Definisi Surveilans
-
Upload
ida-nadia-saumi -
Category
Documents
-
view
228 -
download
0
description
Transcript of Definisi Surveilans
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