DATA KESEHATAN POPULASI

Prof. DR. Dr.Nasrin Kodim, MPH

DATA KESEHATAN POPULASI

Sumber data kesehatan populasi: Statis vital, survei kesehatan, registrasi penyakit & data administrasi RS & asusransi pelayanan medis. Keputusan tetap harus diambil, meski data tak sempurna & tak lengkap. Tugas ahli epidemiologi menjamin ketersediaan data

KONSEP SEHAT
Status sejahtera fisik, mental & social, tak terbatas pada ketidakhadiran penyakit atau cacad. Tekankan kesehatan yg multi dimensi & positif Aplkasi pada situasi spesifik tidak praktis & sulit. Tidak semua sistem menjadikan kesehatan goal . Profesi, masyarakat & disiplin berbeda, beri makna berbeda Indentik kelangsung hidup atau absen kematian. Berikutnya, kesehatan = absen penyakit. Hampir semua setuju sehat > absen penyakit.

Kesehatan Sumber Kehidupan

Pendekatan fisiologik, kesehatan fungsi normal pada tingkat seluler. Apa yg dimaksud dengan normal Konsep terkini kontribusi ilmuwan social. Kesehatan dilihat sebagai sumber kehidupan setiap hari , bukan tujuan kehidupan Untuk sehat, individu /kelompok hrs identifikasi & realisasikan aspirasi kebutuhan & mengubah/ mengurus linkungan secara baik.

Kesehatan Positif (1)

Konsep positif kesehatan tekankan pada sumber data social, personal & kapasitas fisik. Kesehatan adalah sumber atau makna kehidupan, bukan tujuan atau akhir (Konsisten dg sehat untuk semua WHO) Tingkat kesehatan yg mungkinkan capai kehidupan sosial & ekonomi yg produktif Defenisi kesehatan yg luas tsb dirangkum sbb: Jamin pemerataan kesehatan (kesehatan untuk semua) Tingkatkan produktivitas (Perbaiki kualitas kehidupan) Tambahkan sehat pd kehidupan (Kurangi kesakitan) Perpanjang kehidupan (Kurangi mortalitas)

Kesehatan Positif (2)

Kesehatan positif: bersifat khusus & sulit didefenisi, tapi banyak upaya yg dapat dilakukan. Faktor psikologik: realisasi kebutuhan yg lebih tinggi, seperti aktualisasi diri (Maslow, 1968) Faktor ekologi atau kemampuan adaptasi pd lingkungan & bertahan dari ancaman integritas organisme (Dubois, 1965). Kelenturan: bentuk kebugaran pisik & mental; Masa depan kesehatan, berupa status dg prognosis yg diingini (risiko rendah & gaya hidup sehat)

 Kesehatan multidimensi, secara simultan dpt tinggi & rendah pada beberapa dimensi. Indek tunggal status kesehatan individu sulit & tak tepat. Penekan pada mortalitas /harapan hidup tak menguntungkan (Contoh: Obat pelihara kehidupan yg abaikan kualitas). Cenderung sertakan semua aspek yg tak mungkin diukur & diintervensi Kualitas Hidup hanya sertakan aspek yg terkait langsung dg kesehat & dpt diintervensi. Komponen kesehatan: kesempatan, persepsi sehat, st fungsi (sosial, psikologi & fisik) (Patrick & Erickson)

Kesehatan & kualitas hidup

Data, Informasi & Inlelegensi kesehatan (1)

Data kesehatan: angka pengamatan yg tidak diproses, misal jumlah kematian. Informasi kesehatan: data kesehatan yang telah dianalisis, misal laju kematian dlm tabel & grafik. Tekankan kerja sama penghasil & pengguna informasi. intelegensi kesehatan: informasi yg telah diinterpretasikan & implikasinya diuraikan Misal: alasan pola distribusi ttt & intervensi yang dpt dilakukan. Intelegensi kesehatan perlu dibuat keputusan resmi.

Data, Informasi & Inlelegensi kesehatan (2)

Data banyak, informasi kurang dipertimbangkan & intelegensi kesehatan kurang. Mengkoleksi data Lebih mudah daripada analisis & interpretasi data. Data dikumpulkan tidak mempertimbangkan kepentingan pengguna. Data kadaluarsa tak relevan, secara politik tak meyakinkan. keterlambatan studi kohort / RCT uji, tak dapat dihindari; pantau 20 tahun terlambat 20 tahun keterlambat data deskrit satus & yankes tak dpt dimaafkan.

TEKNOLOGI INFORMASI KESEHAT

Teknologi informasi kesehatan berkembang pesat Fokus pada institusi, tak berbasis populasi (Friede, 1995). Data kesehatan berbasis populasi perlukan kebijakan kesehatan. Kontribusi khusus epid, termasuk konseptualisasi, akses, manipulasi & interpretasi

 Identifikasi data yg diperlukan difasilitasi oleh penggunaan model & determinan kesehatan. Model gerakan kesehatan populasi (Evan & Stidar, 1994) cakup determin & gagasan kesehatan positif(Well being). Kerangka konsep yg digunakan & data yg dikoleksi dipengaruhi nilai dan politik (Kriger ,1992) Juga oleh penggunaan data dan kesimpulan yg dapat ditarik dari data tsb.

LINGKUP DATA KESEHATAN

Informasi Kesehatan Terkait Kebijakan

Informasi kesmas yg terkait kebijakan:
Status kesehatan, Determinan kesehatan Alternatif intervensi (Van der Maas et all.,1989)

Untuk interpretasi, & proyeksi kedepan, perlu data komposisi & karakter populasi.

Determinan Kesehatan
Endogen Exogen Hiriraditer Didapat Lingkungan Fisik Gaya Hidup Lingkungan Sosial Pelayanan Kesehatan Somatik Mental Pencegahan Perlindungan Kesehatan Prevensi Kolektif Promosi Kesehatan

Yankes/ Prevensi

16.Tingkat penggunaan data

Indikator individu Catat situasi pada peristiwa & waktu Catat tren variabel individu sepanjang waktu Catat Secara simultan seri variabel berbeda Jelaskan hubungan antara variabel yg berbeda Buat ramalan dengan bantuan rekayasa tingkat tinggi perlu determinan & indikator semua level model konsepsual , Wakili tingkat nasional, diulangi secara reguler dan sejauh mungkin dikaitkan dengan individu .

 Kebanyakan data indikator individu pd satu peristiwa & waktu, tertentu. Data perlihatkan trend waktu atau terkait model konsep atau buat ramalan dg bantuan modeling. Data kesehatan populasi multi-multimilo: Multivariat (Lihat barbagai aspek kesehatan & kehidupan) Multilevel (Ikuti analisis level individu, keluarga & komunitas, dsb) Microdata (berorientasi pada individu) Longitudinal (ikuti individu sepanjang waktu)

Multi-multi-milo

Kriteria yg lebih realistik

Data tersedia banyak yang tidak sesuai kriteria. Data tersedia kurang optimal dukung hubungan formulasi kebijakan kesehatan & perencana program. Kriteria data kesehatan komunitas yg lebih realistik Kebanyakan data denominator dikode pada sensus & data numerator dikode pd kode pos; Batas administrasi kadang disesuaikan untuk akomodasi perubahan populasi & politik, tapi persulit perbandingan longitudinal
Rujukan geografi yg konsisten, Mampu agregasi batas-batas administrasi.

Data Individu & Agregat

Bayangkan file daftar semua individu suatu populasi pada satu dimensi & semua variable tsb pada dimensi yg lain; Sel tabel terdiri dari nilai tiap variable untuk tiap individu. Semua format data yang paling sederhana dipilih dari analisis rinci, misal tabulasi silang & regresi. Suatu file populasi nasional akan terdiri dari jutaan row (catatan) satu untuk tiap orang, dan satu kolom (bidang) untuk setiap variable

 File data mikro seluruh populasi juga tak tersedia. Dapat mengidentifikasi & menententukan penghasilan tetangga). Data diagregasi ke tabel rangkum dengan unit anal kelompok, Misal penduduk area geografi (provinsi, RT, tract sensus) Row untuk tiap kelompok jauh kecil dapat data micro satu variable, karena nilai anggota tiap kelompok bervariasi. Sajikan data frekuensi & distribusi untuk tiap variable Gunakan sebanyak mungkin kolum sebagai katagori (alternatif, hanya ukur tren central dapat dicatat Seluruh data jauh lebih pendek dari data mikro, tapi ada file utk tiap nilai variable

Data agregat

 Struktur data bervariasi sehingga harus dimanipulasi untuk buat struktur umum gabungan. Manipulasi tersebut sulit, meskipun dengan program komputer. Esiensi data agregat adalah bahwa individu tidak dapat dibedkana dari individu lain dalam tiap file data. Setiap file berikan data diskripsi dasar & tawarkan analisis ekologi. Namun, kross tabulasi yg tersedia dibangun ke dlm file, dlm bentuk variable komposit. Jila kemponen variable punya tingkat Li, variable komposit punya N = Li katagori.

Data Administrasi
Data yg dihimpun pemerintah utk tujuan administrasi Secara primer, bukan untuk riset atau surveilens (Kuller, 1995). Keuntungan 1. relatif murah jika sering digunakan. 2. ukuran sampel besar cakup seluruh populasi 3. Relatif bebas bias, Data dikumpulkan secara buta , tanpa hipotsesis & tak mengacu populasi tertentu.

Kelemahan: Data Administrasi

1. Data dikumpulkan utk tujuan lain selain mengukur status kesehatan dan jarang ideal untuk tujuan selanjutnya. 2. Prioritas penggunaan data sekunder rendah, berakibat pada akses yg terbatas atau penundaan yg lama. 3. Pertimbangan kerahasiaan mungkin sangat membatasi penggunaan sekunder data.

Data Survei
Berguna utk menilai kebutuhan & menata goal & prioritas, Survei cepat bantu evaluasi kebijakan & program dengan tentukan kemajuan yang dicapai. Survei longitudinal termasuk wawancara berulang individu yg sama dapat ukur insidens. Penggunaan telpon pada survei mengurangi biaya. Agen lokal kurang sumber & keahlian untuk kerja sempurna. Jika metode tak indentik dengan wilayah lain, hasil investigasi tak dapat dibandingkan Keuntung survei nasional: lebih murah, baik & dapat dibanding.

Survei Kesehatan Nasianal

Cakup kelompok menengah antara pengumpulan khusus & data administrasi. Dukung perencanaan & kebijakan kesehatan, tapi tak perlu untuk pembuat kebijakan tertentu Untuk wancara dan/ atau pengisian sendiri, survei sedikit sertakan pemeriksaan fisik & laboratorium. Data hilang sering dimasukan dengan nilai individu yg sama. Data makro biasanya tersedia pada tape, mungkinkan analsisis sendiri. Agen lokal dapat pilih data revalens masalah kesehatan atau faktor risiko terpilih di distriknya sendiri Jika ukuran sampel cukup, bandingkan dengan rerata nasional

 Sampel dari area ttt kecil cukup untuk estimasi univariat yang stabil., Tak cukup untuk dukung distribusi variabel dengan umur, jenis kelamin, atau area yg kecil. Survei kesehat Ontario adalah survei terbesar yg pernah dilakukan di Kanada,(50.000 resp) Unit kesehatan lokal tak suka pada batasan analisis yang diizinkan (ukuran sampel 1100 utk tiap unit). Sampai selalu tak cukup untuk defeniskan populasi spesifik dengan kebutuhan kesehatan khusus. Teknik estimasi kelompok kecil dapat hindari masalah ini.

Survei Kesehatan Nasianal 2

 Data populasi berperan lebih penting pada epid kebijakan daripada di riset etiologi Karena kebijakan terjadi di populasi yg nyata, tidak di poplasi riset terpilih. Perubahan demografi sangat penting pada populasi, dan tak ada alasan untuk tidak rencanakan untuk mereka Kita tahu komposisi umur &jenis kelamin populasi beberapa dekade berikut. Buku populer terkini mengklem bahwa penjelasan demografi dua pertiga segala nya . dari penjualan sepatu sampai nilai tanah (Foot, 1996). Fenomena epid penting karena layak jual atau karena pengaruh segmen populasi yg besar atau tumbuh (population atributabel fraction). Data sosiodemogafi perlu jelaskan populasi, estimasi trend & hitung laju insiden & determinan kesehatan (misal penghasilan, pendidikan, pekerjaan).

Data Populasi (Denominastor)

 Sumber data populasi terpenting adalah sensus. Umumnya, negara lakukan sensus reguler pada interval 10 th ; Sensus 5 tahun yg kurang lengkap mungkin juga dilakukan. Berdasar defenisi, sensus adalah perhitungan seluruh populasi. Meskipun geografi sensus bervariasi berdasarkan negara , dua unit adalah umum untuk banyak sensus. Perhitungan distrik (enumerasi area, kelompok blok) adalah kelompok rumah tangga yang dikunjungi oleh suatu perhitungan sensus tunggal , menomori sekitas 200; biasanya tak ada hasi yang diberikan oleh area yg kecil ini. Taks sensus tsb adalah suatu area yg relatif homogen dg populasi 4000-5000, kadang-kadang didefenisikan hanya di daerah urban , dan merupakan unit terkecil yang hasil secara normal tersedia.

Sensus

Sensus
Agregat Track sensus untuk minicipal, desa dsb, sebagaimana konstituen pemilihan . Mising data mungkin diisu dengan inputasi misal nilai rerata variabel mising pada individu atau rumah tangga yg sama. Hasil mungkin digilir sebelum publikasi , dan berbagai bentuk supervisi data utk lindungi karahasiaan. Contoh, sensus Kanada 1991 semua nomer di gilir (naik atau turun) utk perkalian 5, dg hasil tsb, Semua data ditekan pd area dg populasi < 2500.

 Data sensus biasanya dibuat dalam bentuk tabel agregat, dengan katagori & tabel silang yang relatif sedikit. Tabel khusus dibuat sesuai dengan kebutuhan pemakai sesuai dengan aturan kerahasiaan. Mikro data tersedia dalam bentuk file sampel random sensus nasional, yg mungkinkan pengguna melakukan analisis sendiri. Secara teoritis, sensus cakup seluruh populasi nyata-nya, tetapi ada kekurang perhitungan tentang beberapa kelompok populasi Misal dewasa muda hitam di AS& oberigin di Kanada. Keselahan untuk beberapa sub kelompok sekitar 20 % . Publikasi data tak dihitung tsb dikoreksi meski tak sempurna.

Sensus

 Data populasi tahunan digunakan untuk perencanaan, pemasaran, evaluasi kebijakan & program. Mortalitas & morbiditas tahunan berguna untuk deteksi trend jika pendek & beri kesan media & kebijakan tentang data terkini. Data numerator tersedia tiap tahun, data denominator tidak. Numerator meningkat dengan denumerator yang tak tumbuh buat rate seakan lebih kerap. Untuk penuhi kebutuhan data terbaru &tahunan, estimasi populasi berbagai tingkat pemerintah pada tahun lalu & sekarang . Estimasi total populasi pos sensus dihasilkan untuk tiap tahun ikuti sensus terbaru, berdasar metoda komponen. Populasi +1 = Populasi t + Kelahir st- Kemati t + net Migrasi

Estimasi Post atau Inter Sensus

Estimasi Pasca Sensus atau Inter Sensus

Versi awal, tambahan & final jadi isu, pengguna seimbang perlu waktu yang tepat & estimasi yg akurat. Estimasi tahun tunggal biasanya digunakan sebagai dasar grand pemerintah atau pemasaran. Untuk etimasi yang tinggi, Manusipal & Regen hasilkan estimasi sendiri. Migrasi pada tingkat regional dapat ikuti trend ekonomi yg sangat cepat, tapi tak tercatat dengan baik. Teknik rekayasa regresi kadang digunakan untuk estimasi populasi area kecil tahun tungal. Digabungkan dengan indikator simtomatik seperti data dari badan sekolah & surat isin mengemudi.

Sumber Data Populasi Lain

Sensus dilakukan tiap 5-10 tahun & ada waktu luang publikasi, sehingga data ketinggalan lama. Berbagai agen pemerintah memproses data administrasi yg relatif lengkap. Di negara dengan program asuransi yang universal, daftar rencana asuransi lengkapi data administrasi. Tiap individu terdaftar karena punya status insentif kuat. Daftar pemilih tersedia hanya untuk penduduk dewasa yang penuhi kriteria, tapi informasi yg ada sedikit. Pajak municipal beri daftar populasi tanpa anakanak & bayi, pajak penghasilan tak dapat dihindari

Sumber Data Populasi Lain

Pengembalian pajak tekait satu sama lain untuk identifikasi pasangan & anak Identifikasi orang tua; tahun lahir anak dilihat pada file kebutuh keluarga, tetapi jenis kelamin tidak diketahui. Hasil T1FF dipublikasi tiap tahun , sekitar 18 bulan tanggal dia dirujuk. Cakupan sangat baik (97%) & diperbaiki segera setelah banyak file pajak kembali. Variable terbatas pada: jenis & besar keluarga , umur, alamat, jumlah sumber penghasilan, status bekerja & bahasa. Data tsb ditemukan akurat, khususnya di wilayah urban (Spasof and Gilkes, 1994)

Terima Kasih