Lihat diskusi, statistik, dan profil penulis untuk publikasi ini di: https://www.researchgate.

net/publication/304887996

Model prediksi penyakit jantung koroner (PJK) tersangka, berbasis kesehatan masyarakat

Artikel    di    International Journal of Applied Bisnis dan Riset Ekonomi · Januari 2016

KUTIPAN Dibaca

1 261

10 penulis . termasuk:

Andi Imam Arundhana

Universitas Hasanuddin Universitas Hasanuddin

57 PUBLIKASI     150 CITATIONS     23 PUBLIKASI     23 CITATIONS    

SEE PROFIL SEE PROFIL

Abdul Thaha

Universitas Hasanuddin

17 PUBLIKASI     17 CITATIONS    

SEE PROFIL

Beberapa penulis publikasi ini juga bekerja pada proyek-proyek terkait:

Kegemukan Lihat proyek

Pengaruh serbuk daun oleifera suplementasi Moringa pada ibu hamil pada hasil kesehatan dan kelahiran ibu Lihat proyek Veni Hadju

Semua konten berikut halaman ini diunggah oleh Andi Imam Arundhana pada 18 Desember 2016.

Pengguna telah meminta tambahan dari file yang didownload.

IJABER, Vol. 14, No 2 (2016): 1373-1383

MODEL PREDIKSI KORONER

PENYAKIT JANTUNG (PJK) TERSANGKA,
KESEHATAN MASYARAKAT BERBASIS

Citrakesumasaril 1, Veni Hadju 2, Burhanuddin Bahar 3,

Andi Imam Arundhana 4, Sukri Palutturi 5, Triono Sundoro 6,
Abbas Jahari 7, Ali Aspar 8, Irawan Yusuf 9, Abdul Razak Thaha 10

ABSTRAK

ditujukan: Penelitian ini bertujuan untuk mengidentifikasi model prediksi PJK tersangka kesehatan masyarakat
berbasis melalui analisis faktor risiko PJK. instrumen berbasis masyarakat harus murah, mudah dilakukan, dan
sederhana daripada nilai lainnya.

Metode: Metode ini studi cross-sectional dengan mengolah data dari RISKESDAS
2007. Analisis Faktor Risiko dilakukan untuk mengetahui variabel prediktor dalam sampel 162 962 orang.
analisis chi square digunakan untuk menilai hubungan antara variabel. Analisis lebih lanjut dilakukan dengan
menggunakan regresi logistik, namun variabel tersingkir bahwa tes laboratorium diperlukan dan saling
collinearity.

hasil: Analisis multivariat menemukan lima variabel yang bisa menjadi prediktor untuk PJK berbasis
masyarakat. Jumlah minimum variabel yang signifikan untuk memprediksi PJK adalah tiga dari lima variabel
prediktor (p <0,05). PJK prediktor variabel yaitu, usia> 40 tahun (OR = 2,08; 95% CI: 1,85-2,34), tekanan
darah 129,5 / 87,5 mmHg (OR =
1,36; 95% CI: 1, 21-1,53), lingkar perut ≥82 cm untuk wanita dan ≥83 cm untuk laki-laki (OR = 1,34; 95%
CI: 1,18-1,52), status merokok ≥20 batang / hari (OSR = 1,09; 95% CI: 0,94-1,26), dan seks: pria (OR =
0,57; 95% CI: 0,49-0,66). Tes reliabilitas instrumen dibawa ke skor CVD Jakarta dengan nilai kappa = 0,
6.

1,3 dosen senior, Program Studi Ilmu Gizi di Sekolah Kesehatan Masyarakat Hasanuddin
Universitas, Makassar Indonesia
2,10 Profesor Ilmu Gizi di Sekolah Universitas Umum Hasanuddin Kesehatan, Makassar
Indonesia
4
dosen junior, Program Studi Ilmu Gizi di Sekolah Universitas Public Health Hasanuddin, Makassar Indonesia

5
dosen senior, Departemen Kebijakan Kesehatan dan Administrasi Sekolah Universitas Public Health Hasanuddin,
Makassar Indonesia
6,7 Institut Penelitian dan Pengembangan Kesehatan Departemen Kesehatan, Indonesia

8 Ahli jantung dan spesialis pembuluh darah Dr Wahidin Sudirohusodo, Makassar Indonesia
9
Profesor di Sekolah Kedokteran Universitas Hasanuddin, Makassar Indonesia
Penulis yang sesuai: citra_fkmuh@yahoo.co.id ; sukritanatoa72@gmail.com
1374 • Citrakesumasaril, Veni Hadju, Burhanuddin Bahar, Andi Imam Arundhana et al

Kesimpulan: Model prediksi PJK sebagai alat skrining di masyarakat dibuat, dengan menggunakan lima
variabel prediktor seperti: usia, jenis kelamin, status merokok, lingkar perut dan tekanan darah. Setiap
variabel memiliki skor 1, sehingga total skor adalah
5, dan jika seseorang mencetak ≥3, maka ia / dia akan PJK tersangka. Model prediksi ini bernama skor PJK
Riskesdas.

Kata kunci: Tersangka PJK, faktor risiko, model prediksi

PENGANTAR
Penyakit Jantung Koroner (PJK) merupakan penyebab utama kematian dan kesakitan di seluruh dunia,
khususnya di negara-negara maju seperti di Eropa dan Amerika (McGovern et al., 1996). Menurut
WHO, kejadian kematian akibat PJK sangat tinggi, bahkan mencapai 243 048 kasus. Pada tahun 2002,
lebih dari 7 juta orang di seluruh dunia meninggal karena PJK, dan diperkirakan akan meningkat hingga
11 juta pada tahun 2020 (Ethical digest, 2005). Salah satu negara maju, Skotlandia, PJK menjadi
penyebab utama kematian. Kondisi serupa juga terjadi di beberapa negara di Eropa, Amerika, dan
Australia (Hotchkiss et al., 2014). Di Amerika Serikat, diperkirakan bahwa setiap 25 detik, ada satu
orang yang menderita PJK, dan 34% dari mereka berakhir dengan kematian pada tahun yang sama
(Lloyd et al., 2009).

Selain dampak penting dari kematian, efek lain yang terkait dengan CHD adalah penurunan
produktivitas, namun akan menambah beban anggaran negara. Di beberapa negara, diperkirakan dari $
84 miliar dalam bentuk tunai akan hilang karena PJK, stroke, dan diabetes antara tahun 2006 dan 2015
(Abegunde et al., 2007). program pencegahan sebenarnya lebih efisien. Biaya rata-rata untuk program
pencegahan dari The Georgia Stroke dan Hearth attact adalah $ 486 per pasien per tahun, sementara jika
dibandingkan dengan biaya pengobatan tanpa perawatan standar dan pengobatan dengan perawatan
standar mencapai $ 534 dan $ 624 (Chen et al., 2006).

Di Indonesia, anggaran pemerintah dibayar melalui program Jaminan Kesehatan Masyarakat (Jamkesmas)
untuk layanan dalam kasus bencana seperti operasi jantung meningkat pesat. Pada tahun 2005, jumlah kasus
mencapai 380 kasus dengan biaya lebih dari 3 milyar rupiah. Hal ini meningkat menjadi 9.893 kasus pada tahun
2007 mencapai 27 miliar mengorbankan anggaran (Depkes, 2008). Penyakit yang berhubungan dengan
tembakau dianggap memiliki kontribusi besar untuk membiayai pengobatan, yaitu, 2,1 triliun rupiah, dan salah
satu dari penyakit ini adalah penyakit kardiovaskular (Depkes, 2013).

variabel multi-faktorial adalah penyebab PJK, diperkirakan 90% dari orang dengan penyakit jantung
koroner (PJK) didahului oleh setidaknya salah satu faktor risiko seperti merokok, diabetes, hipertensi, atau
hiperkolesterolemia (Greenland et al., 2003) . Sebuah paparan yang sangat tinggi dari faktor risiko ini akan
memberikan beban bagi
 Prediksi Model Penyakit Jantung Koroner (PJK) • 1375

atherosclerosys yang akhirnya menyebabkan serius yaitu masalah klinis, terjadinya PJK. Banyaknya
kejadian dan kematian akibat PJK disebabkan oleh tingginya prevalensi obesitas, terutama obesitas
sentral. obesitas sentral adalah faktor risiko, dan sekitar 53% orang Amerika mengalami obesitas
sentral (Kones et al., 2011).

Tujuan utama dari program pengendalian melalui epidemiologi dan pendekatan preventif adalah
untuk mengembangkan sebuah alat yang bisa digunakan untuk memprediksi penyakit. Kapasitas
prediksi faktor risiko PJK adalah kelompok umur, jenis kelamin, merokok, tekanan darah tinggi,
peningkatan LDL, meningkatkan tingkat kolesterol, HDL rendah, dan diabetes mellitus. Model / alat
yang dapat digunakan adalah skor risiko Framingham (Wilson PW et al., 1998). Menurut Nicolas
(2010), aterosklerosis penanda dan penanda inflamasi dapat digunakan untuk memprediksi PJK pada
orang dewasa. (Nicolas, 2010), sedangkan Basuni (2009) digunakan jenis kelamin, usia, profil lipid,
tekanan darah sistolik, status merokok, dan diabetes dari sejarah keluarga sebagai prediktor PJK.
Bahkan, ada beberapa model / instrumen yang dapat digunakan untuk memprediksi PJK di samping
skor Framingham, seperti Reynolds Score (Wilson,

Semua instrumen pada dasarnya didasarkan pada percobaan di laboratorium, sehingga implikasinya
kesehatan masyarakat relatif mahal, dan itu diperlukan keahlian khusus untuk pemeriksaan perilaku
laboratorium. Kesehatan-instrumen publik harus murah, mudah dilakukan dan sederhana. Namun, akurasi
instrumen berbeda antara populasi. Oleh karena itu, harus ada model baru untuk memprediksi risiko PJK
kepada penduduk di Indonesia. Jadi, penelitian ini bertujuan untuk menemukan instrumen dengan sederhana
gol, mudah-pengukuran, murah dan tidak memerlukan pemeriksaan laboratorium. Itu sejalan dengan
permintaan kesehatan masyarakat, yang mencegah terjadinya PJK dengan menggunakan model prediksi
yang diduga kesehatan masyarakat CHD- berdasarkan.

Dengan model ini, pemutaran PJK dapat dilakukan di masyarakat, Jadi, variabel prediktor yang
dapat dicegah seperti obesitas sentral dan hipertensi, dan berhenti merokok bisa dilakukan secara
optimal di tingkat fasilitas kesehatan 1 (PPK1). Tujuannya adalah untuk mengurangi anggaran Negara,
karena penggunaan fasilitas kesehatan di tingkat 2 dan 3 (rumah sakit) akan menjadi mahal.
Mengamati perbedaan luas di Indonesia, kami berharap bahwa kita bisa melakukan pemetaan risiko
PJK dengan membuat “wilayah diagnosis oleh provinsi”, dan variabel prediktor bermasalah bisa
ditindaklanjuti.
1376 • Citrakesumasaril, Veni Hadju, Burhanuddin Bahar, Andi Imam Arundhana et al

METODE PENELITIAN
Desain adalah studi cross sectional dengan menggunakan data dari Riset Kesehatan Dasar (Riskesdas)
tahun 2007. populasi tersebut sampel dari anggota rumah tangga
yaitu, 987 205 orang. Sampel adalah anggota rumah tangga yang memenuhi kriteria inklusi 1) usia
≥25 tahun, 2) tidak hamil, 3) memiliki semua data faktor risiko PJK dengan kriteria minimal Jakarta
Penyakit Kardiovaskular (CVD) Score, yaitu: usia, jenis kelamin , aktivitas fisik, tekanan darah, berat
badan, tinggi badan, diduga diagnosis PJK, dan riwayat merokok. Berdasarkan kriteria tersebut,
jumlah sampel yang memenuhi persyaratan itu 162 962 orang. Variabel bebas adalah PJK menduga
yaitu anggota rumah tangga dengan diagnosis penyakit jantung dengan medis dokter dan mengeluh
nyeri dada. variabel dependen merupakan faktor risiko PJK. analisis data univariat, bivariat, dan
analisis multivariat. Variabel dengan p <0,25 akan dimasukkan dalam variabel yang dipilih, dan
kemudian analisis multivariat akan dilakukan.

Analisis metode bersyarat mundur digunakan sebagai analisis multivariat yang akan menemukan
variabel dalam pemodelan dengan nilai p <0,05. Ketika ada perubahan dalam nilai rasio odds (OR)
yang melebihi 10% maka akan dimasukkan kembali ke dalam pemodelan dan dianggap sebagai
pengganggu faktor. Uji efek interaksi akan dilakukan untuk mengidentifikasi variabel yang diperlukan
tes laboratorium dan variabel collinearity. Ambang batas untuk lingkar perut dan tekanan darah
dengan mempertimbangkan nilai OR 1,5-2,0. Ambang batas untuk lingkar perut sebagai risiko-orang,
jika ≥83 cm untuk pria dan ≥81 cm untuk wanita. Sementara itu, ambang batas untuk tekanan darah
adalah 129,5 / 87,5 mmHg, Jika nilai lebih besar dari ambang maka akan dianggap sebagai orang
risiko. Variabel umur, jenis kelamin, dan status merokok akan dikategorikan risiko jika usia ≥40 tahun,
laki-laki, dan jika mereka masih merokok satu bulan yang lalu. uji reliabilitas pada skor Jakarta CVD,
jika nilai kappa ≥0,5, maka skor untuk PJK dari Riskesdas dapat digunakan sebagai instrumen skrining
dalam masyarakat kita.

HASIL
Tabel 1 menunjukkan hasil analisis faktor risiko berdasarkan karakteristik. Karakteristik variabel,
kelompok usia 50-54 tahun sebagai faktor risiko yang paling dicurigai untuk PJK. Selain itu, seks dan
kerja dipandang sebagai faktor protektif yang diduga PJK (p <0,05).
 Prediksi Model Penyakit Jantung Koroner (PJK) • 1377

Tabel faktor 1. Risiko berdasarkan karakteristik

variabel % ATAU 95% CI P

Seks

Laki-laki 0,8 0,61 1 0,55-0,68 0000

Perempuan 1,3

Kelompok Umur (tahun)

25-34 0,4 11,83 0000

35-39 0,8 1,51-2,21
40-44 1,0 2,29 1,90-2,77
45-49 1,2 2,84 2,37-3,41
50-54 1,4 3,23 2,68-3,89
55-59 1,3 2,99 2,42-3,71
> 60 1,4 3,29 2,73-3,98

Risiko
Pendidikan 0,9 1,09 1 0,95-1,24 0,25
Tidak Berisiko 0,9

Risiko
kerja 0,8 0,73 1 0,62-0,86 0000
Tidak Berisiko 1,1

Di antara faktor-faktor lain yang bisa dimodifikasi, diabetes mellitus dan kesehatan mental merupakan faktor risiko terbesar

untuk penyakit jantung koroner. (P <0,05) (Tabel 2).

Tabel faktor 2. Risiko yang bisa dimodifikasi

Variabel % ATAU 95% CI P

Konsumsi sayur dan buah

Risiko 0,9 1,01 1 0,38-2,72 0,81

Tidak beresiko 0,9

Konsumsi jeroan
Risiko

Tidak beresiko 1,9 2,09 1 1,59-2,77 0000

0,9

Konsumsi Lemak
Risiko 1,2 1,31 1 1,23-1,51 0000
Tidak at Risk 0,9

Aktivitas fisik
Risiko 1,1 1,36 1 1,22-1,50 0000
Tidak beresiko 0,8
1378 • Citrakesumasaril, Veni Hadju, Burhanuddin Bahar, Andi Imam Arundhana et al

Status Merokok (> 20

batang) 0,9 1,34 1 1,09-1,66 0007
Risiko 0,7
Tidak beresiko

minum Alkohol
Risiko 1,2 1,29 1 0,82-2,03 0,33
Tidak beresiko 0,9

Tekanan darah
Risiko 1,4 1,91 1 1,72-2,12 0000
Tidak beresiko 0,8

Diabetes mellitus
Risiko Tidak 11,4 14,89 1 12,11-18,30 0000
beresiko 0,9

Kesehatan mental
Risiko Tidak beresiko 2,8 4,11 1 3,68-4,59 0000
0,7

Pada Tabel 3, analisis multivariat. Ada korelasi yang signifikan antara variabel yaitu, jenis kelamin,
usia, kesehatan mental dan emosional, konsumsi jeroan, konsumsi lemak, aktivitas fisik, lingkar perut,
tekanan darah, dan diabetes mellitus. Kebiasaan merokok tidak menunjukkan signifikan, namun ia
termasuk dalam analisis multivariat karena nilainya adalah batas dan OR nilai melebihi 10%. Selain itu,
merokok dianggap sebagai pengganggu faktor.

Tabel 3. Analisis multivariat faktor risiko PJK Tersangka

variabel B SE ATAU 95% CI P

Seks - . 662 . 126 . 516 0,40-0,66 . 000 *

Usia . 505 . 084 1,657 1,41-1,95 . 000 *

pendidikan - . 212 . 105 . 809 0,66-0,99 . 043

Kesehatan mental 1.190 . 089 3,286 2,75-3,92 . 000 *

Konsumsi jeroan 0,744

. 203 2,104 1,41-3,13 . 000 *

Aktivitas . 199 . 078 1,221 1,05-1,42 . 011

perut
. 505 . 132 1,657 1,28-2,15 . 000 *
lingkar
Tekanan darah . 381 . 085 1,464 1,24-1,73 . 000 *

Diabetes mellitus 2,568 . 148 13,043 9,76-17,44 . 000 *

Status Merokok (> 20

. 210 . 109 1,233 0,99-1,53 . 054
rokok)
Const. - 5,930 . 641 . 003 . 000
 Prediksi Model Penyakit Jantung Koroner (PJK) • 1379

analisis regresi logistik dilakukan setelah menghapus variabel menggunakan tes laboratorium
(diabetes), dan pengukuran sulit (kesehatan mental), serta variabel saling collinear (misalnya. konsumsi
berkorelasi dengan status gizi). Pada Tabel 4, dapat dilihat bahwa hanya kebiasaan merokok yang tidak
menunjukkan hasil yang signifikan.

Tabel 4. Analisis Multivariat Faktor Risiko PJK Tersangka, dengan CHD Tersangka

Variabel B SE ATAU 95% CI P

Seks 1 - 0,558 0,077 0,572 0,492-0,666 0.000

Usia 2 0,734 0,061 2,084 1,851-2,347 0.000

Lingkar perut 3 0.296 0,065 1,345 1,185-1,526 0.000

Tekanan darah 4 0.310 0,060 1,364 1,213-1,533 0.000

Status merokok 5 0,080 0,077 1,092 0,940-1,268 0.25

Const. 3,305 0,183 27,251 0.000

1 laki-laki; 2> 40 tahun; 3≥ cut-off point (WHO); 4≥ 129,5 / 87,5 mmHg; 5≥ 20 batang

Tabel 5. Predictor variabel PJK Tersangka

Skor total Tersangka PJK P

N %
Seks (1) 366 0,7 0000
Umur (2) 255 0,9

Tekanan darah (3) 419 0,9

lingkar perut (4) 213 1,2

Status merokok (5) 37 1,3

Analisis variabel kelima sebagai prediktor yang diduga model prediksi PJK menunjukkan hasil
yang signifikan (Tabel 5).

Tabel 6. Predictor Minimum Variabel PJK Tersangka

Tersangka PJK
Total
Skor Iya Tidak P ATAU

N % n % n %
4 213 1.3 17,232 98.8 17,445 100 0.000 1,82

3 419 0,9 46,760 99,1 47,179 100 0.000 1,32

2 366 0,7 52,674 99.3 53,040 100 0.88 1,02

1380 • Citrakesumasaril, Veni Hadju, Burhanuddin Bahar, Andi Imam Arundhana et al

Tabel 6 menunjukkan bahwa jumlah variabel (skor masing-masing variabel = 1) dari prediktor minimum
yang masih memiliki nilai signifikan adalah skor ≥3, (OR = 1,32; p = 0,000). Penelitian juga dilakukan uji
reliabilitas ke Jakarta CVD mencetak gol, dengan kappa value = 0,6 (gambar 1).

Gambar 1: Perbandingan antara Framingham Score, Skor Jakarta CV,

dan CV Riskesdas Skor

DISKUSI
Untuk mensosialisasikan upaya promotif dan preventif untuk kesehatan masyarakat, ada kebutuhan untuk
memiliki skrining instrumen berbasis kesehatan masyarakat yang murah, mudah dan sederhana, untuk
memprediksi PJK di masyarakat. Melakukan angiografi di masyarakat pasti tidak etis dilakukan. Saat ini,
instrumen yang ada diperlukan tes laboratorium sehingga sulit untuk melaksanakan karena tidak semua
orang memiliki kesehatan general check up. Yang paling penting adalah untuk mengidentifikasi faktor-faktor
risiko yang berkontribusi terhadap kejadian PJK (Dent, 2010).

Di Indonesia, kami memiliki data nasional yaitu, Riset Kesehatan Dasar (RISKESDAS) di mana kita
memproses data untuk lebih mengidentifikasi risiko terbesar untuk penyakit jantung koroner. Karena data yang
dibutuhkan terkait dengan PJK tersedia pada Riskesdas, maka model ini disebut “PJK Riskesdas mencetak gol”.
Dalam penelitian ini, hasil analisis terhadap faktor risiko PJK tersangka, selanjutnya, digunakan sebagai prediktor
untuk skrining model untuk PJK. Ditemukan bahwa sebagian besar variabel signifikan yang memiliki risiko
terbesar adalah diabetes mellitus, dan kesehatan mental emosional.

Namun, kedua variabel tidak memenuhi kriteria untuk instrumen diharapkan karena kami membutuhkan uji
laboratorium untuk menentukan diabetes mellitus, sedangkan untuk kesehatan mental emosional akan mengambil
waktu yang lama untuk menentukan. Kami berharap bahwa
 Prediksi Model Penyakit Jantung Koroner (PJK) • 1381

alat skrining dapat diterapkan di masyarakat yaitu, instrumen sederhana, dan itu mudah dilakukan
yaitu, masyarakat bisa melakukan pengukuran tanpa bantuan tenaga kesehatan, dan itu lebih murah
karena tidak ada tes laboratorium-. Dalam penelitian ini, hanya lima variabel yang dimasukkan sebagai
prediktor digunakan untuk skrining alat. Dari lima variabel prediktor (usia, jenis kelamin, lingkar perut,
tekanan darah, dan status merokok), analisis lebih lanjut dilakukan untuk menentukan jumlah minimum
variabel prediktor.

Hasil penelitian menunjukkan bahwa ada tiga variabel dianggap sebagai variabel prediktor minimum
untuk CHD (Tabel 6). Untuk memastikan bahwa model prediksi ini dapat digunakan sebagai alat skrining
untuk PJK di masyarakat, kami melakukan uji validasi CVD Jakarta mencetak gol dengan nilai kappa =
0,6. skor Jakarta CVD dipilih untuk membuat perbandingan karena memiliki nilai yang cukup baik pada
sensitivitas, spesifisitas, nilai prediksi positif dan nilai prediksi negatif dan itu tingkat yang cukup tinggi
perjanjian (masing-masing 77,9%, 90%, 92,2%, 72,8%, dan 82,67%) dari Skor Framingham.

Selama pelaksanaan, skor Jakarta CVD cukup sederhana dan relatif lebih murah jika
dibandingkan dengan Framingham Score. skor Framingham adalah standar emas untuk skrining alat
untuk PJK tersangka. Variabel umur, jenis kelamin, tekanan darah, status merokok, dan lingkar perut
sering dimasukkan dalam variabel prediktor PJK.

Kusmana (2002) yang mengembangkan nilai CVD Jakarta, digunakan variabel usia, jenis kelamin,
status merokok, tekanan darah, indeks massa tubuh (BMI), diabetes, dan aktivitas fisik sebagai variabel
prediktor. Kemudian Basuni (2009), melalui skor PROCAM digunakan prediktor variabel yaitu, jenis
kelamin, usia, kolesterol HDL, kolesterol LDL, trigliserida, tekanan darah sistolik, status merokok, dan
adanya diabetes atau tidak, serta riwayat keluarga PJK .

Framingham mencetak digunakan usia, jenis kelamin, status merokok, tekanan darah dan
kolesterol total, HDL, status mellitus diabetes, status merokok, aktivitas fisik sebagai prediktor. Skor ini
bisa memprediksi PJK selama bertahun-tahun sepuluh untuk datang dalam populasi yang besar.
Scoring untuk skrining alat dalam penelitian ini mudah dilakukan karena masing-masing variabel
prediktor hanya dinyatakan oleh risiko (skor = 1) dan tidak berisiko (skor = 0) .Kemudian, itu sangat
mudah untuk menghitung skor total, dan itu bisa cepat ditentukan apakah seseorang memiliki risiko
PJK atau tidak. Orang bisa dilatih untuk mengukur lingkar perut dan tekanan darah dengan
menggunakan tensimeter digital. Oleh karena itu, orang akan dapat melakukan self assessment
termasuk usia, jenis kelamin, dan kebiasaan merokok. Dengan melakukan itu,

tambahan pengetahuan yang diperlukan untuk pengukuran tekanan darah dan lingkar perut untuk
melakukan pengukuran yang tepat. Secara keseluruhan
1382 • Citrakesumasaril, Veni Hadju, Burhanuddin Bahar, Andi Imam Arundhana et al

model Riskesdas skor PJK adalah sederhana daripada skor Framingham dan skor Jakarta CVD.

Beberapa studi telah ditentukan ambang batas untuk kategori normal tekanan darah dan lingkar
perut, tetapi itu bervariasi. Namun, secara umum ambang batas untuk tekanan darah sistolik berbeda.
British Hearth Reginal Studi menggunakan threshold dengan PJK tersangka dengan 131-157 mmHg,
sedangkan Caerphilly Heart Study ditentukan ambang batas normal dengan 126-150 mmHg. Namun,
yang paling banyak digunakan sebagai referensi untuk ambang batas normal adalah Frammingham
Heart Study yaitu (120-140 mmHg). White Hall 2 Studi menggunakan nilai ambang batas yaitu
terkecil-normal, 112-129 mmHg (Margaret, 2007). Dalam model Riskesdas skor PJK adalah 129,5 /
87,5 mmHg. Menurut WHO, dalam jurnal dari Alonso et al. (2008), ambang batas untuk lingkar perut
adalah ≥ 85 cm untuk pria dan ≥ 90 cm untuk wanita. Dalam model ini,

PENGAKUAN
Kami ingin mengatakan banyak terima kasih kepada laboratorium pusat manajemen data untuk penelitian dan
pengembangan Departemen Kesehatan yang telah memberikan data Riskesdas 2007 yang akan diproses.

KESIMPULAN
Model prediksi yang dihasilkan dalam penelitian ini bernama Riskesdas PJK Score. skor terdiri dari
variabel lima prediktor (usia, jenis kelamin, status merokok, lingkar perut, dan tekanan darah). Jika
ditemukan bahwa nilai itu ≥ 3 maka individu itu dinyatakan PJK tersangka, Dan jika ≤ 2 dinyatakan
tidak PJK tersangka.

Referensi

Abegunde, DeLeo, Colin D Mathers, Taghreed Adam, Monica Ortegon, Kathleen kuat.
(2007). Beban dan biaya penyakit kronis di negara-negara berpenghasilan rendah dan menengah. The Lancet, Volume
370, Issue 9603, 08-14 Desember 2007, Pages 1929-1938. Alonso, Ana Lucia, Catarina Munguı'a-Miranda, David
Ramos-Ponce, Daniel Hernandez-
Saavedra, Yesus Kumate, dan Miguel Cruz. (2008). Pinggang Perimeter cutoff hai dan prediksi Metabolik
Sindrom Risiko. Studi di Meksiko Penduduk. Archives of Medical Research 39: 346-351.

Baraas, Faisal. (2006). Kardiologi Molekuler: Radikal Bebas, Disfungsi endotel,

Ateroskelorosis, Antioksidan, Latihan Fisik dan Rehabilitasi Jantung, Yayasan Kardia Iqratama, RS.
Harapan Kita, Jakarta.
Chen, H., P. Jones, et al. (2006). “Evaluasi biaya Georgia stroke dan serangan jantung
program pencegahan.” Pusat Pengendalian dan Pencegahan Penyakit 3 (1): 1-11.
 Prediksi Model Penyakit Jantung Koroner (PJK) • 1383

Etis digest, 2005. kardiovaskular JUGA Ancam Badui. 3 (20). Genest, Jacques. 2007. Genetika Gangguan

Lipoprotein. Kardiovaskular Genetika Laboratorium,

McGill Pusat Kesehatan Universitas.

Hotchkiss, JW, CA Davies, et al. (2014). “Menjelaskan tren di Scottish Penyakit Jantung
Koroner kematian antara tahun 2000 dan 2010 dengan menggunakan model IMPACTSEC:. Analisis retrospektif dengan

menggunakan data rutin” BMJ 348: g1088. Kemenkes, RI. (2008). Laporan Hasil Riset Kesehatan Dasar, RISKESDAS Indonesia

Tahun
2007. Depkes, Jakarta.

Kemenkes, RI a. (2008). Pedoman Pelaksanaan Jaminan Kesehatan Masyarakat. Depkes, Jakarta Kemenkes, RI b.

(2012). Merokok Membahayakan Kesehatan Dan Merugikan Perekonomian

Masyarakat.Available: www.depkes.go.id/index.php?Vw=2&id=2078.(Diaksess PADA Tanggal 22 April)

Kones, R. (2011). “Pencegahan primer dari Penyakit Jantung Koroner: integrasi baru
data, berkembang pandangan, tujuan direvisi, dan peran rosuvastatin dalam manajemen. Sebuah survei yang
komprehensif.” Obat Des Devel Ther 5: 325-380.

Kusmana D. (2002) .suatu pengaruh berhenti merokok, latihan fisik secara teratur dan / atau
aktivitas fisik pada kelangsungan hidup: 13 tahun kohort studi penduduk Indonesia di Jakarta. Med J Indones 2002;
11: 230-41.
Laura P. Hurley, MD, MPH; L. Miriam Dickinson, PhD; Raymond O. Estacio, MD; John
F. Steiner, MD, MPH; Edward P. Havranek, MD. (2010). Prediksi Kardiovaskular Kematian di Rasial /
EthnicMinorities Menggunakan Framingham BerisikoFactors. Sirkulasi: Cardiovascular Quality and Outcomes. 2010;
3: 181-187.
Lloyd-Jones, D., R. Adams, et al. (2009). “Penyakit Jantung dan Stroke Statistik-2009 Update:
Laporan Dari Amerika Komite Statistik Asosiasi Jantung dan Stroke Statistik Sub-komite.” Sirkulasi 119 (3):
e21-e181.
Margaret, Mei. et. Al (2007). Model Risiko Sebuah Penyakit Jantung Koroner Untuk Memprediksi The
Pengaruh Potensi Antiretroviral Theraphy Di Hiv-1 Men terinfeksi. International Journal of Epidemiology.

Mensah, GA (2004). Atlas penyakit jantung dan stroke. Organisasi Kesehatan Dunia.
Tersedia: http://www.who.int/cardiovascular_diseases/resources/atlas/en/ (Diaksess PADA Tanggal 23 Mei
2014).
Nicolas Rodondi *, Pedro Marques-Vidal, Javed Butler, Kim Sutton-Tyrrell, Jacques
Cornuz, Suzanne Satterfield, Tamara Harris, Douglas C. Bauer, Luigi Ferrucci, Eric Vittinghoff, dan Anne B.
Newman (2010). Penanda Aterosklerosis dan Peradangan untuk Prediksi Penyakit Jantung Koroner di
Dewasa Lama. American Journal of Epidemiology, Vol. 171, No. 5.

Wilson PWF.et al. Prediksi penyakit jantung koroner menggunakan risiko catogories faktor.
Sirkulasi 1998; 97: 1837-1847.

Lihat publikasi
statistik publikasi
statistik Lihat