Model Klinis Prediktor Lama Rawat Inap pada Pasien Fraktur Femur: Analisis Multivariat Berdasarkan Morfologi dan Metode Fiksasi

Authors

  • Ardian Riza Dr. M.Djamil General Hospital, Padang, Indonesia/ Kartika Docta Surgical Specialty Hospital, Padang ,Indonesia
  • Noverial Kartika Docta Surgical Specialty Hospital, Padang ,Indonesia
  • Muhammad Pramana Khalilul Harmi Kartika Docta Surgical Specialty Hospital, Padang ,Indonesia
  • Mutia Sari Kartika Docta Surgical Specialty Hospital, Padang ,Indonesia

DOI:

https://doi.org/10.56260/sciena.v5i1.295

Keywords:

Fraktur femur, Lama rawat inap, Model klinis, Morfologi fraktur, Metode fiksasi, Komorbid

Abstract

Pendahuluan: Fraktur femur merupakan cedera muskuloskeletal mayor yang sering memerlukan tatalaksana operatif dan rawat inap. Lama rawat inap (length of stay/LOS) menjadi indikator penting mutu pelayanan dan efisiensi rumah sakit. Berbagai faktor klinis seperti morfologi fraktur, metode fiksasi, usia, dan komorbid diduga memengaruhi LOS, namun data lokal mengenai model prediktor LOS pada fraktur femur masih terbatas. Tujuan Penelitian : Menyusun dan mengevaluasi model klinis prediktor lama rawat inap pada pasien fraktur femur berdasarkan morfologi fraktur, metode fiksasi, serta karakteristik pasien (usia, indeks massa tubuh/IMT, komorbid). Metode: Studi observasional analitik dengan desain retrospektif menggunakan data rekam medis fraktur femur di  RUMAH SAKIT KHUSUS BEDAH KARTIKA DOCTA periode 2024–2025. Terdapat 98 pasien fraktur femur; 97 pasien dengan data lengkap (termasuk IMT) dianalisis dalam model multivariat. Variabel dependen adalah LOS (hari). Variabel independen utama adalah morfologi fraktur (oblique, transverse, comminuted, lainnya) dan metode fiksasi (open reduction and internal fixation/ORIF, partial hip replacement/PHR, konservatif). Usia, IMT, dan jumlah komorbid dimasukkan sebagai kovariat. Analisis menggunakan regresi linear (ordinary least squares). Hasil: Rerata usia pasien 51,2 ± 24,3 tahun; 51,5% perempuan. Rerata IMT 21,6 ± 3,7 kg/m². Morfologi fraktur terbanyak adalah oblique (42,3%), diikuti transverse (36,1%) dan comminuted (17,5%). Metode fiksasi yang paling sering digunakan adalah ORIF (68,0%), diikuti PHR (19,6%) dan konservatif (12,4%). Sebagian besar pasien tidak memiliki komorbid (78,4%). Rerata LOS adalah 4,3 ± 1,5 hari (rentang 2–10). Rerata LOS berkisar antara 4,0 hari (comminuted) hingga 5,3 hari (morfologi lainnya), dan antara 4,2–4,4 hari pada berbagai metode fiksasi. Rerata LOS meningkat seiring jumlah komorbid (4,2 hari pada 0 komorbid, 4,6 pada 1, dan 5,2 pada 2 komorbid). Model regresi menghasilkan R² = 0,074 dan adjusted R² = –0,012. Tidak ada prediktor (morfologi fraktur, metode fiksasi, usia, IMT, jumlah komorbid) yang mencapai signifikansi statistik (p < 0,05). Kesimpulan: Dalam dataset ini, morfologi fraktur, metode fiksasi, usia, IMT, dan komorbid tidak membentuk model klinis prediktor LOS yang kuat pada pasien fraktur femur, dengan daya jelaskan sekitar 7% variasi LOS. Secara klinis terdapat kecenderungan LOS sedikit lebih panjang pada fraktur transverse dan pada pasien dengan komorbid lebih banyak, namun tren ini tidak signifikan secara statistik. Pengembangan model prediktif yang lebih akurat memerlukan penambahan variabel sistemik dan perioperatif serta peningkatan kualitas pencatatan data.

Author Biographies

Ardian Riza, Dr. M.Djamil General Hospital, Padang, Indonesia/ Kartika Docta Surgical Specialty Hospital, Padang ,Indonesia

Department of Orthopaedics and Traumatology

Noverial , Kartika Docta Surgical Specialty Hospital, Padang ,Indonesia

Department of Orthopaedics and Traumatology

Muhammad Pramana Khalilul Harmi , Kartika Docta Surgical Specialty Hospital, Padang ,Indonesia

Department of Orthopaedics and Traumatology

Mutia Sari, Kartika Docta Surgical Specialty Hospital, Padang ,Indonesia

Department of Orthopaedics and Traumatology

References

Baghdadi S, Kiyani M, Kalantar SH, Shiri S, Sohrabi O, Beheshti Fard S, et al. Mortality following proximal femoral fractures in elderly patients: a large retrospective cohort study of incidence and risk factors. BMC Musculoskelet Disord. 2023;24:693. doi:10.1186/s12891-023-06825-9

Xu P, Wang L. Evaluating the impact of Age-Adjusted Charlson Comorbidity Index on in-hospital complications in patients with femoral fracture: a retrospective cohort analysis from the MIMIC-IV 2.2 database. Front Med. 2025;12:1606744. doi:10.3389/fmed.2025.1606744

Comodo RM, Di Gialleonardo E, Bocchino G, Capece G, Covino M, Simeoni B, et al. Frailty as a determinant of mortality, surgical timing and hospital stay in proximal femur fractures: a retrospective cohort study. Eur J Orthop Surg Traumatol. 2025;35:196. doi:10.1007/s00590-025-04312-6

Scala A, Ponsiglione AM, Loperto I, Della Vecchia A, Borrelli A, Russo G, et al. Lean Six Sigma approach for reducing length of hospital stay for patients with femur fracture in a university hospital. Int J Environ Res Public Health. 2021;18(6):2843. doi:10.3390/ijerph18062843

Manosroi W, Koetsuk L, Phinyo P, Danpanichkul P, Atthakomol P. Predictive model for prolonged length of hospital stay in patients with osteoporotic femoral neck fracture: a 5-year retrospective study. Front Med. 2023;9:1106312. doi:10.3389/fmed.2022.1106312

Ko YS, Kang SY, Lee HJ, Kim HS, Yoo JJ. Trends in hospital stay, complication rate, and mortality in hip fracture patients: a two-decade comparison at a national tertiary referral center. J Clin Med. 2024;13(13):3666. doi:10.3390/jcm13133666

Kristensen MT, Kehlet H. Length of stay in hip fracture patients: a nationwide cohort study of 55,000 patients. Acta Orthop. 2021;92(6):681–7. doi:10.1080/17453674.2021.1956647

Roche JJ, Wenn RT, Sahota O, Moran CG. Effect of comorbidities and postoperative complications on mortality after hip fracture in elderly people: prospective observational cohort study. BMJ. 2005;331(7529):1374. doi:10.1136/bmj.38643.663843.55

Kondo A, Zierler BK, Shuman S, et al. Machine learning models for predicting length of stay in hip fracture patients: a multicenter study. Bone Joint J. 2022;104-B(10):1180–7. doi:10.1302/0301-620X.104B10.BJJ-2022-0412.R1

Steyerberg EW, Harrell FE Jr. Prediction models need appropriate internal, internal–external, and external validation. J Clin Epidemiol. 2016;69:245–7. doi:10.1016/j.jclinepi.2015.04.005

Downloads

Published

2026-01-01

How to Cite

Riza, A., Noverial, Harmi, M. P. K. ., & Sari, M. . (2026). Model Klinis Prediktor Lama Rawat Inap pada Pasien Fraktur Femur: Analisis Multivariat Berdasarkan Morfologi dan Metode Fiksasi. Scientific Journal, 5(1), 12–17. https://doi.org/10.56260/sciena.v5i1.295

Issue

Section

Research in Clinical Science