Teknologi informasi yang berkembang pesat saat ini telah menjangkau berbagai bidang kehidupan, diantaranya adalah bidang kesehatan. Teknologi informasi yang diterapkan dengan baik dapat mendukung proses pengelolaan manajemen menjadi efektif efisien.

Beberapa waktu lalu, Kementerian Komunikasi dan Informasi (Kominfo) dan Itech menyelenggarakan penganugerahan TOP & TELCO 2017, dimana terdapat 4 penghargaan yang berhasil diraih oleh RSUD Koja (TOP IT Implementation on Local Government Hospital 2017), PT Rumah Sakit Pelni (TOP IT Implementation on BUMN Hospital 2017), PT Rumah Sakit Pelni (TOP Leader on IT Leadership 2017), RS Premier Bintaro (TOP IT Implementation on Digital Hospital 2017). Keempat fasilitas pelayanan kesehatan tersebut bersaing dengan finalis lainnya, dengan total finalis sebanyak 110 peserta.

Kriteria penilaian utama adalah perusahaan atau instansi pemerintahan yang berhasil dalam hal implementasi TI dan Telco di perusahaan serta dapat memanfaatkannya untuk meningkatkan kinerja, daya saing, dan layanannya. Selain juga ditetapkan kategori khusus yakni penerapan TI dengan aspek lingkungan atau Go Green serta penghargaan untuk TOP Leader in IT Leadership 2017.

Penilaian dilakukan dalam tiga tahap, yakni:

• Proses penggalian informasi melalui penyebaran dan pengisian angket kuesioner ke perusahaan/ institusi yang bersangkutan
• Penggalian informasi dan masukan dari masyarakat/ pelanggan
• Proses penggalian dan pendalaman dalam sesi wawancara, diskusi, dan tanya jawab

Penggunaan teknologi informasi sendiri di bidang kesehatan, sebenarnya telah dimulai sejak lama. Pada 1969 di Amerika. Agency for Healthcare Research and Quality (AHRQ) menjadi salah satu lembaga yang menginisiasi penggunaan teknologi informasi untuk penelitian di bidang kesehatan tersebut.

Pada 1998, upaya untuk menentukan strategi peningkatan mutu yang dilakukan di Amerika menemukan bahwa salah satu kunci dalam upaya tersebut adalah adanya peran teknologi informasi dan komunikasi (TI), yang menjadi bagian integral untuk meningkatkan mutu. Pada saat itu komite yang terlibat dalam kegiatan tersebut menggalang komitmen nasional untuk membangun infrastruktur informasi untuk mendukung pelayanan kesehatan, kesehatan konsumen/ pasien, penilaian dan peningkatan mutu, akuntabilitas publik, penelitian klinis dan pelayanan kesehatan, serta edukasi klinis.

Pada 1999, AHRQ melakukan suatu evaluasi penerapan informasi, sistem pendukung pengambilan keputusan, dan komputerisasi catatan medis pasien untuk meminimalkan medical error, peningkatan patient safety, dan upaya peningkatan mutu dalam berbagai situasi pasien yang beragam.

Sedangkan pada 2001, penggunaan teknologi informasi terus dikembangkan oleh AHRQ, diantaranya adalah terwujudnya suatu teknologi untuk menyediakan informasi klinis yang mendukung patient safety (CLIPS – RFA/ Clinical Informatics to Promote Patient Safety –Research Solicitations), yang fokus pada penggunaan teknologi informasi untuk meminimalkan medical error dan meningkatkan patient safety.

Penggunaan teknologi informasi juga diterapkan di berbagai belahan negara lain, seperti di Inggris. Pada salah satu studi yang dilakukan di Inggris ditemukan bahwa rumah sakit yang menggunakan sistem Electronic Health Record (EHR) dan Electronic Medical Record (EMR) memiliki tingkat angka mortalitas yang rendah dibandingkan  dengan rumah sakit yang tidak menggunakan sistem tersebut. EHR sendiri diyakini dapat membantu mengurangi kesalahan penginputan peresepan dan menyediakan akses untuk mendukung pengambilan keputusan klinis dalam alur kerja, serta memberikan kewaspadaan terhadap terjadinya medication error.

Salah satu komponen penting dalam penerapan EHR di Inggris adalah tersedianya fitur Clinical Decision Support (CDS) termasuk didalamnya safety screening otomatis dan notifikasi untuk mengingatkan klinisi terhadap kesalahan potensial ataupun kontrakdiksi sebelum mereka menuliskan perawatan dan pengobatan bagi pasien. Penggunaan CDS disampaikan dapat memberikan output:

• Peningkatan patient safety dan kualitas pelayanan klinis
• Meningkatnya kepatuhan petugas layanan kesehatan terhadap guideline
• Mengurangi terjadinya medication error yang serius

Penerapan teknologi informasi yang tepat dan sesuai di bidang kesehatan jelas dapat memberikan benefit yang nyata bagi upaya peningkatan mutu pelayanan kesehatan, tidak hanya di Indonesia namun juga di berbagai negara lain.

Oleh : Lucia Evi Indriarini, SE., MPH.

Referensi:

• https://infokomputer.grid.id/2017/10/berita/berita-reguler/inilah-kriteria-juara-top-it-telco-2017/
• http://www.businessnews.id/wp-content/uploads/2017/11/Daftar-Pemenang-TOP-IT-TELCO-2017-PDF.pdf
• Eduardo Ortiz and Carolyn M. Clancy (2003) Use of Information Technology to Improve the Quality of Health Care in the United States. AHRQ. HSR:Health Services Research. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC1360897/pdf/hesr_127.pdf
• http://www.wolterskluwercdi.com/sites/default/files/documents/international/emr-europe-healthcare-it-article.pdf

 

 

 

Pendahuluan

Pada kesempatan yang lalu, penulis pernah membagikan ide mengenai penyusunan indikator mutu rumah sakit dan penyajian indikator mutu rumah sakit. Walaupun keduanya sudah cukup untuk karya sehari-hari, tidak ada salahnya bila para manajer dan pemimpin sistem mikro di rumah sakit menambahkan analisis secara statistika terhadap pengukuran indikator mutu tersebut.

Analisis ini diharapkan menjadi insight apakah intervensi yang dilakukan untuk memperbaiki nilai indikator mutu sudah adekuat. Analisis ini juga akan merangsang para pemimpin sistem mikro di rumah sakit beserta tim untuk terbiasa melakukan penelitian. Tim yang terbiasa melakukan penelitian akan mudah mengembangkan diri karena senantiasa menanyakan kepada dirinya sendiri, "Apakah usaha ini sudah cukup signifikan?"

Pada tulisan bagian pertama ini, penulis mengajak pembaca untuk menyimak salah satu contoh analisis data sebelum dan setelah intervensi pada indikator mutu rumah sakit dengan tipe data kontinyu. Indikator yang digunakan dalam mengilustrasikan contoh analisis data ini adalah: waktu tunggu masuk ruang perawatan.

Ilustrasi Kasus

Rumah Sakit "Pantai Bahagia" menetapkan salah satu indikator mutu pelayanan ruang persiapan rawat inap adalah "waktu tunggu masuk ruang perawatan". Rumah sakit ini mengukur waktu yang diperlukan sejak bagian admisi (tempat penerimaan pasien) menentukan ruang perawatan bagi pasien sampai dengan pasien diantar dari ruang persiapan rawat inap. Semakin besar angka yang diukur dalam menit ini, semakin lama pula pasien menunggu di ruang persiapan rawat inap dan meningkatkan potensi penuhnya ruang persiapan rawat inap.

Disepakati pula bahwa tidak semua kasus akan diukur, hanya sepuluh pasien pertama di ruang persiapan rawat inap setiap tanggal 1 bulan baru saja yang diukur. Waktu diukur dalam satuan menit dan dicatat untuk disajikan dan dianalisis. Hasil pengukuran bulan pertama disajikan dalam Tabel 1.

No. Sampel	1	2	3	4	5	6	7	8	9	10	Rerata
Waktu tunggu (menit)	75	67	45	46	52	36	92	88	73	65	63,9

Tabel 1 Hasil pengukuran waktu tunggu persiapan rawat inap.

Tim ruang persiapan rawat inap mendiskusikan hasil pengukuran ini. Hasilnya, beberapa proses administrasi bisa dipersingkat. Meski demikian, ada satu kendala yang tidak dapat diputuskan solusinya. Rumah sakit ini mengatur bahwa ruang persiapan rawat inap tidak dapat memobilisasi pasien, harus menunggu dijemput dari ruang perawatan yang dituju. Perawat penjemput ini sering datang lambat sehingga pasien menumpuk di ruang persiapan rawat inap.

Akhirnya kepala ruang persiapan rawat inap mengusulkan kepada direktur agar pasien dapat dimobilisasi dari ruang persiapan rawat inap oleh perawat persiapan rawat inap ditemani satu orang petugas transporter atau petugas keamanan. Direktur setuju, sehingga ruang persiapan rawat inap secara resmi mengerjakan dua macam perbaikan, yaitu proses administrasi yang dipersingkat dan perubahan mobilisasi pasien. Mereka menargetkan rerata waktu tunggu kurang dari 40 menit. Hasil pengukuran satu bulan setelah intervensi disajikan dalam Tabel 2.

No. Sampel	1	2	3	4	5	6	7	8	9	10	Rerata
Waktu tunggu (menit)	54	17	36	34	61	24	53	44	72	25	42

Tabel 2 Hasil pengukuran waktu tunggu persiapan rawat inap setelah intervensi.

Sekilas dari perhitungan rerata didapatkan bahwa intervensi tempo hari membuahkan hasil penurunan rerata waktu tunggu persiapan rawat inap namun belum mencapai target. Muncul pertanyaan apakah intervensi yang dilakukan sudah secara signifikan memperbaiki kondisi atau belum. Di sinilah peran analisis statistik.

Analisis Statistik

Analisis statistika dapat dilakukan dengan penghitungan manual atau dengan menggunakan perangkat lunak. Berbagai perangkat lunak tersedia baik yang berbayar maupun yang gratis, karena penulis ingin mendorong pengujian secara statistik ini dilakukan secara rutin, maka disarankan menggunakan program analisis statistik yang mudah dan umum digunakan seperti misalnya SPSS. Dalam tulisan ini tidak akan dijelaskan langkah demi langkah analisis dalam program analisis statistik. Penjelasan mengenai hal tersebut jamak ditemukan lewat mesin pencari daring (online). Data mentah yang ada dimasukkan ke dalam program analisis statistik tersebut.

Langkah pertama dalam analisis data indikator ini adalah menentukan tipe data. Penjelasan mengenai tipe data dapat dibaca kembali pada tulisan sebelumnya mengenai penyajian indikator mutu rumah sakit (http://mutupelayanankesehatan.net/index.php/19-headline/2048-menyajikan-indikator-mutu-rumah-sakit). Dari keterangan tersebut, kita mengetahui bahwa data kuantitatif indikator waktu tunggu persiapan rawat inap ini adalah data kontinyu. Umumnya, data kontinyu dianalisis menggunakan statistik parametrik apabila datanya terdistribusi normal.

Untuk mengetahui apakah data tersebut terdistribusi normal atau tidak, mari kita menetapkan hipotesis 0 (H0) dan hipotesis alternatif. Prinsipnya, uji normalitas membandingkan data yang akan diuji dengan data distribusi normal. Hipotesis dalam uji ini ditampilkan dalam Tabel 3.

Hipotesis 0 (H0)	Tidak ada perbedaan antara data yang akan diuji dengan data distribusi normal.
Hipotesis Alternatif (Ha)	Ada perbedaan antara data yang akan diuji dengan data distribusi normal.

Tabel 3 Hipotesis dalam uji normalitas.

Dalam program SPSS, lakukan uji normalitas Kolmogorov-Smirnov yang ada dalam menu analisis non parametrik. Hasil analisis yang dilakukan program analisis statistik ditampilkan dalam Tabel 4.

One-Sample Kolmogorov-Smirnov Test
		Waktu Tunggu
N		20
Normal Parametersa,,b	Mean	52.9500
	Std. Deviation	21.08997
Most Extreme Differences	Absolute	.089
	Positive	.089
	Negative	-.067
Kolmogorov-Smirnov Z		.399
Asymp. Sig. (2-tailed)		.997

Tabel 4 Hasil uji normalitas.

Dalam tabel hasil uji normalitas tersebut, perhatikan nilai yang dicetak tebal (0,399). Karena nilai tersebut >0,05, maka hipotesis 0 (H0) diterima sehingga tidak ada beda antara data yang diuji dengan data terdistribusi normal. Dengan kata lain, data indikator tersebut adalah data terdistribusi normal sehingga analisis statistik dapat dilanjutkan dengan statistik parametrik.

Langkah kedua dalam analisis statistik adalah menguji beda rerata antara kedua kelompok perlakuan. Kelompok perlakuan pertama (sebelum intervensi) dan kelompok perlakuan kedua (setelah intervensi) dianalisis bedanya dengan independent sample t-test. Mengapa tidak dianalisis dengan paired sample t-test? Walaupun analisis ini akan menguji beda sebelum dan setelah intervensi, tidak ada subjek penelitian yang diukur dua kali. Subjek untuk data sebelum intervensi berbeda dengan subjek untuk data setelah intervensi.

Sebelum melakukan uji beda, mari kita menetapkan hipotesis 0 (H0) dan hipotesis alternatif. Prinsipnya, uji normalitas membandingkan data yang akan diuji dengan data distribusi normal. Hipotesis dalam uji ini ditampilkan dalam Tabel 5. Pada uji beda, kita akan membandingkan nilai p dengan nilai suatu konstanta. Pada tingkat kepercayaan 95%, kita akan membandingkan nilai p dengan angka 0,05. Apabila nilai p>0,05 maka hipotesis nol (H0) diterima. Sebaliknya, apabila nilai p<0,05 maka hipotesis nol (H0) ditolak dan otomatis hipotesis alternatif (Ha) yang diterima.

Hipotesis 0 (H0)	Tidak ada perbedaan antara data sebelum intervensi dan setelah intervensi.
Hipotesis Alternatif (Ha)	Ada perbedaan antara data sebelum intervensi dan setelah intervensi.

Tabel 5 Hipotesis dalam uji beda.

Setelah menetapkan kedua hipotesis, kita dapat langsung melakukan uji beda dengan memerintahkan SPSS untuk melakukan uji independent sample t-test. Hasil uji beda tersebut akan nampak seperti pada Tabel 6.

Tabel 6 Hasil uji independent sample t-test.

Perhatikan angka yang dicetak tebal (0,016). Nilai p tersebut <0,05 sehingga hipotesis nol (H0) ditolak dan hipotesis alternatif (Ha) diterima. Hal tersebut berarti ada beda secara signifikan pada kedua kelompok. Dengan kata lain, data setelah intervensi berbeda secara signifikan dengan data sebelum intervensi.

Interpretasi

Proses analisis yang dijelaskan di atas merupakan salah satu contoh penerapan statistika dalam pengelolaan rumah sakit. Dalam hal ini, secara khusus adalah pengelolaan mutu pelayanan rumah sakit. Statistika adalah ilmu yang mempelajari bagaimana merencanakan, mengumpulkan, menganalisis, menginterpretasi, dan mempresentasikan data. Walau demikian, karena pengelolaan rumah sakit bersandar pada sumber-sumber ilmiah tertentu, maka interpretasi atas apa yang telah diterapkan oleh statistika tidak boleh dilakukan secara sembarangan.

Ketika melakukan analisis terhadap data sebelum intervensi, tim mutu di rumah sakit dibiasakan untuk memakai metode tertentu seperti metode tulang ikan atau 5-why's. Diagram tulang ikan biasa mengungkap berbagai faktor kontributor terhadap suatu masalah. Dalam ilustrasi kasus di atas, dijelaskan ada dua faktor yang menyebabkan waktu tunggu persiapan rawat inap, yaitu panjangnya proses administrasi dan masalah pengantaran atau penjemputan pasien.

Ketika dua masalah tersebut dipecahkan secara konsisten, pengukuran pada bulan berikutnya menunjukkan penurunan waktu tunggu persiapan rawat inap yang yang signifikan secara statistik. Statistika menjelaskan sampai di sini. Apakah penurunan secara signifikan ini akibat intervensi yang dilakukan? Analisis statistik yang tadi dilakukan tidak sepenuhnya bisa menjelaskan. Secara akal sehat, penurunan tersebut sangat mungkin akibat intervensi yang kita lakukan. Mengapa demikian?

Dengan asumsi bahwa penelusuran penyebab lamanya waktu tunggu persiapan rawat inap dilakukan dengan teliti dan sah (benar), maka penyebab yang ditemukan (atau faktor kontributornya) pun juga sahih. Apabila faktor penyebab (atau kontributor) tersebut diatasi, maka secara logis waktu tunggu persiapan rawat inap akan berkurang. Inilah yang kemungkinan besar terjadi pada kasus ini. Dalam kerangka pengelolaan mutu di sistem mikro rumah sakit, interpretasi ini lebih sahih daripada klaim yang hanya berdasarkan naik atau turunnya grafik.

Interpretasi juga dapat dilakukan dengan mencari sumber bukti yang terpercaya mengenai suatu masalah. Misalnya penurunan kejadian infeksi daerah operasi setelah intervensi penggunaan desinfektan baru yang berbasis bukti (evidence-based). Apabila desinfektan yang disarankan suatu penelitian sahih diterapkan, maka penurunan angka infeksi daerah operasi yang mengikutinya merupakan dampak langsung dari penerapan tersebut.

Penutup

Analisis statistik seperti yang diuraikan dalam tulisan ini belum jamak diterapkan dalam pengelolaan mutu di rumah sakit. Bila akan diterapkan pun, seringkali diperoleh kekeliruan dalam pemilihan uji statistik sehingga hasilnya tidak sahih digunakan sebagai dasar pengambilan keputusan oleh manajemen rumah sakit. Diharapkan setelah membaca tulisan ini, tim pengelola mutu di rumah sakit dapat secara rutin menerapkan statistika lebih dalam untuk menganalisis indikator mutu rumah sakit.

Penulis

Artikel ini merupakan pendapat pribadi penulis yaitu dr. Robertus Arian Datusanantyo, M.P.H. Penulis adalah dokter, pernah memimpin instalasi gawat darurat rumah sakit swasta di Yogyakarta. Saat ini penulis merupakan peserta pendidikan dokter spesialis di Fakultas Kedokteran Universitas Airlangga, Surabaya.

 

Pendahuluan

Pada kesempatan yang lalu, penulis pernah membagikan ide mengenai penyusunan indikator mutu rumah sakit dan penyajian indikator mutu rumah sakit . Walaupun keduanya sudah cukup untuk karya sehari-hari, tidak ada salahnya bila para manajer dan pemimpin sistem mikro di rumah sakit menambahkan analisis secara statistika terhadap pengukuran indikator mutu tersebut.

Analisis ini diharapkan menjadi insight apakah intervensi yang dilakukan untuk memperbaiki nilai indikator mutu sudah adekuat. Analisis ini juga akan merangsang para pemimpin sistem mikro di rumah sakit beserta tim untuk terbiasa melakukan penelitian. Tim yang terbiasa melakukan penelitian akan mudah mengembangkan diri karena senantiasa menanyakan kepada dirinya sendiri, "Apakah usaha ini sudah cukup signifikan?"

Pada tulisan bagian kedua ini, penulis mengajak pembaca untuk menyimak salah satu contoh analisis data sebelum dan setelah intervensi pada indikator mutu rumah sakit dengan tipe data ordinal. Indikator yang dipakai dalam mengilustrasikan contoh analisis data ini adalah: kepuasan pasien instalasi gawat darurat.

Ilustrasi Kasus

Rumah Sakit "Puri Sejahtera" menetapkan salah satu indikator mutu instalasi gawat darurat (IGD) adalah "kepuasan pasien instalasi gawat darurat". Rumah sakit ini membuat kuesioner singkat terkait tingkat kepuasan pasien IGD dengan skala 1-9. Skala satu artinya sangat tidak puas sementara angka 9 artinya sangat puas. Kuesioner ini diberikan pada akhir perawatan di IGD. Hasil pengukurannya disajikan dalam Tabel 1. asd

No. Sampel	1	2	3	4	5	6	7	8	9	10
Tingkat Kepuasan (1-9)	4	5	7	2	3	9	3	4	3	5

Tabel 1 Hasil Pengukuran Sebelum Intervensi

Tim instalasi gawat darurat mendiskusikanhasil pengukuran ini. Setelah menggunakan berbagai alat bantu untuk mengidentifikasi faktor-faktor kontributor dan faktor penyebab, tim menyimpulkan bahwa tingkat kepuasan yang belum mencapai target tersebut adalah karena para pasien di IGD tersebut menunggu terlalu lama untuk diperiksa dokter. Dengan hanya satu dokter yang melayani 12 tempat tidur, seorang pasien dapat menunggu lebih dari 30 menit sampai diperiksa oleh dokter.

Untuk itulah tim kemudian mendiskusikan dengan kepala bidang pelayanan untuk menambah jumlah dokter jaga IGD dan menerapkan sistem triase baru. Dengan kedua intervensi ini, diharapkan waktu tunggu pasien berkurang dan kepuasan pasien kembali meningkat. Hasil pengukuran satu bulan setelah intervensi disajikan dalam Tabel 2.

Tabel 2 Hasil Pengukuran Satu Bulan setelah Intervensi

Analisis Statistik

Berbeda dengan statistik parametrik yang dibahas dalam tulisan bagian pertama mengenai analisis indikator, data indikator mutu ini memiliki tipe data ordinal. Data ordinal termasuk ke dalam tipe data kategorial, memiliki penjenjangan, namun jarak antara jenjang satu dan berikutnya tidak dapat diasumsikan sama. Artinya, seorang yang memilih tingkat kepuasan 8 belum tentu dua kali lebih puas daripada orang lain yang memilih tingkat kepuasaan 4.

Untuk menguji perbedaan antara kedua kelompok berdata ordinal ini digunakan uji statistik non parametrik. Nama uji yang sesuai adalah Mann-Whitney. Dalam statistik parametrik, uji ini setara dengan t-test yang kita pakai dalam ilustrasi pada tulisan bagian pertama yang lalu.

Sebelum melakukan uji beda, mari kita menetapkan hipotesis 0 (H0) dan hipotesis alternatif. Prinsipnya, uji normalitas membandingkan data yang akan diuji dengan data distribusi normal. Pada uji beda, kita akan membandingkan nilai p dengan nilai suatu konstanta. Pada tingkat kepercayaan 95%, kita akan membandingkan nilai p dengan angka 0,05. Apabila nilai p>0,05 maka hipotesis nol (H0) diterima. Sebaliknya, apabila nilai p<0,05 maka hipotesis nol (H0) ditolak dan otomatis hipotesis alternatif (Ha) yang diterima. Hipotesis ditetapkan seperti yang disajikan dalam Tabel 3

Hipotesis 0 (H0)	Tidak ada perbedaan antara data sebelum intervensi dan setelah intervensi.
Hipotesis Alternatif (Ha)	Ada perbedaan antara data sebelum intervensi dan setelah intervensi.

Tabel 3 Hipotesis dalam uji beda.

Jalankan uji non parametrik 2 sampel independen. Setelah melengkapi kotak dialog, maka akan muncul hasil seperti yang disajikan dalam Tabel 4.

Test Statisticsb
	Tingkat Kepuasan
Mann-Whitney U	20.000
Wilcoxon W	75.000
Z	-2.289
Asymp. Sig. (2-tailed)	.022
Exact Sig. [2*(1-tailed Sig.)]	.023a

Tabel 4 Hasil uji Mann-Whitney.

Perhatikan angka yang dicetak tebal (0,022). Nilai p tersebut <0,05 sehingga hipotesis nol (H0) ditolak dan hipotesis alternatif (Ha) diterima. Hal tersebut berarti ada beda secara signifikan pada kedua kelompok. Dengan kata lain, data setelah intervensi berbeda secara signifikan dengan data sebelum intervensi.

Interpretasi

Proses analisis yang dijelaskan di atas merupakan salah satu contoh penerapan statistika dalam pengelolaan rumah sakit. Meskipun demikian, karena pengelolaan rumah sakit bersandar pada sumber-sumber ilmiah tertentu, maka interpretasi atas apa yang telah diterapkan oleh statistika tidak boleh dilakukan secara serampangan. Sebelum melakukan interpretasi, perlu ditanyakan: apakah peningkatan kepuasan pasien IGD ini akibat intervensi yang dilakukan? Analisis statistik yang tadi dilakukan tidak sepenuhnya bisa menjelaskan walau secara logis bisa diterima.

Seperti juga dalam ilmu kedokteran, pengelola rumah sakit secara langsung maupun tidak langsung digiring untuk menggunakan bukti-bukti ilmiah yang sahih untuk mengelola rumah sakit, pun mutunya. Ilustrasi di atas cukup menarik karena di Indonesia, IGD disalahartikan oleh sebagian masyarakat sebagai pelayanan yang "ekspres" dibandingkan pelayanan rawat jalan. Instalasi rawat jalan (IRJ) di hampir semua rumah sakit selalu memiliki kursi tunggu jauh lebih banyak daripada di IGD. Hal ini membuat IRJ identik dengan menunggu.

Pada kenyataannya, pelayanan di IGD tidaklah selalu cepat karena digunakan suatu prioritisasi berbasis kebutuhan pasien yang disebut sebagai triase. Pasien yang lebih gawat dan/atau darurat akan didahulukan, sehingga pasien yang sebenarnya bisa berobat ke rawat jalan tetap harus menunggu. Di sinilah banyak sumber bukti mengenai implementasi triase yang dapat digunakan sebagai acuan tim mutu di IGD untuk memperbaiki mutu.

Kembali kepada ilustrasi kasus di atas, peningkatan kepuasan pasien sangat mungkin akibat intervensi. Akal sehat pasti mengatakan demikian. Namun bila menggunakan bukti-bukti ilmiah untuk menelaah masalah dan menyusun intervensi, bisa jadi kesimpulan akhir interpretasi tidak sepenuhnya demikian. Misalnya, intervensi memang meningkatkan kepuasan pasien, namun bukan akibat waktu tunggu yang semakin singkat namun akibat IGD yang lebih teratur pasca implementasi sistem triase baru.

Penutup

Analisis statistik seperti yang diuraikan dalam tulisan ini belum jamak diterapkan dalam pengelolaan mutu di rumah sakit. Bila diterapkan pun, seringkali didapatkan kekeliruan dalam pemilihan uji statistik sehingga hasilnya tidak sahih digunakan sebagai dasar pengambilan keputusan oleh manajemen rumah sakit. Diharapkan setelah membaca tulisan ini, tim pengelola mutu di rumah sakit dapat secara rutin menerapkan statistika lebih dalam untuk menganalisis indikator mutu rumah sakit.

Penulis

Artikel ini merupakan pendapat pribadi penulis: dr. Robertus Arian Datusanantyo, M.P.H.. Penulis adalah dokter, pernah memimpin instalasi gawat darurat rumah sakit swasta di Yogyakarta. Saat ini penulis merupakan peserta pendidikan dokter spesialis di Fakultas Kedokteran Universitas Airlangga, Surabaya.

Pendahuluan

Dokter yang lulus pendidikan di millenium ketiga pasti pernah mendapatkan nasehat terkait penggunaan internet oleh pasien. Dalam nasehat tersebut, diungkapkan tantangan bahwa pasien yang semakin cerdas serta memiliki akses internet akan semakin kritis di depan dokter. Pencarian informasi kesehatan oleh pasien yang semakin mudah dilakukan menuntut dokter untuk selalu memperbarui pengetahuan dan mengembangkan komunikasi yang sehat untuk menjaga kualitas praktik tetap sesuai dengan standar tertinggi yang etis dan berorientasi pada kebutuhan pasien.

Salah satu contoh bagaimana peran media sosial dalam mengubah paradigma hidup sehat adalah gerakan antivaksin. Kampanye yang masif dari pada penggiat antivaksin di media sosial telah berhasil menggeser perilaku bahkan banyak kaum terpelajar untuk tidak memvaksin anak dan cucu mereka atas dasar berbagai pseudoscience dan sentimen yang bersifat fanatisme sempit. Di Nigeria, sebuat cuitan tentang konsumsi banyak air garam untuk memerangi ebola mengakibatkan dua kematian dan lebih dari 12 perawatan dilakukan di rumah sakit (Carter 2014). Melalui sebuah systematic review yang bersumber dari 22 penelitian, penulis mencoba menelaah bagaimana pasien menggunakan media sosial terkait hubungannya dengan para dokter (Smailhodzic et al. 2016).

Media Sosial

Media sosial dalam review ini dibatasi sebagai aplikasi berbasis internet yang memungkinkan penciptaan dan pertukaran user generated content. Melalui pembatasan ini, media sosial dapat berupa blog, komunitas, situs jejaring sosial, proyek kolaboratif, game virtual, dan dunia sosial virtual. Aplikasi-aplikasi ini memungkinkan para pengguna, dalam hal ini pasien, untuk bertukar informasi dengan alasan kesehatan atau kondisi kesehatan. Di Indonesia, terdapat beberapa aplikasi yang sangat sering dan intens digunakan secara luas untuk berbagi informasi kesehatan pasien pengguna sehat maupun pasien.

Saat ini, media sosial yang sering digunakan oleh orang Indonesia terutama adalah situs jejaring sosial seperti misalnya Twitter, Facebook, Path, Instagram, dan beberapa situs lain yang kurang populer. Orang Indonesia secara bebas saling bertukar informasi melalui media sosial ini, bahkan untuk berbagai kondisi kesehatan pribadi. Sepengetahuan penulis, belum banyak yang juga menggunakan situs jejaring sosial khusus untuk pasien seperti misalnya Diabetic Connect (www.diabeticconnect.com) atau Inspire (www.inspire.com). Situs jejaring sosial ini menyediakan informasi yang lebih mendalam dan penting bagi pasien. Diabetic Connect misalnya, menyediakan berbagai informasi mengenai diabetes sampai dengan pemilihan menu dan berbagai edukasi penanganan penderita. Di Inspire, pengguna dapat secara khusus berbagai dengan orang-orang yang menderita kondisi yang sama dan tidak umum.

Tujuan Penggunaan Media Sosial oleh Pasien

Penelitian ini mengungkapkan dua tujuan utama penggunaan media sosial oleh pasien, untuk mendapatkan dukungan sosial dan tujuan lain. Dukungan sosial adalah proses interaksi pada hubungan yang bertujuan meningkatkan coping, kepercayaan diri, rasa memiliki, dan kompetensi melalui pertukaran sumber daya psikososial secara aktual maupun dirasakan. Dukungan sosial yang dimaksud adalah dukungan emosional, kepercayaan diri, dukungan informasi, dan dukungan jejaring. Sedangkan tujuan penggunaan lainnya adalah ekspresi emosional dan perbandingan sosial.

Dukungan emosional memungkinkan para pasien untuk membagikan kesulitan-kesulitan emosional, berbagi emosi dengan pasien dengan kondisi yang mirip, dan meraih kenyamanan dari dukungan-dukungan emosional. Jelas bahwa tujuan penggunaan media sosial sebagai dukungan emosional ini adalah komunikasi untuk mencapai kebutuhan emosi atau afektif seseorang. Dukungan-dukungan ini pada akhirnya akan meningkatkan kepercayaan diri pasien.

Dukungan informasi memungkinkan para pasien untuk saling bertukar informasi mengenai kondisi yang diderita. Para pasien yang baru saja didiagnosis suatu kondisi tertentu dapat meminta informasi mengenai berbagai tipe terapi yang tersedia kepada mereka yang telah lebih dulu mengalami kondisi tersebut. Berbagai interaksi di sini dapat memungkinkan seorang pasien merasa diterima dalam satu bagian jejaring.

Komunitas daring memungkinkan pasien untuk terbuka dan mengurangi hambatan membagikan pengalaman secara langsung. Pasien, dengan demikian dapat menggunakan media sosial untuk ekspresi emosi secara bebas. Ada atau tidaknya tanggapan terhadap ekspresi tersebut bukanlah yang terpenting. Di sisi lain, salah satu tujuan lain penggunaan media sosial adalah membandingkan kondisi yang diderita dengan kondisi penderita yang lain.

Efek terhadap Pasien

Efek penggunaan media sosial terhadap para pasien secara umum dibagi menjadi dua, yaitu pemberdayaan pasien dan efek yang lain. Pemberdayaan pasien adalah penemuan dan pengembangan kapasitas inheren pasien untuk bertanggung jawab terhadap hidupnya sendiri. Hal ini akan meningkatkan kondisi secara subjektif, psikologis, dan perbaikan manajemen dan pengendalian diri.

Walau demikian, terdapat empat efek lain penggunaan media sosial oleh pasien. Keempat efek itu adalah berkurangnya kondisi secara subjektif, hilangnya privasi, menjadi target promosi, dan kecanduan media sosial. Menurunnya kondisi secara subjektif adalah akibat perasaan khawatir dan cemas. Kecanduan media sosial juga terjadi, dengan keluhan bahwa pasien yang menggunakan media sosial kerap mengakibatkan terbengkalainya urusan yang lain akibat terlalu sering menggunakan media sosial.

Efek terhadap Hubungan dengan Dokter

Terdapat empat macam efek penggunaan media sosial oleh pasien terhadap hubungan antara pasien dan dokter profesional. Keempatnya adalah komunikasi yang makin sejajar, berpindah dokter, hubungan yang lebih harmonis, dan interaksi yang suboptimal.

Dengan penggunaan media sosial, pasien merasa lebih percaya diri ketika berdiskusi dengan para dokter. Hal ini karena pasien merasa telah mendapatkan tambahan informasi mengenai kondisi dan berbagai pilihan pengobatannya. Pasien juga merasa bahwa media sosial memungkinkan mereka lebih siap ketika bertemu dengan dokter sehingga tahu mana pertanyaan yang harus diajukan dalam diskusi. Penggunaan media sosial dapat meningkatkan kesempatan belajar dan meningkatkan komunikasi kesehatan.

Penggantian dokter, dengan demikian juga dimungkinkan sebagai akibat penggunaan media sosial oleh pasien. Diskusi mengenai bagaimana dokter tertentu menangani kondisi tertentu secara langsung akan berpengaruh pada pilihan pasien.

Hubungan yang lebih harmonis antara pasien dan dokter dapat menjadi salah satu efek penggunaan media sosial oleh pasien. Hal tersebut dapat tercapai karena media sosial dapat mendukung pasien untuk mengikuti rekomendasi dokter dan menjadi tempat pasien meluapkan emosi. Namun demikian, ketika pasien membawa hasil informasi dari media sosial ke meja konsultasi dengan dokter, terdapat tambahan proses memilah informasi, mengubahnya menjadi risiko potensial kepada dokter, dan menantang ekspertise para dokter. Hal ini dapat menyebabkan reaksi negatif para dokter terhadap apa yang dipelajari pasien dari media sosial dan secara umum menurunkan kondisi pasien.

Kesimpulan

Penelitian systematic review ini membawa peneliti kepada tiga proposisi penting, yaitu penggunaan media sosial oleh pasien untuk dukungan jaringan meningkatkan kondisi psikologis, membaca pengalaman negatif orang lain menurunkan kondisi subjektif pasien, dan pemberdayaan pasien karena penggunaan media sosial menyebabkan adanya keseimbangan kekuatan antara dokter dan pasien sehingga meningkatkan kualitas pengambilan keputusan klinis. Ketiganya menjadi penting karena penggunaan media sosial oleh pasien semakin meningkat terutama untuk mendapatkan dukungan sosial.

Peneliti mengharapkan berbagai penelitian berdasarkan ketiga proposisi di atas untuk menyelidiki lebih lanjut mengenai penggunaan media sosial oleh pasien, terutama dalam hal perubahan hubungan dengan dokter. Para dokter perlu memahami fenomena ini agar tidak resisten ketika pasien yang berdiskusi mengajukan berbagai pertanyaan atau informasi yang didapatkannya dari media sosial.

Penulis

Artikel ini merupakan pendapat pribadi penulis: dr. Robertus Arian Datusanantyo, M.P.H.. Penulis adalah dokter peserta pendidikan dokter spesialis di Fakultas Kedokteran Universitas Airlangga, Surabaya.

Daftar Bacaan

Carter, M 2014, 'Medicine and the Media: How Twitter may have helped Nigeria contain Ebola', BMJ, vol 349, p. g6946.
Smailhodzic, E, Hooijsma, W, Boonstra, A & Langley, DJ 2016, 'Social media use in healthcare: A systematic review of effects on patients and on their relationship with healthcare professionals', BMC Health Services Research, vol 16, no. 442.