Ditemukan 39632 dokumen yang sesuai dengan query :: Simpan CSV
Mugi Wahidin; Promotor: Anhari Achadi; Kopromotro: Besral, Soewarta Kosen; Penguji: Atik Nurwahyuni, Mardiati Nadjib, Sudarto Ronoatmodjo, Ekowati Rahajeng; Masdalina Pane
Abstrak:
Read More
Latar belakang: Diabetes Melitus (DM) menjadi salah satu masalah kesehatan masyarakat terbesar di dunia dan di Indonesia yang menjadi target pengendalian secara global dan nasional. Penelitian tentang proyeksi beban DM dengan memasukkan pengaruh faktor risiko dan program pencegahan dan pengendalian DM di Indonesia sangat terbatas. Tujuan penelitian ini adalah untuk membuat model proyeksi beban penyakit Diabetes Melitus di Indonesia berdasarkan faktor risiko dan program pencegahan dan pengendalian DM. Metode: Penelitian ini merupakan penelitian kuantitatif non-experiment menggunakan desain cross sectional study melalui pembuatan model regresi linier ganda dan system dynamics. Model proyeksi prevalens baseline dibuat berdasarkan faktor risiko, program pencegahan dan pengendalian DM. Proyeksi sampai 2045 melibatkan dinamisasi faktor risiko dan program DM, proyeksi penduduk, case fatality rate DM, unit cost DM, standar tarif pemeriksaan gula darah, dan inflasi kesehatan. Faktor risiko termasuk overweight, obesitas sentral, obesitas, konsumsi makanan manis, konsumsi minuman manis, konsumsi makanan berlemak, kurang konsumsi buah dan sayur, kurang aktivitas fisik, hipertensi, dan merokok. Program DM meliputi rasio Posbindu PTM, Desa Ber Posbindu PTM, Pemeriksaan di Posbindu PTM, Puskesmas dengan Pelayanan Terpadu PTM, pemeriksaan rutin gula darah, standar pelayanan minimal (SPM) pelayanan kesehatan DM, dan SPM skrining usia produktif. Model dibuat berdasarkan data dari 205 kabupaten/kota di 33 provinsi di Indonesia. Proyeksi dibuat secara nasional, provinsi, dan kabupaten/kota berupa prevalens, kematian, biaya langsung, dan jumlah dan biaya skrining gula darah. Penelitian ini menggunakan data sekunder dari Riset Kesehatan Dasar (Riskesdas) 2007-2018, BPJS Kesehatan 2016-2020, program P2PTM 2016-2020, dan Pusdatin Kemkes 2019-2021. Unit analisis adalah kabupaten/kota. Hasil: Model proyeksi DM menggunakan regresi linier ganda dengan formula prevalensi DM = -2,212 + 0.216 prevalens overweight +0,017 prevalens obesitas + 0,112 prevalens obesitas sentral +0,019 prevalens konsumsi makanan berlemak – 0,001 Persentase Desa Ber-Posbindu PTM + 0,003 Persentasi Pandu PTM + 1,510 prevalensi rutin diperiksa gula darah – 0.012 cakupan SPM yankes DM + 0,008 cakupan SPM skrining usia produktif. Prevalensi DM di Indonesia diperkirakan meningkat dari 9,19% pada 2020 (18,69 juta kasus) menjadi 16,09% pada 2045 (40,7 juta kasus), naik 75,1% selama 25 tahun, atau 3% per tahun. Prevalensi DM akan lebih rendah menjadi 15,68% atau 39,6 juta kasus (berkurang 5,54%) pada 2045 jika dilakukan intervensi peningkatan cakupan desa ber-posbindu dan SPM yankes DM menjadi 100%, dan menjadi 9,22% atau 23,2 juta kasus (berkurang 42,69%) jika intervensi program tersebut ditambahkan dengan pencegahan laju faktor risiko (overweight, obesitas, obesitas sentral dan konsumsi makanan berlemak). Di tingkat provinsi dan kabupaten/kota, prevalensi dan jumlah kasus meningkat dan sangat bervariasi. Proyeksi jumlah kematian akibat DM di Indonesia meningkat dari 433.752 pada 2020 menjadi 944.468 pada 2045, naik 117% selama 25 tahun atau 4,7% per tahun. Kematian akibat strok pada DM meningkat dari 52,397 pada 2020 menjadi 114,092 pada 2045. Kematian akibat IHD pada DM meningkat dari 35.351 pada 2020 menjadi 76.974 pada 2045. Sedangkan kematian akibat penyakit ginjal kronik pada DM meningkat dari 29.061 pada 2020 menjadi 63.279 pada 2045. Jumlah kematian pada 2045 lebih rendah menjadi 919.206 jika dilakukan intervensi program dan menjadi 537.190 jika dilakukan intervensi program dan menahan laju faktor risiko. Jumlah kematian akibat DM dan komplikasinya di provinsi dan kabupaten/kota meningkat dan sangat bervariasi. Biaya langsung (direct cost) DM meningkat dari Rp 37,36 triliun pada 2020 menjadi Rp 81,38 triliun pada 2045, meningkat 117,76% selama 25 tahun atau 4,71% per tahun. Jika dilakukan intervensi peningkatan program maka dapat diturunkan menjadi Rp 79,31 triliun (berkurang 2,54%) dan menjadi Rp 46,53 triliun (berkurang 42,82%) jika intervensi ditambah menahan laju faktor risiko. Di tingkat provinsi dan kabupaten/kota, biaya langsung DM mengalami kenaikan dan bervariasi antara daerah. Jumlah penduduk berusia 15-39 tahun dengan obesitas dan usia 40 tahun ke atas yang perlu diskrining gula darah di Indonesia pada 2020 diperkirakan 116.387.801 menjadi 171.913.086 orang pada 2045, meningkat 47,8% selama 25 tahun atau 1,9% per tahun. Biaya skrining Rp 2,39 trilliun pada 2020 meningkat menjadi Rp 3,53 trilliun pada 2045. Di provinsi dan kabupaten/kota, jumlah dan biaya skrining meningkat dan bervariasi. Proyeksi DM di Indonesia dan aplikasi perhitungan proyeksi dapat dilihat di www.diabetes-ina.com. Hasil proyeksi sudah dinyatakan sudah baik setelah dibahas dengan para ahli dan mempunyai Mean Absolute Percentage Error (MAPE) sebesar 13% (baik) untuk proyeksi provinsi dan nasional serta 22% (layak) untuk proyeksi kabupaten/kota. Hasil penelitian ini dapat digunakan untuk bahan perencanaan SDM, skrining, dan biaya pengobatan DM di Indonesia baik tingkat pusat, provinsi, maupun kabupaten/kota.
Background: Diabetes Mellitus (DM) is one of the biggest public health problems in the world and in Indonesia which is targeted for control globally and nationally. Research on DM burden projection by including the influence of risk factors and DM prevention and control programs in Indonesia is very limited. The purpose of this study is to make a projection model of the burden of Diabetes Mellitus in Indonesia based on risk factors and DM prevention and control programs. Method: The study was a quantitative non-experiment study using cross sectional study design through the creation of multiple linear regression models and system dynamics. The baseline prevalence projection model is based on risk factors, DM prevention and control programs. Projections until 2045 involved the dynamization of risk factors and DM programs, population projections, DM case fatality rate, DM unit costs, tariffs standard of blood glucose screening, and health inflation. Risk factors included overweight, central obesity, obesity, consumption of sugary foods, consumption of sugary drinks, consumption of fatty foods, lack consumption of fruits and vegetables, lack of physical activity, hypertension, and smoking. The DM program included the ratio of NCD Post (Posbindu), percentage of Village had Posbindu, Examination at Posbindu, Puskesmas with Integrated NCD Services (Pandu), routine blood glucose checks, minimum service standards (SPM) of DM health services, and SPM of productive age screening. The model was created based on data from 205 districts/cities in 33 provinces in Indonesia. Projections was made nationally, provincially, and districts in terms of prevalence, mortality, direct costs, and the number and cost of blood glucose screening. This study used secondary data from Basic Health Research (Riskesdas) 2007-2018, BPJS Kesehatan 2016-2020, NCD programs 2016-2020, and Pusdatin Ministry of Health 2019-2021. The analysis unit is the district/city. Results: DM projection model using multiple linear regression with DM prevalence formula = -2.212 + 0.216 overweight prevalence + 0.017 obesity prevalence + 0.112 central obesity prevalence + 0.019 prevalence of fatty food consumption – 0.001 percentage of villages with Posbindu + 0.003 NCD integrated services percentage + 1.510 prevalence of routine blood glucose checks – 0.012 SPM coverage of DM services + 0.008 SPM of productive age screening coverage. The prevalence of DM in Indonesia is estimated to increase from 9.19% in 2020 (18.69 million cases) to 16.09% in 2045 (40.7 million cases), increase 75.1% over 25 years, or 3% per year. The prevalence of DM will be lower to 15.68% or 39.6 million cases (reduced by 5.54%) in 2045 if interventions are carried out to increase the coverage of Posbindu villages and SPM DM services to 100%, and to 9.22% or 23.2 million cases (reduced by 42.69%) if the program interventions are added with prevention of risk factor rates (overweight, obesity, central obesity and consumption of fatty foods). At the provincial and district/city levels, the prevalence and number of cases are increasing and vary greatly. The projected number of deaths due to DM in Indonesia increases from 433,752 in 2020 to 944,468 in 2045, increase 117% over 25 years or 4.7% per year. Deaths due to stroke among DM increases from 52,397 in 2020 to 114,092 in 2045. Deaths from IHD among DM increases from 35,351 in 2020 to 76,974 in 2045. Meanwhile, deaths from chronic kidney disease among DM increases from 29,061 in 2020 to 63,279 in 2045. The number of deaths in 2045 could be lower to 919,206 if program interventions are carried out and to 537,190 if program interventions are carried out and halt the rate of risk factors. The number of deaths due to DM and its complications in provinces and districts / cities is increasing and varies greatly. DM direct costs increased from Rp 37.36 trillion in 2020 to Rp 81.38 trillion in 2045, an increase of 117.76% over 25 years or 4.71% per year. If the program improvement intervention is carried out, it can be reduced to Rp 79.31 trillion (reduced by 2.54%) and to Rp 46.53 trillion (reduced by 42.82%) if the intervention is added to halt the rate of risk factors. At the provincial and district/city levels, DM direct costs have increased and vary between regions. The number of people aged 15-39 years with obesity and aged 40 years and above who need to be screened for blood glucose in Indonesia in 2020 is estimated at 116,387,801 to 171,913,086 people in 2045, an increase of 47.8% over 25 years or 1.9% per year. Screening costs of Rp 2.39 trillion in 2020 will increase to Rp 3.53 trillion in 2045. In provinces and districts, the number and cost of screening are increasing and varying. DM projections in Indonesia and projection calculation applications can be seen at www.diabetes-ina.com. The projection results have been declared good after discussion with experts and have an Absolute Mean Percentage Error (MAPE) of 13% (good) for provincial and national projections and 22% (feasible) for district/city projections. The results of this study can be used for human resource planning, screening, and DM treatment costs in Indonesia at the central, provincial, and district / city levels.
D-478
Depok : FKM-UI, 2023
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Aqsha Azhary Nur: Promotor: Adang Bachtiar; Kopromotor: Dante Saksono Harbuwono, Sri Ratna Laksmiastuti; Penguji: Dwi Gayatri, Ratna Djuwita, Purnawan Junadi, Wisnu Jatmiko, Ali Ghufron Mukti, Rizanda Machmud
Abstrak:
Read More
Beban Diabetes Melitus Tipe 2 (DMT2) semakin tinggi di Indonesia dengan prevalensi 11,7% menurut Survei Kesehatan Indonesia 2023. Lebih dari 70% penyandang DMT2 belum terdiagnosis, yang menyebabkan keterlambatan pengobatan dan peningkatan risiko komplikasi. Teknologi pembelajaran mesin (machine learning) berpotensi digunakan untuk deteksi dini risiko DMT2 secara efisien dan berbasis data. Penelitian ini bertujuan mengembangkan, memvalidasi, dan menguji kelayakan model skrining risiko DMT2 berbasis pembelajaran mesin untuk populasi Indonesia. Studi ini menggunakan desain observasional dan dilaksanakan dari Oktober 2024 hingga Januari 2025. Penelitian terdiri dari tiga fase. Fase pertama mencakup pengembangan model prediksi menggunakan algoritma pembelajaran mesin dengan data dari dua sumber Kementerian Kesehatan, yakni kohor Penyakit Tidak Menular (PTM) (n=5.010) dan Aplikasi Sehat Indonesiaku (ASIK) (n=8.147.932). Fase kedua adalah validasi eksternal model menggunakan data ASIK tahun 2023 (n=24.735.050). Fase ketiga merupakan uji coba lapangan di dua Puskesmas di DKI Jakarta yang mencakup uji diagnostik (n=100) serta penilaian kelayakan sistem tenaga kesehatan (n=30) menggunakan instrumen System Usability Scale (SUS). Fase 1 menunjukkan bahwa model LightGBM pada data ASIK memiliki performa terbaik (AUC 0,90; sensitivitas 0,70; spesifisitas 0,88), sementara model CatBoost pada data kohor PTM menunjukkan AUC 0,76. Seleksi fitur mengidentifikasi lima variabel utama (usia, tekanan darah sistolik, aktivitas fisik, riwayat keluarga DMT2, konsumsi sayur/buah) sebagai penentu utama risiko. Fase 2 mencakup validasi eksternal dengan data ASIK 2023 menghasilkan AUC 0,90 (LightGBM) dan AUC 0,73 (CatBoost). Fase 3 uji coba lapangan menunjukkan hasil diagnostik yang sejalan dengan skor risiko model, dengan sensitivitas 0,80 dan spesifisitas 0,39 pada cut-off HbA1c 6,5% dan sensitivitas 0,79 dan spesifisitas 0,54 pada cutoff HbA1c 5,7%. Evaluasi oleh tenaga kesehatan menghasilkan skor SUS sebesar 72,5. Sebagai kesimpulan, Model skrining DMT2 berbasis pembelajaran mesin terbukti akurat dan layak diimplementasikan.
Type 2 Diabetes Mellitus (T2DM) burden is increasing in Indonesia, with a national prevalence of 11.7% according to the 2023 Indonesia Health Survey. More than 70% of individuals with T2DM remain undiagnosed, leading to delayed treatment and increased complications. Machine learning has the potential to enhance early detection of T2DM through an efficient, data-driven risk screening process. This study aims to develop, validate, and assess the feasibility of a machine learning-based T2DM risk screening model tailored for the Indonesian population. This study employed an observational design and was conducted from October 2024 to January 2025. The study consisted of three phases. The first phase involved the development of predictive models using machine learning algorithms with two datasets from the Ministry of Health: the PTM Cohort (n=5,010) and the ASIK registry (n=8,147,932). The second phase was an external validation using the ASIK 2023 dataset (n=24,735,050). The third phase was a field trial at two primary health centers (Puskesmas) in Jakarta, which included diagnostic testing of patients (n=100) and usability assessment by healthcare workers (n=30) using the System Usability Scale (SUS). In Phase 1, the LightGBM model trained on ASIK data achieved the best performance (AUC 0.90; sensitivity 0.70; specificity 0.88), while the CatBoost model trained on PTM Cohort data yielded an AUC of 0.76. Feature selection identified five main predictors (age, systolic blood pressure, physical activity, family history of T2DM, and fruit/vegetable consumption). In Phase 2, external validation with ASIK 2023 data confirmed high model performance with AUC 0.90 (LightGBM) and AUC 0.73 (CatBoost). In Phase 3, field testing showed diagnostic performance consistent with model-based risk scores, with sensitivity 0.80 and 0.39 at the HbA1c cut-off of 6.5% and sensitivity 0.79 and specificity 0.54 at the HbA1c cut-off of 5.7%. Usability testing by healthcare workers resulted in an average SUS score of 72.5. In conclusion, the machine-learning-based T2DM screening model has demonstrated high accuracy and is feasible for implementation.
D-574
Depok : FKM-UI, 2025
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Maria Holly Herawati; Promotor: Amal Chalik Sjaaf; Kopromotor: Purnawan Junadi, Trihono; Penguji: Anhari Achadi, Sudarto Ronoatmodjo, Sandi Iljanto, Soewarta Kosen
Abstrak:
Penyakit TB masih merupakan masalah kesehatan di Indonesia, walaupun upaya pengendalian sudah dilakukan sejak jaman penjajahan. Evaluasi yang dilakukan selama ini masih merupakan evaluasi proses, maka kali ini peneliti menawarkan suatu evaluasi yang menyeluruh yaitu adanya cara pengukuran baru berupa variabel laten ( lingkungan, sarana prasarana, proses, target dan output) dengan tujuan hasil evaluasi ini untuk memberi masukan pada penentu kebijakan pengendalian TB di masa yang akan datang. Penelitian di lakukan dengan memakai gabungan data Rifaskes 2011 dan P2PL 2011. Metode yang dipakai adalah analisa data sekunder, serta penambahan data kualitatif dengan memakai penelitian sistem, serta metode pemodelan variabel dengan menggunakan analisa Struktural Equation Modeling. Hasil yang didapat adalah di perolehnya 4 model hasil evaluasi program pengendalian TB: Model nasional, model wilayah Sumatra, model Jawa Bali, model wilayah lainnya. Secara garis besar ada beberapa perbedaan kontribusi setiap hubungan variabel laten; pada model nasional kontribusi terbesar (1.sarana prasarana ke proses, 2. Target 1 dan CDR 3. proses ke target 2) pada hasil evaluasi Sumatra (1. sarana prasarana ke proses; 2. target 1 dan CDR 2. target 1 dengan CNR 3.lingkungan dan sarana prasarana) hasil evaluasi Jawa Bali (1.target 1 dan CNR 2.target 1 dengan CDR 3. Target 2 dan CR ) dan hasil evaluasi wilayah lainnya (1. target 1 dengan CNR 2. lingkung dan sarana prasarana 3. sarana prasarana ke proses).
TB disease remains a health problem in Indonesia, despite the control measures already carried out since the colonial era. Evaluations were conducted for this is still an evaluation process, so this time offers researchers a comprehensive evaluation that is the way of new measures in the form of latent variables (environment, infrastructure, processes, targets and output) with the purpose of this evaluation to provide input on policy makers TB control in the future. The experiment was conducted using a combination of data P2PL Rifaskes 2011 and 2011. The method used is the analysis of secondary data, as well as additional qualitative data using systems research, as well as variable modeling methods using Structural Equation Modeling analysis. The result is a model of evaluation results oBTAin it 4 TB control program: The national model, a model region of Sumatra, Java and Bali models, models of other regions. Broadly speaking, there are some differences in the contribution of each relationship latent variables; the largest contribution to the national model (1. infrastructure to process, targets 1 and CDR 3.target 1 to process) on evaluation of Sumatra (1. infrastructure to process; 2. target 1 and CDR 2. target of 1 to CNR. 3.the environment and infrastructure) on the evaluation of Java Bali (1.target 1 and CNR 2.target 1 with CDR 3. Target 2 and CR) and the results of evaluation of other areas (1.targets 1 with CNR 2. infrastructure with the environment and 3.infrastructure to process).
Read More
TB disease remains a health problem in Indonesia, despite the control measures already carried out since the colonial era. Evaluations were conducted for this is still an evaluation process, so this time offers researchers a comprehensive evaluation that is the way of new measures in the form of latent variables (environment, infrastructure, processes, targets and output) with the purpose of this evaluation to provide input on policy makers TB control in the future.
D-342
Depok : FKM-UI, 2016
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Ardhi Arsala Rahmani; Promotor: Dewi Susanna; Kopromotor: Tris Eryando; Penguji: Besral, Ririn Arminsih Wulandari, R. Azizah, Suwito, Ermi Ndoen
Abstrak:
Read More
Latar belakang: Malaria merupakan penyakit yang disebabkan oleh parasit Plasmodium dan ditularkan melalui vektor nyamuk Anopheles. Kedua organisme tersebut merupakan makhluk hidup dengan daya tahan hidup dan kapasitas yang dipengaruhi oleh lingkungan sekitarnya, termasuk iklim. Oleh karena itu, berubahnya iklim akibat pemanasan global telah diasosiasikan dengan distribusi malaria global. Tujuan: Penelitian ini mengeksplorasi seberapa jauh hubungan antara faktor iklim dan kejadian malaria di kota dan kabupaten di Indonesia selama periode 2000-2020 untuk menginformasikan kebijakan pengendalian malaria yang berketahanan iklim. Metode: Dengan membangun variabel laten atau konstruk iklim yang terdiri dari indikator meteorologi yaitu suhu, curah hujan, kecepatan angin, dan kelembapan relatif yang didapatkan dari data NASA Langley Research Center (LaRC), serta menggabungkan variabel perancu sosiodemografis (pengeluaran rumah tangga, IPM, tingkat urbanisasi) dan geografis (Normalized Difference Vegetation Index, dan topografi), studi ini menawarkan analisis komprehensif tentang asosiasi mereka terhadap kejadian malaria (dari data Malaria Atlas Project dan Kementerian Kesehatan) melalui Structural Equation Modeling (SEM). Hasil: Temuan penelitian menunjukkan asosiasi antara iklim dan malaria. Kendati demikian, analisis Structural Equation Modeling (SEM) yang digunakan penelitian ini menunjukkan bahwa bobot faktor untuk iklim relatif kecil dan menunjukkan bahwa hubungannya tidak substansial dibandingkan dengan variabel lain. Analisis tambahan yang berfokus pada peristiwa cuaca ekstrem, yang diidentifikasi oleh nilai ekstrem indikator iklim, menunjukkan bahwa peristiwa tersebut secara signifikan mempengaruhi kasus malaria. Kesimpulan: Hal ini menekankan pentingnya mempertimbangkan cuaca ekstrem dalam perancangan dan pelaksanaan program pengendalian dan eliminasi malaria. Penelitian ini menyimpulkan bahwa meskipun kondisi iklim umum memiliki efek langsung yang terbatas pada kejadian malaria, peristiwa cuaca ekstrem memainkan peran penting.
Background: Malaria is a diseases caused by the parasite Plasmodium and spread by a vector, the Anopheles mosquito. The two independent organisms capacity to infect and survival are independently affected by their environmental surroundings, including climate. Therefore, the global warming induced climatic change have previously been associated with the changing global distribution of malaria. Aims: This research explores the extent of the relationship between climatic factors and malaria incidence in cities and regencies in Indonesia over the period 2000-2020 to inform malaria control policies that are climate-resilient. Methods: By constructing a climate construct as latent variable consisting of meteorological indicators such as temperature, precipitation, wind speed, and relative humidity from the NASA Langley Research Center (LaRC), and incorporating sociodemographic confounders (household expenditure, HDI, urbanization rate) and geographic confounders (Normalized Difference Vegetation Index and topography), this study offers a comprehensive analysis of their association with malaria cases (using data from the Malaria Atlas Project and Ministry of Health) through Structural Equation Modeling (SEM). Results: The study findings show an association between climate and malaria, with maximum and average climate constructs showing a negative association with malaria incidence, while minimum climate constructs show a positive association. That being said, the Structural Equation Modeling (SEM) analysis used in this research indicates that the factor loadings for climate are relatively small, indicating that the relationship is not substantial compared to other variables. Additional analysis focusing on extreme weather events, identified by extreme values of climate indicators, shows that these events significantly affect malaria cases. Conclusion: This underscores the importance of considering extreme weather in the design and implementation of malaria control and elimination programs.This research concludes that while general climatic conditions have limited direct effects on malaria incidence, extreme weather events play an important role.
D-525
Depok : FKM-UI, 2024
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Putri Permatasari; Promotor: Mardiati Nadjib; Kopromotor: Besral; Penguji: Adang Bachtiar, Dumilah Ayuningtyas, Pujiyanto, Hikmat Permana, Fachmi Idris, Mahlil Ruby, Eva Susanti
Abstrak:
Read More
Latar belakang. Manajemen penyakit dari sisi peserta dan jejaring fasilitas kesehatan pada implementasi pelayanan rujuk balik terhadap pengendalian diabetes mellitus belum bejalan dengan efektif. Masalah terbesar yang ditemukan dalam PRB adalah manajemen pelayanan rujuk balik yang kurang, sering terjadinya kekosongan obat dan koordinasi klinis belum berjalan dengan baik antar Fasilitas Kesehatan, dan Penderita dengan diagnosis DM tipe masih banyak yang belum terdaftar pada kegiatan Prolanis. Tujuan penelitian untuk membuktikan kontribusi prolanis terhadap keterkendalian gula darah peserta PRB setelah dikontrol faktor individu, faktor fasilitas Kesehatan dan faktor di tingkat kabupaten/kota. Metode. Penelitian ini merupakan penelitian kuantitatif dengan desain kohort retrospektif. Pengumpulan data dilakukan dengan data primer yang berupa hasil pengisian kuesioner dan data dari faskes. Sampel penelitian ini merupakan penderita DM yang berkunjung ke jejaring faskes dalam 6 bulan terakhir yang terpilih dalam survei. Pengujian data dilakukan melalui analisis univariat, bivariat, dan multivariat. Analisis dilakukan dengan analisis multilevel regressi logistic. Hasil. Hasil penelitian ini menunjukkan bahwa adanya perbedaan kontribusi program rujuk pada penderita DM peserta Prolanis dengan peserta Non Prolanis setelah dikontrol faktor individu dan faktor kontekstual pada penyedia layanan kesehatan terhadap keterkendalian gula darah pada Penderita diabetes melitus tipe 2. Hal ini terlihat dari penderita DM peserta PRB kelompok Prolanis memiliki peluang 5,63 kali lebih besar dapat meningkatkan keterkendalian gula darah. Kelompok penderita DM yang hanya mengikuti PRB memiliki kontribusi 3,85 kali lebih besar dapat meningkatkan keterkendalian gula darah. Diskusi. Prolanis berkontribusi terhadap keterkendalian gula darah pada Penderita diabetes mellitus tipe 2 peserta PRB. Peserta PRB yang mengikuti kegiatan Prolanis dapat lebih meningkatkan keterkendalian gula darah dibandingkan dengan peserta PRB yang tidak mengikuti kegiatan prolanis. Faktor individu dan faktor kontekstual pada penyedia layanan Kesehatan akan berdampak pada keterkendalian gula darah. Kesimpulan. Program rujuk balik memiliki kontribusi terhadap keterkendalian gula darah penderita DM namun kontribusinya akan lebih besar jika penderita DM peserta PRB juga aktif mengikuti kegiatan Prolanis. Saran. Keikutsertaan kegiatan Prolanis menjadi anjuran bagi penderita DM peserta program rujuk balik agar mendapatkan edukasi yang kesehatan yang memadai dalam rangka meningkatkan keterkendalian gula darah.
Background. Disease management from the participant side and the network of health facilities in the implementation of referral services for controlling diabetes mellitus have not been effective. The biggest problems found in PRB are poor management of referral services, frequent drug shortages and clinical coordination not yet running well between Health Facilities, and many sufferers diagnosed with type DM are still not registered with Prolanis activities. The aim of the research is to prove the contribution of prolanis to the control of blood sugar in PRB participants after controlling for individual factors, health facility factors and factors at the district/city level. Method. This research is a quantitative study with a retrospective cohort design. Data collection was carried out using primary data in the form of questionnaire results and data from health facilities. The sample for this study was DM sufferers who visited the health facility network in the last 6 months who were selected in the survey. Data testing was carried out through univariate, bivariate and multivariate analysis. Analysis was carried out using multilevel logistic regression analysis. Results. The results of this study show that there is a difference in the contribution of the referral program for DM sufferers who participated in Prolanis and non-Prolanis participants after controlling for individual factors and contextual factors in health service providers on controlling blood sugar in type 2 diabetes mellitus sufferers. This can be seen from DM sufferers participating in the PRB group. Prolanis has a 5.63 times greater chance of improving blood sugar control. The group of DM sufferers who only participated in PRB had a 3.85 times greater contribution to improving blood sugar control. Discussion. Prolanis contributes to blood sugar control in people with type 2 diabetes mellitus in PRB participants. PRB participants who took part in Prolanis activities were able to improve blood sugar control more compared to PRB participants who did not take part in Prolanis activities. Individual factors and contextual factors among health service providers will have an impact on blood sugar control. Conclusion. The referral program contributes to the control of blood sugar in DM sufferers, but the contribution will be greater if DM sufferers who are PRB participants also actively participate in Prolanis activities. Suggestion. Participating in Prolanis activities is a recommendation for DM sufferers participating in the referral program to receive adequate health education in order to improve blood sugar control.
D-517
Depok : FKM-UI, 2024
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Tati Suryati; Promotor: Hasbullah Thabrany; Ko-Promotor: Nasrin Kodim, Soewarta Kosen; Penguji: Anhari Achadi, Sri Moertiningsih Adioetomo, Mardiati Nadjib, Trihono, Rustika
D-281
Depok : FKM-UI, 2013
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Nina Fentiana; Promotor: Trini Sudiarti; Kopromotor: Endang Laksminingsih, Besral; Penguji: Kusharisupeni, Diah M. Utari, Hardinsyah, Fasli Jalal, Arum Atmawikarta
Abstrak:
Read More
Stunting anak 0-23 bulan di Indonesia merupakan masalah kesehatan masyarakat yang disebabkan oleh berbagai faktor langsung dan tidak langsung. Penelitian menggunakan data Riset Kesehatan Dasar, Survey Sosial Ekonomi Nasional dan Produk Domestik Regional Bruto per kapita tahun 2018 dengan pendekatan potong lintang bertujuan mengetahui model jalur hubungan langsung dan tidak langsung berbagai faktor risiko stunting dengan prevalensi stunting tingkat kabupaten/kota. Pengolahan data sekunder dilakukan pada Januari-April 2022. Sampel adalah 106 kabupaten/kota prevalensi stunting <20% dan 403 kabupaten/kota prevalensi stunting ≥20% (20%-<30%, 30%-40% dan >40%) yang diagregratkan pada tingkat kabupaten/kota dari 32.095 data individu anak usia 0-23 bulan yang diukur panjang badannya. Pemodelan menggunakan analisis jalur. Model jalur pencegahan risiko stunting memperlihatkan akses terhadap makanan (r=-0,31) dan pemeriksaan kehamilan (r=-0,29) berhubungan langsung dengan prevalensi stunting tingkat kabupaten/kota di kabupaten/kota prevalensi stunting <20%. Keluarga Berencana (r=-0,15), pemeriksaan kehamilan (r=-0,13) dan cuci tangan pakai sabun (r=-0,11) berhubungan langsung dengan prevalensi stunting tingkat kabupaten/kota di kabupaten/kota prevalensi stunting ≥20%. Tablet tambah darah ibu hamil (r=-0,02) dan inisiasi menyusu dini (r=-0,03) berhubungan tidak langsung melalui ASI eksklusif dengan prevalensi stunting tingkat kabupaten/kota di kabupaten/kota prevalensi stunting 20%-<30%. ASI eksklusif (r=-0,15) berhubungan langsung dengan prevalensi stunting tingkat kabupaten/kota di kabupaten/kota prevalensi stunting 20%-<30%. Cuci tangan pakai sabun berhubungan signifikan langsung dengan prevalensi stunting tingkat kabupaten/kota di kabupaten/kota prevalensi stunting 30%-40% (r=-0,22) dan >40% (r=-0,45). Model jalur menyimpulkan bahwa kabupaten/kota dapat memainkan peran penting dalam upaya pencegahan risiko stunting dengan memodifikasi sejumlah faktor risiko terutama pada keluarga anak 0-23 bulan.
Stunting in children 0-23 months in Indonesia is a public health problem caused by various direct and indirect factors. This study uses data from Basic Health Research, National Socio-Economic Survey and Gross Regional Domestic Product per capita in 2018 with a cross-sectional approach. Secondary data processing was carried out in January-April 2022. The samples were 106 districts/cities with stunting prevalence <20% and 403 districts/cities with stunting prevalence 20% (20%-<30%, 30%-40% and >40%) Aggregated at the district/city level from 32,095 individual data for children aged 0-23 months, whose body length was measured. The modeling uses path analysis. The stunting risk prevention pathway model shows that access to food (r=-0.31) and prenatal care (r=-0.29) is directly related to the prevalence of stunting at the district/city level in districts/cities with stunting prevalence <20%. Family planning (r=-0.15), pregnancy check-ups (r=-0.13) and hand washing with soap (r=-0.11) were directly related to the prevalence of stunting at the district/city level in districts/cities stunting prevalence 20 %. Blood supplement tablets for pregnant women (r=-0.02) and early initiation of breastfeeding (r=-0.03) were indirectly related through exclusive breastfeeding with the prevalence of stunting at the district/city level in districts/cities stunting prevalence of 20%-<30% . Exclusive breastfeeding (r=-0.15) was directly related to the prevalence of stunting at the district/city level in the district/city stunting prevalence of 20%-<30%. Hand washing with soap is directly related to stunting prevalence at district/city level in districts/cities, stunting prevalence is 30%-40% (r=-0.22) and >40% (r=-0.45). The pathway model concludes that districts/cities can play an important role in preventing stunting risk by modifying a number of risk factors, especially in families of children 0-23 months.
D-475
[s.l.] :
[s.n.] :
s.a.]
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Khadijah Azhar; Promotor: Bambang Wispriyono; Kopromotor: Ririn Arminsih Wulandari, Dwi Hapsari Tjandrarini; Penguji: Budi Hartono, Budi Haryanto, Tris Eryando, Miko Hananto, Dede Tarmana
Abstrak:
Read More
Perubahan iklim berpotensi meningkatkan risiko penyakit berbasis lingkungan, termasuk diare. Di Indonesia, prevalensi diare balita masih tergolong tinggi, meskipun menurun dari 12,3% (Riskesdas 2018) menjadi 9,8% (SSGI 2020). Kondisi ini menunjukkan adanya faktor lain yang memengaruhi, termasuk parameter iklim yang belum banyak diteliti secara spesifik dalam konteks Indonesia.
Penelitian ini bertujuan untuk mengembangkan model prediksi risiko diare secara komparatif pada dua zona iklim berbeda: monsunal (Nusa Tenggara Barat) dan ekuatorial (Sumatera Barat). Desain penelitian adalah studi ekologi, dengan data sekunder tahun 2017-2021 yang diperoleh dari Kementerian Kesehatan (kasus diare), BPS (akses air minum tidak aman, sanitasi terbatas, higiene terbatas, status ekonomi dan kepadatan penduduk), dan BMKG (suhu udara, kelembapan, curah hujan). Analisis dilakukan menggunakan regresi binomial negatif.
Hasil menunjukkan bahwa curah hujan berhubungan signifikan terhadap kejadian diare di Sumbar (IRR=0,998) dan NTB (IRR=1,002). Suhu udara hanya signifikan di Sumbar (IRR= 0,955), sedangkan kelembapan hanya signifikan di NTB (IRR=0,954). Akses air minum tidak aman dan sanitasi terbatas berhubungan signifikan di kedua provinsi, sedangkan higiene terbatas tidak menunjukkan hubungan signifikan. Tingkat kemiskinan berpengaruh signifikan hanya di NTB (IRR=1,025). Model prediksi menunjukkan performa yang baik, meskipun akurasinya berada pada kategori rendah hingga sedang.
Kesimpulannya, variabilitas iklim berkontribusi terhadap risiko diare dengan pola yang berbeda antarwilayah. Faktor lokal seperti letak geografis, infrastruktur, dan ketersediaan layanan dasar—khususnya akses terhadap air minum aman dan sanitasi layak—memegang peran penting. Diperlukan penguatan kolaborasi lintas sektor dan keterlibatan masyarakat untuk pengendalian diare yang adaptif terhadap perubahan iklim.
Climate change can exacerbate environment-related disease, including diarrhea. In Indonesia, diarrhea prevalence among children under five remains high, although it declined from 12,3% (Basic Health Research, 2018) to 9,8% (National Health Survey, 2020). This indicates the influence of additional factors, including climatic parameters that have not been thoroughly examined in the Indonesian context.
This study developed a comparative diarrhea risk prediction model across two climate zones: monsunal (West Nusa Tenggara) and equatorial (West Sumatera). An ecological design was employed using 2017-2021 secondary data from the Ministry of Health (diarrhea cases), the Central Bureau of Statistics (BPS) (unsafe drinking water access, sanitation, hygiene, economic status, population density), and the Meteorology, Climatology, and Geophysics Agency (BMKG) (temperature, humidity, rainfall). Data were analyzed using negative binomial regression.
Rainfall was significantly associated with diarrhea incidence in both provinces (West Sumatera IRR = 0,998; West Nusa Tenggara IRR = 1,002). Air temperature was significant only in West Sumatera (IRR = 0,955), while humidity was significant only in West Nusa Tenggara (IRR = 0,954). Unsafe water access and poor sanitation were significant in both provinces, whereas hygiene showed no association. Poverty was significant only in West Nusa Tenggara (IRR = 1,025). The model performed well, with accuracy in the low-to-moderate range.
In conclusion, climate variability contributes to diarrhea risk, with distinct patterns across regions. Local factors such as geography, infrastructure, and the availability of basic services— particularly access to safe drinking water and adequate sanitation—play a crucial role. Strengthening cross-sectoral collaboration and community engangement is essential for developing climate-adaptive diarrhea control strategies.
D-599
Depok : FKM-UI, 2025
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Ade Heryana; Promotor: Wiku Bakti Bawono Adisasmito; Kopromotor: Dumilah Ayuningtyas; Penguji: Ascobat Gani, Fatma Lestari, Meiwita Paulina Budiharsana, Cri Sajjana Prajna Wekadigunawan, Turro Selrits Wongkaren, Raditya Jati
Abstrak:
Read More
Kejadian pandemi virus corona SARS-CoV-2 di dunia meningkatkan kesadaran bahwa pengendalian wabah penyakit di suatu daerah sangat berkaitan dengan karakteristik wilayah epidemik. Determinan sosial kesehatan dapat dijadikan sebagai kerangka kerja untuk memprediksi penyebaran penyakit dan mengusulkan upaya pengendalian wabah pada tingkat populasi berdasarkan penilaian risiko. Penelitian ini bertujuan mengembangkan model pengendalian wabah penyakit berbasis risiko wilayah. Metodologi: Studi kasus dilakukan terhadap pandemi COVID-19 saat gelombang Delta tahun 2021 di Indonesia. Untuk menjawab tujuan penelitian, dilakukan studi faktor risiko terhadap 128 kabupaten/kota di Jawa-Bali dengan analisis regresi linier. Penilaian risiko diukur dengan pemodelan kompartemen penyakit menular SEIRD (Susceptible, Exposed, Infected, Recovered, Dead). Usulan upaya mitigasi risiko, respon, kesiapsiagaan dan rehabilitasi dibangun berdasarkan hasil penilaian risiko. Seluruh analisis dikontrol berdasarkan tahapan pandemi yang terdiri dari pra, naik, turun, dan pasca. Hasil: terdapat 31 faktor determinan sosial kesehatan yang secara signifikan berpengaruh terhadap indikator wabah yakni kerentanan, penularan, kesembuhan, dan kematian. Hasil simulasi model diperoleh 17 faktor determinan sosial yang memiliki risiko signifikan berdasarkan vulnerability, capacity, exposure, dan hazard. Upaya pengendalian pandemi yang diusulkan ternyata memiliki perbedaan berdasarkan tahapan pandemi dan karakteristik wilayah kabupaten/kota. Kesimpulan: penelitian ini telah menghasilkan model pengendalian wabah berbasis risiko wilayah yang dapat diterapkan untuk mengatasi masalah krisis kesehatan lainnya pada tingkat lokal, regional, hingga global
The COVID-19 pandemic has raised awareness that the control of disease outbreaks in a region is closely linked to the characteristics of the epidemic region. Social determinants of health can be used as a framework to predict the spread of disease and propose outbreak control efforts at the population level based on risk assessment. This study aims to develop a risk region-based disease outbreak control model. Methodology: A case study was conducted on the COVID-19 pandemic during the Delta wave in 2021 in Indonesia. To answer the research objectives, a risk factor study was conducted on 128 regencies/cities in Java-Bali using linear regression analysis. Risk assessment was measured using the SEIRD (Susceptible, Exposed, Infected, Recovered, Dead) infectious disease compartment modeling. Proposed risk mitigation, response, preparedness, and rehabilitation efforts were built based on the results of risk assessment. All analyzes were controlled based on the stages of the pandemic, consisting of pre, increase, declining, and post. Results: There were 31 social determinants of health factors that significantly affected outbreak indicators, namely vulnerability, transmission, recovery, and death. The results of the model simulation showed 17 social determinants of risk based on vulnerability, capacity, exposure, and hazard. The proposed pandemic control efforts actually differ based on the stages of the pandemic and the characteristics of the regencies/cities. Conclusion: This study has resulted in a risk region-based disease outbreak control model that can be applied to address other health crisis problems at the local, regional, and global levels
D-503
Depok : FKM-UI, 2024
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉
Hendriyanto; Promotor: Meiwita P. Budiharsana; Ko Promotor: Mardiati Nadjib; Penguji: Pujiyanto; Julianty Pradono, Rita Damayanti, Dumilah Ayuningtyas, Besral, Trihono
Abstrak:
Program pengendalian penyakit kronis (Prolanis) dan Pos Pembinaan Terpadu (Posbindu) penyakit Tidak Menular (PTM) merupakan dua program yang berupaya untuk mengendalikan hipertensi di kalangan masyarakat Indonesia. Dalam implementasinya kedua program ini terlihat tidak saling terkoordinasi antara satu dan lainnya, baik BPJS Kesehatan dan Kementerian Kesehatan RI. Penelitian ini bertujuan untuk melihat keterkaitan prolanis dan Posbindu PTM terhadap hipertensi terkontrol di Provinsi Jambi. Hasil penelitian memperlihatkan proporsi hipertensi terkontrol pada kedua kelompok ini masih tergolong rendah yaitu 18% pada prolanis dan 10 % pada kelompom posbindu PTM , sedangkan control hanya 9%. Kondisi tersebut dimungkinkan berkontribusi terhadap turunnya kinerja program PTM menurut Indeks Pembangunan Kesehatan Masyarakat (IPKM). Dari hasil analisis multilevel terbukti bahwa level individu lebih dominan mempengaruhi tekanan darah yang terkontrol dibandingkan level kelompok. Keunggulan prolanis terlihat pada variabel yang bersifat individu, artinya individu yang ada di kelompok prolanis lebih efektif dibandingkan posbindu PTM. Sedangkan posbindu PTM memiliki pengaruh lebih besar secara statistik pada level kelompok dibandingkan prolanis. Kondisi ini memberi peluang besar untuk melakukan integrasi program prolanis dan posbindu PTM agar lebih efektif dan efisien.
Read More
D-441
Depok : FKM-UI, 2021
S3 - Disertasi Pusat Informasi Kesehatan Masyarakat
☉