Hasil swaperiksa di situs PDSKJI adalah 69% responden memiliki masalah psikologis: cemas 68%, depresi 67% dan trauma psikologis 77%, serta sebanyak 49% responden yang mengalami depresi juga memiliki ide untuk mengakhiri hidupnya. Sebanyak 48% pasien dengan positif COVID-19 mengalami stress psikologis saat memasuki ruang isolasi. Alokasi anggaran kesehatan jiwa tahun 2019 sebesar Rp. 44.554.492.000. Rasio Psikiater di Indonesia adalah 1:278.000, penyebaran Psikiater belum merata. Terjadi beberapa situasi dimana pasien COVID-19 menerjunkan diri dari ruang lantai perawatan pada beberapa rumah sakit di Indonesia, yang terjadi pula di RS UI. Tujuan dari penelitian ini untuk memperoleh pemodelan sistem dinamik yang menjadi opsi strategi pelayanan kesehatan mental COVID-19 di RS UI. Penelitian ini merupakan penelitian kualitatif dan kuantitatif (mix method) non-eksperimental/observasional design sequential exploratory dengan studi literatur, telaah dokumen (30 rekam medis), observasi, wawancara mendalam dan pemodelan sistem dinamik. Hasil penelitian adalah kelima unsur input memiliki pengaruh terhadap seluruh proses pelayanan kesehatan mental COVID-19 di RSUI, yaitu kebijakan (sosialisasi skrining status mental belum menyeluruh), sumber daya manusia (jumlah kurang dan tidak ada pelatihan psikiatri), sarana prasarana (keamanan ruangan belum sesuai syarat), logistik (persediaan obat rawat jalan yang belum memenuhi) dan anggaran (belum spesifik dicantumkan di rencana anggaran). Pemodelan sistem dinamik digunakan untuk memotret dinamika sistem pelayanan kesehatan mental COVID-19 di RSUI dan melakukan simulasi skenarioskenario yang dikembangkan untuk kondisi yang akan datang. Dari simulasi yang dilakukan dengan kondisi Business As Usual, akan terjadi peningkatan jumlah pasien cemas-depresi sebanyak 3795 pasien di bulan Juni 2021 jika RSUI tidak melakukan intervensi apapun. Skenario Moderat akan memprediksi jumlah pasien cemas-depresi sebanyak 2875 pasien, sedangkan dengan skenario Optimis jumlah pasien cemas-depresi sebanyak 2300 pasien. Di setiap skenario, manajemen RSUI dapat mengantisipasi peningkatan tersebut

Latar Belakang: Adverse Pregnancy Outcomes (APO) diantarannya Berat Bayi Lahir rendah (BBLR), kelahiran preterm dan lahir mati merupakan penyebab utama kematian neonatal.  Indonesia menduduki posisi tertinggi di ASEAN dan ke tujuh di dunia terkait kematian bayi baru lahir. Rumusan Masalah: Belum terdeteksi secara dini faktor risiko APO dengan cepat dan tepat di FKTP yang berdampak pada tingginya kematian bayi baru lahir, stunting dan kecerdasan yang rendah, sehingga perlu adanya pengembangan program pencegahan. Tujuan Penelitian: Menemukan model prediksi APO berbasis machine learning untuk pengembangan ePHR sebagai upaya deteksi dini di FKTP. Metode: Penelitian ini menggunakan Mixed Methods: Sequential Explanatory design melalui empat (4) tahap yaitu: (1) Studi Literatur; (2) Pembuatan model prediksi APO berbasis Machine Learning, (3) Membangun Prototipe ePHR Sebagai Deteksi Dini di FKTP dan (4) Uji penerimaan bidan dan Uji Efikasi terhadap penggunaan ePHR. Hasil: Ditemukan 22 Variabel penelitian dari 51 variabel yang dibutuhkan, ditemukan 3 indikator kritis dan 8 fitur esensial yang menjadi predictor utama kejadian APO diantaranya: Kesehatan ibu (komplikasi kehamilan dan atau persalinan, paritas lebih dari 4); Ketersediaan dan kualitas pelayanan (fasilitas pertolongan persalinan); Profile ibu (pendidikan rendah, status sosial ekonomi rendah, usia terlalu tua atau terlalu muda dan ibu bekerja). Analisis menunjukkan algoritma terbaik adalah random forest dengan target multiclass: AUC 98,4%; Sensitivity 95,1%; F1 Score 94,3%, Diimplementasikan kedalam prototipe ePHR  ‘'e-bayiKusehAt” dengan 10 fitur untuk mendukung proses bisnis baru Deteksi dini APO terintegrasi dalam layanan antenatal di FKTP yang digunakan oleh bidan dan ibu hamil; Uji efikasi: Penggunaan Prototipe ePHR ‘'e-bayiKusehAt” meningkatkan kinerja bidan terutama deteksi dini terintegrasi dalam pelayanan Antenatal Diff-in-Diff tertinggi 1,571 (p<0,001); Kemampuan prediksi APO Diff-in-Diff 0,079 (p = 0,002); Mempercepat keputusan rujukan Diff-in-Diff 0,324 (p = 0,001); dan pengetahuan bidan tentang faktor risiko APO Diff-in-Diff: 0,388 ( p=0,031); Ibu hamil meningkatkan Akses edukasi Diff-in-Diff: 1,680 (p < 0,001) dan Pengetahuan Tanda Bahaya: Diff-in-Diff: 1,443 (p < 0,001). Kesimpulan: Telah diperoleh suatu model untuk prediksi APO, yang didasari dari 22 variabel penting. Model tersebut digunakan untuk membangun prototipe e PHR ‘'e-bayiKusehAt”, dimana hasil uji coba penggunaan prototipe berdampak pada peningkatan kinerja bidan dalam Deteksi Dini APO. Penggunaan prototipe ini ternyata juga efektif dalam meningkatkan kesadaran dan kesiapan ibu hamil terhadap potensi risiko kehamilan yang berdampak pada kejadian APO.

Background: Adverse Pregnancy Outcomes (APO) including low birth weight (LBW), preterm birth and stillbirth are the leading causes of neonatal mortality.  Indonesia has the highest position in ASEAN and seventh in the world regarding newborn mortality. Problem Formulation: APO risk factors have not been detected early and quickly at primary health care facilities, which has an impact on high newborn mortality, stunting and low intelligence, so it is necessary to develop a prevention program. Research Objective: Finding a machine learning-based APO prediction model for the development of ePHR as an effort to early detection in primary care. Methods: This research uses Mixed Methods: Sequential Explanatory design through four (4) stages, namely: (1) Literature Study; (2) Machine Learning-based APO prediction modeling, (3) Building ePHR Prototype as Early Detection in FKTP and (4) Midwife acceptance test and Efficacy Test for the use of ePHR. Results: 22 research variables were found from the 51 variables needed, 3 critical indicators and 8 essential features were found to be the main predictors of APO events including: Maternal health (complications of pregnancy and or childbirth, parity more than 4); Availability and quality of services (delivery assistance facilities); Maternal profile (low education, low socioeconomic status, too old or too young and working mothers). Analysis shows the best algorithm is random forest with multiclass target: AUC 98.4%; Sensitivity 95.1%; F1 Score 94.3%, Implemented into the ePHR prototype “e-bayiKusehAt” with 10 features to support new business processes Early detection of APO integrated in antenatal services at FKTP used by midwives and pregnant women; Efficacy test: The use of the ePHR Prototype “e-bayiKusehAt” improves midwives' performance, especially integrated early detection in antenatal services Diff-in-Diff highest 1.571 (p<0.001); APO Diff-in-Diff prediction ability 0.079 (p = 0.002); Accelerating Diff-in-Diff referral decisions 0.324 (p = 0.001); and midwives' knowledge of APO Diff-in-Diff risk factors: 0.388 (p = 0.031); Pregnant women increase Diff-in-Diff education access: 1.680 (p < 0.001) and knowledge of danger signs: Diff-in-Diff: 1,443 (p < 0,001). Conclusion: A model for APO prediction was obtained, based on 22 important variables. The model was used to build the e PHR prototype “e-babyKusehAt”, where the results of the trial use of the prototype had an impact on improving the performance of midwives in Early Detection of APO. The use of this prototype was also effective in increasing the awareness and readiness of pregnant women to potential pregnancy risks that have an impact on the incidence of APO.

Virus Hepatitis B (HBV) tetap menjadi perhatian kesehatan masyarakat utama di Indonesia, dan pencapaian target Organisasi Kesehatan Dunia untuk eliminasi pada tahun 2030 membutuhkan penguatan pemahaman epidemiologis, pemodelan prediktif, dan penilaian kesadaran masyarakat. Disertasi ini bertujuan untuk memberikan evaluasi terpadu terhadap kemajuan Indonesia menuju eliminasi hepatitis B melalui tiga komponen penelitian komplementer: (1) analisis tren temporal dan spasial infeksi HBV, skrining, dan cakupan vaksinasi bayi baru lahir; (2) pengembangan dan penerapan model transmisi SIVRM (Susceptible–Infected–Vaccinated–Recovered–Mortality) yang diperluas; dan (3) penilaian pengetahuan, sikap, dan praktik (KAP) di antara pasien hepatitis B. Tren temporal dan distribusi spasial infeksi HBV, skrining, dan cakupan vaksinasi bayi baru lahir diperiksa menggunakan kumpulan data nasional, dengan analisis temporal dilakukan di SPSS-27 dan pengelompokan spasial dianalisis di ArcGIS Pro menggunakan statistik Global Moran's I dan LISA. Temuan mengungkapkan pola HBV yang berfluktuasi dari waktu ke waktu dan kesenjangan geografis yang signifikan, dengan klaster provinsi berisiko tinggi memerlukan intervensi yang ditargetkan. Model SIVRM yang diperluas yang terdiri dari 14 kompartemen dibangun untuk membedakan transmisi vertikal dan horizontal, menggabungkan dinamika vaksinasi, kehilangan kekebalan, dan reaktivasi HBV di antara individu yang pulih. Parameter dipasang menggunakan data BPJS Kesehatan (2019–2023), dan derivasi analitik menghasilkan angka reproduksi dasar (R0) sebesar 4,39, yang menunjukkan penularan berkelanjutan yang berkelanjutan. Proyeksi simulasi menggunakan MATLAB 2018 menunjukkan bahwa strategi pengendalian saat ini tidak cukup untuk mencapai eliminasi pada tahun 2030; namun, analisis skenario menunjukkan bahwa meningkatkan cakupan vaksinasi orang dewasa hingga setidaknya 59%, di samping vaksinasi bayi baru lahir sebesar 70%, dapat mengurangi R0 menjadi 0,90 dan secara substansial mengurangi beban penyakit. Survei KAP cross-sectional terhadap 128 pasien hepatitis B di Jakarta menemukan kesadaran keseluruhan yang moderat, dengan skor KAP rata-rata 51,31 (65,0% dari total skor). Pengetahuan, sikap, dan domain praktik juga menunjukkan kinerja moderat, menyoroti kesenjangan dalam pemahaman pasien. Kesalahpahaman substansial tetap ada mengenai gejala (10,9%), rute penularan (10,2%), dan komplikasi (18,8%). Terlepas dari sikap positif yang umum, praktik berisiko tetap ada, dengan 46,1% melaporkan berbagi barang-barang pribadi yang dapat memfasilitasi penularan. Tingkat pendidikan muncul sebagai penentu utama kesadaran, dengan pasien yang memiliki pendidikan tinggi menunjukkan pengetahuan yang jauh lebih baik dan skor KAP secara keseluruhan dibandingkan dengan mereka yang berpendidikan lebih rendah. Korelasi positif yang signifikan antara pengetahuan, sikap, dan praktik menunjukkan bahwa peningkatan kesadaran dapat meningkatkan perilaku pencegahan. Secara kolektif, temuan ini menyoroti kesenjangan epidemiologis yang terus-menerus, strategi imunisasi yang tidak memadai, dan faktor risiko perilaku yang sedang berlangsung. Penguatan surveilans, perluasan program vaksinasi orang dewasa, kebijakan intervensi regional yang adil, dan inisiatif pendidikan yang ditargetkan sangat penting untuk memajukan upaya eliminasi hepatitis B di Indonesia.

Hepatitis B virus (HBV) remains a major public health concern in Indonesia, and achieving the World Health Organization’s target of elimination by 2030 requires strengthened epidemiological understanding, predictive modeling, and assessment of community awareness. This dissertation aimed to provide an integrated evaluation of Indonesia’s progress toward hepatitis B elimination through three complementary research components: (1) temporal and spatial trend analysis of HBV infection, screening, and newborn vaccination coverage; (2) development and application of an extended SIVRM (Susceptible–Infected–Vaccinated–Recovered–Mortality) transmission model; and (3) assessment of knowledge, attitudes, and practices (KAP) among hepatitis B patients. Temporal trends and spatial distribution of HBV infection, screening, and newborn vaccination coverage were examined using national datasets, with temporal analysis conducted in SPSS-27 and spatial clustering analyzed in ArcGIS Pro using Global Moran’s I and LISA statistics. Findings revealed fluctuating HBV patterns over time and significant geographic disparities, with high-risk provincial clusters requiring targeted intervention. An extended SIVRM model comprising 14 compartments was constructed to distinguish vertical and horizontal transmission, incorporate vaccination dynamics, loss of immunity, and HBV reactivation among recovered individuals. Parameters were fitted using BPJS Kesehatan data (2019–2023), and analytical derivations produced a baseline reproduction number (R0) of 4.39, indicating ongoing sustained transmission. Simulation projections using MATLAB 2018 showed that current control strategies are insufficient to achieve elimination by 2030; however, scenario analysis demonstrated that increasing adult vaccination coverage to at least 59%, alongside newborn vaccination at 70%, could reduce R0 to 0.90 and substantially reduce disease burden. A cross-sectional KAP survey of 128 hepatitis B patients in Jakarta found moderate overall awareness, with a mean KAP score of 51.31 (65.0% of the total score). Knowledge, attitude, and practice domains also showed moderate performance, highlighting gaps in patient understanding. Substantial misconceptions persisted regarding symptoms (10.9%), transmission routes (10.2%), and complications (18.8%). Despite generally positive attitudes, risky practices persisted, with 46.1% reporting sharing personal items that may facilitate transmission. Educational level emerged as a major determinant of awareness, with patients holding higher education showing markedly better knowledge and overall KAP scores compared with those with lower education. Significant positive correlations among knowledge, attitudes, and practices indicated that improved awareness may enhance preventive behaviors. Collectively, these findings highlight persistent epidemiological disparities, inadequate immunization strategies, and ongoing behavioral risk factors. Strengthened surveillance, expanded adult vaccination programs, equitable regional intervention policies, and targeted educational initiatives are essential to advance hepatitis B elimination efforts in Indonesia.