Newsletter Mei 2022 – Vol. 75

Informasi Seputar Medis

Fitur Reservasi Online

Kemajuan teknologi menuntut rumah sakit untuk mampu memberikan kenyamanan bagi pasien terutama dalam hal reservasi atau melakukan pendaftaran rawat jalan. Seringkali proses pendaftaran rawat jalan di rumah sakit menggunakan SMS gateaway atau WA. Pasien seringkali lama mendapatkan respon dari rumah sakit.

Untuk memudahkan layanan rawat jalan, Ksatria eHospital dalam waktu dekat akan mengimplementasikan fitur reservasi online. Hanya dengan ketukan jari di ponsel, pasien dapat memilih layanan poliklinik dan jadwal dokter. Ksatria eHospital memberikan solusi mudah bagi pasien untuk berkonsultasi dengan dokter. Segera hubungi konsultan SIMRS kami, Karmila Dewi di nomer +62 812-3792-7931 atau Nusa Prakarsa di nomer +62 895 3854 58301.


Kemenkes Mulai Uji Coba Platform Indonesia Health Service

Kementerian Kesehatan RI sejalan dengan cetak biru Transformasi Digital Kesehatan 2024 meluncurkan platform Indonesia Health Services (IHS). Platform tersebut akan mulai diujicobakan (Beta Testing) tahun ini bagi pelaku di bidang kesehatan, mulai dari fasilitas layanan kesehatan hingga pelaku industri di bidang kesehatan.

Layanan yang akan dilakukan uji coba berupa layanan resume rekam medis, layanan COVID-19, dan layanan laboratorium.

Kementerian Kesehatan mengadopsi model infrastruktur Platform-as-a-service (PAAS) yang menghubungkan seluruh ekosistem pelaku industri kesehatan untuk menciptakan satu data kesehatan nasional yang dapat diandalkan.

Staf Ahli Menteri Kesehatan bidang Teknologi Kesehatan, Setiaji, S.T., M.Si mengatakan pendekatan platform IHS akan menjadi penghubung antar platform aplikasi yang beragam pada berbagai pelaku industri kesehatan. Platform ini tidak untuk menggantikan fungsi aplikasi yang telah ada saat ini, juga tidak untuk menyatukan semua fungsi aplikasi menjadi satu aplikasi tunggal.

“Dampaknya, implementasi pendekatan platform ini akan mewujudkan kolaborasi data kesehatan nasional bersama seluruh pelaku industri kesehatan, tanpa ada ketergantungan pada platform pemrograman tertentu,” kata Setiaji di Jakarta, Senin (25/4).

Manfaat adanya integrasi data kesehatan antara lain;

– Tenaga kesehatan tidak perlu menginput data berulang pada aplikasi yang berbeda

– Riwayat pengobatan pasien dapat terpantau dengan detail dan runtut meski pasien berobat di rumah sakit berbeda

– Koordinasi antar Fasyankes lebih efektif karena kemudahan komunikasi untuk mencari layanan rujukan

– Pengambilan keputusan pemerintah yang lebih cepat karena berbasis data dan informasi yang tepat dan akurat

– Meningkatkan kemampuan pemerintah untuk deteksi dini, pencegahan, dan respon terhadap penyakit menular

– Koordinasi yang lebih baik antar satuan kerja di Kementerian Kesehatan hingga akan mengurangi jumlah aplikasi milik pemerintah.

IHS menyediakan spesifikasi dan mekanisme terstandar atas proses bisnis, data, teknis, dan keamanan.

Aplikasi dari pelaku industri kesehatan (yang selanjutnya disebut Partners System) yang tergabung di dalam IHS harus menyelenggarakan layanan dengan memenuhi spesifikasi proses bisnis, memenuhi spesifikasi dan mekanisme pertukaran data (berbasis HL7 FHIR dan HTTPS REST API), serta memenuhi spesifikasi keamanan (otentikasi dan enkripsi).

Kemenkes mengundang seluruh pihak yang terkait dengan pelayanan kesehatan di Indonesia untuk mengikuti uji coba Indonesia Health Services yang sudah dibuka sejak 22 April 2022. Pihak tersebut yaitu, pemilik rumah sakit, manajemen rumah sakit, pemilik apotek/farmasi, manajemen apotek/farmasi, vendor sistem informasi manajemen terkait kesehatan, dan pengelola laboratorium, kepala puskesmas, kepala/penanggung jawab Posyandu, klinik, tempat praktik mandiri tenaga kesehatan, industri kesehatan/industri digital kesehatan (health tech), industri farmasi/alat kesehatan, akademisi, dan asosiasi.

Pendaftaran uji coba IHS dapat mengisi formulir yang tersedia di situs dto.kemkes.go.id dan akan ditutup pada tanggal 22 Mei 2022.

“Institusi yang mengajukan minat mengikuti uji coba IHS akan kami nilai dan wawancara sebagai bentuk tindak lanjut untuk menjamin kesiapan pengujian fase beta sesuai standar IHS yang Kementerian Kesehatan terapkan,” ucap Setiaji.

Berita ini disiarkan oleh Biro Komunikasi dan Pelayanan Publik, Kementerian Kesehatan RI. Untuk informasi lebih lanjut dapat menghubungi nomor hotline Halo Kemenkes melalui nomor hotline 1500-567, SMS 081281562620, faksimili (021) 5223002, 52921669, dan alamat email [email protected] (D2)

Kepala Biro Komunikasi dan Pelayanan Publik

drg. Widyawati, MKM.

Oleh: Rokom

Sumber: Sehat Negeriku, tanggal 25 April 2022
https://sehatnegeriku.kemkes.go.id/baca/rilis-media/20220425/5639721/kemenkes-mulai-uji-coba-platform-indonesia-health-service/


LARS: Akreditasi Rumah Sakit Bukan Sekedar Formalitas Administratif, Tapi Sebagai Penjaminan Mutu

Salah satu cara paling mudah untuk mengetahui mutu layanan Rumah Sakit (RS) adalah melihat status akreditasinya. Semakin baik status akreditasi suatu RS berarti penjaminan mutunya semakin terjaga. Karenanya, masyarakat harus cermat mengecek status akreditasi suatu RS agar bisa mendapatkan layanan terbaik.

Karena itulah, baik RS pemerintah maupun swasta sangat berkepentingan dengan status akreditasi.

Direktur Eksekutif Lembaga Akreditasi Rumah Sakit (LARS), dr. Hanibal Hamidi, M.Kes, menyampaikan komitmennya untuk memberikan solusi progresif atas kebutuhan seluruh ekosistem kesehatan nasional.

“Akreditasi bukanlah formalitas administratif, tetapi merupakan salah satu bagian penting dari proses penjaminan mutu,” kata dokter Hanibal di acara ‘Kick Off & Launching Standar Akreditasi Rumah Sakit’, di Hotel Marriot Bali, Selasa (17/5/2022).

Dia mengatakan, masyarakat ingin mendapatkan hak layanan rumah sakit yang bermutu baik dan dapat diandalkan sesuai dengan kemajuan ilmu pengetahuan dan teknologi.

Begitu juga tenaga kesehatan, tenaga pendukung kesehatan, dan tenaga profesional lainnya membutuhkan ekosistem pelayanan kesehatan dalam tata kelola yang baik sehingga profesionalisme dan etika profesi dapat ditegakkan sebagaimana mestinya.

“Rumah sakit membutuhkan proses dan hasil akreditasi yang mendukung pencapaian misi & visi RS secara efektif, efisien, berkesinambungan, dan berkelanjutan,” paparnya.

Sedangkan pemerintah, selaku regulator membutuhkan lembaga pelaksana akreditasi yang independen, profesional, transparan, dan koordinatif agar standar mutu yang ditetapkan dapat terpenuhi oleh RS dan mendukung program kesehatan nasional.

Oleh karenanya, dikatakan dokter Hanibal, LARS mengikhtiarkan secara sistematis, terukur, dan profesional. Pertama, sistem dan pelaksanaan akreditasi harus selaras dan mendukung penjaminan mutu rumah sakit.

Kedua, pelaksanaan akreditasi rumah sakit harus secara komprehensif menjadi bagian berkesinambungan dari sistem penjaminan mutu rumah sakit.

Selanjutnya, yang Ketiga, pelaksanaan akreditasi dan penjaminan mutu menumbuhkuatkan pengukuran dan penilaian kinerja rumah sakit dalam rangka menjalankan misi serta mencapai visi rumah sakit.

“Instrument akreditasi yang dikembangkan dan gunakan oleh LARS, sedemikian rupa sehingga juga merupakan perangkat pencapaian misi rumah sakit, disebut sebagai MATH (Mission Achievement Tools in Hospital),” jelas dia.

Perangkat ini secara komprehensif dan inovatif mengintegrasikan secara cerdas Balance Score Card (BSC), Performance  Assessment Tool for quality improvement in Hospitals (PATH), dan standar Joint Commission Internation (JCI) dengan Standar Akreditasi Rumah Sakit Kementerian Kesehatan Republik Indonesia tahun 2022.

Penggunaan MATH, memberi manfaat ganda bagi rumah sakit yang pelaksanaan akreditasinya oleh LARS. Selain terakreditasi dengan baik, rumah sakit bersama LARS dapat memfungsikan perangkat MATH sebagai sistem manajemen, alat manajemen strategis, dan sebagai dashboard organisasi rumah sakit dalam mencapai misi rumah sakit.

“Tentunya ini akan meningkatkan efektivitas dan efisiensi tata kelola rumah sakit tersebut,” ucap dokter Hanibal.

Lebih jauh, dia menambahkan, dengan LARS berbasis interkoneksi digital dan komunitas, biaya pelaksanaan akreditasi semakin terjangkau dengan penjaminan mutu yang lebih baik. Penerapan MATH oleh LARS sekaligus memberi perangkat multiguna bagi rumah sakit dalam menjalankan misi dan mencapai visinya secara lebih efektif, efisien, dan terukur.

Interkoneksi digital yang diterapkan LARS merupakan keniscayaan dari Transformasi Sistem Akreditasi Rumah Sakit (bagian dari Transformasi Layanan Rujukan, Pilar ke-2 Transformasi Kesehatan Indonesia 2022-2024).

Penerapan teknologi industri 4.0 sebagai strategi integrasi rantai pasok kesehatan, juga perlu didukung dengan terintegrasinya manajemen kinerja rumah sakit sehingga lebih gesit dalam menyelancari dinamika tantangan dunia kesehatan, seperti saat hadapi pandemi.

Nilai suatu teknologi bergantung pada kepemimpinan yang kuat, pembelajaran organisasi, sumber daya, dan transformasi organisasi.

Hal-hal ini semakin menunjukkan pentingnya proses akreditasi yang praktis, cepat, dan interkonektif, sehingga rumah sakit dan setiap pemangku kepentingannya dapat lebih gesit dalam dinamika tata kelola terkait.

Selain sistem informasi LARS telah interkoneksi dengan sistem informasi Kementerian Kesehatan RI, LARS juga telah menggunakan mobile application dalam pelaksanaan akreditasinya.

Menurutnya, Interkoneksi antar berbagai sistem internal LARS dan dengan sistem yang dimiliki rumah sakit tengah terus dikembangkan pada berbagai aspek dimana nantinya akan membentuk suatu ekosistem akreditasi dan mutu pelayanan kesehatan rumah sakit digital. Sehingga semakin mendukung komitmen LARS akan penjaminan mutu oleh pihak rumah sakit. “Bagi LARS, terpenuhinya hak individu atas mutu layanan rumah sakit yang baik adalah merupakan tujuan utama,” pungkas dokter Hanibal.

Oleh: Redaksi, Editor: Alfian Risfil A

Sumber: Kronologi, tanggal 18 Mei 2022
https://kronologi.id/2022/05/18/lars-akreditasi-rumah-sakit-bukan-sekedar-formalitas-administratif-tapi-sebagai-penjaminan-mutu/


Pelayanan Digital di Puskesmas Serba lambat, Eri Minta Dipercepat

Wali Kota Surabaya Eri Cahyadi menyebut pelayanan di puskesmas lambat setahun belakangan. Oleh sebab itu, dia sengaja melakukan sidak ke sejumlah puskesmas dan RSUD dr Soewandhie untuk mengecek langsung pelayanannya.

“Kemarin (Senin) saya cek RSUD dr Soewandhie dan hari ini di puskesmas. Kenapa pelayanan lambat? Karena dobel-dobel. Kalau orang datang ke puskesmas, berarti diterima oleh perawat dulu untuk diagnosis. Saya bilang jangan 1 perawat saja, harus 3-4 (perawat) diagnosis keluhan,” kata Eri di Puskesmas Pucang Sewu, Selasa (10/5/2022).

Berdasarkan masalah tersebut, Eri ingin transformasi pelayanan digital di puskesmas dan rumah sakit yang dikelola Pemkot Surabaya dipercepat. Mulai rekam medis, resep, hingga rujukan sehingga, saat pasien datang, perawat langsung mencatat keluhannya.

Lalu, pasien masuk ruang dokter untuk pemeriksaan dan diberi resep yang masuk ke sistem digital. Resep tersebut bisa langsung diambil di apotek. Jika perlu rujukan, dokter akan memasukkan surat rujukan lewat sistem tersebut agar pasien langsung menuju ke rumah sakit.

“Jadi pasien kalau dirujuk itu nggak bawa apa-apa. Sebab, rekam medis dan semuanya sudah siap dan sudah diklik, nggak dijaluki (tidak diminta) a, b, c gitu,” ujar Eri.

Selain itu, Eri meminta BPJS tidak lagi meminta kartu BPJS secara manual, namun dialihkan ke elektronik. Sebab, dirinya tidak ingin warganya disusahkan oleh BPJS manual.

“Selama ini masih ada saja orang yang datang ke RS lalu diminta kartu BPJS. Ini saya lihat kenapa kok lambat dalam satu tahun,” tambah Eri.

Eri pun akan membuat SOP puskesmas hingga RSUD Soewandhie. Nantinya ada aplikasi baru untuk menyempurnakan kinerja Kadinkes, kepala puskesmas, termasuk jajarannya. Pihaknya juga segera menyosialisasikan pelayanan digital ini.

Nantinya, tiap puskesmas dan rumah sakit akan memiliki layar untuk memunculkan urutan pasien. Dengan ini, pasien juga akan terbiasa disiplin. “Sekarang ayo didandani (diperbaiki). Kami juga memperbaiki, masyarakat ikut mengawasi. Memang kami lambat kalau modelnya gini, sampai kapan pun lambat,” pungkasnya.

Oleh: Esti Widiyana

Sumber: Detik.com, tanggal 10 Mei 2022
https://www.detik.com/jatim/berita/d-6070946/pelayanan-digital-di-puskesmas-serbalambat-eri-minta-dipercepat


Langkah Selanjutnya Untuk Rekam Medis Elektronik: Peningkatan Kecerdasan Buatan

Joel Landau adalah Ketua dan Pendiri The Allure Group, perusahaan yang bergerak di bidang layanan kesehatan berbasis di New York untuk fasilitas perawatan dan rehabilitasi profesional.

Efisiensi yang lebih tinggi selalu menjadi tujuan di balik penerapan Rekam Medis Elektronik (RME), yang penggunaannya telah meningkat pesat selama dua dekade terakhir. Meskipun tujuan itu telah dicapai sampai tingkat tertentu, konsekuensi yang tidak diinginkan dari teknologi ini telah meningkatkan beban administrasi bagi dokter dan pengalaman pasien yang berkurang.

Seperti yang saya temukan sejak mendirikan The Allure Group, jaringan enam fasilitas perawatan profesional yang berlokasi di New York City, seringkali dokter mendapati diri mereka menatap layar komputer, bukannya berinteraksi dengan pasien. Dokter-dokter ini kemudian lebih focus melakukan entri data, daripada mencari pengobatan terbaik untuk pasien. Satu studi menunjukkan bahwa 62% dari waktu yang dihabiskan dokter dengan pasien dialokasikan untuk meninjau RME. Penelitian lain menunjukkan bahwa dokter-dokter tersebut juga menghabiskan hampir dua jam untuk mengerjakan rekam medis elektronik (RME) tiap satu jam layanan kesehatan langsung terhadap pasien.

Tentu saja, hal ini merupakan beban kerja yang belum teratasi, yang makin berat selama pandemi, di mana jumlah pasien meningkat dan beban kerja dokter mencapai titik tertinggi. Empat dari setiap lima dokter yang mengisi survei oleh Medical Economics mengatakan saat ini mereka mengalami kelelahan, dan alasan utamanya adalah “terlalu banyak dokumen dan peraturan”; sebanyak 31% responden menyatakan hal itu. Beberapa menyatakan bahwa RME lebih menguntungkan birokrasi dan para peneliti dan akuntan.

Sementara studi-studi yang dilakukan sebelum pandemi, terutama yang diprakarsai oleh American Medical Association tahun 2019, menemukan tingkat kelelahan dokter sebesar 44%, studi-studi tersebut juga menunjukkan bahwa beban administrasi adalah penyebab utamanya.

Contoh dari peningkatan baru-baru ini adalah Providence Health and Services, yang menurut EHIntelligence adalah salah satu sistem layanan kesehatan yang paling banyak dgunakan di AS. BJ Moore, chief information officer dan executive vice president di Providence, mengatakan bahwa dokumentasi RME “kemungkinan adalah satu-satunya masalah kelelahan terbesar bagi dokter kami,” dan hal ini berimbas kepada pasien yang berobat: “Tidak hanya menguras tenaga dokter kami, tetapi juga berdampak pada kualitas interaksi pasien. Alih-alih melakukan interaksi tatap muka dengan pasien, sering kali perawat sibuk dengan keyboard dan menatap pasien dari balik bahu mereka saat mereka memasukkan data ke rekam medis.

Selain itu, kelelahan dapat menyebabkan kesalahan di pihak dokter, yang dapat menimbulkan konsekuensi yang mengerikan. Sebuah studi tahun 2016 yang dilakukan oleh Johns Hopkins hospital menunjukkan bahwa kesalahan medis adalah penyebab kematian nomor tiga di AS.

Sebagai pemimpin, kita harus memandang dengan terbuka ​​dan tegas bagaimana teknologi baru akan memengaruhi proses-proses yang spesifik terhadap bidang kita. Apakah hal tersebut meningkatkan komunikasi? Pengalaman pasien? Hasil pengobatan pasien? Meskipun Anda tidak perlu memiliki “masalah” yang akan “diperbaiki” oleh teknologi baru, produk tersebut harus menggambarkan jalur yang jelas ke arah perbaikan proses dan efisiensi secara keseluruhan. Sektor kesehatan dibanjiri dengan teknologi baru, dan meskipun tampaknya “dapat dipasarkan” atau “inovatif”, tidak semua teknologi baru yang tampak canggih harus dibeli. Temukan teknologi yang cocok untuk Anda.

Penting juga untuk dipahami bahwa digunakannya teknologi baru sering kali membawa perubahan dalam alur kerja. Kunci untuk setiap perubahan dalam proses atau protokol kerja adalah pembelajaran dan adanya dukungan staf. Sebagai pemimpin, pertama-tama kita harus mengedukasi diri sendiri dan tidak takut untuk mempertanyakan keefektifan sebuah produk baru. Dengan mengambil langkah pertama tersebut, kita berada dalam posisi yang lebih baik untuk mengarahkan staf kita dan memberikan jawaban atas pertanyaan tak terhindarkan yang diajukan saat peluncuran produk tersebut. Terakhir, ikut sertakan staf kunci untuk mendapatkan umpan balik sebelum dan selama implementasi di fasilitas kesehatan Anda. Hal ini memberikan kesempatan untuk mendapatkan pandangan berharga tentang bagaimana produk ini berdampak pada mereka yang berada di garis depan dalam memberikan layanan kesehatan kepada pasien Anda.

Kecerdasan buatan sering disebut sebagai sarana untuk meningkatkan efisiensi RME, tetapi masalahnya adalah kemungkinan adanya kesalahan perangkat lunak atau ketidaksepakatan penyedia layanan kesehatan. Misalnya, fitur wicara-ke-teks dalam AI (kecerdasan buatan) mungkin tidak menangkap atau menafsirkan informasi kunci yang penting bagi penyedia layanan tertentu. Contohnya interpretasi Siri dari perintah yang Anda teriakkan di iPhone Anda. Harus berulang-ulang mengoreksi atau mengedit sesuatu bisa menyebabkan frustrasi dan memakan waktu.

Sama halnya, pemodelan prediktif platform AI mungkin tidak sejalan dengan diagnosis/prognosis penyedia layanan kesehatan. Sementara beberapa orang mungkin menganggapnya sebagai sebuah “pendapat kedua”, hal tersebut mungkin tidak cocok dengan penyedia layanan kesehatan dan menyebabkan sedikit keterlambatan dalam pengambilan keputusan. Jalan terbaik ke depannya adalah menemukan produk yang tepat untuk memenuhi kebutuhan spesifik Anda. Adopsi penuh atau peralihan ke AI mungkin sangat cocok untuk beberapa orang; untuk orang lain, model hibrida dapat meningkatkan efisiensi. Kuncinya adalah untuk tidak takut dengan upaya tersebut dan memberikan diri Anda waktu yang cukup untuk mempercayai platform tersebut, seperti yang Anda lakukan dengan mitra strategis lainnya. Pada akhirnya, itulah yang dapat AI lakukan bagi kita semua.

Providence, misalnya, sedang dalam proses penerapan solusi wicara-ke-teks yang merekam percakapan dokter-pasien dan memasukkan data medis ke dalam RME pasien. Para peneliti di MIT dan Boston’s Beth Israel Deaconess Medical Center juga telah mengembangkan sebuah sistem yang disebut MedKnowts, yang menggunakan pembelajaran mesin untuk menyederhanakan pengumpulan dan pengambilan data. Para peneliti juga telah mengembangkan sistem berbasis AI yang memungkinkan dokter untuk mengelola dan mengambil rekam medis pasien. Intinya adalah bahwa para pemimpin di sektor layanan kesehatan yang ingin berinovasi harus mengeksplorasi, melakukan penelitian, dan mengeksplorasi lebih banyak lagi. Juga, jangan takut untuk berbagi pendapat Anda dengan rekan kerja Anda. Setiap orang selalu mencari keunggulan kompetitif, tetapi dalam hal inovasi, kami dan pasien kami akan diuntungkan ketika suatu produk baru memberikan dampak yang besar.

Oleh: Joel Landau

Sumber: Forbes.com, tanggal 10 May 2022
https://www.forbes.com/sites/forbesbusinesscouncil/2022/05/10/the-next-step-for-electronic-health-records-ai-enhancement/?sh=49ae254e254a


Dengan Pembelajaran Mesin, Para Peneliti Menemukan Pola dalam data RME untuk Mengidentifikasi Dengan Lebih Baik Pasien yang Mungkin Memiliki Penyakit — ScienceDaily

Sebuah tim peneliti yang didukung oleh National Institutes of Health telah mengidentifikasi karakteristik pasien dengan sindrom berkepanjangan pasca-COVID dan mereka yang mungkin memilikinya. Para ilmuwan, menggunakan teknik pembelajaran mesin, menganalisis kumpulan Rekam Medis Elektronik (RME) yang belum pernah ada sebelumnya, yang tersedia untuk penelitian COVID-19 untuk mengidentifikasi dengan lebih baik siapa saja yang mengidap sindrom berkepanjangan pasca-COVID. Mengeksplorasi data RME tanpa identitas pasien di National COVID Cohort Collaborative (N3C), basis data publik nasional yang terpusat yang dipimpin oleh National Center for Advancing Translational Sciences (NCATS) di NIH, tim menggunakan data untuk menemukan lebih dari 100.000 kemungkinan kasus sindrom berkepanjangan pasca-COVID sejak Oktober 2021 (per Mei 2022, jumlahnya lebih dari 200.000). Temuan itu muncul di The Lancet Digital Health tanggal 16 Mei.

sindrom berkepanjangan pasca-COVID ditandai dengan gejala yang luas, termasuk sesak napas, kelelahan, demam, sakit kepala, “kabut otak” dan masalah neurologis lainnya. Gejala tersebut dapat berlangsung selama berbulan-bulan atau lebih lama setelah diagnosis awal COVID-19. Salah satu alasan sindrom berkepanjangan pasca-COVID sulit diidentifikasi adalah karena banyak gejalanya mirip dengan penyakit dan kondisi lain. Karakterisasi sindrom berkepanjangan pasca-COVID yang lebih baik dapat mengarah pada diagnosis yang lebih baik dan pendekatan terapeutik baru.

“Masuk akal untuk memanfaatkan perangkat analisis data modern dan sumber data besar yang unik seperti N3C, di mana terdapat banyak fitur sindrom berkepanjangan pasca-COVID dapat diwakili,” kata rekan peneliti Emily Pfaff, Ph.D., seorang ahli informatika klinis di University of North Carolina di Chapel Hill.

Teritori data N3C saat ini mencakup informasi yang mewakili lebih dari 13 juta orang di seluruh AS, termasuk hampir 5 juta kasus positif COVID-19. Sumber daya ini memungkinkan penelitian cepat tentang pertanyaan yang muncul mengenai vaksin COVID-19, terapi, faktor risiko, dan hasil pengobatan.

Penelitian baru ini merupakan bagian dari program trans-NIH terkait yang lebih luas, Researching COVID to Enhance Recovery (RECOVER), yang bertujuan meningkatkan pemahaman tentang efek jangka panjang COVID-19, yang disebut post-acute sequelae SARS-CoV-2 infection (PASC). RECOVER akan secara akurat mengidentifikasi orang dengan PASC dan mengembangkan pendekatan untuk pencegahan dan pengobatannya. Program ini juga akan menjawab pertanyaan penelitian kritis tentang efek jangka panjang dari COVID melalui uji klinis, studi observasional longitudinal, dan banyak lagi.

Dalam studi Lancet, Pfaff, Melissa Haendel, Ph.D., di University of Colorado Anschutz Medical Campus, dan rekan mereka memeriksa demografi pasien, penggunaan layanan kesehatan, diagnosis, dan pengobatan dalam rekam medis dari 97.995 pasien dewasa COVID-19 di N3C. Mereka menggunakan informasi ini, bersama dengan data pada hampir 600 pasien sindrom berkepanjangan pasca-COVID dari tiga klinik sindrom berkepanjangan pasca-COVID, untuk membuat tiga model pembelajaran mesin untuk mengidentifikasi pasien sindrom berkepanjangan pasca-COVID.

Dalam pembelajaran mesin, para ilmuwan “melatih” metode komputasi untuk secara cepat menyaring sejumlah besar data untuk mengungkapkan pandangan baru — dalam hal ini, tentang sindrom berkepanjangan pasca-COVID. Model tersebut mencari pola dalam data yang dapat membantu peneliti memahami karakteristik pasien dan mengidentifikasi individu dengan kondisi tersebut dengan lebih baik.

Model-model tersebut berfokus pada mengidentifikasi pasien sindrom berkepanjangan pasca-COVID yang potensial di antara tiga kelompok dalam database N3C: Semua pasien COVID-19, pasien yang dirawat di rumah sakit dengan COVID-19, dan pasien yang memiliki COVID-19 tetapi tidak dirawat di rumah sakit. Model-model tersebut terbukti akurat, karena orang-orang yang diidentifikasi berisiko terkena sindrom berkepanjangan pasca-COVID mirip dengan pasien yang terlihat di klinik sindrom berkepanjangan pasca-COVID. Sistem pembelajaran mesin mengklasifikasikan sekitar 100.000 pasien dalam database N3C yang profilnya sangat mirip pasien dengan sindrom berkepanjangan pasca-COVID.

“Begitu Anda dapat menentukan siapa yang memiliki sindrom berkepanjangan pasca-COVID dalam basis data besar dari masyarakat, Anda dapat mulai mengajukan pertanyaan tentang orang-orang tersebut,” kata Josh Fessel, MD, Ph.D., senior clinical advisor di NCATS dan Scientific Program Lead di RECOVER. “Apakah ada sesuatu yang berbeda tentang orang-orang tersebut sebelum mereka terjangkit sindrom berkepanjangan pasca-COVID? Apakah mereka memiliki faktor risiko tertentu? Apakah ada sesuatu saat mereka dirawat selama COVID akut yang mungkin meningkatkan atau menurunkan risiko mereka terjangkit sindrom berkepanjangan pasca-COVID?”

Model tersebut mencari karakteristik umum, termasuk obat baru, kunjungan dokter dan gejala baru, pada pasien dengan diagnosis COVID positif yang setidaknya 90 hari telah sembuh dari infeksi akut mereka. Model ini mengidentifikasi pasien sebagai penderita sindrom berkepanjangan pasca-COVID jika mereka berkunjung ke klinik sindrom berkepanjangan pasca-COVID atau menunjukkan gejala sindrom berkepanjangan pasca-COVID dan kemungkinan memiliki kondisi tersebut tetapi belum didiagnosis.

“Kami ingin menggabungkan pola baru yang kami lihat dengan kode diagnosis untuk COVID dan memasukkannya ke dalam model kami untuk mencoba meningkatkan kinerjanya,” kata Haendel dari University of Colorado. “Model ini dapat belajar dari lebih banyak variasi pasien dan menjadi lebih akurat. Kami berharap kami dapat menggunakan pengklasifikasi pasien sindrom berkepanjangan pasca-COVID kami untuk pengumpulan uji klinis.” Studi ini didanai oleh NCATS, yang berkontribusi pada desain, pemeliharaan, dan keamanan N3C Enclave, dan NIH RECOVER Initiative, didukung oleh NIH OT2HL161847. RECOVER mengoordinasikan, antara lain, protokol rekrutmen peserta yang membantu dalam program ini. Analisis dilakukan dengan data dan alat yang diakses melalui NCATS N3C Data Enclave dan didukung oleh NCATS U24TR002306.

Oleh: Andrew Shawn

Sumber: Verve Times, tanggal 17 May 2022
https://vervetimes.com/using-machine-learning-researchers-find-patterns-in-electronic-health-record-data-to-better-identify-those-likely-to-have-the-condition-sciencedaily/

Subscribe to get the latest medical information from us

Meminta Demo