RASYIDA, Azra Ar (2024) Hubungan antara Hasil Penilaian Algoritma Stroke Gajah Mada dengan Jenis Stroke Berdasarkan Hasil Ct-Scan Kepala Non Kontras di RST Wijayakusuma Purwokerto. Skripsi thesis, Universitas Jenderal Soedirman.

	PDF (Cover) COVER-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Download (93kB)
	PDF (Legalitas) LEGALITAS-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Restricted to Repository staff only Download (1MB)
	PDF (Abstrak) ABSTRAK-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Download (326kB)
	PDF (BabI) BAB-I- Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Restricted to Repository staff only until 11 December 2025. Download (210kB)
	PDF (BabII) BAB-II-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Restricted to Repository staff only until 11 December 2025. Download (608kB)
	PDF (BabIII) BAB-III-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Restricted to Repository staff only until 11 December 2025. Download (261kB)
	PDF (BabIV) BAB-IV-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Restricted to Repository staff only Download (318kB)
	PDF (BabV) BAB-V-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Download (165kB)
	PDF (DaftarPustaka) DAFTAR PUSTAKA-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Download (211kB)
	PDF (Lampiran) LAMPIRAN-Azra Ar Rasyida-G1A021017-Skripsi-2025.pdf Restricted to Repository staff only Download (613kB)

Abstract

Latar Belakang: Stroke merupakan kondisi defisit neurologis yang sering menimbulkan dampak serius dan memerlukan diagnosis cepat dan akurat. Tujuan: Penelitian ini bertujuan untuk mengetahui hubungan antara hasil penilaian algoritma stroke Gajah Mada dan jenis stroke yang terdeteksi melalui CT-scan kepala non kontras di RST Wijayakusuma Purwokerto. Metodologi: Metode penelitian menggunakan pendekatan observasional dengan mengumpulkan data dari 32 pasien dengan gejala stroke akut dari bulan Juni hingga Juli 2024. Data dikumpulkan melalui anamnesis, pemeriksaan fisik, dan hasil CT-scan kepala non kontras. Hasil: Hasil menunjukkan bahwa stroke iskemik merupakan jenis stroke yang paling dominan, dengan 84,4% kasus berdasarkan CT-scan kepala non kontras. Algoritma stroke Gajah Mada juga mengidentifikasi mayoritas kasus sebagai stroke iskemik dengan 59,4% kasus. Analisis bivariat menggunakan uji Fisher Exact Test menunjukkan p-value sebesar 0,006, menunjukkan adanya hubungan signifikan antara penilaian algoritma stroke Gajah Mada dengan hasil CT-scan. Kesimpulan: Algoritma stroke Gajah Mada terbukti efektif dalam membedakan jenis stroke. Penelitian ini mendukung penggunaan algoritma sebagai alat bantu diagnosis klinis dalam penanganan stroke.

Actions (login required)

View Item