Definisi Surveilans

                Surveilans adalah  pengumpulan, analisis, dan interpretasi data terkait kesehatan

yang dilakukan secara terus menerus dan sistematis yang kemudian didiseminasikan

(disebarluaskan) kepada pihak-pihak yang bertanggung jawab untuk digunakan dalam

pencegahan penyakit (mengurangi morbiditas dan mortalitas) dan memperbaiki masalah

kesehatan lainnya. Surveilans memantau terus-menerus kejadian dan kecenderungan

penyakit, mendeteksi dan memprediksi outbreak pada populasi, mengamati faktor-faktor

yang mempengaruhi kejadian penyakit, seperti perubahan-perubahan biologis pada agen,

vektor, dan reservoir. Selanjutnya surveilans menghubungkan informasi tersebut kepada

pembuat keputusan agar dapat dilakukan langkah-langkah pencegahan dan pengendalian

penyakit. Surveilans harus cukup akurat dengan analisis data yang lengkap. Surveilans

kesehatan masyarakat merupakan instrumen penting untuk mencegah outbreak penyakit dan

mengembangkan respons segera ketika penyakit mulai menyebar. Informasi dari surveilans

juga penting bagi kementerian kesehatan, kementerian keuangan, dan donor/stakeholder,

untuk memonitor sejauh mana populasi telah terlayani dengan baik. Surveilans berbeda

dengan pemantauan (monitoring) biasa. Surveilans dilakukan secara terus menerus tanpa

terputus (kontinu), sedang pemantauan dilakukan intermiten atau episodik. Dengan

mengamati secara terus-menerus dan sistematis maka perubahan-perubahan kecenderungan

penyakit dan faktor yang mempengaruhinya dapat diamati atau diantisipasi, sehingga dapat

dilakukan langkah-langkah investigasi dan pengendalian penyakit dengan tepat.

Analisa dan Interpretasi Data Surveilans

          Analisis data diperlukan untuk menjamin bahwa sumber data dan proses pengumpulan

data adalah adekuat. Untuk menganalisis data surveilans kita harus memperhatikan beberapa

hal berikut:

Apa keistimewaan atau kekhasan data yang didapat?

Memulai dari data yang paling sederhana ke data yang paling kompleks

Menyadari bila ketidaktepatan dalam data menghalangi analisis-analisis yang lebih canggih.

Jika ada data yang bias maka data tersebut tidak perlu digunakan.

Sifat data surveilans

Perubahan dari waktu ke waktu

Beberapa sumber-sumber informasi

Masalah kualitas dan kelengkapan

Butuh pengetahuan yang mendalam tentang sistem evaluasi

Langkah-langkah dalam Analisis Surveilans:

Kualitas Data

Langkah pertama dalam menganalisis data surveilans berfokus pada kualitas data. Ini berbeda

dengan proses evaluasi yang memberikan pengetahuan yang mendalam tentang proses

pengumpulan data dan keterbatasan potensi data. Frekuensi distribusi dari setiap variabel

yang melihat, untuk mengidentifikasi nilai-nilai yang hilang, tarik digit, kesalahan logis

seperti tetanus neonatal mempengaruhi orang dewasa, dan bias yang terkait dengan

kurangnya representasi dari data:

*        Kasus dalam sistem pengawasan mungkin lebih parah daripada kasus di masyarakat

karena bias pelaporan

*        Kasus dari perkotaan mungkin lebih mewakili kasus dari daerah pedesaan dengan

cakupan miskin fasilitas kesehatan

*        Sumber tertentu pemberitahuan tidak dapat diwakili, seperti dokter umum, penyedia

layanan kesehatan dari sektor swasta.

Cepat melihat data dapat membantu Anda untuk mengidentifikasi keterbatasan yang Anda

perlu memperhitungkan saat meringkas temuan Anda.

Analisis Deskriptif

Merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian

berdasarkan satu sample.

·           Analisis Data Menurut Waktu

Analisis ini membandingkan jumlah kasus yang diterima selama interval waktu tertentu dan

membandingkan jumlah kasus selama periode waktu sekarang dengan jumlah yang

dilaporkan selama interval waktu yang sama dalam periode waktu tertentu.

Data yang diterima dalam sistem surveilans sering disebut sebagai sinyal. Tujuan dari analisis

deskriptif karakteristik waktu adalah untuk menggambarkan trend, variasi musiman, dan

kecelakaan atau wabah potensial dalam residu.

Tanggal onset adalah yang terbaik satu menggambarkan peristiwa kesehatan. Namun, karena

keterlambatan dalam pelaporan, jumlah kasus dengan onset pada minggu-minggu paling baru

selalu akan berada di bawah perkiraan, memberikan grafis rasa-salah dari tren menurun.

Melihat tanggal pemberitahuan tidak menyampaikan masalah ini. Namun, wabah terdeteksi

mungkin terjadi beberapa minggu lalu, dan dengan demikian data tidak mewakili gambaran

yang benar dari penyakit di masyarakat. Namun, sebagian besar waktu lebih baik untuk

menggunakan tanggal pemberitahuan karena akan memungkinkan perbandingan dengan

tahun sebelumnya tanpa mengoreksi penundaan. Epidemiologi sering hanya mampu

mendeteksi wabah pemberitahuan bukan wabah penyakit. Ini menekankan kebutuhan untuk

melaporkan tepat waktu ketika mencari sinyal peringatan dini, tanpa menunggu konfirmasi

jika akan memakan waktu, atau untuk penyelidikan penuh.

Metodologi Pertimbangan Ketika Pengujian untuk hipotesis Waktu:

Data surveilans bukan hasil dari kasus sampling. Hal ini seharusnya mewakili semua kasus

yang terjadi, untuk menjadi lengkap. Dengan demikian, tes statistik tradisional tidak dapat

diterapkan, dan perbedaan dari satu kasus secara teoritis signifikan.

Namun, data surveilans dapat dilihat sebagai sampel dari waktu ke waktu, di mana tren

penyakit ini menggambarkan kelompok individu. Jenis analisis ini disebut analisis ekologi.

Unit-unit waktu tidak independen. Musiman dan trend sekuler mempengaruhi proses analisis.

Kasus X acara kesehatan yang terjadi di musim panas tidak dapat ditafsirkan sebagai kasus X

yang terjadi di musim dingin, karena penyakit yang paling menular dipengaruhi oleh musim.

Independensi antara "unit statistik" yang tidak terpenuhi, tes digunakan pada sampel tidak

dapat diterapkan. Analisis data surveilans membutuhkan metode yang tepat yang

menjelaskan waktu dan tempat ketergantungan.

Pengujian Hipotesis untuk Waktu:

Ketika memulai pengujian hipotesis untuk hipotesis waktu, kita harus pastikan dulu bahwa

setiap pengganggu telah dihapus. Jika populasinya tidak stabil, maka sinyal harus dinyatakan

dalam tingkat untuk mewakili dinamika benar penyakit dalam populasi. Ketika populasi

stabil, jumlah dapat digunakan untuk jangka waktu beberapa tahun.

Akuntansi ketergantungan waktu, yaitu tren dan musim, berarti untuk menghapusnya

sebelum menerapkan uji statistik. Cara termudah adalah dengan membatasi analisis untuk

periode sebanding tahun-tahun sebelumnya, dengan asumsi bahwa tidak ada kecenderungan

dalam data. Ini adalah apa yang dilakukan secara rutin dalam sistem surveilans

membandingkan jumlah kasus untuk minggu-minggu terakhir dengan minggu yang sama dari

tahun sebelumnya. Namun, banyak informasi yang hilang dalam proses. Pemodelan data

memungkinkan untuk menghapus ketergantungan waktu dengan mengurangi kecenderungan

linier, biasanya garis regresi linier, dan menghapus musim dengan mengurangi kurva sinus.

Hipotesis yang diuji adalah sebagian besar waktu apakah ada kasus yang lebih dari yang

diharapkan, sebagai sinyal untuk wabah sumber titik potensial, atau apakah tren dari waktu

ke waktu berubah, seperti apa yang membuat seseorang menjadi transmisi orang lain dari

penyakit.

·           Analisis Data Menurut Tempat

Yaitu dengan mengetahui tempat pemajan terjadi, bukan tempat laporan berasal, mengetahui

kemungkinan sumber-sumber pencegahan akan menjadi sasaran yang efektif, menggunakan

computer dan perangkat lunak untuk pemetaan spasial, memungkinkan analisis yang lebih

canggih.

Analisis deskriptif karakteristik tempat mengacu pada kasus pemetaan. Jika jumlah kasus

aktual digunakan, peta dot density paling cocok. Namun, tingkat sering digunakan untuk

menjelaskan populasi yang mungkin berbeda di seluruh wilayah geografis. Peta ini disebut

daerah-peta atau peta choropeth. Setiap kali struktur penduduk mungkin berbeda di seluruh

wilayah geografis, harga standar perlu digunakan untuk membandingkan pola penyakit.

Sistem Sentinel biasanya tidak dapat diwakili pada batas-batas administratif. Sebuah teknik

pemetaan tertentu digunakan, yang disebut peta isolrate. Peta ini mirip dengan yang

digunakan untuk menunjukkan tingkat hujan di suatu negara, yang diukur melalui stasiun

cuaca yang mirip dengan lokasi sentinel dalam epidemiologi.

Sistem informasi geografis telah semakin banyak digunakan di tahun terakhir. Mereka

menyediakan kemampuan untuk secara tepat menemukan kasus di peta. Namun,

penggunaannya terbatas dalam pengawasan karena kebanyakan sistem di seluruh dunia tidak

merekam informasi ini secara rutin. Koordinat kasus dapat diekstraksi dari alamat. Proses ini

disebut geo-coding.

Pengujian Hipotesis Tempat:

o   Hapus pembaur (standardisasi)

o   Deteksi cluster

o   Tak terduga acara: dot-peta

o   Uji korelasi spasial dengan tetangga terdekat

o   Acara dengan data historis dasar

o   Uji korelasi spasial dengan analisis kedekatan

o   Risiko faktor identifikasi

o   Overlaying eksposur dan hasil

o   Uji untuk cross-korelasi

·         Analisis Data Menurut Orang

Analisis ini menggunakan data umur, jenis kelamin, rasa tau entitas, status perkawinan,

pekerjaan, tingkat pendapatan, dan pendidikan. Semua data dari orang tersebut harus

terlengkapi untuk dapat mengetahui sebab kasus terjadi.

Pengujian Hipotesis Terkait Orang:

*        Chi square

untuk menguji hubungan atau pengaruh dua buah variabel nominal dan mengukur kuatnya

hubungan antara variabel yang satu dengan variabel nominal lainnya (C = Coefisien of

contingency).

*        Perbandingan berarti

*        koefisien korelasi

adalah nilai yang menunjukkan kekuatan dan arah hubungan linier antara dua peubah acak

(random variable).

sumber : http://element.esaunggul.ac.id/course/view.php?id=2937