Manajemen Data Penelitian dan Etika Penggunaan Data Kesehatan

DESKRIPSI MODUL

Dr. Nindi baru saja menyelesaikan analisis data

yang ia kerjakan selama tiga bulan: sebuah studi retrospektif menggunakan data e-Kohort KIA dan rekam medis RSUD Kolaka Utara untuk mengidentifikasi faktor-faktor yang berkaitan dengan keterlambatan rujukan pada kasus eklamsia berat. Hasilnya sangat meyakinkan — dan berpotensi menjadi dasar kebijakan yang dapat menyelamatkan nyawa.

"Tetapi ketika ia bersiap mengirimkan naskah ke jurnal, seorang kolega mengajukan pertanyaan yang membuat ia terdiam: 'Apakah ibu-ibu itu tahu bahwa data mereka digunakan untuk penelitian ini?'"

"Dr. Nindi tidak tahu jawabannya. Data diambil secara retrospektif dari sistem yang sudah ada. Tidak ada informed consent spesifik untuk penelitian. Semua data sudah dianonymisasi — nama dan NIK dihapus — tetapi kombinasi variabel seperti usia, paritas, kecamatan, dan tanggal kejadian masih dapat digunakan untuk mengidentifikasi individu di kabupaten kecil seperti Kolaka Utara."

"Apakah penelitian ini etis?" pikir dr. Nindi. "Apakah manfaatnya — yang nyata dan berpotensi besar — cukup untuk membenarkan penggunaan data tanpa consent eksplisit?"

Di akar masalah ini adalah pertanyaan yang semakin penting seiring dengan meningkatnya ketersediaan data kesehatan digital: siapa yang memiliki data pasien? Untuk tujuan apa data itu dapat digunakan? Bagaimana keseimbangan antara kepentingan penelitian yang menghasilkan pengetahuan untuk banyak orang dengan hak privasi individu yang datanya digunakan?

Etika Data Kesehatan: Penelitian × Privasi × Manfaat = Keputusan yang Bertanggung Jawab
Setiap titik data merepresentasikan manusia — ibu, bayi, keluarga — yang haknya harus dihormati

CAPAIAN PEMBELAJARAN MODUL

Setelah menyelesaikan modul ini, peserta didik mampu:

1 Menjelaskan prinsip-prinsip manajemen data penelitian yang baik dalam konteks data kesehatan reproduksi
2 Menganalisis kerangka etika penggunaan data kesehatan untuk penelitian, termasuk kondisi di mana waiver of consent dapat dibenarkan
3 Mengidentifikasi tantangan de-identifikasi data dan risiko re-identifikasi dalam dataset kesehatan reproduksi
4 Menerapkan prinsip data sharing yang bertanggung jawab dalam konteks kolaborasi penelitian dan surveilans
5 Merancang protokol manajemen data penelitian yang memenuhi standar etika dan regulasi untuk studi berbasis data kesehatan KIA

MATERI INTI

C.1. Prinsip Manajemen Data Penelitian yang Baik

C.1.1. Data Management Plan sebagai Fondasi

Data Management Plan (DMP): Dokumen yang menjelaskan bagaimana data penelitian akan dikumpulkan, diorganisir, disimpan, dijaga keamanannya, dibagikan, dan diarsipkan selama dan setelah penelitian berlangsung.

1. Deskripsi Data

Jenis data: kuantitatif/kualitatif, primer/sekunder
Sumber: rekam medis, e-Kohort, wawancara, survei
Volume estimasi dan format
Sensitivitas: apakah ada data yang dapat mengidentifikasi individu?

2. Pengumpulan & Organisasi

Standar penamaan file yang konsisten
Struktur folder yang logis
Version control: bagaimana versi data yang berbeda dikelola?
Kamus data (data dictionary): definisi setiap variabel

3. Keamanan & Akses

Siapa yang dapat mengakses data mentah (raw data)?
Siapa yang dapat mengakses data yang sudah dianonymisasi?
Bagaimana data disimpan? (enkripsi, server aman, backup)
Prosedur jika terjadi pelanggaran data

5. Retensi & Destruksi

Berapa lama data disimpan setelah penelitian selesai?
Bagaimana data dihancurkan dengan aman setelah periode retensi habis?

Standar Internasional: FAIR Data Principles

Findable

Data dapat ditemukan dengan metadata yang cukup

Accessible

Data dapat diakses dengan protokol yang terbuka dan terstandardisasi

Interoperable

Data menggunakan standar yang memungkinkan integrasi dengan dataset lain

Reusable

Data memiliki lisensi yang jelas dan didokumentasikan dengan cukup untuk digunakan ulang

Relevansi untuk KIA Indonesia: Data surveilans kematian ibu yang mengikuti prinsip FAIR dapat diintegrasikan dengan dataset global untuk meta-analisis dan benchmarking internasional.

C.1.2. Siklus Hidup Data Penelitian

Siklus Hidup Data Penelitian

Perencanaan

DMP, ethical clearance, infrastruktur

Pengumpulan

Protokol standar, quality control, backup

Pemrosesan

Pembersihan, de-identifikasi, transformasi

Analisis

Exploratory, utama, sensitivitas

Penyimpanan

Repository aman, versioning, dokumentasi

Berbagi

DSA, de-identifikasi penuh, metadata

Reuse

Penggunaan peneliti lain, meta-analisis

Arsip/Destruksi

Setelah periode retensi

Kesalahan Umum dalam Manajemen Data Penelitian KIA

Data tidak terdokumentasi: Dataset dikirim tanpa data dictionary — penerima tidak tahu apa arti setiap variabel
Tidak ada version control: File "data_final_v3_FINAL_BENAR.xlsx" adalah tanda bahaya — menunjukkan tidak ada sistem versioning yang baik
Backup hanya di satu tempat: Laptop peneliti utama rusak → semua data hilang
De-identifikasi yang tidak lengkap: Nama dihapus tetapi kombinasi variabel lain masih memungkinkan re-identifikasi
Data tidak pernah dibagikan: Penelitian selesai, publikasi terbit, tetapi data mentah tidak tersedia untuk verifikasi atau replikasi

C.2. Etika Penggunaan Data Kesehatan untuk Penelitian

C.2.1. Kerangka Etika: Dari Belmont Report hingga Konteks Indonesia

Fondasi Etika Penelitian dengan Data Manusia:

Belmont Report (1979) — Tiga Prinsip Utama:

1. Respect for Persons

Individu diperlakukan sebagai agen otonom
Individu dengan otonomi terbatas berhak mendapat perlindungan
Implementasi: informed consent yang bermakna

2. Beneficence

Maksimalkan manfaat
Minimalkan bahaya
Bukan hanya "tidak merugikan" tetapi aktif mengupayakan kebaikan subjek penelitian

3. Justice

Distribusi beban dan manfaat penelitian yang adil
Populasi yang menanggung risiko penelitian harus mendapat manfaat dari hasilnya
Tidak mengeksploitasi populasi rentan untuk penelitian yang manfaatnya dinikmati populasi lain

Regulasi Indonesia yang Relevan

Permenkes 11/2017 tentang Keselamatan Pasien: Kewajiban menjaga kerahasiaan data pasien termasuk dalam konteks penelitian
Permenkes 39/2017 tentang PIN-PK: Penggunaan data keluarga untuk perencanaan program dengan persyaratan perlindungan
UU PDP No. 27/2022, Pasal 44: Data untuk kepentingan penelitian dapat diproses tanpa consent dalam kondisi tertentu — dengan syarat: dilindungi kerahasiaan, tidak digunakan untuk tujuan lain, dan risiko terhadap subjek diminimalkan
Kepmenkes 1333/2019: Kewajiban ethical clearance untuk penelitian kesehatan yang melibatkan data pasien di fasilitas kesehatan

C.2.2. Informed Consent dalam Penelitian Berbasis Data Sekunder

Dilema Consent dalam Penelitian Retrospektif

Penelitian Primer (Prospektif): Informed consent individual adalah standar — setiap subjek mendapat penjelasan dan menandatangani formulir persetujuan sebelum data dikumpulkan.

Penelitian Sekunder (Retrospektif): Sangat sering tidak praktis untuk mendapatkan consent dari setiap individu dalam dataset besar. Beberapa subjek mungkin sudah meninggal, alamat mungkin sudah berubah, menghubungi semua subjek mungkin justru melanggar privasi mereka.

Kondisi untuk Waiver of Consent yang Dapat Dibenarkan

Tidak Praktis

Penelitian tidak mungkin atau tidak praktis dilakukan dengan consent individual — dan ini bukan hanya ketidaknyamanan peneliti tetapi hambatan yang genuine

Risiko Minimal

Risiko terhadap privasi dan kesejahteraan subjek minimal — data sudah dianonymisasi dan tidak ada intervensi fisik

Manfaat Substansial

Manfaat sosial dari penelitian substansial dan tidak dapat dicapai dengan desain yang memerlukan consent

Reasonable Person

Subjek tidak akan keberatan jika mengetahui data mereka digunakan — ini adalah standar "reasonable person"

Konfirmasi Etik

Komite etik mengkonfirmasi bahwa keempat kondisi di atas terpenuhi

Untuk Kasus dr. Nindi

Penelitian retrospektif menggunakan data e-Kohort KIA dapat berpotensi mendapat waiver of consent JIKA:

Data sudah dianonymisasi dengan benar (lihat C.3)
Data tidak digunakan untuk tujuan lain selain penelitian ini
Tidak ada risiko bahwa identitas individu akan terungkap dalam publikasi
Ethical clearance dari komite etik yang berwenang sudah diperoleh
Izin dari pengelola data (Kepala Dinkes) sudah diperoleh

Yang TIDAK cukup: Hanya menghapus nama dan NIK tanpa evaluasi risiko re-identifikasi; Mengasumsikan bahwa data "milik" Dinkes sehingga izin Dinkes sudah cukup tanpa ethical clearance.

C.2.3. Keseimbangan antara Kepentingan Penelitian dan Hak Privasi

Kepentingan Penelitian

Data skala besar menghasilkan bukti yang lebih kuat
Data longitudinal memungkinkan pemahaman kausal yang lebih baik
Penelitian retrospektif lebih cepat dan lebih murah dari prospektif
Pengetahuan yang dihasilkan dapat menyelamatkan banyak nyawa di masa depan

Hak Privasi Individu

Setiap orang berhak atas kontrol data kesehatannya
Penggunaan tanpa consent dapat merusak kepercayaan terhadap sistem kesehatan
Bahaya potensial: diskriminasi, stigma, kerusakan hubungan jika data bocor
Prinsip autonomy: manusia bukan hanya sumber data untuk kepentingan penelitian

Framework "5 Safes" untuk Data Sharing yang Aman

Safe Projects

Apakah penggunaan data ini dibenarkan secara etis dan ilmiah? Review oleh komite etik dan ilmiah

Safe People

Apakah peneliti yang mengakses data dapat dipercaya dan kompeten? Pelatihan data protection, perjanjian kerahasiaan

Safe Data

Apakah data sudah cukup dianonymisasi untuk meminimalkan risiko? De-identifikasi yang terverifikasi

Safe Settings

Apakah lingkungan analisis aman dari kebocoran data? Secure computing environment, tidak ada pengunduhan raw data

Safe Outputs

Apakah output penelitian (tabel, grafik) tidak memungkinkan re-identifikasi? Review output sebelum publikasi

Broad Consent sebagai Solusi Pragmatis

Beberapa sistem data sekunder menggunakan "broad consent":

Saat pertama kali mendaftar di fasilitas kesehatan, pasien memberikan consent untuk penggunaan data anonim dalam penelitian kesehatan masa depan
Lebih luas dari specific consent tapi lebih terhormat dari tidak ada consent sama sekali
SATU SEHAT sedang mengembangkan framework untuk broad consent dalam konteks nasional

C.3. De-identifikasi Data dan Risiko Re-identifikasi

C.3.1. Memahami Identifiabilitas Data

Spektrum Identifiabilitas Data:

Directly Identifying: Nama lengkap, NIK, nomor rekam medis, nomor telepon, alamat lengkap, foto wajah
Indirectly Identifying (Quasi-Identifiers): Tanggal lahir + jenis kelamin + kode pos → dapat mengidentifikasi 87% populasi AS; Kombinasi: usia + kecamatan + paritas + diagnosis langka → di kabupaten kecil, sangat mungkin mengidentifikasi individu
Sensitive Attributes: Tidak langsung mengidentifikasi tetapi sangat sensitif jika terhubung ke identitas: status HIV, riwayat GBV, riwayat aborsi

Teknik De-identifikasi

Masking / Suppression

Hapus langsung identifier
Contoh: hapus nama, NIK, nomor telepon

Keterbatasan: Quasi-identifiers masih tersisa

Generalization

Kurangi presisi variabel
Contoh: tanggal lahir → tahun lahir saja; kecamatan → kabupaten

Trade-off: Mengurangi risiko re-identifikasi tetapi juga mengurangi kegunaan data untuk analisis

Perturbation / Noise Addition

Tambahkan variasi acak kecil pada nilai numerik
Contoh: usia ibu ±1 tahun secara acak

Preservasi: Distribusi statistik tetapi individual tidak dapat diidentifikasi secara tepat

Data Aggregation

Laporkan hanya pada level agregat yang tidak memungkinkan identifikasi individu
Standar minimum: tidak ada sel dalam tabel yang berisi <5 individu

Synthetic Data Generation

Generate dataset sintetis yang memiliki distribusi statistik yang sama dengan data asli tetapi tidak merepresentasikan individu nyata
Teknologi yang berkembang pesat menggunakan generative AI

C.3.2. Risiko Re-identifikasi dalam Konteks KIA

Mengapa Re-identifikasi Lebih Mudah dari yang Dikira

Kasus Klasik:

Tahun 2006: AOL merilis data pencarian "anonim" 20 juta pengguna → Wartawan mengidentifikasi individu spesifik hanya dari pola pencariannya dalam hitungan hari
Tahun 2008: Narayanan & Shmatikoff menunjukkan bahwa 87% pengguna Netflix dalam dataset "anonim" dapat diidentifikasi hanya menggunakan 8 rating film yang dicocokkan dengan data publik IMDB

Risiko Re-identifikasi Spesifik dalam Data KIA Indonesia

Kabupaten Kecil: Jika hanya ada 2 ibu hamil di Desa X dengan usia gestasi 34 minggu pada bulan tertentu, dan salah satunya memiliki diagnosis langka → sangat mudah diidentifikasi oleh siapapun yang kenal komunitas tersebut
Kondisi Klinis Langka: Kasus abrupsio plasenta, uterus bicornis, atau kondisi obstetri yang tidak umum → jumlah sangat sedikit di satu kabupaten → identifiable meskipun tanpa nama
Kombinasi Temporal: Tanggal SC yang tepat + fasilitas + diagnosis → keluarga pasien atau tenaga kesehatan setempat dapat langsung mengidentifikasi

Prinsip Minimum Anonymization untuk Penelitian KIA

Hapus semua direct identifiers
Generalisasi tanggal ke bulan/tahun saja
Generalisasi wilayah ke kabupaten (bukan kecamatan/desa) kecuali analisis spasial memerlukan
Cek: tidak ada kondisi klinis langka yang dapat diidentifikasi
Cek: tidak ada kombinasi variabel yang dapat mengidentifikasi <5 individu dalam sel tabel
Review output (tabel, grafik) oleh pihak independen sebelum publikasi

C.4. Data Sharing: Prinsip, Manfaat, dan Tantangan

C.4.1. Mengapa Data Sharing Penting untuk Kemajuan Ilmu

Replikasi & Verifikasi

Hasil penelitian dapat diverifikasi oleh peneliti independen
Mendeteksi kesalahan analisis atau fraud
Membangun kepercayaan pada temuan yang mempengaruhi kebijakan

Meta-analisis & Pooled Analysis

Data dari beberapa kabupaten/provinsi dapat digabung untuk analisis dengan statistical power yang lebih besar
Penting untuk kondisi yang jarang di satu lokasi tetapi cukup banyak jika dikumpulkan dari banyak lokasi
Contoh: analisis faktor risiko eklamsia berat memerlukan ribuan kasus — tidak mungkin dari satu kabupaten saja

Capacity Building

Peneliti muda dapat menggunakan data yang ada untuk pembelajaran dan pengembangan hipotesis baru
Mengurangi "reinventing the wheel" — tidak perlu mengumpulkan data dari awal untuk setiap penelitian

Hambatan Data Sharing di Indonesia

Regulasi: Belum ada framework data sharing kesehatan yang komprehensif; Ketidakjelasan tentang kepemilikan data antara Kemenkes, Dinkes, fasilitas, dan peneliti; Ethical clearance yang berbeda-beda standarnya antar institusi
Budaya: "Data adalah kekuatan" — keengganan untuk berbagi data yang mungkin menguntungkan peneliti lain; Kekhawatiran bahwa data yang dishare akan diinterpretasikan secara tidak adil atau merugikan institusi
Teknis: Format data yang tidak standar antar fasilitas; Kualitas data yang terlalu rendah untuk dibagikan tanpa pembersihan ekstensif; Tidak ada repositori data kesehatan nasional yang berfungsi baik

C.4.2. Data Sharing Agreement dan Best Practices

Data Sharing Agreement (DSA): Perjanjian formal antara pengelola data (data custodian) dan peneliti yang ingin menggunakan data, yang mendefinisikan hak, kewajiban, dan batasan penggunaan data.

1. Identitas Para Pihak

Data custodian: Kepala Dinkes/Kepala RS/Kepala Puskesmas
Data user: peneliti/institusi penelitian

2. Deskripsi Data

Dataset yang dibagikan: variabel, periode, format
Level de-identifikasi yang sudah diterapkan

3. Tujuan Penggunaan

Pertanyaan penelitian yang spesifik
Larangan penggunaan untuk tujuan lain

4. Keamanan & Akses

Siapa yang dapat mengakses data
Di mana data disimpan (tidak boleh di server luar negeri tanpa izin)
Pelatihan keamanan data yang wajib diikuti pengguna

5. Output & Publikasi

Review output sebelum publikasi untuk memastikan tidak ada re-identifikasi
Kewajiban acknowledge sumber data
Kewajiban berbagi temuan dengan data custodian

6. Terminasi & Destruksi

Kapan akses berakhir
Prosedur destruksi data yang aman

Praktik Terbaik yang Direkomendasikan WHO dan Lancet

Open data setelah embargo: Data dari penelitian yang dipublikasi dibagikan ke repositori publik setelah periode embargo (biasanya 6–12 bulan)
Pre-registration: Rencana analisis didaftarkan sebelum analisis dilakukan untuk mencegah p-hacking
Linked anonymized data: Dataset de-identifikasi yang dapat di-linkage dengan data lain melalui intermediary trusted third party tanpa membuka identitas

C.5. Membangun Budaya Integritas Data dalam Sistem KIA

C.5.1. Dari Kepatuhan ke Komitmen

Level 1 — Compliance

Melakukan apa yang diwajibkan regulasi dan komite etik
Ethical clearance sebagai "kotak yang harus dicentang"
De-identifikasi minimal yang diperlukan
DSA sebagai formalitas administratif

Level 2 — Commitment

Menginternalisasi bahwa data kesehatan merepresentasikan manusia — ibu yang mungkin sudah meninggal, bayi yang mungkin sudah besar, keluarga yang masih hidup
Ethical clearance sebagai proses refleksi genuine tentang risiko dan manfaat
De-identifikasi yang melebihi minimum karena menghormati subjek data
DSA sebagai perjanjian moral bukan hanya legal

Konsultan Obginsos sebagai Pemimpin Budaya Integritas Data

Memodelkan perilaku: Tidak mengambil jalan pintas dalam proses etika meskipun ada tekanan waktu atau anggaran
Mendidik tim: Tentang mengapa integritas data bukan hanya soal aturan tetapi soal menghormati pasien
Menolak tekanan: Untuk "memperbaiki" data agar terlihat lebih baik
Mendorong culture of error reporting: Lebih baik melaporkan kesalahan data daripada menyembunyikannya

Integrasi dengan Kompetensi yang Sudah Dipelajari

Modul 7 tidak berdiri sendiri — ia merupakan lapisan etis yang harus menyelimuti seluruh kompetensi TI dan surveilans:

Modul 2 (Surveilans): Data surveilans kematian ibu yang dikumpulkan dari komunitas harus dijaga dengan standar privasi yang sama ketatnya dengan data klinis individual
Modul 3 (GIS): Peta yang menampilkan distribusi kematian hingga level desa harus dievaluasi risiko re-identifikasi-nya sebelum dipublikasikan
Modul 4 (RME/Telemedicine): Foto USG yang dikirim via telemedicine adalah data pasien yang dilindungi — bukan hanya gambar teknis
Modul 6 (Inovasi Digital): Data yang digunakan untuk melatih algoritma AI harus memenuhi standar consent dan de-identifikasi yang sama dengan data untuk penelitian

PERTANYAAN DISKUSI

Pertanyaan 1: Dilema Etis Penelitian Retrospektif Dr. Nindi menghadapi dilema: penelitiannya menggunakan data retrospektif tanpa informed consent spesifik, tetapi hasilnya berpotensi menyelamatkan nyawa. Analisis dilema ini menggunakan kerangka yang dipelajari dalam modul ini: (a) gunakan tiga prinsip Belmont Report untuk menganalisis apakah penelitian dr. Nindi secara etis dapat dibenarkan — berikan penilaian yang jujur untuk setiap prinsip, termasuk mengidentifikasi di mana ketegangan paling serius; (b) identifikasikan kondisi-kondisi spesifik yang harus dipenuhi agar waiver of consent untuk penelitian dr. Nindi dapat dibenarkan secara etis — berikan penilaian apakah kondisi-kondisi tersebut terpenuhi berdasarkan informasi yang tersedia dalam skenario; (c) jika ternyata data yang digunakan dr. Nindi tidak memenuhi standar de-identifikasi yang adequate — yaitu, kombinasi variabel yang ada masih memungkinkan re-identifikasi beberapa individu di kabupaten kecil seperti Kolaka Utara — apa langkah yang harus ia ambil? Apakah ia harus menghentikan penelitian, memodifikasi dataset, atau ada opsi lain? Pertimbangkan trade-off antara nilai pengetahuan yang sudah dihasilkan dan kewajiban etis yang mungkin belum terpenuhi.

Pertanyaan 2: Implikasi Etis SATU SEHAT untuk Penelitian Dalam konteks sistem kesehatan Indonesia yang sedang bertransisi menuju digitalisasi penuh (SATU SEHAT), akan ada peningkatan dramatis dalam ketersediaan data kesehatan yang terintegrasi — data kunjungan, diagnosis, tindakan, obat-obatan, dan hasil laboratorium dari seluruh fasilitas kesehatan yang terhubung. Analisis implikasi etis dari transisi ini untuk penelitian kesehatan reproduksi: (a) identifikasikan tiga peluang penelitian yang sebelumnya tidak mungkin atau sangat sulit dilakukan tetapi akan menjadi feasibel dengan data SATU SEHAT yang terintegrasi — untuk setiap peluang, jelaskan nilai ilmiahnya untuk kesehatan reproduksi Indonesia; (b) identifikasikan tiga risiko etis baru yang muncul dari integrasi data skala nasional ini yang tidak ada dalam era data yang terfragmentasi — untuk setiap risiko, usulkan safeguard spesifik yang seharusnya dibangun ke dalam sistem sejak awal; (c) "broad consent" diusulkan sebagai solusi pragmatis untuk penggunaan data SATU SEHAT dalam penelitian — evaluasi kritis apakah broad consent benar-benar menghormati prinsip autonomy dalam konteks populasi Indonesia yang heterogen tingkat literasi digitalnya.

RANGKUMAN

Manajemen data penelitian yang baik dimulai dari perencanaan — Data Management Plan yang komprehensif mendefinisikan bagaimana data dikumpulkan, diorganisir, diamankan, dibagikan, dan diarsipkan sebelum penelitian dimulai, bukan setelah masalah muncul; prinsip FAIR memberikan kerangka yang memastikan data dapat ditemukan, diakses, diintegrasikan, dan digunakan ulang secara bertanggung jawab
Etika penggunaan data sekunder untuk penelitian diatur oleh kerangka yang berlapis — dari Belmont Report hingga Deklarasi Helsinki hingga UU PDP Indonesia — dan waiver of consent untuk penelitian retrospektif berbasis data kesehatan dapat dibenarkan hanya dalam kondisi yang spesifik: risiko minimal, manfaat substansial, tidak praktis memperoleh consent, dan dikonfirmasi oleh komite etik yang berwenang
De-identifikasi data bukan hanya menghapus nama dan NIK — quasi-identifiers seperti kombinasi usia, wilayah, paritas, dan diagnosis langka dapat memungkinkan re-identifikasi individu khususnya di kabupaten kecil dengan populasi yang saling mengenal; penerapan teknik generalisasi, perturbasi, dan pembatasan sel tabel adalah minimum yang diperlukan untuk melindungi privasi subjek
Data sharing yang bertanggung jawab dibangun di atas dua fondasi: Data Sharing Agreement yang mendefinisikan hak dan kewajiban semua pihak secara jelas, dan framework "5 Safes" yang memastikan proyek, orang, data, setting, dan output semuanya aman — hambatan data sharing di Indonesia bersifat regulasi, budaya, dan teknis sekaligus dan memerlukan intervensi di ketiga level
Budaya integritas data dalam sistem KIA tidak dapat dibangun hanya melalui compliance terhadap regulasi — ia memerlukan komitmen bahwa setiap titik data dalam dataset surveilans, rekam medis elektronik, atau analisis GIS merepresentasikan manusia yang nyata dengan hak atas privasi dan martabat yang harus dihormati bahkan setelah data mereka dianonymisasi dan masuk ke dalam analisis agregat

TUGAS PERSONAL 2 (TP2) — MINGGU 7

Nama Tugas	Tugas Personal 2 — Analisis Etika Penggunaan Data Kesehatan Reproduksi
Mata Kuliah	Teknologi Informasi & Surveilans Kesehatan Reproduksi
Bobot	10% dari nilai akhir MK
Format	Esai analitik — Word atau PDF, 900–1.400 kata
Referensi	Minimal 4 referensi (termasuk minimal 1 regulasi nasional Indonesia)
Pengumpulan	LMS — akhir Minggu ke-7

Petunjuk Umum

Tugas ini menguji kemampuan Anda mengintegrasikan konsep dari Modul 6 dan Modul 7 dalam menganalisis situasi yang memiliki ketegangan etis yang genuine
Tidak ada jawaban yang sepenuhnya "benar" atau "salah" untuk pertanyaan yang melibatkan dilema etis — yang dinilai adalah kedalaman analisis, kejujuran intelektual, dan kemampuan mempertahankan posisi dengan argumen yang kohesif
Gunakan sub-judul yang jelas untuk setiap bagian jawaban
Hindari jawaban yang hanya mendeskripsikan ulang materi modul — tunjukkan kemampuan analisis dan penerapan dalam konteks yang diberikan

Skenario: Kabupaten Belu, Nusa Tenggara Timur

Dr. Hendra, SpOG., Subsp.Obginsos.

Kepala Bidang Kesehatan Masyarakat di Dinas Kesehatan Kabupaten Belu, Nusa Tenggara Timur — salah satu kabupaten dengan AKI tertinggi di Indonesia. Dalam satu tahun terakhir, ia mengumpulkan dataset dari tiga sumber:

Sumber 1: Data e-Kohort KIA dari 12 Puskesmas — mencakup 2.847 ibu hamil yang terdaftar selama 2 tahun terakhir, dengan variabel: usia ibu, paritas, usia gestasi saat K1, jumlah kunjungan ANC, tekanan darah per kunjungan, hemoglobin, outcome persalinan (normal/SC/vakum/forceps), dan komplikasi yang terjadi.
Sumber 2: Data rekam medis RSUD Dr. Hendrikus Fernandez — mencakup 312 kasus rujukan obstetri dalam 2 tahun, termasuk: diagnosis rujukan, waktu tiba, tindakan yang dilakukan, nama bidan/Puskesmas perujuk, dan outcome (hidup/meninggal).
Sumber 3: Wawancara mendalam yang ia lakukan sendiri dengan 18 bidan Puskesmas tentang hambatan mereka dalam merujuk kasus kegawatan — dilakukan secara informal tanpa formulir consent tertulis, karena dr. Hendra menganggap ini bagian dari "supervisi rutin" bukan "penelitian."

Masalah Etika yang Muncul

Dr. Hendra ingin mempublikasikan analisis ini di jurnal nasional sebagai studi kasus faktor-faktor keterlambatan rujukan obstetri di kabupaten terpencil.
Ia sudah menghapus nama dan NIK dari dataset, tetapi data Sumber 2 masih menyertakan nama Puskesmas perujuk dan nama bidan perujuk — karena dr. Hendra berargumen bahwa "bidan adalah tenaga profesional, bukan subjek penelitian yang perlu dilindungi."
Ia juga berniat mengutip verbatim beberapa pernyataan bidan dari wawancara Sumber 3, karena pernyataan tersebut sangat ilustratif untuk menggambarkan hambatan sistemik.

Pertanyaan

Bagian A — Identifikasi Masalah Etika (±350 kata)

Identifikasikan dan analisis tiga masalah etika yang paling serius dalam rencana penelitian dr. Hendra. Untuk setiap masalah:

Jelaskan secara spesifik apa yang bermasalah — bukan hanya sebutkan bahwa ada masalah
Identifikasikan prinsip etika atau regulasi spesifik yang dilanggar atau berpotensi dilanggar
Jelaskan potensi bahaya konkret yang dapat terjadi jika masalah ini tidak diatasi

Bagian B — Analisis Klaim "Bidan adalah Tenaga Profesional" (±350 kata)

Dr. Hendra berargumen bahwa bidan tidak perlu perlindungan sebagai subjek penelitian karena mereka adalah tenaga profesional. Evaluasi klaim ini secara kritis:

Apakah argumen ini memiliki dasar yang dapat dibenarkan? Identifikasikan kondisi-kondisi di mana tenaga kesehatan sebagai subjek penelitian memang mendapat perlakuan yang berbeda dari pasien umum
Dalam kasus spesifik ini — dengan nama bidan dan Puskesmas yang tercatat dalam dataset yang akan dipublikasikan — apa risiko konkret yang dihadapi bidan tersebut? Pertimbangkan: reputasi profesional, hubungan dengan Dinkes, dan potensi dampak karir
Apakah ada perbedaan etis antara mengidentifikasi nama Puskesmas (institusi) versus nama bidan (individu) dalam publikasi — dan bagaimana perbedaan ini seharusnya mempengaruhi keputusan dr. Hendra?

Bagian C — Rekomendasi Perbaikan (±450 kata)

Anda adalah kolega dr. Hendra yang dimintai masukan sebelum naskah dikirim ke jurnal. Susun rekomendasi spesifik dan actionable untuk memperbaiki protokol penelitian ini, mencakup:

Langkah-langkah yang harus dilakukan untuk memperbaiki masalah ethical clearance dan consent — termasuk apakah masalah ini masih dapat diperbaiki secara retroaktif atau apakah ada data yang tidak dapat diselamatkan secara etis
Modifikasi yang diperlukan pada dataset sebelum analisis dan publikasi — spesifik tentang Sumber 1, 2, dan 3 masing-masing
Satu hal yang menurut Anda tidak dapat dikompromikan — sesuatu yang harus dr. Hendra lakukan atau tidak lakukan terlepas dari tekanan waktu atau kepentingan untuk mempublikasikan temuan yang berharga

Rubrik Penilaian

Komponen	Indikator Penilaian	Bobot
Identifikasi Masalah (A)	Ketepatan dan spesifisitas identifikasi masalah; kaitannya dengan prinsip etika dan regulasi; analisis potensi bahaya yang konkret	35%
Analisis Klaim (B)	Keseimbangan dalam mengevaluasi argumen; identifikasi risiko nyata bagi bidan; ketajaman analisis perbedaan institusi vs individu	35%
Rekomendasi (C)	Spesifisitas dan actionability rekomendasi; realisme tentang apa yang dapat diperbaiki retroaktif; kejernihan tentang hal yang tidak dapat dikompromikan	30%

Referensi Minimal yang Disarankan

Belmont Report. Ethical Principles and Guidelines for the Protection of Human Subjects of Research. 1979.
Republik Indonesia. UU No. 27 Tahun 2022 tentang Perlindungan Data Pribadi.
World Medical Association. Declaration of Helsinki. JAMA. 2013.
El Emam K, et al. A systematic review of re-identification attacks on health data. PLOS ONE. 2011.

REFERENSI

National Commission for the Protection of Human Subjects. The Belmont Report: Ethical Principles and Guidelines for the Protection of Human Subjects of Research. Washington DC: DHEW; 1979. https://www.hhs.gov/ohrp/regulations-and-policy/belmont-report/index.html
World Medical Association. Declaration of Helsinki: Ethical principles for medical research involving human subjects. JAMA. 2013;310(20):2191–2194. https://doi.org/10.1001/jama.2013.281053
Wilkinson MD, Dumontier M, Aalbersberg IJ, et al. The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data. 2016;3:160018. https://doi.org/10.1038/sdata.2016.18
Sweeney L. k-anonymity: a model for protecting privacy. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems. 2002;10(5):557–570. https://doi.org/10.1142/S0218488502001648
El Emam K, Jonker E, Arbuckle L, Malin B. A systematic review of re-identification attacks on health data. PLOS ONE. 2011;6(12):e28071. https://doi.org/10.1371/journal.pone.0028071
Mello MM, Francer JK, Wilenzick M, et al. Preparing for responsible sharing of clinical trial data. New England Journal of Medicine. 2013;369(17):1651–1658. https://doi.org/10.1056/NEJMhle1309073
Republik Indonesia. Undang-Undang Nomor 27 Tahun 2022 tentang Perlindungan Data Pribadi. Jakarta; 2022. https://peraturan.bpk.go.id/Details/230806
Kementerian Kesehatan RI. Peraturan Menteri Kesehatan Nomor 11 Tahun 2017 tentang Keselamatan Pasien. Jakarta: Kemenkes RI; 2017. https://peraturan.bpk.go.id/Details/111899
Floridi L, Cowls J, Beltrametti M, et al. An ethical framework for a good AI society: opportunities, risks, principles, and recommendations. Minds and Machines. 2018;28(4):689–707. https://doi.org/10.1007/s11023-018-9482-5
Lucey CR, Johnston SC. The transformational effects of COVID-19 on medical education. JAMA. 2020;324(11):1033–1034. https://doi.org/10.1001/jama.2020.14136