Iwan Dwiprahasto: Perbedaan antara revisi

▲=== Medication Error ===

▲''Medication Error'' adalah permasalahan di dalam proses pengobatan sehingga menimbulkan risiko kepada pasien, dari skala ringan sampai berat, yang seringkali disebabkan karena permasalahan kolaborasi di antara para tenaga kesehatan (dokter, apoteker, dan perawat).<ref>{{Cite journal|last=Ulfah|first=Siti Sahirah|last2=Mita|first2=Soraya Ratnawulan|year=2017|title=Review Artikel: Medication Errors pada Tahap Prescribing, Transcribing, Dispensing, dan Administering|url=http://jurnal.unpad.ac.id/farmaka/article/view/13318/pdf|journal=Farmaka|volume=15|issue=2|pages=233-240|doi=https://doi.org/10.24198/jf.v15i2.13318.g6149}}</ref><ref name=":3">{{Cite journal|last=Musharyanti, M.Med.Ed|first=Lisa|last2=Claramita, Ph.D|first2=Mora|last3=Haryanti, Ph.D|first3=Fitri|last4=Dwiprahasto, Ph.D|first4=Iwan|year=2019|title=Why Do Nursing Students Make Medication Errors? A Qualitative Study in Indonesia|url=https://www.sciencedirect.com/science/article/pii/S1658361219300514|journal=Journal of Taibah University Medical Science|volume=14|issue=3|pages=282-288|doi=https://doi.org/10.1016/j.jtumed.2019.04.002}}</ref> Topik ini adalah salah satu yang cukup banyak dan secara kontinu dikaji Iwan Dwiprahasto. Tulisan-tulisannya yang dipublikasikan dalam jurnal antara lain "Intervensi Pelatihan untuk Meminimalkan Risiko ''Medication Error'' Di Pusat Pelayanan Kesehatan Primer" (2006), "Masalah dan Pencegahan ''Medication Error,'' Bagian Farmakologi dan Toksikologi" (2008),''"''Faktor Penyebab ''Medication Error'' di Instalasi Rawat Darurat" (2012), dan "''Why Do Nursing Students Make Medication Errors? A Qualitative Study in Indonesia''" (2019).<ref name=":5">{{Cite web|url=https://scholar.google.co.id/citations?user=C7JqHOYAAAAJ&hl=en|title=Iwan Dwiprahasto - Google Scholar Citations|website=scholar.google.co.id|access-date=2020-06-17}}</ref>

▲Dalam tesis buatannya pada 1991 yang dijadikan landasan analisa langkah-langkah pencegahan ''medication error,'' Iwan Dwiprahasto menemukan bahwa pemberian [[Antibiotik|antibiotika]] pada [[infeksi saluran pernapasan akut]] (ISPA) di layanan kesehatan swasta Yogyakarta tidak tepat. Angkanya mencapai 82%, di mana tidak berbeda antara [[dokter umum]] dan [[Dokter spesialis|spesialis]]. Pencegahan ''medication error,'' menurut Iwan, dapat dilakukan dengan memperbaiki [[Tata kelola perusahaan|tata kelola]] layanan rumah sakit, yang bermuara pada pengelolaan medik pasien secara terpadu.<ref>{{Cite journal|last=Dwiprahasto|first=Iwan|year=2004|title=Medical Error di Rumah Sakit dan Upaya untuk Meminimlkan Risiko|url=journal.ugm.ac.id|journal=Jurnal Manajemen Pelayanan Kesehatan|volume=7|issue=01|pages=13-17|doi=}}</ref> Perlu diketahui sebelumnya bahwa sebagian besar ISPA umum disebabkan oleh [[virus]] (salesma, [[Influenza|flu]], [[bronkitis]], dan [[Radang paru-paru|pneumonia]] lainnya) dan dapat sembuh sendiri tanpa [[terapi medikamentosa]] (''self limiting disease''). Antibiotik hanya diberikan kepada ISPA yang disebabkan oleh bakteri, seperti kasus akut untuk [[rhinosinusitis]] dan bronkitis, serta bakteri penyebab [[otitis media]] dan [[faringitis]]/[[Radang amandel|tonsilitis]]. Konsumsi antibiotik yang berlebihan justru dapat menyebabkan resistensi antibiotik.<ref name=":4">{{Cite journal|last=Dwiprahasto|first=Iwan|year=2006|title=Peningkatan Mutu Penggunaan Obat di Puskesmas melalui Pelatihan Berjenjang pada Dokter dan Perawat|url=https://journal.ugm.ac.id/jmpk/article/viewFile/2740/2462|journal=Jurnal Manajemen Pelayanan Kesehatan Universitas Gajah Mada|volume=09|issue=02|pages=94-101|doi=}}</ref><ref>{{Cite web|url=https://www.halodoc.com/tidak-semua-infeksi-memerlukan-pengobatan-antibiotik|title=Tidak Semua Infeksi Memerlukan Pengobatan Antibiotik|last=Redaksi Halodoc|first=|date=13-03-2019|website=Halodoc|access-date=18-06-2020}}</ref>

▲Besarnya pemberian antibiotika untuk ISPA diteliti kembali oleh Iwan Dwiprahasto secara retrospektif dengan maksud menciptakan model intervensi pelatihan penggunaan obat yang rasional. Penelitian ini dipublikasikan pada 2006 dan turut menelusuri penggunaan injeksi untuk penyakit [[Mialgia|myalgia]]. Lokus penelitiannya di 43 puskesmas di delapan kab/kota Prov. [[Sumatra Barat]]. Melalui penghitungan data resep, penelitian ini kembali mengkonfirmasi penggunaan obat berlebih untuk ISPA (antibiotik) dan myalgia (injeksi) berbentuk polifarmasi, yaitu penggunaan beberapa obat secara bersamaan dalam satu kondisi medis, baik kepada balita maupun dewasa. Peresepan seperti ini cenderung sama ditemui pada layanan dokter umum di layanan kesehatan swasta.<ref name=":4" />

▲[[Penelitian intervensi]] juga kembali diinisiasi Iwan Dwiprahasto atas penggunaan obat di 20 [[Pusat Kesehatan Masyarakat|puskemas]] di lima kab/kota di [[Kalimantan Timur]]. Survei yang mengidentifikasi ''medication error'' di sana menunjukkan bahwa kekeliruan sering terjadi di bagian pemilihan obat, cara pemberian obat, dan frekuensi pemberian obat. Maka, dari basis data ini, intervensi yang dilakukan berbentuk pelatihan kepada dokter dan perawat puskesmas. Masing-masing materinya adalah tentang penggunaan obat secara rasional dan ''on the job training'' menggunakan contoh kasus sehari-hari di puskesmas. Enam bulan setelah intervensi pelatihan, angka ''medication error'' turun. Penurunan kesalahan yang signifikan (dalam rasio metode riset: p<0,05) terjadi pada aspek ketidaklengkapan resep, kekeliruan pemilihan obat, dan kekeliruan cara pemberian obat. Melalui penelitian ini, Iwan menunjukkan bagaimana intervensi yang berfokus pada [[farmakoterapi]] berbasis bukti dan penyuluhan tentang risikonya berhasil menurunkan angka ''medication error'' di puskesmas.<ref>{{Cite journal|last=Dwiprahasto|first=Iwan|year=2006|title=Intervensi Pelatihan untuk Meminimalkan Risiko Medication Error di Pusat Pelayanan KesehatanPrimer|url=http://i-lib.ugm.ac.id/jurnal/detail.php?dataId=5603|journal=Berkala Ilmu Kedokteran|volume=38|issue=1|pages=1-8|doi=}}</ref>

▲''Medication error'' juga diobservasi Iwan dari sisi salah satu pemangku kepentingan, yaitu perawat. Sebuah studi menyatakan bahwa di Indonesia, ''medication error'' oleh pelajar keperawatan selama masa [[Rotasi klinis|rotasi klinik]] dapat mencapai 44,8%.<ref>{{Cite journal|last=Khasanah|first=Uswatun|year=2012|title=Nursing Procedural Error: Types and Causing Factor in Nursing Sstudents of Clinical Rotation in Nursing Study Program UIN Syarif Hidayatullah|url=|journal=Jurnal Ners|volume=7|issue=2|pages=186-195|doi=http://dx.doi.org/10.20473/jn.v7i2.4020}}</ref> Penelitian lain juga memperlihatkan bahwa banyak perawat muda yang tidak yakin dengan kompetensinya sendiri dalam hal administrasi pengobatan yang aman karena minimnya pengetahuan tentang farmakologi dan aspek keamanan medis lainnya.<ref>{{Cite journal|last=Adhikari|first=Radha|last2=Tocher|first2=Jennifer|last3=Smith|first3=Pam|last4=Corcoran|first4=Janet|last5=MacArthur|first5=Juliet|date=2014-02-01|title=A multi-disciplinary approach to medication safety and the implication for nursing education and practice|url=http://www.sciencedirect.com/science/article/pii/S0260691713003845|journal=Nurse Education Today|series=Patient Safety|language=en|volume=34|issue=2|pages=185–190|doi=10.1016/j.nedt.2013.10.008|issn=0260-6917}}</ref> Pada 2019, bersama tiga peneliti lain, Iwan mempublikasikan jurnal tentang [[studi kualitatif]] pelajar keperawatan terhadap ''medication error.'' Dalam [[ilmu keperawatan]] sendiri, pokok keamanan medis lebih banyak dibahas dalam bentuk kuliah di kelas dibandingkan eksperimen lapangan yang bergantung pada pembelajaran individu. Ditambah lagi, pokok ini hanya diajarkan pada tahun ketiga dalam satu mata kuliah. Ketika rotasi klinik berlangsung, para pelajar keperawatan dituntut untuk siap siaga dalam memberikan pelayanan di berbagai layanan kesehatan. Identifikasi ''medication error'' yang ditemukan dalam penelitian ini adalah kesalahan pada waktu pengobatan, identifikasi pasien, dan persiapan obat yang tidak tepat. Penelitian ini menekankan pentingnya model bimbingan dan supervisi yang memadai di pendidikan klinis untuk perawat demi menjaga kompetensi keamanan medis.<ref name=":3" />

▲=== Kanker Payudara ===

▲Iwan Dwiprahasto juga terlibat dalam penelitian [[kanker payudara]]. Sebagian dari penelitian bertopik kanker payudara Iwan tercatat sebagai [[Metaanalisis|studi meta-analisis]], dengan asosiasi terhadap faktor risiko penyakit dan proses pengobatan beserta dampaknya.<ref name=":5" />

▲Bersama tiga peneliti lain, Iwan Dwiprahasto mengobservasi riwayat keluarga dan risiko atas kanker payudara dalam [[Suku Melayu|etnis Melayu]] di Malaysia dan Indonesia. Fokus etnis berangkat dari penelitian terdahulu yang membahas capaian kanker payudara yang berbeda-beda di tiap negara, di mana [[Amerika Utara]] dan [[Eropa Barat]] memiliki kasus yang lebih tinggi dibandingkan di [[Asia]]. Dari sini, faktor genetik, atas etnis Melayu, yang memengaruhi kemunculan [[neoplasma]] di payudara dieksplorasi lebih jauh dengan memanfaatkan kembali [[jurnal ilmiah]] berbahasa Inggris yang dipublikasikan selama 1999-2018 dan identifikasi latar pasien (desain riset meta-analisis). Hasilnya, terdapat keterhubungan tinggi antara riwayat keluarga yang memiliki kanker payudara dengan potensi kanker dalam etnis Melayu di Malaysia dan Indonesia (OR=3.34 [95% CI 2.68-4.15, ''P''<0.00001])''.'' Penelitian ini merekomendasikan perempuan untuk mengedukasi dirinya tentang kanker payudara sekaligus melakukan deteksi dini jika terdapat benjolan di payudara. Mengingat, penelitian terkait menunjukkan bahwa perempuan dengan kanker payudara—yang juga terjadi pada keluarganya—baru melakukan deteksi ketika neoplasma sudah memasuki perkembangan lanjut.<ref>{{Cite journal|last=NINDREA|first=Ricvan Dana|last2=ARYANDONO|first2=Teguh|last3=LAZUARDI|first3=Lutfan|last4=DWIPRAHASTO|first4=Iwan|date=2019-05-08|title=Family History of Breast Cancer and Breast Cancer Risk Between Malays Ethnicity in Malaysia and Indonesia: A Meta-Analysis|url=https://doi.org/10.18502/ijph.v48i2.814|journal=Iranian Journal of Public Health|doi=10.18502/ijph.v48i2.814|issn=2251-6093}}</ref>

▲Selain faktor genetik yang juga dikonfirmasi Iwan dkk. di atas, faktor risiko lain seperti usia, [[hormon]], [[Diet|diet makan]], dan merokok juga turut memicu kanker. Dalam hal diet makanan, beberapa penelitian mengobservasi korelasi risiko kanker payudara dengan rendahnya konsumsi ikan. Asam lemak omega-3 yang terkandung dalam ikan bermanfaat bagi pencegahan dan penanggulangan kanker payudara. Akan tetapi, penelitian lanjutan memperlihatkan temuan yang berkebalikan sehingga keberlanjutan riset-riset yang ada melahirkan temuan yang tidak konsisten. Iwan Dwiprahasto dan tiga peneliti lain lantas ingin mengetahui bagaimana efek pelindungan atas zat omega-3 khusus pasien-pasien orang Asia. Hal ini dianggap perlu karena faktor geografis dan pasar pangan menghasilkan pola diet yang berbeda-beda di tiap kawasan. Sebanyak 11 artikel jurnal, yang sesuai dengan identifikasi riset ini, ditelaah kembali dengan metode meta-analisis. Riset Iwan dkk. tersebut menemukan bahwa dalam kasus orang Asia, asam lemak omega-3 dalam kandungan ikan memproduksi efek pelindungan terhadap kanker payudara. Adanya inkonsistensi hasil riset-riset yang juga meneliti topik ini diyakini disebabkan oleh perbedaan kebiasaan konsumsi ikan di tiap wilayah. Orang Asia didapati lebih banyak mengkonsumsi ikan dibandingkan orang-orang Eropa dan Amerika Utara.

▲Penyebab kanker payudara memang dipacu oleh berbagai faktor. Dari sinilah muncul gagasan bagaimana ''machine learning'' ([[pemelajaran mesin]]) dapat membantu menghitung faktor-faktor risiko sehingga dapat membantu seseorang dalam mengambil keputusan untuk melakukan deteksi dini kanker payudara. Perhitungan risiko penyakit melalui ''machine learning'' dianggap dapat memperlihatkan apakah seseorang punya risiko yang aman dari kanker payudara, masuk dalam kriteria aksi pencegahan kanker payudara, atau bahkan masuk dalam risiko tinggi memiliki kanker payudara.<ref>{{Cite book|url=https://www.worldcat.org/oclc/742421886|title=Data mining : concepts and techniques|last=Han, Jiawei.|date=2012|publisher=Elsevier/Morgan Kaufmann|others=Kamber, Micheline., Pei, Jian (Computer scientist)|isbn=978-0-12-381480-7|edition=3rd ed|location=Amsterdam|oclc=742421886}}</ref><ref>{{Cite journal|last=Chapman|first=W. W.|last2=Fizman|first2=M.|last3=Chapman|first3=B. E.|last4=Haug|first4=P. J.|date=2001-02|title=A comparison of classification algorithms to automatically identify chest X-ray reports that support pneumonia|url=https://pubmed.ncbi.nlm.nih.gov/11376542/|journal=Journal of Biomedical Informatics|volume=34|issue=1|pages=4–14|doi=10.1006/jbin.2001.1000|issn=1532-0464|pmid=11376542}}</ref> Iwan kembali berkolaborasi dengan tiga penelitian lain untuk mengulas ''machine learning'' mana yang memiliki akurasi paling tinggi dalam mendeteksi kanker payudara, yakni melalui pendekatan: Naive Bayes, Neural Network, Decision Tree, Logistic Regression, Linear Discriminant Analysis, Super Vector Machine (SVM), K-Nearest Neighbor. [[Penelitian kuantitatif]] dengan desain riset meta-analisis ini meneliti jurnal ilmiah dari 2000-2018 yang menggunakan tiap ''machine learning'' di atas untuk mendeteksi kanker payudara, dan berdasarkan pembatasan riset, terdapat sebelas studi yang sesuai dengan desain penelitian. Uji analisa diagnostik dilakukan dengan menghitung skala sensitivitas dan spesifisitas dari ''dataset'' penelitian yang bersangkutan ke dalam kriteria akurasi nilai Area Under Curve (AUC) melalui kurva Receiver Operating Characteristic (ROC)''.'' Dari olahan perbandingan skala nilai yang ada, dihasilkan bahwa pendekatan SVM menggambarkan perhitungan risiko kanker payudara dengan klasifikasi akurasi yang sangat baik dibandingkan algoritma ''machine learning'' lainnya (AUC > 90%)''.'' Para penelitinya, termasuk Iwan, berkata bahwa ''machine learning'' membantu mengurangi kemungkinan kesalahan yang dapat disebabkan oleh tenaga medis ataupun sebagai data medis yang dapat dimanfaatkan sesuai kebutuhan. Sistem ini juga potensial untuk dikembangkan dalam bentuk [[aplikasi seluler]] sehingga para perempuan dapat menggunakannya dengan mudah.<ref>{{Cite journal|last=Nindrea|first=Ricvan Dana|last2=Aryandono|first2=Teguh|last3=Lazuardi|first3=Lutfan|last4=Dwiprahasto|first4=Iwan|date=2018-07|title=Diagnostic Accuracy of Different Machine Learning Algorithms for Breast Cancer Risk Calculation: a Meta-Analysis|url=http://doi.org/10.22034/APJCP.2018.19.7.1747|journal=Asian Pacific Journal of Cancer Prevention|volume=19|issue=7|doi=10.22034/APJCP.2018.19.7.1747|pmc=PMC6165638|pmid=30049182}}</ref>