Digitalisasi Skrining Faktor Risiko Preeklamsi pada Buku KIA Berbasis Aplikasi Multiplatform

Authors

  • Wilis Dwi Pangesti Universitas Padjadjaran Bandung, Indonesia
  • Sawitri Dewi Universitas Muhammadiyah Purwokerto, Indonesia
  • Achmad Fauzan Universitas Muhammadiyah Purwokerto, Indonesia
  • Elsa Pudji Setiawati Universitas Padjadjaran Bandung, Indonesia
  • Adhi Pribadi Universitas Padjadjaran Bandung, Indonesia
  • Dany Hilmanto Rumah Sakit Hasan Sadikin Bandung, Indonesia

DOI:

https://doi.org/10.37012/jtik.v10i1.2136

Abstract

Preeklamsi merupakan penyebab morbiditas dan mortalitas pada 5-10% kehamilan di dunia. Berdasarkan etiologi dan perjalanan penyakitnya, telah dikembangkan skrining melalui identifikasi faktor risiko awitan dini preeklamsi pada wanita hamil sebelum usia kehamilan 20 minggu. Di Indonesia, skrining telah dilaksanakan menggunakan pedoman skrining buku KIA secara manual. Tujuan penelitian ini untuk mengembangkan sistem informasi skrining faktor risiko preeklamsi berbasis multiplatform. Digitalisasi skrining preeklamsi ini dilakukan dengan membangun sistem informasi dengan pendekatan System Development Life Cycle (SDLC) model Waterfall. Tahapan pengembangan sistem dimulai dari analisis, perancangan, implementasi, pengujian, dan perawatan. Sistem dibangun berbasis multiplatform agar aplikasi dapat digunakan di beberapa sistem operasi yang berbeda. Sistem informasi skrining preeklamsi dikembangkan sebagai aplikasi untuk melakukan skrining preeklamsi dan mendokumentasikan secara digital oleh tenaga kesehatan khususnya bidan. Aplikasi yang dikembangkan terdiri dari aplikasi admin berbasis Web yang digunakan oleh penanggungjawab program skrining preeklamsi untuk mengelola data pengguna, data puskesmas, data bidan, data rekapitulasi pasien dan laporan. Sedangkan aplikasi bidan bebasis mobile digunakan  oleh bidan yang bertanggungjawab langsung terhadap pasien dalam satu wilayah kerja puskesmas untuk melakukan skrining faktor risiko preeklamsi, input data, observasi dan mendokumentasikan hasil observasi. Digitalisasi skrining faktor risiko preeklamsi dikembangkan untuk memudahkan tenaga kesehatan dalam melakukan skoring dan pendokumentasian faktor risiko preeklamsi.

References

ACOG. (2015). First-Trimester Risk Assessment for Early-Onset Preeclampsia. Committee Opinion No. 638. American Obstet Gynecol 126 (3)(640):e25-27. doi: 10.1016/j.yqres.2004.02.002.

Azis, A., Fakhrurrifqi, M., Santoso, D. B., (2019). Pengembangan Sistem Informasi Kesehatan Remaja Di Puskesmas Bantul II Kabupaten Bantul. Jurnal Manajemen Informasi Kesehatan Indonesia 7(2):92. doi: 10.33560/jmiki.v7i2.240.

Bae, J., Heitkemper, M., (2006). Development of a Web-Based Health Information Service System for Maternal Health Care. Studies in Health Technology and Informatics 122:963–64.

Bae, J., Wolpin, S., Kim, E., Lee, S., Yoon, S., Kyungeh An. (2009). Development of a User-Centered Health Information Service System for Depressive Symptom Management. Nursing and Health Sciences 11(2):185–93. doi: 10.1111/j.1442-2018.2009.00454.x.

Choirudin, R., Adil, A., (2019). Implementasi Rest Api Web Service Dalam Membangun Aplikasi Multiplatform Untuk Usaha Jasa. MATRIK: Jurnal Manajemen, Teknik Informatika Dan Rekayasa Komputer 18(2):284–93. doi: 10.30812/matrik.v18i2.407.

Cordero-Franco, Felizardo, H., Salinas-Martinez, A. M., Garcia-Alvarez, T. A., Medina-Franco, G. E., Garza, F.J.G., Diaz-Sanchez, O., Ramirez-Sandoval, G., (2018). Comparison of the Discriminatory Accuracy of Four Risk Criteria for Preeclampsia. Pregnancy Hypertension 13:161–65. doi: 10.1016/j.preghy.2018.06.007.

Dinkes. (2018). Profil Kesehatanan Kabupaten Banyumas 2018. Banyumas, Jawa Tengah: DKK Banyumas, Jawa Tengah.

Duhig, K., Vandermolen, B., Shennan, A., (2018). Recent Advances in the Diagnosis and Management of Pre-Eclampsia. F1000Research 7:242. doi: 10.12688/f1000research.12249.1.

Fauzan, A., Prasetyo, A. H., (2020). Sistem Informasi Pelaporan Realisasi Anggaran Pendapatan Dan Belanja Desa Pada Kantor Kelurahan Desa Kreyo Pemalang. Sainteks 16(2). doi: 10.30595/st.v16i2.7134.

Gance-Cleveland, Bonnie, Leiferman, J., Aldrich, H., Nodine, P., Anderson, J., Nacht, A., Martin, J., Carrington, S., Ozkaynak, M., (2019). Using the Technology Acceptance Model to Develop StartSmart: MHealth for Screening, Brief Intervention, and Referral for Risk and Protective Factors in Pregnancy. Journal of Midwifery and Women’s Health 64(5):630–40. doi: 10.1111/jmwh.13009.

Harahap, N. C., Handayani, P.W., Hidayanto,A. N., (2021). Barriers in Health Information Systems and Technologies to Support Maternal and Neonatal Referrals at Primary Health Centers. Healthcare Informatics Research 27(2):153–61. doi: 10.4258/HIR.2021.27.2.153.

Jayanti, N. K. D. A., Sumiari, N. K., (2018). Teori Basis Data. Www.Kajianpustaka.Com (February):132.

Kemenkes RI. (2020). Buku KIA. Jakarta: Kemenkes RI.

Khodzhaeva, Zulfiya, S., Kogan, Y. A., Shmakov, R. G., Klimenchenko, N. I., Akatyeva, A. S., Vavina, O. V., Kholin, A. M., Muminova, K. T., Sukhikh. G. T., (2016). Clinical and Pathogenetic Features of Early- and Late-Onset Pre-Eclampsia. Journal of Maternal-Fetal and Neonatal Medicine 29(18):2980–86. doi: 10.3109/14767058.2015.1111332.

Lisonkova, Sarka, Joseph, K. S., (2013). Incidence of Preeclampsia: Risk Factors and Outcomes Associated with Early-versus Late-Onset Disease. American Journal of Obstetrics and Gynecology 209(6):544.e1-544.e12. doi: 10.1016/j.ajog.2013.08.019.

Lisonkova, Sarka, Sabr, Y., Mayer, C., Young, C., Skoll, A., Joseph, K. S., (2014). Maternal Morbidity Associated with Early-Onset and Late-Onset Preeclampsia. Obstetrics and Gynecology 124(4):771–81. doi: 10.1097/AOG.0000000000000472.

Martinez-Fierro, M. L., Hernández-Delgadillo, G. P., Flores-Morales, V., Cardenas-Vargas, E., Mercado-Reyes, M., Rodriguez-Sanchez, I.P., Delgado-Enciso, I., Galván-Tejada, C. E., Galván-Tejada, J. I., Celaya-Padilla, J. M., Garza-Veloz, I., (2018). Current Model Systems for the Study of Preeclampsia. Experimental Biology and Medicine 243(6):576–85. doi: 10.1177/1535370218755690.

Pressman, R. S. (2010). The Software Proces.

Rana, Sarosh, Lemoine, E., Granger, J., Karumanchi, S. A., (2019). Preeclampsia: Pathophysiology, Challenges, and Perspectives. Circ Res 124(7):1094–1112. doi: 10.1161/CIRCRESAHA.118.313276.

Ridwan, Wawan, Ruliansyah, A., Yanuar, F., Jajang, A., 2020. Development of Health Information System for Early Detection of Dengue Haemorrhagic Fever in Bandung. Spiralkel 12(1):1–14. doi: 10.22435/spirakel.v12i1.380A.

Salam, Rehana, A., Das, J., Ali, A., Bhaumik, S., Lassi. Z., (2015). Diagnosis and Management of Preeclampsia in Community Settings in Low and Middle-Income Countries. Journal of Family Medicine and Primary Care 4(4):501. doi: 10.4103/2249-4863.174265.

Sommerville, I. (2011). Software Engineering (9th Ed.; Boston, Ed.). Massachusetts: Pearson Education.

Staff, A. C., (2019). The Two-Stage Placental Model of Preeclampsia : An Update. Journal of Reproductive Immunology 134–135(July):1–10. doi: 10.1016/j.jri.2019.07.004.

USPSTF. (2018). Screening for Preeclampsia: Recommendation Statement. American Family Physician 97(2):116A-116C.

Wulandari, W., Pangesti., W. D., (2022). Prevalensi Preeklamsi Dengan Komplikasi Di Rumah Sakit Rujukan Kabupaten Banyumas Tahun 2017-2020. Jurnal Kebidanan Harapan Ibu Pekalongan 9(1).

Downloads

Additional Files

Published

2024-03-30

Citation Check