Surveilans Maternal Perinatal & Sistem Registri Berbasis Data

Semester 1 | Periode 1 | MK Epidemiologi Klinik & Biostatistik Lanjut (6 SKS) | Sesi 2 | Modul 9

Dr.dr. Budi Siswanto, Sp.OG., Subsp.Obginsos., SH., S.Kom.

Surveilans Maternal Sistem Registri MDSR

Daftar Isi

A. Deskripsi Modul

Setiap kematian ibu adalah kegagalan sistem yang dapat dicegah — bukan sekadar tragedi individual. Tetapi untuk mencegah kematian berikutnya, sistem kesehatan harus terlebih dahulu mengetahui bahwa kematian itu terjadi, memahami mengapa terjadi, dan bertindak berdasarkan temuan tersebut. Inilah esensi dari surveilans maternal perinatal: sebuah sistem berkelanjutan untuk mengumpulkan, menganalisis, menginterpretasikan, dan mendiseminasikan data kematian dan kesakitan ibu serta perinatal — dengan tujuan tunggal: mencegah kematian berikutnya.

Indonesia memiliki tantangan surveilans yang unik: negara kepulauan dengan 17.000+ pulau, lebih dari 300 kelompok etnis, sistem kesehatan yang terdesentralisasi ke 514 kabupaten, dan disparitas infrastruktur yang ekstrem antara Jawa dan wilayah terpencil. Dalam konteks ini, membangun sistem surveilans yang berfungsi bukan sekadar masalah teknis statistik — ini adalah masalah kepemimpinan sistem kesehatan, komitmen politik, dan kapasitas sumber daya manusia.

Modul ini membangun kompetensi komprehensif dalam surveilans maternal perinatal: dari konsep dasar dan kerangka global, melalui arsitektur sistem registri berbasis data, hingga implementasi Maternal Death Surveillance and Response (MDSR) yang merupakan standar internasional WHO. Ini bukan hanya kompetensi akademis — ini adalah kompetensi operasional yang akan langsung digunakan oleh konsultan Obginsos dalam perannya sebagai pemimpin sistem KIA.

B. Capaian Pembelajaran Modul

Setelah menyelesaikan modul ini, peserta didik mampu:

  1. Menjelaskan konsep, tujuan, dan komponen utama surveilans maternal perinatal dalam kerangka sistem kesehatan
  2. Membedakan berbagai metode surveilans (surveilans berbasis fasilitas, berbasis komunitas, confidential enquiry, MDSR) beserta kekuatan dan keterbatasannya
  3. Menjelaskan arsitektur sistem registri maternal perinatal dan persyaratan kualitas data yang diperlukan
  4. Menganalisis siklus MDSR (Maternal Death Surveillance and Response) dan mengidentifikasi titik kritis implementasinya di Indonesia
  5. Mengevaluasi kualitas data surveilans maternal dan mengidentifikasi sumber under-reporting serta strategi mengatasinya
  6. Merancang sistem surveilans maternal sederhana yang adaptif untuk konteks kabupaten di Indonesia

C. Materi Inti

C.1. Mengapa Surveilans Maternal Perinatal?

C.1.1. Paradoks Data Indonesia

Indonesia memiliki paradoks surveilans yang mencolok: di satu sisi, negara ini memiliki sistem pelaporan yang relatif maju di tingkat fasilitas (Sistem Informasi Puskesmas/SIMPUS, Sistem Informasi Rumah Sakit/SIRS, Sistem Pencatatan dan Pelaporan KIA/SP2TP). Di sisi lain, angka kematian ibu yang dilaporkan secara konsisten jauh lebih rendah dari yang diestimasi oleh model WHO/UNICEF.

Estimasi WHO (2020): MMR Indonesia = 173 per 100.000 kelahiran hidup
Data SDKI 2017: MMR = 305 per 100.000 kelahiran hidup
Target RPJMN 2024: 183 per 100.000 kelahiran hidup
Target SDGs 2030: < 70 per 100.000 kelahiran hidup

Kesenjangan antara data yang dilaporkan dan estimasi yang lebih akurat mengindikasikan under-reporting yang sistemik — sebuah masalah kualitas data yang mendasar sebelum bicara tentang intervensi program.

C.1.2. Tujuan Surveilans Maternal Perinatal

Berbeda dari penelitian yang bertujuan menghasilkan pengetahuan baru, surveilans bertujuan untuk aksi. Siklus surveilans yang ideal:

flowchart LR Detect[Deteksi Kasus] --> Analyze[Analisis & Interpretasi] Analyze --> Disseminate[Diseminasi & Respons] Disseminate --> Action[Tindakan/Perubahan Sistem] Action --> Evaluate[Evaluasi Dampak
Kematian berikut dapat dicegah?] Evaluate --> Detect style Detect fill:#dbeafe,stroke:#3b82f6 style Analyze fill:#dcfce7,stroke:#10b981 style Disseminate fill:#fef3c7,stroke:#f97316 style Action fill:#e0e7ff,stroke:#6366f1 style Evaluate fill:#f0fdf4,stroke:#10b981

Tanpa siklus aksi-umpan balik ini, surveilans hanya menjadi pengumpulan data yang mahal tanpa manfaat nyata.

C.2. Metode Surveilans Maternal: Spektrum Pendekatan

Tidak ada satu metode surveilans yang sempurna. Pemilihan metode bergantung pada tujuan, kapasitas sistem, dan konteks lokal. Memahami spektrum pendekatan memungkinkan perancangan sistem surveilans yang kontekstual.

C.2.1. Surveilans Berbasis Fasilitas (Facility-Based Surveillance)

Pengumpulan data kematian ibu dan komplikasi obstetri dari fasilitas kesehatan (RS, Puskesmas, klinik bersalin).

✓ Kelebihan
  • Data klinis lebih lengkap dan dapat diverifikasi
  • Relatif mudah diimplementasikan di fasilitas yang sudah memiliki sistem rekam medis
  • Dapat menangkap data detail tentang jenis komplikasi dan penanganan
⚠ Keterbatasan
  • Hanya menangkap kematian yang terjadi di fasilitas atau yang datang ke fasilitas
  • Kematian di rumah atau dalam perjalanan tidak tercatat
  • Di Indonesia, estimasi 30–50% kematian ibu masih terjadi di luar fasilitas

Relevansi di Indonesia: Program Audit Maternal Perinatal (AMP) yang telah berjalan di RS dan Puskesmas PONED adalah bentuk surveilans berbasis fasilitas yang dilembagakan. Namun cakupannya terbatas pada kematian yang mencapai fasilitas.

C.2.2. Surveilans Berbasis Komunitas (Community-Based Surveillance)

Sistem untuk mendeteksi kematian ibu di komunitas — di rumah, dalam perjalanan, atau di dukun bayi.

Metode:

✓ Kelebihan
  • Dapat menangkap kematian yang terjadi di luar fasilitas
  • Memberikan gambaran yang lebih mendekati true AKI populasi
⚠ Keterbatasan
  • Data klinis sangat terbatas
  • Sulit memastikan kematian benar-benar terkait kehamilan/persalinan
  • Memerlukan kapasitas komunitas yang memadai

C.2.3. Confidential Enquiry into Maternal Deaths (CEMD)

Model yang pertama kali dikembangkan di Inggris (sejak 1952) dan diadopsi di berbagai negara. CEMD melibatkan review anonim dan rahasia (confidential) terhadap setiap kematian ibu oleh panel multidisiplin yang independen.

Fitur kunci:

Output: Laporan periodik (biasanya 3 tahunan) dengan rekomendasi spesifik yang ditujukan kepada sistem, bukan individu. Di Inggris, MBRRACE-UK melaporkan bahwa implementasi konsisten rekomendasi CEMD berhasil menurunkan MMR dari ~90 (1950-an) menjadi ~9 per 100.000 (2018–2020).

Implementasi di Indonesia: Konsep CEMD telah diadaptasi dalam bentuk AMP (Audit Maternal Perinatal) di Indonesia, meskipun implementasinya belum sepenuhnya confidential dan coverage-nya belum menyeluruh.

C.2.4. Maternal Death Surveillance and Response (MDSR)

MDSR adalah kerangka komprehensif yang dikembangkan WHO (2013) sebagai evolusi dari pendekatan-pendekatan sebelumnya. MDSR mengintegrasikan identifikasi, notifikasi, review, klasifikasi, dan respons dalam satu siklus yang berkesinambungan.

C.3. MDSR: Siklus Lengkap

MDSR adalah standar internasional yang diadopsi oleh Kementerian Kesehatan RI melalui Permenkes No. 97 Tahun 2014. Memahami siklus MDSR secara mendalam adalah kompetensi inti konsultan Obginsos.

C.3.1. Komponen Utama MDSR

flowchart TD A[1. IDENTIFIKASI
Setiap kematian ibu terdeteksi] --> B[2. NOTIFIKASI
Pelaporan segera 24–48 jam] A --> B B --> C[3. REVIEW & KLASIFIKASI
Panel multidisiplin
Penyebab & faktor berkontribusi] C --> D[4. ANALISIS POLA
Agregasi data periodik
Identifikasi tren & klaster] D --> E[5. RESPONS & TINDAKAN
Rekomendasi spesifik
Implementasi perubahan] E --> F[6. MONITORING DAMPAK
Apakah kematian berikutnya dicegah?] F --> A style A fill:#dbeafe,stroke:#3b82f6 style B fill:#dcfce7,stroke:#10b981 style C fill:#fef3c7,stroke:#f97316 style D fill:#e0e7ff,stroke:#6366f1 style E fill:#f0fdf4,stroke:#10b981 style F fill:#fce7f3,stroke:#ec4899

C.3.2. Klasifikasi Penyebab Kematian Ibu dalam MDSR

🔴 Penyebab Langsung

Komplikasi obstetri yang timbul selama kehamilan, persalinan, atau nifas:

  • Perdarahan (antepartum, intrapartum, postpartum)
  • Hipertensi dalam kehamilan (preeklampsia, eklamsia)
  • Sepsis dan infeksi
  • Komplikasi aborsi
  • Emboli ketuban
  • Ruptur uteri
🟡 Penyebab Tidak Langsung

Penyakit yang sudah ada sebelumnya atau yang timbul selama kehamilan, yang diperburuk oleh proses fisiologis kehamilan:

  • Penyakit jantung
  • Anemia berat
  • Malaria
  • HIV/AIDS
  • Diabetes
  • Tuberkulosis
🔵 Faktor Berkontribusi

Bukan penyebab langsung kematian, tetapi mempengaruhi proses yang berujung pada kematian:

  • Keterlambatan penanganan (Three Delays)
  • Substandard care: penanganan yang tidak sesuai standar
  • Faktor sosial-ekonomi
  • Kegagalan sistem rujukan

C.3.3. Konsep "Substandard Care" dalam MDSR

Substandard care adalah inti dari analisis MDSR yang membedakannya dari sekadar pencatatan statistik. Ini mencakup identifikasi apakah ada penyimpangan dari standar penanganan yang seharusnya (standard of care) yang berkontribusi terhadap kematian.

Klasifikasi substandard care:
Level 1 — Pasien/Keluarga
  • Terlambat mengenali tanda bahaya
  • Menolak rujukan
  • Tidak patuh terhadap saran medis
Level 2 — Tenaga Kesehatan
  • Diagnosis yang terlambat atau salah
  • Penanganan yang tidak sesuai panduan
  • Kegagalan komunikasi antar tenaga kesehatan
  • Kurangnya kompetensi klinis
Level 3 — Fasilitas/Sistem
  • Ketidaktersediaan darah transfusi
  • Tidak berfungsinya PONEK
  • Kegagalan sistem rujukan
  • Ketidaktersediaan obat esensial (magnesium sulfat, oksitosin)
Prinsip non-punitif: MDSR dirancang untuk mengidentifikasi kegagalan sistem, bukan menghukum individu. Ini adalah prasyarat agar tenaga kesehatan bersedia melaporkan dan membahas kematian secara terbuka. Tanpa jaminan non-punitif, pelaporan akan terhambat oleh ketakutan dan defensiveness.

C.4. Sistem Registri Maternal Perinatal

C.4.1. Apa itu Registri?

Registri adalah sistem pengumpulan data yang sistematis dan berkelanjutan tentang populasi yang didefinisikan (misalnya: semua ibu hamil di kabupaten tertentu) atau kondisi tertentu (misalnya: semua kasus preeklampsia berat). Berbeda dari surveilans yang fokus pada kematian, registri dapat mencakup seluruh spektrum dari kehamilan normal hingga komplikasi.

C.4.2. Jenis Registri Maternal Perinatal

a. Registri Kelahiran (Birth Registry)

Pencatatan semua kelahiran hidup dan lahir mati dengan data minimal: identitas ibu, usia gestasi, berat lahir, cara persalinan, penolong persalinan, dan kondisi bayi.

b. Registri Kematian Ibu

Database semua kematian ibu dengan informasi tentang penyebab, faktor berkontribusi, dan karakteristik kasus.

c. Registri Near-Miss

Pencatatan kasus near-miss maternal (ibu yang hampir meninggal tetapi berhasil diselamatkan) — lebih banyak kasusnya dibanding kematian, sehingga lebih efisien untuk analisis faktor risiko dan kualitas penanganan.

d. Registri Kondisi Spesifik

Registri preeklampsia, registri kanker serviks, registri diabetes gestasional — untuk monitoring tren dan evaluasi program skrining.

C.4.3. Arsitektur Data Registri

Registri maternal perinatal yang berfungsi memerlukan:

Data minimum yang harus dikumpulkan: LEVEL 1 — DATA IDENTIFIKASI ├── Nomor rekam medis / NIK ├── Tanggal lahir ibu ├── Domisili (kecamatan/desa) └── Nomor kontak LEVEL 2 — DATA KEHAMILAN ├── Tanggal pertama ANC ├── Jumlah kunjungan ANC ├── Usia gestasi saat ANC pertama ├── Paritas └── Komplikasi kehamilan LEVEL 3 — DATA PERSALINAN ├── Tanggal persalinan ├── Usia gestasi saat persalinan ├── Cara persalinan ├── Penolong persalinan ├── Fasilitas persalinan └── Komplikasi persalinan LEVEL 4 — DATA LUARAN ├── Berat lahir bayi ├── Kondisi bayi (hidup/lahir mati) ├── Skor Apgar ├── Kondisi ibu pasca persalinan └── Kematian (ibu/neonatal) + penyebab

C.4.4. Kualitas Data Registri: Dimensi dan Pengukuran

Registri yang tidak berkualitas lebih berbahaya dari tidak ada registri — ia memberikan ilusi pengetahuan yang menyesatkan kebijakan.

Lima dimensi kualitas data:

  1. Kelengkapan (Completeness): Proporsi kasus yang seharusnya tercatat yang benar-benar ada dalam registri.
    Completeness = (Kasus tercatat / Total kasus perkiraan) × 100%

    Target internasional: ≥ 90%

  2. Akurasi (Accuracy): Proporsi data yang dicatat dengan benar (sesuai sumber primer seperti rekam medis).
  3. Ketepatan Waktu (Timeliness): Interval antara terjadinya event dan tercatatnya dalam registri. Target MDSR: notifikasi dalam 24–48 jam setelah kematian ibu diketahui.
  4. Konsistensi (Consistency): Tidak ada kontradiksi internal dalam data (misal: tanggal kematian sebelum tanggal persalinan).
  5. Aksesibilitas (Accessibility): Data dapat diakses oleh pengguna yang berwenang untuk analisis dan pengambilan keputusan.

C.5. Under-Reporting: Tantangan Terbesar Surveilans Indonesia

C.5.1. Skala Masalah

Studi capture-recapture di Indonesia mengestimasi bahwa hanya 40–60% kematian ibu yang benar-benar masuk ke dalam sistem pelaporan resmi. Artinya, untuk setiap 2 kematian ibu yang dilaporkan, ada 1–3 kematian lain yang tidak terdeteksi.

C.5.2. Penyebab Under-Reporting

a. Kematian di luar fasilitas

Kematian di rumah, di jalan, atau di fasilitas tradisional (dukun bayi) tidak masuk ke sistem pelaporan fasilitas kesehatan. Di wilayah dengan cakupan persalinan non-faskes tinggi, ini adalah penyebab under-reporting terbesar.

b. Misklasifikasi penyebab kematian

Kematian ibu yang terjadi setelah 42 hari postpartum (batas definisi WHO) atau yang disebabkan kondisi tidak langsung sering tidak diklasifikasikan sebagai kematian ibu.

c. Ketakutan punitif

Tenaga kesehatan dan fasilitas khawatir bahwa melaporkan kematian akan menghasilkan sanksi hukum, penurunan akreditasi, atau citra buruk. Ini adalah hambatan kultural yang paling sulit diatasi.

d. Kelemahan sistem pencatatan sipil

Di banyak kabupaten, pencatatan kematian di tingkat desa tidak terintegrasi dengan sistem kesehatan. Akta kematian tidak selalu mencantumkan penyebab kematian.

e. Definisi yang tidak konsisten

Ketidakpahaman tentang definisi kematian ibu (versus kematian perempuan usia reproduktif yang kebetulan sedang hamil) menyebabkan misklasifikasi di kedua arah.

C.5.3. Metode Estimasi AKI yang Lebih Akurat

Karena under-reporting merupakan masalah sistemik, diperlukan metode estimasi yang lebih akurat dari sekadar data pelaporan rutin:

  1. Survei Rumah Tangga (SDKI, SUPAS): Menggunakan sisterhood method atau pertanyaan langsung dalam survei berbasis sampel populasi. Lebih mendekati AKI populasi sejati tetapi hanya dapat dilakukan periodik (setiap 5 tahun).
  2. Capture-Recapture Method: Membandingkan dua atau lebih sumber data independen untuk mengestimasi total kematian ibu, termasuk yang tidak masuk di sumber mana pun.
  3. Model WHO/UNICEF: Menggunakan data dari multiple sumber dengan pemodelan statistik untuk menghasilkan estimasi yang sebanding antar negara.
  4. Sibling Survival Method: Menanyakan kepada responden survei tentang kematian saudara kandung perempuan mereka dalam konteks kehamilan/persalinan.

C.6. Surveilans Perinatal: Perluasan dari Maternal

Surveilans perinatal — mencakup kematian janin (lahir mati/stillbirth) dan kematian neonatal dini (0–7 hari) — adalah komplemen esensial dari surveilans maternal karena:

  1. Sebagian besar faktor risiko kematian perinatal sama dengan kematian ibu
  2. Near-miss perinatal (seperti asfiksia yang berhasil diatasi) jauh lebih banyak dari kematian dan lebih informatif untuk analisis sistem
  3. Target SDGs mencakup baik AKI maupun AKB (Angka Kematian Bayi)

Indikator kunci surveilans perinatal:

Indikator Definisi Formula
Stillbirth Rate Lahir mati per 1.000 total kelahiran Lahir mati / (Lahir hidup + Lahir mati) × 1.000
Perinatal Mortality Rate Lahir mati + kematian neonatal 0–7 hari per 1.000 total kelahiran (Lahir mati + Kematian neonatal 0-7hr) / Total kelahiran × 1.000
Neonatal Mortality Rate Kematian 0–28 hari per 1.000 kelahiran hidup Kematian 0-28hr / Kelahiran hidup × 1.000
Early NMR Kematian 0–7 hari per 1.000 kelahiran hidup Kematian 0-7hr / Kelahiran hidup × 1.000

C.7. Implementasi Surveilans di Tingkat Kabupaten: Panduan Praktis

Sebagai konsultan Obginsos yang akan berperan dalam sistem KIA kabupaten, kemampuan merancang dan mengoperasionalkan surveilans tingkat lokal adalah kompetensi yang langsung dapat diimplementasikan.

Langkah minimum untuk membangun sistem MDSR fungsional di kabupaten:

1 Komitmen dan Kepemimpinan
  • SK Bupati/Dinkes tentang kewajiban pelaporan kematian ibu
  • Penunjukan focal point MDSR di setiap fasilitas
  • Jaminan non-punitif yang tertulis dan dikomunikasikan
2 Formulir dan Prosedur Standar
  • Formulir notifikasi kematian (24–48 jam)
  • Formulir investigasi verbal otopsi (verbal autopsy)
  • Formulir review panel MDSR
  • SOP alur pelaporan yang jelas
3 Tim Review Multidisiplin
  • Komposisi: SpOG/Obginsos, bidan senior, dokter umum, epidemiolog, perwakilan dinas
  • Jadwal review reguler (bulanan atau per kasus)
  • Dokumentasi temuan dan rekomendasi
4 Database dan Analisis
  • Database minimal berbasis spreadsheet (Excel) hingga sistem digital terintegrasi
  • Analisis tren bulanan dan tahunan
  • Pemetaan geografis kematian
5 Diseminasi dan Aksi
  • Laporan periodik kepada Kepala Dinkes
  • Diseminasi hasil kepada fasilitas
  • Mekanisme follow-up rekomendasi

C.8. Teknologi Digital dalam Surveilans Maternal Modern

Perkembangan teknologi digital membuka peluang transformasi surveilans maternal dari sistem berbasis kertas ke sistem real-time berbasis data:

Sistem yang telah/sedang dikembangkan di Indonesia:

Tantangan implementasi:
  • Infrastruktur internet yang tidak merata
  • Kapasitas SDM untuk entri dan analisis data
  • Interoperabilitas antar sistem yang berbeda
  • Privasi dan keamanan data pasien

D. Pertanyaan Diskusi (Thread Dosen – Minggu 9)

Pertanyaan 1 Diskusi

Seorang Kepala Puskesmas di kabupaten terpencil NTT melaporan kepada Anda bahwa dalam tiga tahun terakhir, tidak ada satu pun kematian ibu yang tercatat di wilayah kerjanya (populasi: 25.000 jiwa; kelahiran hidup per tahun: ~500). Namun ketika Anda melakukan kunjungan lapangan, beberapa kader Posyandu menyebut ada 2–3 ibu yang meninggal "saat melahirkan di rumah" setiap tahunnya. Dengan menggunakan kerangka MDSR dan konsep under-reporting yang telah Anda pelajari: (a) apa penyebab under-reporting yang paling mungkin dalam kasus ini; (b) langkah investigasi apa yang akan Anda lakukan untuk memverifikasi dan mengkuantifikasi kesenjangan pelaporan ini; (c) intervensi sistem apa yang paling prioritas untuk diperbaiki?

Pertanyaan 2 Diskusi

Indonesia baru meluncurkan platform SATU SEHAT yang bertujuan mengintegrasikan seluruh data rekam medis elektronik secara nasional. Seorang kolega Anda berpendapat bahwa dengan adanya platform ini, sistem MDSR manual (formulir kertas, review panel bulanan) sudah tidak diperlukan lagi dan dapat digantikan sepenuhnya oleh analisis data otomatis. Gunakan pemahaman Anda tentang tujuan, komponen, dan nilai surveilans berbasis review panel untuk mengevaluasi argumen kolega Anda: apa yang dapat dan tidak dapat digantikan oleh sistem data digital, dan mengapa elemen manusia dalam MDSR tetap tidak tergantikan?

E. Rangkuman

  1. Surveilans maternal perinatal adalah sistem berkelanjutan untuk mendeteksi, menganalisis, dan merespons kematian dan kesakitan ibu-perinatal — tujuannya bukan sekadar menghitung kematian tetapi mencegah kematian berikutnya melalui siklus aksi-umpan balik yang berkelanjutan
  2. Spektrum metode surveilans mencakup surveilans berbasis fasilitas, berbasis komunitas, confidential enquiry, dan MDSR — masing-masing memiliki kekuatan dan keterbatasan yang saling melengkapi; sistem surveilans yang komprehensif mengintegrasikan beberapa pendekatan
  3. MDSR adalah standar internasional WHO yang mengintegrasikan identifikasi, notifikasi, review multidisiplin, klasifikasi, analisis, dan respons dalam satu siklus; konsep substandard care dalam MDSR memfokuskan analisis pada kegagalan sistem (bukan individu) dengan prinsip non-punitif sebagai prasyarat keterbukaan pelaporan
  4. Under-reporting adalah tantangan fundamental surveilans di Indonesia — diperkirakan 40–60% kematian ibu tidak masuk sistem pelaporan resmi; sumbernya mencakup kematian di luar fasilitas, misklasifikasi, ketakutan punitif, dan kelemahan pencatatan sipil
  5. Registri maternal perinatal yang berkualitas memerlukan perhatian pada lima dimensi: kelengkapan, akurasi, ketepatan waktu, konsistensi, dan aksesibilitas — registri berkualitas rendah lebih berbahaya dari tidak ada registri karena memberikan ilusi pengetahuan yang menyesatkan kebijakan

F. Referensi

  1. WHO. Maternal Death Surveillance and Response: Technical Guidance. Geneva: WHO; 2013. https://www.who.int/reproductivehealth/publications/monitoring/9789241506083/en/
  2. WHO. Trends in Maternal Mortality 2000 to 2020. Geneva: WHO/UNICEF/UNFPA/World Bank/UNDESA; 2023. https://www.who.int/publications/i/item/9789240068759
  3. Knight M, Bunch K, Tuffnell D, et al. (eds). Saving Lives, Improving Mothers' Care — MBRRACE-UK 2021. Oxford: National Perinatal Epidemiology Unit; 2021. https://www.npeu.ox.ac.uk/mbrrace-uk
  4. Kementerian Kesehatan RI. Peraturan Menteri Kesehatan Nomor 97 Tahun 2014 tentang Pelayanan Kesehatan Masa Sebelum Hamil, Masa Hamil, Persalinan, dan Masa Sesudah Melahirkan. Jakarta: Kemenkes RI; 2014.
  5. Kementerian Kesehatan RI. Pedoman Audit Maternal Perinatal (AMP). Jakarta: Kemenkes RI; 2010. https://www.kemkes.go.id
  6. Thaddeus S, Maine D. Too far to walk: maternal mortality in context. Social Science & Medicine. 1994;38(8):1091-1110. https://doi.org/10.1016/0277-9536(94)90226-7
  7. Say L, Chou D, Gemmill A, et al. Global causes of maternal death: a WHO systematic analysis. Lancet Global Health. 2014;2(6):e323-e333. https://doi.org/10.1016/S2214-109X(14)70227-X
  8. Stanton C, Hobcraft J, Hill K, et al. Every death counts: measurement of maternal mortality via a census. Bulletin of the World Health Organization. 2001;79(7):657-664. https://www.who.int/bulletin/archives/79(7)657.pdf
  9. Hounton S, Byass P, Brahima B. Towards reduction of maternal and child mortality in rural Burkina Faso: communities are not empty vessels. Global Health Action. 2009;2. https://doi.org/10.3402/gha.v2i0.1947
  10. Kementerian Kesehatan RI. Profil Kesehatan Indonesia 2022. Jakarta: Kemenkes RI; 2023. https://www.kemkes.go.id/id/profil-kesehatan-indonesia-2022
Referensi Tambahan yang Direkomendasikan
  1. WHO. WHO recommendations on maternal and perinatal health: a global overview. Geneva: WHO; 2022. https://www.who.int/publications/i/item/9789240048492
  2. UNICEF. Maternal and Newborn Health Disparities Country Profiles. https://data.unicef.org/resources/maternal-newborn-health-disparities-country-profiles/
  3. World Bank. Trends in Maternal Mortality: 2000 to 2020. https://www.worldbank.org/en/topic/maternalhealth
  4. GBD 2019 Maternal Mortality Collaborators. Global, regional, and national levels and trends in maternal mortality between 1990 and 2019. The Lancet. 2023. https://doi.org/10.1016/S0140-6736(23)00878-X
  5. Indonesia Health Profile — Ministry of Health Data Portal: https://www.kemkes.go.id/
  6. SIKDA Generik — Sistem Informasi Kesehatan Daerah: https://sikda.kemkes.go.id/
  7. SATU SEHAT Platform — Integrasi Data Kesehatan Nasional: https://satusehat.kemkes.go.id/
  8. WHO MDSR Technical Package — Implementation Resources: https://www.who.int/teams/maternal-newborn-child-adolescent-health-and-ageing/maternal-death-surveillance-and-response
  9. Mermaid Live Editor — Tool untuk membuat diagram alur: https://mermaid.live/
  10. MathJax Documentation — Untuk rendering formula matematika: https://docs.mathjax.org/
Prinsip Etis dalam Surveilans Maternal Perinatal
  • Non-punitif sebagai fondasi: Tanpa jaminan bahwa pelaporan tidak akan menghasilkan sanksi, tenaga kesehatan akan menyembunyikan kematian — prinsip ini harus dikomunikasikan secara eksplisit dan konsisten
  • Kerahasiaan identitas: Data individu harus dilindungi; analisis dan rekomendasi difokuskan pada sistem, bukan individu
  • Transparansi metodologis: Metode estimasi AKI, definisi kasus, dan batasan data harus dilaporkan secara jujur untuk menghindari misinterpretasi
  • Equity-centered: Surveilans harus secara eksplisit memantau disparitas antar kelompok (geografis, ekonomi, etnis) — bukan hanya rata-rata nasional
  • Aksi sebagai tujuan: Data surveilans tidak bernilai tanpa mekanisme respons yang jelas; setiap temuan harus diikuti rekomendasi dan follow-up implementasi

TUGAS KELOMPOK 2 – PERIODE 2 (MINGGU 9)

Mata Kuliah: Epidemiologi Klinik & Biostatistik Lanjut | Materi: Modul 8 & 9 (Meta-Analysis dan Surveilans Maternal Perinatal)

📋 Identitas Tugas

Jenis Tugas Tugas Kelompok Kedua — Periode 2
Minggu Minggu ke-9
Materi Modul 8 (Meta-Analysis) + Modul 9 (Surveilans Maternal Perinatal)
Bobot Nilai 15% dari nilai akhir mata kuliah
Komposisi Kelompok 3–4 orang (komposisi sama dengan tugas kelompok sebelumnya)
Batas Pengumpulan Akhir Minggu ke-9 (7 hari sejak tugas dibuka)
Format Pengumpulan Laporan Word/PDF + slide presentasi maksimal 12 slide
Panjang Laporan 2.000–3.000 kata (tidak termasuk tabel, gambar, dan referensi)
PETUNJUK PENGERJAAN
  1. Tugas ini menggabungkan analisis meta-analysis dan perancangan sistem surveilans dalam satu konteks kebijakan yang terintegrasi
  2. Bagian A bersifat analitis-kuantitatif — diperlukan interpretasi mendalam terhadap data yang diberikan
  3. Bagian B bersifat aplikatif-perancangan — diperlukan kreativitas berbasis teori untuk merancang sistem surveilans yang kontekstual
  4. Tunjukkan semua langkah analisis; gunakan tabel dan diagram untuk kejelasan
  5. Cantumkan nama, NIM, dan pembagian peran di halaman pertama
  6. Sertakan minimal 5 referensi dalam format Vancouver

SKENARIO LATAR BELAKANG

"Kabupaten Taliabu: Antara Data yang Hilang dan Sistem yang Rapuh"

Kabupaten Pulau Taliabu adalah kabupaten termuda di Maluku Utara, dibentuk tahun 2013 dari pemekaran Kepulauan Sula. Dengan luas wilayah 3.195 km² yang terdiri dari satu pulau utama dan beberapa pulau kecil, penduduk 60.000 jiwa tersebar di 82 desa — sebagian hanya dapat dicapai dengan perahu selama 4–6 jam dari ibukota kabupaten.

Gambaran sistem kesehatan:

  • 1 RSUD tipe D (baru beroperasi penuh 2019, belum terakreditasi PONEK)
  • 8 Puskesmas (2 dengan fasilitas rawat inap, 6 non-rawat inap)
  • 3 Puskesmas Pembantu di pulau-pulau kecil
  • Tidak ada SpOG definitif; RSUD dilayani 2 dokter umum terlatih obstetri

Data kesehatan ibu yang tersedia:

  • Kelahiran hidup yang tercatat: ~1.200/tahun
  • Kematian ibu yang dilaporkan ke Dinkes: 4–6/tahun (MMR dilaporkan: ~400/100.000)
  • Cakupan persalinan di fasilitas: 68%
  • Cakupan ANC K4: 71%
  • Estimasi informal bidan koordinator: "kemungkinan ada 10–15 kematian ibu per tahun yang tidak dilaporkan"

Konteks surveilans: Sistem pelaporan AMP berjalan tidak konsisten — review panel hanya dilakukan ketika ada kematian di RSUD, sementara kematian di puskesmas atau komunitas jarang diinvestigasi secara formal. Tidak ada database digital; semua pencatatan menggunakan buku register manual.

BAGIAN A: ANALISIS META-ANALYSIS TERKAIT KONTEKS TALIABU

Tim Dinkes Taliabu menemukan sebuah meta-analysis yang relevan untuk mendukung perencanaan program mereka:

Meta-Analysis: "Efektivitas Intervensi Komunitas dalam Menurunkan Kematian Ibu di Daerah Terpencil LMIC"

(Data forest plot disederhanakan untuk keperluan tugas)

Studi Setting Intervensi RR 95% CI SE(log RR) Weight
Lewycka 2013MalawiKelompok ibu hamil komunitas0,470,26–0,850,30210,9%
Manandhar 2004NepalFasilitasi kelompok perempuan0,220,05–0,900,7373,8%
Prost 2013BangladeshKelompok perempuan + edukasi0,620,40–0,960,22114,8%
Kumar 2008IndiaKader komunitas terlatih0,380,20–0,730,32810,1%
Tripathy 2010IndiaKelompok perempuan partisipatif0,670,41–1,090,24913,2%
Colbourn 2013MalawiIntervensi komunitas intensif0,460,26–0,820,29411,3%
Bhandari 2012IndiaKunjungan rumah oleh kader0,710,46–1,090,21914,9%
Fottrell 2013BangladeshKelompok perempuan + fasilitas0,550,34–0,900,24913,2%
Azad 2010BangladeshPemberdayaan kelompok0,770,47–1,280,25612,8%
Pooled0,550,44–0,69100%

I²=52%; τ²=0,089; Q p=0,034; Egger's test p=0,31 | Model: Random-effects (DerSimonian-Laird)

Pertanyaan A1 — Verifikasi Pooled Estimate Bobot 15%

Menggunakan SE(log RR) yang diberikan sebagai proksi untuk menghitung bobot (wᵢ = 1/SE²):

  1. Hitung bobot numerik (wᵢ) untuk setiap studi menggunakan formula wᵢ = 1/SE(logRR)²
  2. Verifikasi konsistensi dengan persentase weight yang dilaporkan — apakah proporsi bobot relatif konsisten dengan % weight dalam tabel? (Tidak perlu perhitungan tepat, cukup verifikasi arah konsistensi untuk 3–4 studi)
  3. Mengapa studi Manandhar 2004 mendapat bobot terkecil (3,8%) meskipun memiliki RR terkecil (0,22 — efek terbesar)? Jelaskan konsep yang mendasarinya.
Pertanyaan A2 — Analisis Heterogenitas Komprehensif Bobot 20%
  1. Dengan I²=52% dan τ²=0,089, hitung prediction interval menggunakan:
    SE_pooled = (ln(0,69) − ln(0,44)) / (2 × 1,96)
    PI = exp[ln(0,55) ± 1,96 × √(SE²_pooled + 0,089)]
    Interpretasikan prediction interval yang dihasilkan dalam konteks implementasi di Taliabu.
  2. I²=52% menunjukkan heterogenitas substansial. Identifikasi tiga karakteristik studi dari tabel yang mungkin menjadi sumber heterogenitas ini. Untuk setiap karakteristik, jelaskan mekanisme bagaimana ia dapat menyebabkan variasi efek antar studi.
  3. Egger's test p=0,31 tetapi Q p=0,034. Interpretasikan kedua hasil ini secara bersamaan. Apakah ada kontradiksi? Apa kesimpulan Anda tentang konsistensi dan publication bias dalam meta-analysis ini?
Pertanyaan A3 — Aplikabilitas untuk Taliabu Bobot 15%
  1. Lakukan penilaian GRADE sederhana untuk meta-analysis ini dalam konteks penggunaannya sebagai dasar kebijakan di Kabupaten Taliabu. Evaluasi setidaknya empat domain GRADE: risiko bias, inkonsistensi, tidak langsung (indirectness), dan impresisi. Tentukan tingkat kualitas bukti akhir (High/Moderate/Low/Very Low) dengan justifikasi.
  2. Berdasarkan analisis GRADE dan prediction interval, formulasikan satu rekomendasi kebijakan untuk Dinkes Taliabu tentang implementasi intervensi komunitas, dengan tingkat keyakinan yang sesuai dengan kualitas bukti yang ada. Hindari over-claiming maupun under-claiming.

BAGIAN B: PERANCANGAN SISTEM SURVEILANS MDSR TALIABU

Pertanyaan B1 — Analisis Situasi Surveilans Bobot 10%

Berdasarkan deskripsi Kabupaten Taliabu:

  1. Estimasi completeness sistem pelaporan saat ini menggunakan data yang tersedia (kematian dilaporkan: 4–6/tahun; estimasi informal: 10–15/tahun). Berikan rentang estimasi completeness dan interpretasikan implikasinya.
  2. Identifikasi tiga penyebab utama under-reporting yang paling relevan untuk konteks Taliabu dari daftar penyebab yang dibahas di Modul 9. Untuk setiap penyebab, berikan satu bukti kontekstual dari deskripsi Taliabu yang mendukung identifikasi Anda.
  3. Apa konsekuensi praktis dari under-reporting ini terhadap kemampuan Dinkes Taliabu untuk merencanakan program KIA yang efektif?
Pertanyaan B2 — Perancangan Sistem MDSR Adaptif Bobot 25%

Anda diminta merancang sistem MDSR yang adaptif dan realistis untuk Kabupaten Taliabu — bukan sistem ideal yang tidak mungkin diimplementasikan dengan sumber daya yang tersedia, tetapi sistem minimum viable yang dapat berfungsi dalam 12 bulan pertama.

Rancangan harus mencakup lima komponen berikut:

Komponen 1: Sistem Deteksi dan Notifikasi
  • Siapa yang bertanggung jawab mendeteksi kematian ibu di setiap level (desa, puskesmas, RSUD)?
  • Bagaimana kematian di pulau-pulau terpencil (4–6 jam perjalanan) akan dinotifikasikan?
  • Dalam waktu berapa jam notifikasi harus sampai ke Dinkes? Apa mekanismenya?
Komponen 2: Formulir dan Prosedur
  • Rancang alur dokumen minimal: formulir apa saja yang diperlukan dan siapa yang mengisi?
  • Bagaimana verbal autopsy akan dilakukan untuk kematian di komunitas tanpa tenaga medis?
  • Dokumen apa yang harus tersimpan di mana?
Komponen 3: Tim Review Multidisiplin
  • Siapa komposisi tim review yang realistis mengingat tidak ada SpOG?
  • Seberapa sering review dilakukan dan dalam format apa (tatap muka vs. daring)?
  • Bagaimana menjamin prinsip non-punitif dan kerahasiaan dalam konteks komunitas kecil di mana semua orang saling kenal?
Komponen 4: Database dan Analisis
  • Rancang struktur database minimum yang dapat dikelola tanpa sistem digital canggih
  • Indikator apa yang akan dimonitor secara bulanan dan tahunan?
  • Bagaimana data akan divisualisasikan untuk laporan kepada Kepala Dinas?
Komponen 5: Mekanisme Respons
  • Bagaimana temuan MDSR akan ditranslasikan menjadi aksi perbaikan?
  • Kepada siapa rekomendasi akan ditujukan (RSUD, Puskesmas, Dinkes, Bupati)?
  • Bagaimana follow-up implementasi rekomendasi akan dipantau?
Pertanyaan B3 — Antisipasi Hambatan Implementasi Bobot 10%

Rancangan terbaik di atas kertas sering gagal di lapangan. Identifikasi tiga hambatan implementasi yang paling mungkin dihadapi sistem MDSR di Taliabu dalam 12 bulan pertama. Untuk setiap hambatan:

  • Jelaskan mengapa hambatan ini spesifik relevan untuk konteks Taliabu
  • Usulkan satu strategi mitigasi yang realistis
  • Identifikasi siapa (stakeholder) yang harus dilibatkan dalam mengatasi hambatan ini
Pertanyaan B4 — Integrasi Meta-Analysis dengan Perencanaan Surveilans Bobot 5%

Jelaskan bagaimana hasil meta-analysis dari Bagian A dapat diintegrasikan ke dalam sistem MDSR yang Anda rancang. Secara spesifik: indikator surveilans apa yang perlu ditambahkan untuk memantau efektivitas intervensi komunitas jika Dinkes memutuskan mengimplementasikannya berdasarkan bukti dari meta-analysis tersebut?

RUBRIK PENILAIAN

Bagian Komponen Utama Bobot
A1 Ketepatan perhitungan bobot; pemahaman konsep presisi vs. besarnya efek 15%
A2 Ketepatan prediction interval; identifikasi sumber heterogenitas; interpretasi Q vs. Egger 20%
A3 Kualitas penilaian GRADE; ketepatan dan nuansa rekomendasi kebijakan 15%
B1 Estimasi completeness; identifikasi penyebab under-reporting yang kontekstual 10%
B2 Kelengkapan lima komponen; realisme dan kontekstualitas rancangan; kreativitas adaptasi 25%
B3 Relevansi hambatan; realisme strategi mitigasi; identifikasi stakeholder 10%
B4 Kualitas integrasi antara bukti meta-analysis dan sistem surveilans 5%
PANDUAN REFERENSI MINIMAL
  1. WHO. Maternal Death Surveillance and Response: Technical Guidance. Geneva: WHO; 2013. https://www.who.int/reproductivehealth/publications/monitoring/9789241506083/en/
  2. Higgins JPT, Thomas J, et al. Cochrane Handbook for Systematic Reviews. Version 6.4. 2023.
  3. Lawn JE, Blencowe H, Waiswa P, et al. Stillbirths: rates, risk factors, and acceleration towards 2030. Lancet. 2016;387(10018):587-603.
  4. Guyatt GH, et al. GRADE: an emerging consensus on rating quality of evidence. BMJ. 2008;336:924.
  5. Kementerian Kesehatan RI. Pedoman Audit Maternal Perinatal (AMP). Jakarta: Kemenkes RI; 2010.
  6. Stanton C, et al. Every death counts: measurement of maternal mortality via census. Bull World Health Organ. 2001;79(7):657-664.