Kerangka Evaluasi Sistem Surveilans Kesehatan Masyarakat untuk Deteksi Dini

Wabah
Rekomendasi dari Kelompok Kerja CDC

Surveilans kesehatan masyarakat adalah pengumpulan, analisis, interpretasi, dan

penyebaran data yang berkelanjutan dan sistematis tentang peristiwa yang berhubungan
dengan kesehatan untuk digunakan dalam tindakan kesehatan masyarakat untuk mengurangi
morbiditas dan mortalitas dan untuk meningkatkan kesehatan.
Surveilans melayani setidaknya delapan fungsi kesehatan masyarakat. Ini termasuk
mendukung deteksi kasus dan intervensi kesehatan masyarakat, memperkirakan dampak
penyakit atau cedera, menggambarkan riwayat alami dari suatu kondisi kesehatan,
menentukan distribusi dan penyebaran penyakit, menghasilkan hipotesis dan merangsang
penelitian, mengevaluasi tindakan pencegahan dan pengendalian, dan memfasilitasi
perencanaan. Fungsi surveilans kesehatan masyarakat yang penting lainnya adalah deteksi
wabah (yaitu, mengidentifikasi peningkatan frekuensi penyakit di atas latar belakang
terjadinya penyakit).
Pengukuran kinerja sistem surveilans kesehatan masyarakat untuk deteksi wabah
diperlukan untuk menetapkan nilai relatif dari pendekatan yang berbeda dan untuk
memberikan informasi yang diperlukan untuk meningkatkan kemanjurannya dalam
mendeteksi wabah pada tahap paling awal.
Laporan ini melengkapi pedoman CDC yang ada untuk mengevaluasi sistem
pengawasan kesehatan masyarakat. Secara khusus, laporan tersebut menyediakan kerangka
kerja untuk mengevaluasi ketepatan waktu untuk deteksi wabah dan keseimbangan antara
sensitivitas, nilai prediktif positif (PVP), dan nilai prediktif negatif (PVN) untuk mendeteksi
wabah. Kerangka kerja ini juga mendorong deskripsi rinci tentang desain dan operasi sistem
dan pengalaman mereka dengan deteksi wabah.

Deteksi dini wabah dapat dicapai dengan tiga cara:

1) dengan penerimaan, peninjauan, dan penyelidikan laporan kasus penyakit yang tepat
waktu dan lengkap, termasuk pengakuan dan pelaporan segera atau konsultasi dengan
departemen kesehatan oleh dokter, fasilitas perawatan kesehatan, dan laboratorium
yang konsisten dengan undang-undang atau peraturan pelaporan penyakit;
2) dengan meningkatkan kemampuan untuk mengenali pola yang mengindikasikan
kemungkinan wabah di awal perjalanannya, seperti melalui alat analitik yang

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 meningkatkan nilai prediksi data pada tahap awal wabah atau dengan menurunkan
ambang batas untuk menyelidiki kemungkinan wabah; dan
3) melalui penerimaan jenis data baru yang dapat menandakan wabah lebih awal dalam
perjalanannya. Jenis data baru ini mungkin termasuk pembelian produk perawatan
kesehatan, absen dari pekerjaan atau sekolah, menunjukkan gejala ke penyedia
layanan kesehatan, atau perintah tes laboratorium.

Laporan Kasus Penyakit

Dasar dari surveilans penyakit menular di Amerika Serikat adalah aplikasi negara
bagian dan lokal dari sistem surveilans penyakit yang dapat dilaporkan yang dikenal sebagai
Sistem Pengawasan Penyakit yang Dapat Diberitahukan Nasional (NNDSS), yang mencakup
daftar penyakit dan temuan laboratorium untuk kepentingan kesehatan masyarakat, publikasi
definisi kasus untuk pengawasan mereka, dan sistem untuk meneruskan laporan kasus dari
lokal ke negara bagian ke CDC.

Pengenalan Pola
Alat statistik untuk pengenalan pola dan deteksi penyimpangan dapat diterapkan untuk
menyaring data untuk pola yang menjamin penyelidikan kesehatan masyarakat lebih lanjut
dan untuk meningkatkan pengenalan pola wabah yang halus atau tidak jelas. Alat analisis dan
visualisasi otomatis dapat mengurangi kebutuhan akan analisis manual yang sering dan
intensif terhadap data pengawasan.

Tipe Data Baru

Banyak sistem surveilans baru, yang secara longgar disebut sistem surveilans sindrom,
menggunakan data yang tidak mendiagnosis suatu penyakit tetapi dapat mengindikasikan
tahap awal wabah.
Surveilans sindrom untuk deteksi dini wabah adalah pendekatan investigasi di mana
staf departemen kesehatan, dibantu oleh akuisisi data otomatis dan pembangkitan sinyal
statistik, memantau indikator penyakit secara terus menerus (real-time) atau setidaknya setiap
hari (mendekati waktu nyata) untuk mendeteksi wabah penyakit lebih awal dan lebih lengkap
daripada yang mungkin dilakukan dengan metode kesehatan masyarakat tradisional
(misalnya, dengan surveilans penyakit yang dapat dilaporkan dan konsultasi telepon).
Tipe data baru telah digunakan oleh kesehatan masyarakat untuk meningkatkan
pengawasan, mencerminkan peristiwa yang mungkin mendahului diagnosis klinis (misalnya,

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
keluhan utama pasien di unit gawat darurat, kesan klinis pada lembar catatan ambulans,
pengisian resep, pembelian obat dan produk eceran, sekolah atau tempat kerja ketidakhadiran,
dan konstelasi tanda dan gejala medis pada orang yang terlihat dalam berbagai pengaturan
klinis).
Manfaat potensial surveilans sindrom adalah dapat meningkatkanan penemuan kasus
dan pemantauan perjalanan dan karakteristik populasi dari wabah yang dikenali juga.

KERANGKA
Kerangka kerja ini dimaksudkan untuk mendukung evaluasi semua sistem surveilans
kesehatan masyarakat untuk deteksi wabah yang tepat waktu. Kerangka kerja ini disusun
dalam empat kategori: deskripsi sistem, deteksi wabah, pengalaman, serta kesimpulan dan
rekomendasi. Evaluasi komprehensif akan membahas keempat kategori.
A. DESKRIPSI SISTEM
1. Tujuan
Tujuan sistem harus dijelaskan secara eksplisit dan jelas dan harus mencakup
tujuan penggunaan sistem. Metode evaluasi mungkin diprioritaskan secara
berbeda untuk tujuan yang berbeda.
Uraian tujuan harus mencakup indikasi untuk mengimplementasikan sistem;
apakah sistem dirancang untuk jangka pendek, situasi berisiko tinggi atau jangka
panjang, penggunaan terus menerus; konteks di mana sistem beroperasi (apakah
itu berdiri sendiri atau menambah data dari sistem surveilans lain); jenis wabah
apa yang ingin dideteksi oleh sistem; dan nilai fungsional sekunder apa yang
diinginkan. Perancang sistem harus menentukan sensitivitas dan spesifisitas
sistem yang diinginkan dan apakah itu dimaksudkan untuk menangkap peristiwa
kecil atau besar.
2. Pemangku Kepentingan (Stakeholders)
Para pemangku kepentingan dari sistem harus terdaftar. Pemangku
kepentingan termasuk mereka yang menyediakan data untuk sistem dan mereka
yang menggunakan informasi yang dihasilkan oleh sistem (misalnya, praktisi
kesehatan masyarakat; penyedia layanan kesehatan; penyedia data terkait
kesehatan lainnya; pejabat keselamatan publik; pejabat pemerintah di tingkat
lokal, negara bagian, dan tingkat federal; penduduk komunitas; organisasi non-
pemerintah; dan pengembang sistem komersial). Pemangku kepentingan mungkin

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 berbeda di antara sistem yang berbeda dan mungkin berubah seiring dengan
perubahan kondisi. Daftar pemangku kepentingan membantu menentukan siapa
yang akan dilayani oleh sistem dan memberikan konteks untuk hasil evaluasi.
3. Operasi
Semua aspek pengoperasian sistem surveilans sindrom harus dijelaskan secara
rinci untuk memungkinkan para pemangku kepentingan untuk memvalidasi
deskripsi sistem dan pihak lain yang berkepentingan untuk memahami
kompleksitas dan sumber daya yang dibutuhkan untuk mengoperasikan sistem
tersebut. Deskripsi sistem yang terperinci juga akan memudahkan evaluasi dengan
menyoroti variasi operasi sistem yang relevan dengan variasi kinerja sistem

(Gambar 1).

Deskripsi proses surveilans harus membahas:

1) karakteristik seluruh sistem (aliran data (lihat gambar 2)), termasuk data dan
standar transmisi untuk memfasilitasi interoperabilitas dan berbagi data antara
sistem informasi, keamanan, privasi, dan kerahasiaan;

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 2) sumber data (digunakan secara luas dalam kerangka ini untuk memasukkan
fasilitas penghasil data [yaitu, entitas yang berbagi data dengan sistem
surveilans kesehatan masyarakat], tipe data [misalnya, keluhan utama,
diagnosis pemulangan, perintah uji laboratorium], dan format data [misalnya,
elektronik atau kertas, deskripsi teks tentang peristiwa atau penyakit, atau data
terstruktur yang ditulis ulang atau disimpan dalam format standar]);
3) pemrosesan data sebelum analisis (pengumpulan data, penyaringan,
transformasi, dan fungsi perutean yang diperlukan oleh kesehatan masyarakat
untuk menggunakan data, termasuk klasifikasi dan penetapan sindrom);
4) analisis statistik (alat untuk penyaringan data secara otomatis untuk potensi
wabah); dan
5) analisis, interpretasi, dan investigasi epidemiologi (aturan, prosedur, dan alat
yang mendukung pengambilan keputusan dalam menanggapi sinyal sistem,
termasuk staf yang memadai dengan ahli epidemiologi terlatih yang dapat
meninjau, mengeksplorasi, dan menginterpretasikan data secara tepat waktu).

B. DETEKSI WABAH
Kemampuan sistem untuk secara andal mendeteksi wabah pada tahap sedini
mungkin tergantung pada pengambilan dan pemrosesan data yang tepat waktu yang
dihasilkan oleh transaksi perilaku kesehatan atau kegiatan perawatan kesehatan yang

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 mungkin mengindikasikan wabah; validitas data untuk mengukur kondisi yang
diinginkan pada tahap awal penyakit dan kualitas data tersebut; dan metode deteksi
yang diterapkan pada data surveilans yang diproses ini untuk membedakan kejadian
yang diharapkan dari kejadian yang mengindikasikan wabah.
1. Ketepatan waktu (Timeliness).
Ketepatan waktu pendekatan surveilans untuk deteksi wabah diukur dengan
selang waktu dari paparan agen penyakit hingga dimulainya intervensi kesehatan
masyarakat. Garis waktu dengan pencapaian sementara diusulkan untuk
meningkatkan kekhususan ukuran ketepatan waktu (Gambar 3).

Meskipun mengukur semua titik waktu yang menentukan interval mungkin tidak
praktis atau tidak tepat dalam pengaturan wabah yang diterapkan, mengukur interval
dengan cara yang konsisten dapat digunakan untuk membandingkan pendekatan
deteksi wabah alternatif dan sistem surveilans tertentu.
 Permulaan keterpaparan (Onset of exposure)
 Timbulnya gejala (Onset of symptoms)
 Permulaan perilaku (Onset of behavior)
 Pengambilan data (Capture of data)
 Penyelesaian pengolahan data (Completion of data processing)
 Pengambilan data dalam sistem surveilans kesehatan masyarakat (Capture of data in
public health surveillance system)
 Penerapan alat/algoritma pengenalan pola (Application of pattern recognition
tools/algorithms)

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
  Generasi peringatan otomatis (Generation of automated alert)
 Inisiasi investigasi kesehatan masyarakat (Initiation of public health investigation)
 Inisiasi intervensi kesehatan masyarakat (Initiation of public health intervention)

2. Validitas (Validity)
Mengukur validitas sistem untuk deteksi wabah memerlukan definisi operasional
wabah. Meskipun penyimpangan statistik dari tingkat dasar dapat berguna untuk
memicu penyelidikan lebih lanjut, itu tidak cukup untuk mendefinisikan wabah.
Dalam prakteknya, konfirmasi wabah adalah penilaian yang tergantung pada
pengalaman masa lalu dengan kondisi tersebut, tingkat keparahan kondisi, penularan
kondisi, keyakinan dalam diagnosis kondisi, kekhawatiran kesehatan masyarakat
tentang wabah pada saat itu, memiliki pilihan untuk pencegahan atau pengendalian
yang efektif, dan sumber daya yang diperlukan dan tersedia untuk merespons. Secara
operasional, wabah didefinisikan oleh yurisdiksi kesehatan masyarakat yang terkena
dampak ketika terjadinya suatu kondisi telah berubah cukup untuk menjamin
perhatian kesehatan masyarakat.
Validitas sistem surveilans untuk deteksi wabah bervariasi sesuai dengan skenario
wabah dan faktor sistem surveilans. Faktor-faktor ini dapat mengacaukan
perbandingan sistem dan harus dijelaskan dengan hati-hati dalam evaluasi. Misalnya,
ukuran minimum wabah yang dapat dideteksi oleh suatu sistem tidak dapat
dibandingkan secara objektif antar sistem kecuali jika sistem tersebut identik atau
perbedaannya diperhitungkan dalam beberapa cara.
 Definisi kasus (Case definitions)
 Estimasi dasar (Baseline estimation)
 Keterlambatan pelaporan (Reporting delays)
 Karakteristik data (Data characteristics)
 Karakteristik wabah (Outbreak characteristics)
 Analisis statistik (Statistical analysis)
 Analisis, interpretasi, dan investigasi epidemiologi (Epidemiologic analysis,
interpretation, and investigation)

Pendekatan Validasi (Validation Approaches)

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 Pendekatan yang berbeda untuk deteksi wabah perlu dievaluasi di bawah kondisi
yang sama untuk mengisolasi fitur unik dari sistem (misalnya, tipe data) dari
karakteristik wabah dan kapasitas departemen kesehatan. Data yang diperlukan untuk
mengevaluasi dan membandingkan kinerja sistem surveilans untuk deteksi dini KLB
dapat diperoleh dari KLB yang terjadi secara alami atau melalui simulasi.
Perbandingan terkontrol dari sistem surveilans untuk mendeteksi wabah yang
sengaja diinduksi akan sulit karena frekuensi wabah tersebut dan keragaman sistem
dan pengaturan wabah. Namun, pemahaman nilai pendekatan surveilans yang berbeda
untuk deteksi dini akan meningkat sebagai deskripsi dari pengalaman mereka dalam
mendeteksi dan menghilangkan wabah yang terjadi secara alami. Akumulasi deskripsi
pengalaman menjadi lebih sulit dengan tidak memiliki metode standar untuk
mengukur keberhasilan dan kegagalan deteksi wabah di seluruh sistem dan oleh
keragaman sistem surveilans dan faktor wabah yang mempengaruhi kinerja.
Klasifikasi standar sistem dan faktor wabah akan memungkinkan perbandingan
pengalaman lintas sistem. Sambil menunggu pengembangan standar klasifikasi,
evaluasi deskriptif harus mencakup sedetail mungkin.
Pengukuran wabah yang terdeteksi, alarm palsu, dan wabah yang terlewat atau
terdeteksi terlambat harus dirancang sebagai bagian rutin dari setiap alur kerja sistem
dan dilakukan dengan upaya atau kerumitan minimal. Pelaporan rutin harus dilakukan
secara otomatis jika memungkinkan.
Kebutuhan informasi yang relevan meliputi: jumlah penyimpangan statistik yang
terdeteksi pada ambang batas yang ditetapkan dalam periode waktu tertentu
(misalnya, frekuensi per bulan pada nilai-p tertentu); tindakan yang diambil sebagai
akibat dari sinyal (misalnya, tinjauan untuk kesalahan data, analisis tindak lanjut
mendalam dari kondisi spesifik dalam kategori sindrom, analisis epidemiologi manual
untuk mengkarakterisasi sinyal, pemeriksaan data dari sistem lain, dan meningkatkan
frekuensi pelaporan dari lokasi yang terkena dampak); sumber daya yang diarahkan
untuk tindak lanjut peringatan; respon kesehatan masyarakat yang dihasilkan
(misalnya, peringatan kepada dokter, penyebaran informasi yang tepat waktu ke
entitas kesehatan lain, kampanye vaksinasi, atau tidak ada tanggapan lebih lanjut);
dokumentasi tentang bagaimana setiap wabah yang diakui di yurisdiksi terdeteksi;
penilaian nilai upaya tindak lanjut (misalnya, upaya tersebut merupakan penerapan
sumber daya kesehatan masyarakat yang tepat); deskripsi rinci tentang agen, inang,

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 dan kondisi lingkungan wabah; dan jumlah wabah yang terdeteksi hanya di akhir
perjalanannya atau dalam retrospeksi.
Sebagai alternatif untuk wabah yang terjadi secara alami, simulasi dapat
memungkinkan kontrol dan modifikasi faktor agen, inang, dan lingkungan untuk
mempelajari kinerja sistem di berbagai skenario umum. Namun, simulasi terbatas
dalam kemampuannya untuk meniru keragaman dan ketidakpastian peristiwa
kehidupan nyata.
Bila memungkinkan, wabah simulasi harus ditumpangkan pada data tren historis.
Untuk mengevaluasi algoritma deteksi secara komparatif, masalah tantangan bersama
dan kumpulan data akan sangat membantu. Simulasi dibatasi oleh ketersediaan
skenario wabah yang terdokumentasi dengan baik (misalnya, karakteristik organisme
atau agen, karakteristik penularan, dan karakteristik populasi). Simulasi harus
memasukkan data untuk masing-masing faktor yang dijelaskan sebelumnya.
Studi terfokus untuk memvalidasi kinerja aspek sistem yang terbatas (misalnya,
sumber data, definisi kasus, metode statistik, dan ketepatan waktu pelaporan) dapat
memberikan bukti tidak langsung tentang kinerja sistem. Studi komponen juga dapat
menguji asumsi tentang skenario wabah dan mendukung simulasi data yang lebih
baik. Definisi kasus sindrom untuk sumber data spesifik tertentu perlu divalidasi.
Studi validasi komponen harus menekankan deteksi wabah daripada deteksi kasus.
Studi ini berisi hipotesis eksplisit dan pertanyaan penelitian dan harus dibagikan
dengan cara untuk memajukan pengembangan sistem deteksi wabah tanpa duplikasi
yang tidak perlu.

Penilaian Statistik Validitas (Statistical Assessment of Validity)

Sensitivitas dan PVT dan PVN terkait erat dan dipertimbangkan bersama dalam
kerangka ini. Sensitivitas adalah persentase wabah yang terjadi di yurisdiksi yang
terdeteksi oleh sistem. PVP mencerminkan kemungkinan sinyal sistem menjadi
wabah. PVN mencerminkan probabilitas bahwa tidak ada wabah yang terjadi ketika
sistem tidak menghasilkan sinyal. Perhitungan sensitivitas dan nilai prediktif
dijelaskan secara rinci dalam pedoman terbaru untuk mengevaluasi sistem surveilans
kesehatan masyarakat.
Pengukuran sensitivitas memerlukan sumber data alternatif berkualitas tinggi
(misalnya, standar "emas") untuk mengonfirmasi wabah pada populasi yang tidak

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 terdeteksi oleh sistem surveilans. Sensitivitas untuk deteksi wabah dapat dinilai
melalui teknik capture-recapture dengan dua sumber data independen.

Kualitas data (Data Quality)

Sistem yang rawan kesalahan dan data yang rentan terhadap pengukuran yang
tidak akurat dapat memengaruhi deteksi tren yang tidak biasa secara negatif.
Meskipun kualitas data mungkin menjadi masalah yang kurang kritis untuk
menyaring indikator umum yang tidak spesifik untuk penyimpangan statistik, kualitas
harus dievaluasi dan ditingkatkan sejauh mungkin. Mengukur kualitas data tergantung
pada standar (misalnya, tinjauan rekam medis atau data uji yang dibuat dengan nilai
yang diketahui oleh evaluator). Pedoman yang diperbarui untuk mengevaluasi sistem
surveilans kesehatan masyarakat menjelaskan kualitas data secara lebih rinci.
 Keterwakilan (Representativeness)
 Kelengkapan data (Completeness of data)

C. PENGALAMAN SISTEM (System Experience)

Atribut kinerja yang dijelaskan di bagian ini menyampaikan pengalaman yang
diperoleh dalam menggunakan sistem.
1. Kegunaan sistem (System usefulness.)
Sistem surveilans berguna untuk deteksi wabah tergantung pada kontribusinya
terhadap deteksi dini wabah kesehatan masyarakat yang signifikan yang mengarah
pada intervensi yang efektif. Penilaian kegunaan melampaui deteksi untuk mengatasi
dampak atau nilai tambah dari penerapannya.
Evaluasi harus dimulai dengan tinjauan tujuan sistem dan harus
mempertimbangkan prioritas. Sedapat mungkin, kegunaan harus dijelaskan oleh
tindakan pencegahan dan pengendalian penyakit yang diambil sebagai hasil dari
analisis dan interpretasi data dari sistem.
2. Fleksibilitas (Flexibility)
Fleksibilitas sistem surveilans mengacu pada kemampuan sistem untuk berubah
seiring dengan perubahan kebutuhan. Adaptasi terhadap perubahan kebutuhan deteksi
atau kondisi operasi harus terjadi dengan tambahan waktu, personel, atau sumber daya
lainnya yang minimal.

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 Fleksibilitas umumnya meningkatkan lebih banyak pemrosesan data yang
ditangani secara terpusat daripada didistribusikan ke fasilitas penyedia data individual
karena lebih sedikit perubahan sistem dan perilaku operator yang diperlukan.
Fleksibilitas harus mengatasi kemampuan sistem untuk menerapkan standar data dan
set kode yang berkembang sebagaimana tercermin dalam standar Jaringan Informasi
Kesehatan Masyarakat (PHIN/ Public Health Information Network)
(http://www.cdc.gov/phin). Fleksibilitas mencakup kemampuan beradaptasi sistem
untuk beralih dari deteksi wabah ke manajemen wabah. Fleksibilitas sistem
diperlukan untuk menyeimbangkan risiko wabah, nilai intervensi dini, dan sumber
daya untuk investigasi karena pemahaman tentang faktor-faktor ini berubah.
3. Akseptabilitas sistem (System acceptability).
Akseptabilitas sistem surveilans untuk deteksi dini KLB tercermin dari kesediaan
peserta dan pemangku kepentingan untuk berkontribusi dalam pengumpulan dan
analisis data. Penerimaan dapat bervariasi dari waktu ke waktu karena tingkat
ancaman, nilai yang dirasakan dari deteksi dini, dukungan untuk metode pengawasan,
dan sumber daya yang berfluktuasi.
Akseptabilitas suatu sistem dapat disimpulkan dari sejauh mana adopsinya.
Penerimaan dicerminkan oleh tingkat partisipasi sumber pelaporan potensial, oleh
kelengkapan pelaporan data, dan oleh ketepatan waktu langkah-langkah yang
bergantung pada orang dalam sistem (misalnya, entri data manual dari log departemen
darurat yang dibedakan dari data elektronik dari data klinis normal. alur kerja).
4. Portabilitas (Portability).
Portabilitas sistem pengawasan menunjukkan seberapa baik sistem dapat
diduplikasi dalam pengaturan lain. Kepatuhan terhadap standar PHIN dapat
meningkatkan portabilitas dengan mengurangi variabilitas dalam penerapan teknologi
informasi antar situs. Ketergantungan pada langkah-langkah yang bergantung pada
orang, termasuk penilaian dan kriteria tindakan (misalnya, untuk analisis dan
interpretasi) harus didokumentasikan sepenuhnya untuk meningkatkan portabilitas
sistem. Portabilitas juga dipengaruhi oleh kesederhanaan sistem.
5. Stabilitas sistem (System stability).
Stabilitas sistem surveilans mengacu pada ketahanannya terhadap perubahan
sistem (misalnya, perubahan pengkodean dari Klasifikasi Penyakit Internasional,
Revisi Kesembilan [ICD-9] ke ICD-10). Stabilitas dapat ditunjukkan dengan durasi
dan operasi sistem yang konsisten. Stabilitas sistem dibedakan dari keandalan elemen

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
 data dalam sistem. Representasi yang konsisten dari kondisi dalam pengawasan
(reliability) merupakan aspek kualitas data. Stabilitas dapat diukur dengan frekuensi
sistem padam atau waktu henti untuk servis selama periode kebutuhan, termasuk
waktu henti penyedia data, frekuensi kekurangan personel akibat pergantian staf, dan
kendala anggaran. Dukungan berkelanjutan oleh perancang sistem dan pembaruan
perangkat lunak yang berkembang dapat meningkatkan stabilitas sistem. Stabilitas
juga dapat dicerminkan dalam tingkat kendali atas biaya dan perubahan sistem yang
dipertahankan oleh lembaga sponsor.
6. Biaya sistem (System costs).
Biaya merupakan faktor penting dalam menilai nilai relatif dari pengawasan
untuk kesiapsiagaan ancaman. Analisis efektivitas biaya dan pemodelan data
diperlukan dalam berbagai skenario untuk memperkirakan nilai inovasi dalam
pengawasan untuk deteksi wabah dan kesiapsiagaan ancaman. Metode yang lebih
baik untuk mengukur biaya dan dampak diperlukan. Biaya yang ditanggung oleh
penyedia data harus diperhatikan; namun, perspektif biaya harus dari
masyarakat (perspektif masyarakat) untuk memperhitungkan biaya pencegahan
dan pengobatan yang ditanggung oleh masyarakat.
Biaya bervariasi karena sensitivitas dan ketepatan waktu metode deteksi dapat
dimodifikasi sesuai dengan perubahan toleransi untuk wabah yang hilang dan untuk
menanggapi alarm palsu. Penghematan biaya harus diperkirakan dengan menilai
dampak dari upaya pencegahan dan pengendalian.
Pertanyaan yang harus dijawab adalah sebagai berikut:
 Berapa banyak investigasi yang dimulai sebagai hasil dari data ini?
 Tanggapan apa yang dibuat dan biaya apa yang dikeluarkan melalui tindak lanjut
dari peristiwa yang ditandai?
 Apa indikasi untuk merespons?
 Berapa banyak waktu staf yang dibutuhkan untuk tindak lanjut?
 Apakah kecemasan dimunculkan secara tidak perlu oleh alarm palsu?
 Apakah manfaat diperoleh (misalnya, melalui peningkatan komunikasi dan
kepercayaan dalam tanggung jawab dan kinerja kesehatan masyarakat) ketika
alarm palsu diselidiki?
 Siapa yang terpengaruh?

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1
  Biaya apa yang dikeluarkan mitra dalam menindaklanjuti sinyal (misalnya,
pekerjaan staf rekam medis dan upaya staf klinis)? Biaya tindak lanjut untuk
alarm palsu harus dibedakan dari biaya yang terkait dengan investigasi yang
mengungkap wabah nyata yang memerlukan respons kesehatan masyarakat.
 Apakah departemen kesehatan gagal merespons kejadian yang sebenarnya karena
rasa puas diri atau beban respons akibat alarm palsu?
 Apakah terlambat mengenali wabah mengakibatkan morbiditas yang tidak perlu?
 Apakah pelajaran dari peristiwa sebelumnya telah mengurangi biaya karena
sistem terus beroperasi?

Sumber: https://www.cdc.gov/mmwr/preview/mmwrhtml/rr5305a1.htm#fig1