Anda di halaman 1dari 5

TUGAS TERSTRUKTUR

SISTEM INFORMASI KESEHATAN


TELAAH JURNAL

OLEH :
KELOMPOK 7
KELAS B

1.
2.
3.
4.
5.
6.

Dinda Syifa Aladila


Aminah Tri Wulandari
Karina Pratiwi Wibowo
Ellen Herliana Pratiwi
Diana Kartika Anggraeni
Fadhila Suryantini

G1B013081
G1B013082
G1B013083
G1B013084
G1B013085
G1B013086

KEMENTERIAN RISET, TEKNOLOGI DAN PENDIDIKAN TINGGI


UNIVERSITAS JENDERAL SOEDIRMAN
FAKULTAS ILMU-ILMU KESEHATAN
JURUSAN KESEHATAN MASYARAKAT
PURWOKERTO
2015
I.

Identitas Jurnal
1. Nama Jurnal
: J Am Med Inform Assoc
2. Judul Jurnal :Validation of

electronic

medical

record-based

phenotyping algorithms: results and lessons learnedfrom the


eMERGE network
3. Pengarang : Katherine M Newton, Peggy L Peissig, Abel Ngo Kho,
Suzette J Bielinski, Richard L Berg, Vidhu Choudhary, Melissa

Basford, Christopher G Chute, Iftikhar J Kullo, Rongling Li, Jennifer


A Pacheco, Luke V Rasmussen, Leslie Spangler, Joshua C Denny
4. Edisi : Newton KM,et al. J Am Med Inform Assoc 2013;20:e147
e154. doi:10.1136/amiajnl-2012-000896
II.

Isi Telaah Jurnal :


Abstrak
Latar belakang studi genetic membutuhkan definisi fenotip yang tetap, tetapi data
fenotip EMR yang tercatat tidak konsisten dan dalam bentuk yang bervariasi.
Objektif / Tujuan
Untuk mempelajari fenotip dasar EMR dari Ilmu Data Rekam Medis dan Genomik (eMERGE).
Alat dan Bahan
Jaringan e-MERGE dibuat dan divalidasi melalui pengambilan 13 EMR
fenotip algoritme. Tempat jaringannya adalah Group Health, Klinik Marsfield, Klinik
Mayo, Nortwestern University, dan Vanderbilt University. Validasi adalah proses
berharga yang tidak hanya mengukur kinerja fenotipe tetapi juga memperkuat
fenotipe definisi algoritma dan meningkatkan pembagian antar lembaga.
PENGENALAN
Rekam medis elektronik (EMRs) menyimpan data fenotipe berlimpah, dan
kepentingan pemerintah serta promosi yang mendorong meluasnya penggunaan dan
adopsi. Namun, EMRs dirancang untuk melayani penyedia layanan kesehatan dan
pasien dengan mendokumentasikan interaksi pasien-penyedia dan pengamatan klinis,
dan menghasilkan dokumentasi penagihan.
LATAR BELAKANG
Data EMR dapat mengidentifikasi sejumlah besar fenotipe klinis seperti
penyakit (kasus) dan non-penyakit (kontrol), dan sifat-sifat kuantitatif penting medis,
dengan validitas yang cukup untuk kekuatan studi genom asosiasi (GWAS) dan jenis
lainnya yang muncul dari pembelajaran genetic. GWAS telah sukses memasukkan
studi, antara lain tentang sifat-sifat sel darah merah dan putih, konduksi
atrioventrikular (yaitu, interval PR), tingkat sedimentasi eritrosit, dan hipotiroidisme
primer. Dengan demikian, EMRs terkait dengan data genetika yang memiliki potensi
untuk menggeser fokus penelitian dari pendaftaran pasien research driven melalui
penempatan fenotip dalam populasi pasien yang besar.
BAHAN,METODE, DAN HASIL
Lima jaringan Grup Kesehatan, Marshfield Clinic, Mayo Clinic, Universitas
Northwestern, dan Vanderbilt University . Kesehatan Group dan Marshfield Clinic
adalah sistem pemberian perawatan terpadu yang menggunakan sistem EMR

komersial, sementara tiga jaringan lain adalah sistem fee-for-service yang


menggunakan EMR dikembangkan secara internal untuk perawatan rawat inap dan
rawat jalan.
KARAKTERISTIK DATA
Mengidentifikasi kategori data umum untuk semua jaringan (misalnya, usia, jenis
kelamin, ras / etnis, tinggi, berat badan, tekanan darah, kode rawat inap / rawat jalan
diagnosis, tes laboratorium, obat), menggunakan fenotip utama untuk melengkapi dan
mencukupi data.
Penyeleksian Fenotip
Jaringan yang dipilih fenotip pertama untuk analisis berdasarkan keahlian para
peneliti dan kepentingan, pentingnya ilmiah GWAS untuk fenotipe, dan kelayakan
jelas mengidentifikasi fenotip dalam EMR.
Pendekatan validasi
Untuk setiap fenotipe, situs utama dikembangkan fenotip algoritma sebagai latihan
kolaborasi antara dokter, klinik ahli konten, informaticians, epidemiologi, ahli
genetika, dan ahli data. Mengingat perbedaan di lembaga, algoritma yang
dikembangkan diwakili sebagai 'pseudo. Pseudocode adalah dokumen tertulis yang
mencakup dan didefinisikan semua variabel yang dibutuhkan untuk mengidentifikasi
fenotipe, dan aturan-aturan untuk menggabungkan mereka (yaitu, kondisi duniawi
antara dua pengamatan, jumlah diagnosa diamati). Pseudocode juga menyediakan
peta rinci untuk ekstraksi data. Setiap situs kemudian diimplementasikan pseudocode
berdasarkan struktur EMR.
Pelajaran dari pengembangan algoritma fenotipe dan validasi
Untuk beberapa fenotipe (katarak, demensia, diabetes tipe 2, perifer Penyakit
arteri, hipotiroidisme, hipertensi resisten, dan retinopati diabetes) tujuan validasi
adalah untuk mengkonfirmasi keakuratan kasus dan kontrol status. Dengan demikian,
target untuk validasi adalah karakteristik, dan inklusi dan eksklusi kriteria, kasus dan
control.
Tindakan berulang
Banyak fenotipe, misalnya, tekanan darah dan laboratorium langkah-langkah,
dicatat berulang kali. Ini memberikan peluang dan tantangan. Tindakan berulang
mungkin juga menyediakan representasi yang lebih akurat dari sifat dari ukuran
tunggal. Tantangan untuk menggunakan nilai-nilai ini termasuk mendefinisikan
periode waktu yang relevan dan menentukan paling bermakna.
Kerusakan di EMR
Kerusakan dapat memiliki dampak penting bagi algoritma fenotipe dalam jenis
elemen data yang digunakan, sumber data diinterogasi, dan kinerja algoritma.

Parameter Ulasan
Jika data EMR menumpuk maka menimbulkan masalah seperti hasil diagnosis yang
lama keluar dan biaya meningkat.
Berikut ini beberapa Electronic Medical Records dan Genomics: fenotipe
divalidasi, situs yang berpartisipasi, dan pendekatan validasi oleh situs, diantaranya :
1. - Fenotipe : Katarak
- Kategori EMR untuk menentukan fenotipe : Kode ICD-9, pemeriksaan mata,
daftar masalah, teks, dan dokumen yang dipindai
- Tantangan : Tidak semua situs memiliki detail yang cukup dalam EMR.
Pengenalan karakter optik yang diperlukan untuk catatan scan tidak tersedia di
semua situs.
2. - Fenotipe : Demensia
- Kategori EMR untuk menentukan fenotipe : Kode ICD-9, obat
- Tantangan : Situs Primer memiliki diagnosis penelitian berkualitas Alzheimer
sementara yang lain tidak,mengorbankan demensia sebagai fenotipe. Beberapa
situs memiliki basis data farmasi, sedangkan yang lain mengandalkan NLP
untuk farmasi
3. - Fenotipe : Diabetes tipe 2
- Kategori EMR untuk menentukan fenotipe : Kode ICD-9, obat, tes
laboratorium
- Tantangan : Kesulitan penanganan tindakan berulang, membedakan tipe 1 dari
tipe 2 diabetes, abstrak obat dari perintah terhadap apotek vs NLP
4.

- Fenotipe : Hipotiroidisme primer


- Kategori EMR untuk menentukan fenotipe : Kode ICD-9 dan CPT-4, obat,
laboratorium tes, teks
- Tantangan : Sejumlah besar pengecualian menimbulkan tantangan dalam
mengembangkan review grafik bentuk. Orang-tingkat (seumur hidup) kriteria
eksklusi dipersulit oleh kefanaan dan keterbatasan kerangka waktu EMR yang
(catatan tua di atas kertas)
5. . - Fenotipe : Sel darah putih indeks
- Kategori EMR untuk menentukan fenotipe : tes laboratorium dan lokasi
menarik (misalnya, rumah sakit vs klinik), ICD-9, CPT-4, dan kode
HCPCS, obat
- Tantangan : Kesulitan dalam menangani tindakan berulang

6.

- Fenotipe : Konduksi jantung normal (PR dan Interval QRS)


- Kategori EMR untuk menentukan fenotipe : Data EKG elektronik, obatobatan, NLP, ICD-9 dan Kode CPT, tes laboratorium
- Tantangan : Menemukan dan pertambangan EKG elektronik data dari
sistem penjual sulit. Tantangan menegaskan tidak adanya penyakit jantung
(misalnya, tidak termasuk riwayat keluarga) atau kelainan elektrolit pada
saat EKG.

KESIMPULAN
Meskipun struktur beragam dari lima EMRs dari eMERGE situs, yang kami
kembangkan, divalidasi, dan berhasil dikerahkan 13 algoritma fenotipe elektronik.
Validasi adalah proses berharga yang tidak hanya mengukur kinerja fenotipe tetapi
juga memperkuat algoritma fenotipe dan meningkatkan berbagi interinstitutional
mereka.
Pada akhirnya, system EMR akan menghasilkan deret kode ICD (International
Statistical Classification of Diseases and Related Health Problems) dari kode-kode
yang dihasilkan pada pengisian form-form catatan medik. Deretan kode-kode ini
mampu menggambarkan perkembangan kondisi pasien dan penanganan medik yang
diberikan selama perawatan. Data-data medik yang tersimpan dapat ditampilkan
kembali dalam bentuk catatan medik digital.
Kelebihan jurnal
Kesimpulan sudah jelas
Dalam jurnal sudah disertai contoh dan gambaran kasus
Isi dari jurnal sudah lengkap dan terperinci
Kekurangan jurnal
Abstraknya kurang jelas karena hanya sedikit dan tidak menjelaskan gambaran

III.

isi jurnal.
Ada beberapa kalimat yang sulit dipahami dan perlu dibaca berulang-ulang.

DAFTAR PUSTAKA
Harlan, Johan., Dari Rekam-Medik Kertas ke Rekam-Medik Elektronik, Presentasi,
Pusat Studi Informatika Kedokteran, Universitas Gunadarma, Jakarta, without
published year.
Rusli, Arsil, dkk., Manual Rekam Medis, Konsil Kedokteran Indonesia/Indonesian
Medical council, Jakarta, 2006.

Anda mungkin juga menyukai