kerangka konseptual pengembangan siarvi
TRANSCRIPT
Kerangka Konseptual Pengembangan SIARVI
Anis Fuad
Pusat Kedokteran Tropis
FK-KMK UGM
@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.