kerangka konseptual pengembangan siarvi

Kerangka Konseptual Pengembangan SIARVI

Anis Fuad

Pusat Kedokteran Tropis

FK-KMK UGM

anisfuad@ugm.c.id

@4n15fuad

Pembuka

Penyakit arbovirus, khususnya DBD, Chikungunya, Zika dan Japanese Encephalitis masih merupakan masalah kesehatan utama di Indonesia.

Salah satu kunci utama: manajemen data surveilans dan respon

Sistem elektronik mulai diterapkan, tetapi belum terpadu dan efisien.

Perkembangan teknologi digital dan penerapan yang luas di berbagai sektor menjadi pendorong penting dalam perumusan SIARVI

Bagaimanakah model/kerangka konseptual SIARVI?

Komponen sistem surveilans dan respon (WHO, 2006)

https://www.who.int/csr/resources/publications/surveillance/WHO_CDS_EPR_LYO_2006_2.pdf

Ramírez, Ana L., et al. "Searching for the proverbial needle in a haystack: advances in mosquito-borne

arbovirus surveillance." Parasites & vectors 11.1 (2018): 1-12.

Ramírez, Ana L., et al. "Searching for the proverbial needle in a haystack: advances in mosquito-borne

arbovirus surveillance." Parasites & vectors 11.1 (2018): 1-12.

Pada level manakah SIARVI akan berperan?

Arsitektur Sistem Surveilans

Business architecture: what are the MoH business needs

in terms of surveillance program?

Application architecture: which surveillance system applications have already been implemented in the

field and to what extent do they address the business

needs?

Data architecture: what data is needed and collected

today by the MoH and what is the quality of it?

Technology architecture:what are the necessary technologies (software,

hardware, and networking) and which ones are used

today in the health domain ?

Sumberdata

• Registry

• Medical records (increasing trends to adopt Electronic Medical Record)

• Claim data (administrative data)

• Sentinel

Facility based

• Routine

• Ad-hoc (epidemiological investigation)

Community based (survey)

• Internet-related behavior

• Internet-based data

Other/alternative

Database DBD Kab Sleman

Database DBD Kota Jogja

Exercise di DIY bersama-sama dengan 5 kab/kota merumuskan model aplikasiberbasis web KDRS DenguePengguna: Dinkes kab/kota

Disertai dengan formulir kegiatan PE

Laporan semua wilayah

Dashboard

Peta kasus

Grafik min max

https://www.cdc.gov/globalhealth/healthprotection/gphi/what/index.html

740

12571423

2200

25882734

0

500

1000

1500

2000

2500

3000

2013 2014 2015 2016 2017

Perkembangan SIMRS di RS Indonesia

SIMRS RS

85% memliki SIMRS15% tidak/tidak berfungsi

Presentasi dari Yankes di Seminar PERSI20

Evolution of health record in primary care

• PCare adalah aplikasi berbasis cloud (komputasi awan) dari BPJS Kesehatan yang diwajibkan kepada FKTP untukmencatat secara elektronik kunjungan peserta BPJS Kesehatan

• Memuat data demografis (terintegrasi dengan NIK – Kemendagri)

• Memuat data klinis (Subjective, Objective, Assessment, Plan)

• Kelengkapan dan kualitas?

• E-prescribing

Kondisi di FKTP

Parameter Prosentase(%)

Geografis-Urban-Rural

2321 (25.8)6660 (74.2)

Internet 17.1 %

Komputer 78.4 %

Menggunakan SIMPus 46%

Menggunakan ICD 10 53%

89% dari 23000 FKTP sudah menggunakanPcare

SI berbasis cloud bagi FKTP untuk merekam data pelayanan peserta BPJS Kesehatan di FKTP

-Kompetisi Pcare dengan SIKDA, SIMPUS, SI program (AIDS, TB, PTM)-Inisiatif bridging-Data untuk Pusat

JKN mendorong literasi dan adopsi teknologi di FKTP, namun

Kondisi Puskesmas tahun 2011 (Risfaskes)

SIKNAS

eKTP

Pertukaran data kesehatan

BPJS Kesehatan

Peserta Jaminan Kes

FKTL [SEP, InaCBG]

Sistem Rujukan

KementerianKesehatan

Dinas KesehatanProv/Kab

FKTP [Pcare]

Data& informasi Vol tx

1. kepesertaan, premi, awareness

++

2. eligibility, akses,layanan, co-payment

+++

3.mutu, surveilans,program prioritas, akreditasi

+

4.kredensial, klaim, kapitasi, eligibilitas, reimbursement, P4P

+++

5. utilization review, prediksi, HTA,

++

6. Updating NIK, EKTP +++

BPS

Secondary data use

Kemdagri

Aturantransaksi, privacy,

confidentiality

Lingkup manajemen data fasyankes

Manajemen data

Rumah sakit

Gudang

data

Pertukaran

informasi

kesehatan

Aplikasi

jaringan

Server

Pembayar

Lab

Resep

Order dokter

Rawat jalan Surveilans &

kesmas

Akses dan penggunaan

data

Rumah sakit

dokter

Labs

Kesehatan

Masyarakat

Pembayar

• Pemberian hasil

• Transfer dokumen yg

aman

• Rekam medis elektronik

•

• Pemberian hasil

• Transfer dokumen yg

aman

• Rekam medis elektronik

• CPOE (computerized

•Physician order entry)

•

• Hasil laboratorium

• Surveilans

• Kondisi yg wajib

dilaporkan

• Hasil

• Transfer dokumen yang

aman

• Data klinis yang diidentifikasi Peneliti

Payer

Akses yang

aman

Salah satu sumber dari Internet..sorry blm disebutkan

SKEMA SISTEM PELAPORAN RUMAH SAKIT (2003)

TNI/POLRI/DEP.LAIN/

BUMN

S W A S T A

DINAS KESEHATAN

PROPINSI

DINAS KESEHATAN

KAB/KOTA

DITJEN YANMED

R.S

DEPKES, PEMDA

R.S

ABRI/DEP.LAIN/BUMN

R.S

S W A S T A

RL1;RL2a;RL2b;RL3;RL4;RL5;RL6

RL1;RL2a;RL2b;RL3;RL4;RL5;RL6

RL1;RL2a;RL2b;RL2a1;RL2b1;RL2c;

RL2.1;RL2.2;RL2.3;RL3;RL4;RL5;RL6

RL1;2a;2b;3;4;5;6

RL1;2a;2b;3;4;5;6

RL4a (Khusus RS Vertikal Depkes)

Kepmenkes SIMRS

Fuad, Anis. "Indonesian Social Health Insurance Sample Data are Now Available and Accessible for

Research." PharmacoEconomics-open 3.4 (2019): 643-645.

Data klaim utk mendukungsurveilans DBD?

Husnayain, Atina, et al. "Improving Dengue Surveillance

System with Administrative Claim Data in Indonesia:

Opportunities and Challenges." MIE. 2020.

Mengidentifikasi perilaku masyarakat terkaitpencarian informasi terkait Dengue

Korelasi

Jeda waktu pencarian di Google Trends dan data surveilans

Google Trends memiliki korelasi yang kuat dengan data kasus dengue

Pencarian informasi pada kurun waktu 1 bulan lebih awal memiliki korelasi kuat dengan data kasus dengue

Lalu bagaimana pantauan Google Trends terhadap dengue di awal 2019?

Mining of health and disease events on Twitter: validating search protocols within the setting of Indonesia

Sentimen publik yang terekam dalam percakapan di Twitter dapat digunakan untuk mendeteksi event terkait penyakit tertentu. Twitter juga berpotensi mengidentifikasi user atau populasi berisiko pada lokasi dan periode tertentu.

Surveilans DBD berbasis Twitter

Ramadona, Aditya L., et al. "Mining of health and disease events on Twitter: validating search protocols within

the setting of Indonesia." arXiv preprint arXiv:1608.05910 (2016).

Presentasi pak Setiaji (2021)

Presentasi pak Setiaji (2021)

Simonsen, et al. (2018). Infectious Disease Surveillance in the Big Data Era: Towards Faster and Locally Relevant Systems

Sumber Data untuk surveilans DBD semakin beragam

Siklus pengembangan dan pemeliharaansistem digital

Penutup

• SIARVI sangat diperlukan untuk menguatkan sistem surveilans penyakitarbovirus melalui dukungan sistem digital dan manajemen data yang andal.

• Diperlukan gambaran SIARVI yang tertulis secara terinci mulai dari konsepsehingga dapat menjadi rujukan bagi pengembang dan stakeholder utamadalam merealisasikan pengembangan sampai dengan pemeliharaan

• Konsep mencakup: aspek bisnis (program), aplikasi, data dan teknologi.

• Seiring dengan meluasnya sistem digital, aspek integrasi dan interoperabilitas menjadi hal penting untuk memperluas cakupan dan sumber data SIARVI.