TUGAS TERSTRUKTURSISTEM INFORMASI KESEHATANTELAAH JURNAL

OLEH :KELOMPOK 7KELAS B

1. Dinda Syifa AladilaG1B0130812. Aminah Tri Wulandari G1B0130823. Karina Pratiwi Wibowo G1B0130834. Ellen Herliana PratiwiG1B0130845. Diana Kartika Anggraeni G1B0130856. Fadhila SuryantiniG1B013086

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGIUNIVERSITAS JENDERAL SOEDIRMAN FAKULTAS ILMU-ILMU KESEHATAN JURUSAN KESEHATAN MASYARAKATPURWOKERTO2015I. Identitas Jurnal1. Nama Jurnal : J Am Med Inform Assoc 2. Judul Jurnal:Validation of electronic medical record-based phenotyping algorithms: results and lessons learnedfrom the eMERGE network3. Pengarang: Katherine M Newton, Peggy L Peissig, Abel Ngo Kho, Suzette J Bielinski, Richard L Berg, Vidhu Choudhary, Melissa Basford, Christopher G Chute, Iftikhar J Kullo, Rongling Li, Jennifer A Pacheco, Luke V Rasmussen, Leslie Spangler, Joshua C Denny4. Edisi: Newton KM,et al. J Am Med Inform Assoc 2013;20:e147e154. doi:10.1136/amiajnl-2012-000896

II. Isi Telaah Jurnal :AbstrakLatar belakang studi genetic membutuhkan definisi fenotip yang tetap, tetapi data fenotip EMR yang tercatat tidak konsisten dan dalam bentuk yang bervariasi.Objektif / TujuanUntuk mempelajari fenotip dasar EMR dari Ilmu Data Rekam Medis dan Genomik (e-MERGE).Alat dan BahanJaringan e-MERGE dibuat dan divalidasi melalui pengambilan 13 EMR fenotip algoritme. Tempat jaringannya adalah Group Health, Klinik Marsfield, Klinik Mayo, Nortwestern University, dan Vanderbilt University. Validasi adalah proses berharga yang tidak hanya mengukur kinerja fenotipe tetapi juga memperkuat fenotipe definisi algoritma dan meningkatkan pembagian antar lembaga. PENGENALANRekam medis elektronik (EMRs) menyimpan data fenotipe berlimpah, dan kepentingan pemerintah serta promosi yang mendorong meluasnya penggunaan dan adopsi. Namun, EMRs dirancang untuk melayani penyedia layanan kesehatan dan pasien dengan mendokumentasikan interaksi pasien-penyedia dan pengamatan klinis, dan menghasilkan dokumentasi penagihan. LATAR BELAKANGData EMR dapat mengidentifikasi sejumlah besar fenotipe klinis seperti penyakit (kasus) dan non-penyakit (kontrol), dan sifat-sifat kuantitatif penting medis, dengan validitas yang cukup untuk kekuatan studi genom asosiasi (GWAS) dan jenis lainnya yang muncul dari pembelajaran genetic. GWAS telah sukses memasukkan studi, antara lain tentang sifat-sifat sel darah merah dan putih, konduksi atrioventrikular (yaitu, interval PR), tingkat sedimentasi eritrosit, dan hipotiroidisme primer. Dengan demikian, EMRs terkait dengan data genetika yang memiliki potensi untuk menggeser fokus penelitian dari pendaftaran pasien research driven melalui penempatan fenotip dalam populasi pasien yang besar.BAHAN,METODE, DAN HASILLima jaringan Grup Kesehatan, Marshfield Clinic, Mayo Clinic, Universitas Northwestern, dan Vanderbilt University . Kesehatan Group dan Marshfield Clinic adalah sistem pemberian perawatan terpadu yang menggunakan sistem EMR komersial, sementara tiga jaringan lain adalah sistem fee-for-service yang menggunakan EMR dikembangkan secara internal untuk perawatan rawat inap dan rawat jalan.KARAKTERISTIK DATA Mengidentifikasi kategori data umum untuk semua jaringan (misalnya, usia, jenis kelamin, ras / etnis, tinggi, berat badan, tekanan darah, kode rawat inap / rawat jalan diagnosis, tes laboratorium, obat), menggunakan fenotip utama untuk melengkapi dan mencukupi data.Penyeleksian FenotipJaringan yang dipilih fenotip pertama untuk analisis berdasarkan keahlian para peneliti dan kepentingan, pentingnya ilmiah GWAS untuk fenotipe, dan kelayakan jelas mengidentifikasi fenotip dalam EMR.Pendekatan validasiUntuk setiap fenotipe, situs utama dikembangkan fenotip algoritma sebagai latihan kolaborasi antara dokter, klinik ahli konten, informaticians, epidemiologi, ahli genetika, dan ahli data. Mengingat perbedaan di lembaga, algoritma yang dikembangkan diwakili sebagai 'pseudo. Pseudocode adalah dokumen tertulis yang mencakup dan didefinisikan semua variabel yang dibutuhkan untuk mengidentifikasi fenotipe, dan aturan-aturan untuk menggabungkan mereka (yaitu, kondisi duniawi antara dua pengamatan, jumlah diagnosa diamati). Pseudocode juga menyediakan peta rinci untuk ekstraksi data. Setiap situs kemudian diimplementasikan pseudocode berdasarkan struktur EMR.

Pelajaran dari pengembangan algoritma fenotipe dan validasiUntuk beberapa fenotipe (katarak, demensia, diabetes tipe 2, perifer Penyakit arteri, hipotiroidisme, hipertensi resisten, dan retinopati diabetes) tujuan validasi adalah untuk mengkonfirmasi keakuratan kasus dan kontrol status. Dengan demikian, target untuk validasi adalah karakteristik, dan inklusi dan eksklusi kriteria, kasus dan control.Tindakan berulangBanyak fenotipe, misalnya, tekanan darah dan laboratorium langkah-langkah, dicatat berulang kali. Ini memberikan peluang dan tantangan. Tindakan berulang mungkin juga menyediakan representasi yang lebih akurat dari sifat dari ukuran tunggal. Tantangan untuk menggunakan nilai-nilai ini termasuk mendefinisikan periode waktu yang relevan dan menentukan paling bermakna. Kerusakan di EMRKerusakan dapat memiliki dampak penting bagi algoritma fenotipe dalam jenis elemen data yang digunakan, sumber data diinterogasi, dan kinerja algoritma.Parameter UlasanJika data EMR menumpuk maka menimbulkan masalah seperti hasil diagnosis yang lama keluar dan biaya meningkat. Berikut ini beberapa Electronic Medical Records dan Genomics: fenotipe divalidasi, situs yang berpartisipasi, dan pendekatan validasi oleh situs, diantaranya : 1. - Fenotipe : Katarak- Kategori EMR untuk menentukan fenotipe : Kode ICD-9, pemeriksaan mata, daftar masalah, teks, dan dokumen yang dipindai- Tantangan : Tidak semua situs memiliki detail yang cukup dalam EMR. Pengenalan karakter optik yang diperlukan untuk catatan scan tidak tersedia di semua situs.2. - Fenotipe : Demensia - Kategori EMR untuk menentukan fenotipe : Kode ICD-9, obat - Tantangan : Situs Primer memiliki diagnosis penelitian berkualitas Alzheimer sementara yang lain tidak,mengorbankan demensia sebagai fenotipe. Beberapa situs memiliki basis data farmasi, sedangkan yang lain mengandalkan NLP untuk farmasi3. - Fenotipe : Diabetes tipe 2- Kategori EMR untuk menentukan fenotipe : Kode ICD-9, obat, tes laboratorium- Tantangan : Kesulitan penanganan tindakan berulang, membedakan tipe 1 dari tipe 2 diabetes, abstrak obat dari perintah terhadap apotek vs NLP4. - Fenotipe : Hipotiroidisme primer - Kategori EMR untuk menentukan fenotipe : Kode ICD-9 dan CPT-4, obat, laboratorium tes, teks - Tantangan : Sejumlah besar pengecualian menimbulkan tantangan dalam mengembangkan review grafik bentuk. Orang-tingkat (seumur hidup) kriteria eksklusi dipersulit oleh kefanaan dan keterbatasan kerangka waktu EMR yang (catatan tua di atas kertas)5. . - Fenotipe : Sel darah putih indeks - Kategori EMR untuk menentukan fenotipe : tes laboratorium dan lokasi menarik (misalnya, rumah sakit vs klinik), ICD-9, CPT-4, dan kode HCPCS, obat - Tantangan : Kesulitan dalam menangani tindakan berulang6. - Fenotipe : Konduksi jantung normal (PR dan Interval QRS)- Kategori EMR untuk menentukan fenotipe : Data EKG elektronik, obat-obatan, NLP, ICD-9 dan Kode CPT, tes laboratorium- Tantangan : Menemukan dan pertambangan EKG elektronik data dari sistem penjual sulit. Tantangan menegaskan tidak adanya penyakit jantung (misalnya, tidak termasuk riwayat keluarga) atau kelainan elektrolit pada saat EKG.

KESIMPULANMeskipun struktur beragam dari lima EMRs dari eMERGE situs, yang kami kembangkan, divalidasi, dan berhasil dikerahkan 13 algoritma fenotipe elektronik. Validasi adalah proses berharga yang tidak hanya mengukur kinerja fenotipe tetapi juga memperkuat algoritma fenotipe dan meningkatkan berbagi interinstitutional mereka. Pada akhirnya, system EMR akan menghasilkan deret kode ICD (International Statistical Classification of Diseases and Related Health Problems) dari kode-kode yang dihasilkan pada pengisian form-form catatan medik. Deretan kode-kode ini mampu menggambarkan perkembangan kondisi pasien dan penanganan medik yang diberikan selama perawatan. Data-data medik yang tersimpan dapat ditampilkan kembali dalam bentuk catatan medik digital.Kelebihan jurnal Kesimpulan sudah jelas Dalam jurnal sudah disertai contoh dan gambaran kasus Isi dari jurnal sudah lengkap dan terperinciKekurangan jurnal Abstraknya kurang jelas karena hanya sedikit dan tidak menjelaskan gambaran isi jurnal. Ada beberapa kalimat yang sulit dipahami dan perlu dibaca berulang-ulang.

III. DAFTAR PUSTAKAHarlan, Johan., Dari Rekam-Medik Kertas ke Rekam-Medik Elektronik, Presentasi, Pusat Studi Informatika Kedokteran, Universitas Gunadarma, Jakarta, without published year.Rusli, Arsil, dkk., Manual Rekam Medis, Konsil Kedokteran Indonesia/Indonesian Medical council, Jakarta, 2006.