Repositori BKPKPenggunaan Algoritma dalam Pengembangan Diagnostik Malaria di Daerah High Case Incidence (HCI) BanjarnegaraSekarTutiauthorPenelitian ini bertujuan untuk menyusun Algoritma Malaria (AM) yaitu suatu strategi klinik yang akurat, cepat, mudah, aman dan murah untuk membedakan parasitaemie positif dengan parasitaemia negatif dari hasil pemeriksaan mikrokopis dalam upaya meningkatkan kualitas penemuan penderita dini. Penelitian dilakukan di daerah high case incidence (HCI) banjarnegara dalam dua tahap: tahap pertama menyusun AM dan tahap ke dua uji kebenaran AM. Untuk penyusunan AM dilakukan tes diagnostik pada 260 tersangka penderita malaria dengan rancangan observasional prospektif, dengan serangkaian penelitian yang terdiri dari (a) uji reliabilitas kuesioner klinis tersangka penderita malaria (b) reliabilitas hasil pemeriksaan klinis tersangka penderita malaria, (c) reabilitas hasil pemeriksaan mikroskopis, (d) uji signifikan hubungan sebelas gejala klinis yang potensial dengan parasitaemia positif (e) uji akurasi tiap-tiap gejala klinis terhadap hasil pemeriksaan mikroskopis untuk menentukan parasitaemia positif, (f) Uji akurasi tes ganda paralel terhadap hasil pemeriksaan mikroskopis untuk menentukan parasitamea positif, (g) menyusun AM untuk membedakan parasitamea positif atau negatif. Untuk uji kebenaran dilakukan 2 cara, (a) dilakukan uji coba pada 218 tersangka penderita malaria di Puskesmas lain, (b) eksperimen lapangan pada 340 tersangka penderita malaria di Puskesmas perlakuan dan Puskesmas pembanding. Hasil penyusunan AM didapatkan adalah sebagai berikut: (a) reliabilitas kuesioner dan pemeriksaan klinis tersangka penderita malaria dan hasil pemeriksaan mikroskopis cukup tinggi (nilai Kappa antara 0,74 dengan 1), (b) dari analisis statistik multivariabel regresi logistik dan validasi, variabel yang mempunyai hubungan signifikan dengan parasitamea positif adalah demam (berkala) dan pucat. Dari hasil tes ganda paralel didapatkan bahwa penderita dengan gejala demam dan pucat kemungkinan menderita malaria sebesar 94,2% (sensitivitas), penderita tanpa gejala demam dan pucat kemungkinan tidak menderita malaria sebesar 14,3% (spesifisitas), akurasi sama dengan 61,9% dan ada kemungkinan sebesar 61,9% penderita dengan gejala demam dan pucat benar-benar sakit malaria (nilai duga positif)/NDP, sedangkan kemungkinan penderita tersebut positif malaria adalah 1,1 kali dari pada penderita tanpa gejala-gejala demam dan pucat (rasio kecenderungan positif)/RKP. Sedangkan penderita dengan kombinasi gejala demam dan pucat mempunyai kemungkinan positif malaria sebesar 1,8 kali. Untuk tujuan screening (penemuan kasus) lebih diutamakan suatu tes yang mempunyai sensitifitas tinggi. Uji coba demam dan pucat pada 218 tersangka penderita malaria lain terbukti bahwa demam dan pucat secara statistik dan klinis dapat membedakan parasitamea positif dengan parasitamea negatif dengan valid dan reliabel. Hasil eksperimen lapangan juga terbukti bahwa dengan menggunakan AM untuk mendiagnosis tersangka penderita malaria di Puskesmas perlakuan didapatkan angka SPR (Slide Positivity Rate) yang lebih tinggi atau penemuan/diagnosis penderita lebih tepat (p < 0.0001) dibandingkan dengan Puskesmas pembanding yang memakai cara yang biasa dilakukan selama ini dengan sensitifitas, spesifitas, NDP dan RKP masing-masing 83,2%, 62,6%, 60% dan 2,2%. Hasil penelitian ini dapat disimpulkan bahwa kombinasi demam (berkala) dan pucat dapat dipakai untuk mendiagnosis penderita malaria dan terbukti bahwa Algoritma Malaria yang sudah tersusun yaitu kombinasi demam dan pucat, secara statistik dan klinis dapat membedakan parasitamea positif dan negatif secara valid dan raliabel, serta meningkatkan ketepatan diagnosis klinis di Puskesmas (meningkatkan SPR).WC 680-950 Tropical and Parasitic Diseases2001Badan Penelitian dan Pengembangan KesehatanArticle

For work being deposited by its own author: In self-archiving this collection of files and associated bibliographic metadata, I grant Repositori BKPK the right to store them and to make them permanently available publicly for free on-line. I declare that this material is my own intellectual property and I understand that Repositori BKPK does not assume any responsibility if there is any breach of copyright in distributing these files or metadata. (All authors are urged to prominently assert their copyright on the title page of their work.)

For work being deposited by someone other than its author: I hereby declare that the collection of files and associated bibliographic metadata that I am archiving at Repositori BKPK is in the public domain. If this is not the case, I accept full responsibility for any breach of copyright that distributing these files or metadata may entail.

Clicking on the Deposit Item Now button indicates your agreement to these terms.