRS lebar yang berasal dari database-database yang

disediakan dari internet. Lima puluh enam gambar rekaman EKG takikardia dengan

kompleks QRS lebar dari 5 situs dengan database EKG yang diagnosisnya sudah

dikonfirmasi dengan standar baku yaitu studi elektrofisiologi digunakan sebagai sampel

validasi.15-19

Hasil analisa diagnostik dari gambaran-gambaran EKG tersebut menunjukkan

algoritme baru memiliki sensitivitas sebesar 96.43%, spesifisitas sebesar 85.71%, sementara

akurasi didapatkan sebesar 91.07%, dan likelihood ratio sebesar 45.39. Spesifitas algoritme

baru ini sama dengan algoritme Brugada dan RIIPWT, sementara untuk sensitivitas, akurasi

dan likelihood ratio algoritme baru ini lebih tinggi dari ke empat algoritme lainnya. (Tabel

5.5.)

Tabel 5.5 Perbandingan hasil tes diagnostik dari algoritme baru dan algoritme-algoritme lainnya.

Variabel Sensitivitas

(%)

Spesifisitas

(%)

PPV

(%)

NPV

(%)

Akurasi

(%)

Likelihood

Ratio p

Algoritme Baru

Brugada

Vereckei

aVR

RIIPWT

96.43

85.42

93.75

89.58

62.50

85.71

85.71

64.29

57.14

85.71

87.10

95.35

90.00

87.76

93.75

96.00

63.16

75.00

61.54

40.00

91.07

85.48

87.09

82.26

67.74

45.39

25.05

20.23

12.48

10.89

0.000

0.000

0.000

0.001

0.001


39


BAB VI

DISKUSI

Penelitian ini telah berhasil membuat suatu algoritme baru untuk membedakan VT

dari SVT aberans pada suatu takikardia dengan kompleks QRS yang lebar. Algoritme baru ini

yang disusun dengan memodifikasi dan kompilasi kriteria-kriteria EKG dari empat buah

algoritme yang sudah diterima ternyata memiliki sensitivitas (96.43%) dan spesifisitas

(85.71%) yang lebih baik dari algoritme diagnosis yang sudah ada.

Populasi sampel dari penelitian ini menunjukkan usia rerata sampel adalah 48.4 tahun,

hal ini kemungkinan disebabkan karena pada penelitian ini sampel VT yang diambil terdiri

dari berbagai jenis VT seperti VT karena iskemik yang umumnya terjadi pada usia relatif

tua, dan VT yang berasal dari Outflow tract ataupun VT fasikulus yang pada umumnya

terjadi padabusia yang lebih muda sehingga rerata usia pada penelitian ini tidak terlalu

tinggi.20

Jenis VT yang terdapat pada sampel penelitian ini cukup unik, referensi yang ada

mengatakan bahwa pada umumnya, penyebab VT adalah penyakit jantung struktural,

terutama penyakit jantung koroner, sementara VT yang terjadi pada jantung tanpa kelainan

struktural hanya sebanyak 10% dari semua kasus VT di Amerika, dan hanya 20% pada semua

kasus VT di Jepang. Pada penelitian ini, sampel dengan jenis VT iskemik memiliki

presentase yang lebih rendah dibandingkan VT outflow tract dan VT fasikulus. Peneliti tidak

meneliti mengenai jumlah seluruh pasien penyakit jantung koroner yang mengalami VT,

namun ini merupakan suatu indikasi bawa kemungkinan di PJNHK masih belum banyak

pasien dengan VT akibat iskemik yang menjalani studi elektrofisiologis ataupun ablasi.

Penelitian yang dilakukan di Eropa yaitu Catheter ablation of stable ventricular tachycardia

before defi brillator implantation in patients with coronary heart disease (VTACH)

menunjukkan adanya penurunan angka kejadian VT atau fibrilasi ventrikel (VF) yang

signifikan pada kelompok pasien yang dilakukan ablasi sebelum dipasang Implantable

Cardiac Defibrillator (ICD).21, 22

Sementara untuk proporsi VT dan SVT yaitu berturut-turut 77.4% dan 22.6 % tidak

berbeda jauh dengan referensi dimana angka kejadian VT dari takikardia dengan kompleks

QRS lebar adalah 80% sementara SVT dengan aberansi adalah 15-20%.1 Penelitian ini tidak

mengikutsertakan takikardia dengan preeksitasi.


40


Gambar 6.1. Kurva Kaplan-Meier yang menunjukkan perbandingan angka bebas VT/VF pada

sampel penelitian VTACH22

Analisis bivariat dari semua algoritme menunjukkan hasil yang cukup berbeda dari

penelitian Jastrzebski et al. Hasil dari sensitivitas untuk algortime Brugada, aVR cukup

serupa kecuali untuk RIIPWT dimana Jastrzebski et al. mendapatkan sensitivitas untuk

algoritme Brugada 89.0% dan algoritme aVR 87.1%, sedangkan peneltian kami mendapatkan

sensitivitas algoritme Brugada 85.42% dan algoritme aVR 89.58%. Untuk akurasi didapatkan

hasil yang tidak jauh berbeda dari penelitian Jastrzebski et al dan penelitian kami. Namun

untuk spesifisitas kami mendapatkan hasil yang cukup jauh berbeda, dimana Jastrzebski et al

mendapatkan spesifisitas yang lebih rendah untuk algoritme Brugada yaitu 59.2% dan

algoritme aVR 48%, sedangkan kami mendapatkan spesifisitas algoritme Brugada yaitu

85.71% dan algoritme aVR 57.14%. Hal ini bisa disebabkan oleh 2 hal menurut peneliti, yang

pertama kemungkinan karena sampel dari penelitian Jastrzebski et al jauh lebih banyak dari

sampel peneliti, namun satu yang menarik, Jastrzebski et al memasukkan grup SVT dengan

preeksitasi ke dalam grup SVT aberansi sedangkan peneliti mengeksklusikan SVT dengan

preeksitasi. Hal ini mungkin yang menyebabkan pada penelitian Jastrzebski et al spesifisitas

algoritme-algoritme tersebut tidak terlalu tinggi, karena SVT preeksitasi dengan konduksi

antidromik akan menyebabkan impuls dari atrium jatuh ke ventrikel tanpa melewati AV node

dan berkas His terlebih dahulu sehingga seolah-olah impuls berasal dari otot ventrikel.6

(Tabel 6.1.)


41


Gambar 6.2. perjalanan impuls pada VT (kiri) dan SVT preeksitasi (kanan), tampak SVT preeksitasi seolah-olah impuls juga

berasal dari ventrikel8

Tabel 6.1. Perbandingan sensitivitas, spesifisitas,dan akurasi dari penelitian Jastrzebski et al dan peneliti6

Brugada aVR RIIPWT

Jastrzebski Peneliti Jastrzebski Peneliti Jastrzebski Peneliti

Sensitivitas (%) 89.00

59.20

77.50

85.42

85.71

85.48

87.10

48.00

71.90

89.58

57.14

82.26

0.60

82.70

68.80

65.50

85.71

67.74

Spesifisitas (%)

Akurasi (%)

Jastrzebski et al mengikutsertakan SVT preeksitasi sebagai SVT, patofisiologi

terjadinya penjalaran impuls di ventrikel pada SVT preeksitasi akibat aliran antidromik

(Gambar 6.2.) dapat menyebabkan kesalahan diagnosis SVT preeksitasi menjadi VT karena

impuls seolah-olah muncul pada otot ventrikel dan bukan melalui AV node kemudian berkas

His akibatnya hasil penggunaan algoritme yang ada akan menyebabkan angka false positive

yang besar sehingga spesifisitas menjadi rendah. Vereckei sempat memikirkan kemungkinan

ini dan menyampaikannya pada Jastrzebski et al. Namun Jastrzebski et al menyampaikan

dalam surat balasannya bagaimanapun juga perlu diperhatikan bahwa SVT preeksitasi tetap

tergolong ke dalam SVT sehingga tidak bijak untuk mengelompokannya ke dalam VT

meskipun patofisiologi penjalaran impuls di ventrikel serupa. Karena masalah ini, maka pada

penelitian ini dari awal peneliti mengeksklusikan takikardia kompleks QRS lebar yang

disebabkan oleh karena SVT dengan preksitasi.23, 24


42


Hasil analisis multivariat dengan menggunakan metode regresi logistik bertahap

mendapatkan 3 karakteristik EKG yaitu kriteria morfologi sadapan V1, V2, dan V6 dari

Brugada, adanya gel r atau q > 40 ms pada kompleks QRS di sadapan aVR, dan rasio vi/vt <

1, dari ketiga kriteria EKG tersebut yang memiliki kemaknaan secara statistik (p<0.05)

adalah 2 kriteria terakhir. (Tabel 5.3.)

Hasil analisis interobserver dan intraobserver pada umumnya memberikan gambaran

cukup baik, kecuali pada kriteria ke 3 dari algoritme Brugada yaitu disosiasi AV. Hal ini

sesuai dengan pernyataan dari Brugada yang mengatakan meskipun disosiasi AV secara

teoritis merupakan diagnosis pasti dari VT namun hanya pada sekitar 21% dari VT AV

disosiasi akan tampak jelas dan pada umumnya membutuhkan seorang ahli EKG untuk dapat

melihatnya. Hal ini sesuai dengan hasil analisis interobserver dan intraobserver dari peneliti

dimana nilai Kappa terendah pada kriteria ini baik interobserver (0.62) maupun

intraobserver (0.63). Sedangkan nilai Kappa tertinggi pada umumnya didapatkan pada

algoritme aVR, hal inipun sesuai dengan perkataan Vereckei et al dimana salah satu

keunggulan algoritme aVR adalah penggunaannya yang tidak rumit dan tidak membutuhkan

waktu yang lama.(Tabel 5.4.)2, 4

Tidak terdapat ketentuan baku untuk menciptakan algoritme bertingkat, seperti yang

terlihat setiap peneliti memiliki kecenderungan masing-masing. Pada penelitiannya, Brugada

et al mengambil kriteria yang memiliki spesifisitas 100 % atau mendekati 100% seperti tidak

adanya kompleks RS pada semua sadapan prekordial, dan RS interval > 100 ms pada sadapan

prekordial. Sementara Vereckei et al dalam membandingkan algoritme buatan mereka dan

algoritme sebelumnya juga memperhatikan akurasi dari algoritme baru yang mereka buat

selain dari sensitivitas dan spesifisitasnya.2, 4

Pada penelitian ini, digunakan prinsip MUDAH, CEPAT dan AKURAT untuk

membangun algoritme diagnosis baru. Hasil yang didapat bermakna secara statistik setelah

melakukan analisis multivariat adalah adalah gelombang r/q > 40 ms di sadapan aVR ( p =

0.008) dan rasio vi/vt (p = 0.042) (Tabel 5.3.). Kedua kriteria tersebut berasal dari algoritme

buatan Vereckei et al yang menggunakan hipotesis perbedaan arah dan kecepatan dari impuls

listrik pada VT dan SVT dengan aberansi, dari hasil ini peneliti beranggapan hipotesis

tersebut dapat diterima dan perlu diteliti lebih lanjut mengenai perbedaan arah dan kecepatan

impuls pada VT dan SVT dengan aberansi yang memungkinkan dibuatnya kriteria EKG baru

berdasarkan hipotesis tersebut.4

Pada analisis multivariat yang dilakukan oleh peneliti, variabel dengan spesifisitas

100% tidak dimasukkan ke dalam proses perhitungan karena akan mengacaukan hasil


43


perhitungan. Namun peneliti mengganggap variabel dengan spesifisitas 100% tetap

diperlukan pada awal dari algoritme bertingkat dengan tujuan untuk melakukan penyaringan

awal, karena apabila didapatkan hasil positif, maka irama tersebut dipastikan merupakan VT.

Dari 4 karakteristik EKG yang memiliki angka spesifitas 100%, peneliti memutuskan untuk

mempertimbangkan hasil Kappa inter dan intra observer. Pertimbangan ini berdasarkan

tujuan dari peneliti untuk tidak hanya membuat algoritme yang akurat namun juga mudah

digunakan terutama pada situasi yang membutuhkan diagnosis dengan tepat dan cepat.

Meskipun tidak ada ukuran secara langsung untuk kemudahan dan kecepatan, namun peneliti

beranggapan nilai Kappa inter dan intra observer yang tinggi menunjukkan kemudahan

penggunaan karakter EKG tersebut. Dapat dilihat dari hasil Kappa inter dan intra observer

(tabel 5.4.) kriteria yang membutuhkan ketelitian atau pengukuran yang rumit seperti kriteria

3 algoritme Brugada (disosiasi AV) atau kriteria 4 algoritme Vereckei (vi/vt) cenderung

memiliki nilai kappa inter dan intra observer yang lebih rendah bila dibandingkan dengan

kriteria lainnya yang tidak membutuhkan pengukuran ataupun pengukuran yang rumit seperti

kriteria 1 algoritme Brugada (tidak adanya kompleks RS pada semua sadapan prekordial)

atau kriteria 1 dari algoritme aVR (adanya gelombang R pada awal kompleks QRS pada

sadapan aVR). Oleh karena itu dari 4 kriteria EKG yang memiliki spesifisitas 100% peneliti

mengambil kriteria 1 algoritme Brugada (tidak adanya kompleks RS pada smua sadapan

prekordial) dan kriteria 1 dari algoritme aVR (adanya gelombang R pada awal kompleks

QRS pada sadapan aVR) yang memiliki nilai Kappa inter dan intra observer yang lebih baik

dari yang lainnya yang secara tidak langsung menggambarkan kedua karakteristik EKG ini

lebih mudah digunakan dan bahkan tidak memerlukan pengukuran sama sekali sehinga cocok

untuk melakukan penyaringan awal untuk irama takikardia dengan kompleks QRS lebar.

(Gambar 5.2.)

Setelah terbentuk algoritme baru yang terstruktur maka peneliti melakukan validasi

ulang memakai data EKG yang berasal dari berbagai sumber yang dapat

dipertanggungjawabkan dan mendapatkan hasil yang cukup baik, yaitu sensitivitas sebesar

96.43% dan spesifisitas sebesar 85.71%, sementara akurasi didapatkan sebesar 91.07% dan

likelihood ratio didapatkan 45.39. Hasil ini lebih baik bila dibandingkan dengan algoritme-

algoritme yang lainnya, dimana algoritme baru ini memiliki angka spesifisitas yang sama

dengan algoritme Brugada dan RIIPWT namun dengan sensitivitas, akurasi,dan likelihood

ratio yang lebih tinggi dibandingkan keempat algoritme lainnya. Keuntungan memakai data

yang berasal dari sumber yang berbeda, bahkan dari luar negeri, adalah makin menunjukkan

kelebihan algoritme baru sebagai suatu algoritme yang lebih tangguh (robust).


44


6.1. Keterbatasan Penelitian

Algoritme baru ini tidak dapat digunakan untuk irama takikardia kompleks QRS lebar

dengan preeksitasi karena sampel penelitian ini tidak mengikutsertakan subyek dengan

preeksitasi. Hal ini sebetulnya tidak menjadi suatu kendala besar karena suatu preeksitasi

cukup mudah terlihat pada rekaman EKG saat irama sinus yang umumnya dimiliki oleh

penderita preeksitasi. Selanjutnya, algoritme baru ini hanya bisa digunakan untuk takikardia

dengan kompleks QRS lebar yang bersifat monomorfik dan regular yang memang merupakan

takikardia dengan kompleks QRS lebar yang sering memiliki persoalan diagnostik.


45


BAB VII

KESIMPULAN DAN SARAN

7.1 Kesimpulan

1. Karakteristik EKG yang paling bermakna secara statistik untuk membedakan VT dan

SVT dengan aberansi pada takikardia dengan kompleks QRS lebar adalah adanya

gelombang r/q > 40 ms di sadapan aVR dan rasio vi/vt.

2. Algoritme baru yang dibuat berdasarkan keempat algoritme lainnya memiliki

sensitivitas, spesifisitas, akurasi, dan likelihood ratio yang lebih tinggi dari keempat

algortime lainnya

7.2. Saran

1. Diterapkannya algoritme baru yang dihasilkan dalam penelitian ini sebagai algoritme

baku PJNHK untuk membedakan VT dari SVT aberan pada takikardia dengan

kompleks QRS lebar.


46


DAFTAR REFERENSI

1. Issa Z, Miller JM, Zipes DP. Approach to Wide QRS Complex Tachycardias. In: Issa Z, Miller JM, Zipes DP, editors. Clinical Arrhythmology and Electrophysiology: a Companion to Braunwald's Heart Disease. 1 ed. Philadelphia: Elsevier; 2009. p. 393-403. 2. Brugada P, Brugada J, Mont L, Smeets J, Andries EW. A new approach to the differential diagnosis of a regular tachycardia with a wide QRS complex. Circulation. 1991 May;83(5):1649-59. PubMed PMID: 2022022. 3. Vereckei A, Duray G, Szenasi G, Altemose GT, Miller JM. Application of a new algorithm in the differential diagnosis of wide QRS complex tachycardia. European heart journal. 2007 Mar;28(5):589-600. PubMed PMID: 17272358. 4. Vereckei A, Duray G, Szenasi G, Altemose GT, Miller JM. New algorithm using only lead aVR for differential diagnosis of wide QRS complex tachycardia. Heart rhythm : the official journal of the Heart Rhythm Society. 2008 Jan;5(1):89-98. PubMed PMID: 18180024. 5. Pava LF, Perafan P, Badiel M, Arango JJ, Mont L, Morillo CA, et al. R-wave peak time at DII: a new criterion for differentiating between wide complex QRS tachycardias. Heart rhythm : the official journal of the Heart Rhythm Society. 2010 Jul;7(7):922-6. PubMed PMID: 20215043. 6. Jastrzebski M, Kukla P, Czarnecka D, Kawecka-Jaszcz K. Comparison of five electrocardiographic methods for differentiation of wide QRS-complex tachycardias. Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology. 2012 Aug;14(8):1165-71. PubMed PMID: 22333239. 7. K S. A New, Simple Algorithm for Diagnosing Wide QRS Complex Tachycardia: Comparison With Brugada, Vereckei and aVR Algorithms. Circulation 2009;120:S671. 8. Subramanian R, Brady WJ. Wide Complex Tachycardia: Diagnosis And Management In The Emergency Department. EBMedicine. 2008;10(6):1-23. 9. Wellens HJ, Bar FW, Lie KI. The value of the electrocardiogram in the differential diagnosis of a tachycardia with a widened QRS complex. Am J Med. 1978 Jan;64(1):27-33. PubMed PMID: 623134. 10. Alzand BS, Crijns HJ. Diagnostic criteria of broad QRS complex tachycardia: decades of evolution. Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology. 2011 Apr;13(4):465-72. PubMed PMID: 21131372. 11. Willems JL, Robles de Medina EO, Bernard R, Coumel P, Fisch C, Krikler D, et al. Criteria for intraventricular conduction disturbances and pre-excitation. World Health Organizational/International Society and Federation for Cardiology Task Force Ad Hoc. J Am Coll Cardiol. 1985 Jun;5(6):1261-75. PubMed PMID: 3889097. 12. Valderrabano M. Influence of anisotropic conduction properties in the propagation of the cardiac action potential. Prog Biophys Mol Biol. 2007 May-Jun;94(1-2):144-68. PubMed PMID: 17482242. Pubmed Central PMCID: 1995420. 13. Assal C, Vijayaraman P. A new criterion to diagnose wide-complex tachycardia: the quest for a simple, efficient diagnostic marker. Heart rhythm : the official journal of the Heart Rhythm Society. 2010 Jul;7(7):927-8. PubMed PMID: 20348029. 14. Dahlan MS. Besar Sampel Untuk Desain Khusus. In: A. S, editor. Besar Sampel dan Cara Pengambilan Sampel Dalam Penelitian Kedokteran dan Kesehatan. Jakarta: Salemba Medika; 2013. p. 81-117. 15. Emergency Electrocardiography Online Training Module 2012 [cited 2013 4 December]. Available from: http://emedu.org/ecg/givemall.php.


http://emedu.org/ecg/givemall.php

47


16. Nathanson LA, McClennen S, Safran C, Goldberger AL. ECG Wave-Maven: Self-Assessment Program for Students and Clinicians Beth Israel Deaconess Medical Center2013 [cited 2013 4 December]. Available from: http://ecg.bidmc.harvard.edu. 17. Nelson B. Nelson's EKG Site Texas2011 [updated December 2013; cited 2013 4 December]. Available from: http://www.nelsonsekgsite.com/ekgbook.htm. 18. Learn The Heart - ECG Archive Ilinois2003 [updated 2013; cited 2013 4 December]. Available from: http://www.learntheheart.com/ecg-review/ecg-archive/. 19. Cadogan M, Nickson C. Life In The Fastlane Perth2007 [cited 2013 4 December]. Available from: http://lifeinthefastlane.com/ecg-library/basics/vt_vs_svt/. 20. Issa Z, Miller JM, Zipes DP. Idiopathic Ventricular Tachycardia. In: Issa Z, Miller JM, Zipes DP, editors. Clinical Arrhythmology and Electrophysiology: a Companion to Braunwald's Heart Disease. 1 ed. Philadelphia: Elsevier; 2009. p. 440-60. 21. Badhwar N, Scheinman MM. Idiopathic ventricular tachycardia: Diagnosis and management. Current problems in cardiology. 2007 Jan;32(1):7-43. PubMed PMID: 17197289. 22. Kuck KH, Schaumann A, Eckardt L, Willems S, Ventura R, Delacretaz E, et al. Catheter ablation of stable ventricular tachycardia before defibrillator implantation in patients with coronary heart disease (VTACH): a multicentre randomised controlled trial. Lancet. 2010 Jan 2;375(9708):31-40. PubMed PMID: 20109864. 23. Vereckei A, Miller JM. Classification of pre-excited tachycardias by electrocardiographic methods for differentiation of wide QRS-complex tachycardias. Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology. 2012 Nov;14(11):1674; author reply -5. PubMed PMID: 22562656. 24. Jastrzebski M, Kukla P. Limitations in the aVR algorithm should not lead to a redefinition of ventricular tachycardia. Europace : European pacing, arrhythmias, and cardiac electrophysiology : journal of the working groups on cardiac pacing, arrhythmias, and cardiac cellular electrophysiology of the European Society of Cardiology. 2012;14(11):1674-5.


http://ecg.bidmc.harvard.edu/

http://www.nelsonsekgsite.com/ekgbook.htm

http://www.learntheheart.com/ecg-review/ecg-archive/

http://lifeinthefastlane.com/ecg-library/basics/vt_vs_svt/

Documents

ALGORITME ELEKTROKARDIOGRAFI BARU UNTUK ...lib.ui.ac.id/file?file=digital/20367122-SP-Andi Haryanto.pdf12. Kepada seluruh staf divisi Kardiologi Pediatrik dan Penyakit Jantung Bawaan,