BAGIAN ANESTESIOLOGI Journal Reading

RSUD UNDATA AGUSTUS 2023

FAKULTAS KEDOKTERAN
UNIVERSITAS TADULAKO
PALU

“Clinical Perfomance of Decision Support Systems in Anesthesia,

Intensive Care, and Emergency Medicine”

Disusun Oleh:
Arini Hi Nasir
N 111 21 019

Pembimbing Klinik:

dr. Ajutor Donny Tandiarang, Sp. An

DISUSUN UNTUK MEMENUHI TUGAS KEPANITERAAN

KLINIK BAGIAN ANESTESIOLOGI DAN REANIMASI
PROGRAM STUDI PENDIDIKAN
DOKTER FAKULTAS KEDOKTERAN
UNIVERSITAS TADULAKO
PALU
2023
 HALAMAN PENGESAHAN

Yang bertanda tangan di bawah ini menyatakan bahwa:

Nama : Arini Hi Nasir

No. Stambuk : N 111 21 019
Fakultas : Kedokteran
Program Studi : Profesi Dokter
Universitas : Tadulako
Judul Laporan Kasus : Clinical Perfomance of Decision Support Systems in
Anesthesia, Intensive Care, and Emergency Medicine

Telah menyelesaikan tugas dalam rangka kepanitraan klinik pada bagian

Anestesiologi dan Reanimasi Fakultas Kedokteran Universitas Tadulako.

Bagian
Anestesiologi RSUD
UNDATA
Program Studi Pendidikan Dokter
Fakultas Kedokteran Universitas
Tadulako

Palu, Juli 2023

Pembimbing Klinik Dokter Muda

dr. Ajutor Donny Tandiarang, Sp. An Arini Hi Nasir

ii
Kinerja Klinis Sistem pendukung Keputusan dalam Anestesi, Perawatan
Intensif, dan Pengobatan Darurat
Robert Harutyunyan, MSc; Sean D. Jeffries, MSc; Jose L. Ramírez-GarcíaLuna,
MD, MSc, PhD; Thomas M. Hemmerling, MD, MSc, DEAA
Anesth Analg. 2023;136(6):1084-1095

Abstrak
Latar Belakang : Teknologi medis berkembang dengan kecepatan yang
mengkhawatirkan, dengan integrasinya ke dalam perawatan kesehatan yang sering
tercermin dari evolusi praktik terbaik yang konstan. Ekspansi yang cepat dari
modalitas perawatan yang tersedia, ketika digabungkan dengan jumlah data
konsekuensial yang semakin meningkat untuk dikelola oleh pelayanan kesehatan
yang profesional, menciptakan lingkungan di mana pengambilan keputusan yang
kompleks dan tepat waktu tanpa bantuan teknologi yang tidak dapat dipahami.
Oleh karena itu, sistem pendukung keputusan (DSS) dikembangkan sebagai
sarana untuk mendukung tugas klinis pelayanan Kesehatan yang profesional
melalui referensi langsung di tempat perawatan. Integrasi DSS dapat sangat
berguna dalam pengobatan perawatan kritis, di mana kombinasi patologi
kompleks, banyaknya parameter, dan keadaan umum pasien memerlukan
pengambilan keputusan yang cepat. Tinjauan sistematis dan meta-analisis
dilakukan untuk mengevaluasi hasil DSS dibandingkan dengan standar perawatan
(SOC) dalam pengobatan perawatan kritis.
Metode : Tinjauan yang sistematis dan meta-analisis berikutnya ini dibatasi oleh
jaringan EQUATOR yang lebih disukai sebagai materi laporan untuk tinjauan
sistematis dan petunjuk meta-analisis (PRISMA). Kami secara sistematis
menjelajahi PubMed, Ovid, Central, dan Scopus untuk uji coba terkontrol secara
acak (RCT) dari Januari 2000 hingga Desember 2021. Hasil utama dari penelitian
ini adalah untuk mengevaluasi apakah DSS lebih efektif daripada praktik SOC
dalam pengobatan perawatan kritis dalam disiplin ilmu berikut: anestesi, gawat
darurat (ED), dan unit perawatan intensif (ICU). Metode pengambilan secara acak
digunakan untuk memperkirakan efek kinerja DSS, dengan interval kepercayaan
(CI) 95% baik dalam hasil kontinu maupun dikotomis. Berbasis hasil, departemen
khusus, dan analisis subkelompok studi desain yang dilakukan.

iii
Hasil : Sebanyak 34 uji acak terkontrol dimasukkan untuk analisis. Secara total,
68.102 peserta menerima intervensi DSS, sedangkan 111.515 menerima SOC.
Analisis kontinu (perbedaan rata-rata standar [SMD], −0.66; 95% CI [−1.01
hingga −0.30]; P <.01) dan hasil biner (rasio kemungkinan [OR], 0.64; 95% CI,
[0.44– 0,91]; P < 0,01) secara statistik signifikan dan menunjukkan bahwa
intervensi kesehatan sedikit meningkat dengan integrasi DSS dibandingkan
dengan SOC dalam pengobatan perawatan kritis. Analisis subkelompok dalam
anestesi (SMD, −0.89; 95% CI, [−1.71 hingga −0.07]; P <.01) dan ICU (SMD,
−0.63; 95% CI [−1.14 hingga −0.12]; P <.01 ) dianggap secara statistik
mendukung DSS dalam meningkatkan hasil, dengan bukti yang tidak pasti di
bidang pengobatan darurat (SMD, −0,24; 95% CI, [−0,71 hingga 0,23]; P <.01).
Kesimpulan : DSS dikaitkan dengan dampak menguntungkan dalam pengobatan
perawatan kritis pada skala kontinu dan biner; namun, subkelompok ED ternyata
tidak meyakinkan. uji acak terkontrol tambahan diperlukan untuk menentukan
efektivitas DSS dalam pengobatan perawatan kritis.
1. Pendahuluan
Dalam pengobatan modern, penyedia layanan kesehatan konvensional
memiliki peran multifaset dalam memberikan perawatan pasien. Ini mungkin
termasuk tanggung jawab mulai dari menentukan pilihan perawatan pasien yang
memadai hingga memastikan dosis obat yang tepat atau fungsi perangkat medis
seperti ventilator. Dengan cara yang sama, sistem pendukung keputusan (DSS)
diciptakan untuk memberikan dukungan waktu nyata yang relevan bagi penyedia
layanan kesehatan dengan menggunakan informasi pasien waktu nyata dengan
kombinasi catatan kesehatan elektronik (EHR), literatur, dan pengetahuan ahli
untuk memberikan informasi. , panduan, atau data pasien yang diproses. SS dapat
dilihat sebagai evolusi protokol tetapi bukan pengganti langsung. Dibangun di
atas dasar protokol, yang memberikan serangkaian pedoman standar dan praktik
terbaik untuk dipatuhi oleh profesional perawatan kesehatan, DSS memungkinkan
peningkatan kemampuan beradaptasi terhadap kebutuhan pasien yang unik dan
pengambilan keputusan yang dipersonalisasi. Namun, sistem canggih tertentu
dapat melakukan lebih dari sekadar menghasilkan pengetahuan terbaik. Beberapa

iv
memiliki potensi untuk agregasi data lengkap, dukungan pencitraan, pengukuran
vital berkelanjutan, dan dokumentasi yang lebih baik. Oleh karena itu, meskipun
protokol menghasilkan perawatan berbasis bukti yang konsisten, DSS
menambahkan lapisan canggih dari data pasien yang dipersonalisasi untuk
manajemen medis yang luas.
Salah satu contoh paling awal dari program konsultasi klinis interaktif dalam
literatur dijelaskan pada tahun 1970-an, di mana keputusan berbasis aturan
didukung oleh pengetahuan ahli yang dikombinasikan dengan data statistik.
Namun, karena sistem seperti itu dianggap padat sumber daya dan waktu,
pengaruhnya terbatas pada saat itu. Selama setengah abad terakhir, evolusi sistem
pendukung keputusan klinis (CDSS) telah berkembang pesat dan banyak diteliti
hari ini untuk memahami metode implementasi terbaik untuk mendukung
manajemen pasien. Sejauh ini, DSS telah digunakan dalam anestesi untuk
pengelolaan pengaturan pasien-ventilator, di unit perawatan intensif (ICU) untuk
kontrol glikemik yang lebih besar, dan di departemen darurat (ED) untuk triase
atau sebagai alat alur kerja dalam EHR. Selain dukungan diagnostik dan
manajemen, DSS dapat menghemat biaya untuk sistem perawatan kesehatan
dengan mengurangi biaya resep, sumber daya laboratorium, dan pencitraan medis
yang mahal. Ini adalah subbagian kecil dari aplikasi luas yang sedang diselidiki
dan digunakan dalam pengobatan perawatan kritis.
DSS memiliki potensi untuk menjembatani kesenjangan antara evolusi
konstan pengetahuan medis dan kinerja praktisi sehari-hari. Hal ini terutama
berlaku dalam pengobatan perawatan kritis, di mana kombinasi patologi yang
kompleks, jumlah profil pasien yang beragam, dan parameter yang terus
berkembang untuk dikelola menciptakan pengaturan yang optimal untuk
kesalahan medis. Mengingat potensi DSS dan pengadopsiannya yang meluas, ada
pekerjaan terbatas yang menjelaskan efektivitas keseluruhan dalam pengobatan
perawatan kritis; dengan demikian, pengaruh mereka masih belum jelas.
Pencarian literatur dan analisis statistik dapat memberikan gambaran menyeluruh
tentang dampak DSS pada hasil pasien dan memfasilitasi identifikasi
subkelompok atau hasil yang memerlukan penelitian tambahan. Oleh karena itu,

v
tinjauan sistematis dan meta-analisis berikut dilakukan untuk menjelaskan
keefektifan DSS selama 2 dekade terakhir dibandingkan dengan standar
perawatan (SOC) dalam spesialisasi yang sesuai.
2. Metode
Protokol Studi dan Pendaftaran
Tinjauan sistematis ini dan meta-analisis selanjutnya dilakukan setelah
EQUATOR (Meningkatkan Kualitas dan Transparansi Penelitian Kesehatan)
jaringan Item Pelaporan Pilihan untuk Tinjauan Sistematis dan Meta-Analisis
(PRISMA) pedoman. Protokol penelitian didaftarkan secara prospektif pada daftar
tinjauan sistematis prospektif internasional.
3. Strategi Pencarian
Kami secara sistematis menjelajahi database Perpustakaan Kedokteran Nasional
AS (PUBMED), Ovid (MEDLINE), Cochrane Central Register of Controlled
Clinical Studies (CENTRAL), dan database Elsevier Scopus (SCOPUS) untuk uji
coba terkontrol secara acak (RCT) dari Januari 2000 hingga Desember 2021.
Kelayakan dibatasi hanya untuk bahasa Inggris dan studi peserta manusia saja.
Identifikasi studi yang relevan melalui penyaringan judul dan abstrak dilakukan
oleh setidaknya 2 peninjau independen (R.H. dan S.D.J.) untuk mengidentifikasi
studi yang berpotensi memenuhi syarat, dengan peninjau ketiga (T.H.) tersedia
untuk setiap konflik yang muncul dalam studi dan pemilihan data.
4. Kriteria Inklusi dan Ekslusi
Kriteria inklusi didefinisikan sebagai peserta rawat inap dari segala usia dalam
perawatan akut atau perawatan khusus dengan sistem pengaturan pendukung
keputusan klinis yang terlibat selama perawatan. Disiplin yang menarik untuk
penelitian ini adalah sebagai berikut : anestesi, pengobatan perawatan intensif, dan
pengobatan darurat.
Kriteria eksklusi terpenuhi jika studi termasuk peserta dari perawatan primer
atau praktik umum, populasi rawat jalan, atau disiplin medis khusus lainnya. Di
antara publikasi yang diidentifikasi, kami juga mengecualikan studi yang tidak
relevan dengan topik, studi nonrandomisasi, deskripsi teknis, presentasi prototipe
tanpa uji klinis, studi uji kinerja pada model bukan manusia, laporan kasus, dan

vi
seri kasus.
5. Data Ekstraksi dan sintesis
Semua studi dikumpulkan ke dalam alat tinjauan sistematis untuk duplikasi,
penyaringan abstrak, dan pemilihan studi awal. 2 peninjau independen yang sama
melakukan penyaringan awal menggunakan kriteria yang telah ditentukan dalam
protokol terlampir. Item data berikut diekstraksi: penulis, tahun publikasi, jurnal,
desain penelitian, departemen, populasi penelitian, hasil primer, jenis DSS dan
fungsi, dan ukuran efek klinis.
Setelah pemutaran, tinjauan teks lengkap dan penilaian untuk inklusi akhir
dilakukan. Konflik diselesaikan dengan diskusi dan, jika perlu, termasuk peninjau
buta ketiga. Artikel yang dipilih dievaluasi menggunakan 3-item, 5-point Oxford
Quality Scale. Studi dinilai berdasarkan 3 fitur metodologis. Dua poin diberikan
untuk deskripsi pengacakan, 2 poin untuk deskripsi proses penyamaran, dan 1
poin untuk deskripsi penarikan peserta setelah pengacakan. Kami mengecualikan
dari ulasan ini semua artikel yang tidak mendapatkan skor minimal 3.

6. Hasil
Hasil utama dari penelitian ini adalah untuk mengevaluasi dampak penerapan
DSS terhadap praktik dan intervensi perawatan kesehatan khusus studi dalam (1)
kedokteran perawatan kritis, (2) subdepartemen spesifik yang diselidiki, dan (3)
subkelompok berbasis hasil. Dalam skenario di mana studi menyelidiki beberapa
hasil primer, penulis memilih ukuran efek tunggal per studi untuk menghindari
multiplisitas analisis dan untuk memastikan independensi statistik. Selanjutnya,
jika diperlukan, standar deviasi hasil studi diperkirakan menggunakan metodologi
yang dijelaskan oleh Hozo et al atau Wan et al.
7. Analisis statistik
Analisis dilakukan dengan menggunakan perangkat lunak statistik R, versi
4.1.1 (R Foundation for Statistical Computing, Vienna) dan Review Manager,
versi 5.4.1 (Cochrane, London). Ukuran efek dihitung terhadap perbedaan rata-
rata standar (SMD) atau rasio odds (OR) tergantung pada data yang diekstraksi.
Hasil berkelanjutan dikumpulkan dan dinilai melalui SMD dalam model efek

vi
i
acak. Hasil dikotomi dinilai melalui OR dan model efek acak juga. Mengingat
meluasnya penggunaan DSS dalam pengobatan perawatan kritis, semua studi
dalam kedua analisis secara langsung dipisahkan menjadi subkelompok yang
sesuai, dan uji perbedaan subkelompok dilakukan.
Heterogenitas tinggi (I2) diharapkan karena keragaman klinis aplikasi DSS
saat ini. Model efek-acak digunakan untuk mengurangi heterogenitas, dengan
asumsi bahwa efek yang diperkirakan dalam studi yang berbeda mengikuti
distribusi tertentu, menghasilkan interval kepercayaan yang lebih luas (CI) dari
perkiraan gabungan. Ukuran efek termasuk tetapi tidak terbatas pada hasil klinis,
mortalitas, penilaian kinerja, kesalahan pengobatan yang tidak tepat, waktu
disposisi, tingkat kepatuhan, durasi penyapihan, dan lainnya jika dianggap
berlaku.
Selain itu, statistik I digunakan untuk menentukan persentase variabilitas
dalam estimasi efek karena heterogenitas, yang dinilai rendah: <30%, sedang:
30% hingga 60%, substansial: 50% hingga 90%, atau cukup besar: 75% sampai
100%. Analisis subkelompok tambahan juga dieksplorasi untuk menyelidiki hasil
yang heterogen. Analisis subkelompok seperti desain studi (single center versus
multicenter) dilakukan ketika jumlah studi dianggap cukup signifikan untuk
dilakukan.
Analisis sekuensial uji coba (TSA) akhirnya dilakukan untuk mengatur
kesalahan tipe I dan tipe II dengan lebih baik dalam kumpulan data kontinu (Unit
Percobaan Kopenhagen, Rumah Sakit Universitas Kopenhagen). TSA adalah
teknik pengujian hipotesis sekuensial tingkat lanjut yang mengklarifikasi estimasi
ukuran sampel kumulatif yang diperlukan dan jika diperlukan uji coba tambahan
berdasarkan metodologi yang digunakan.
Hasil
Kriteria Pencarian dan Karakteristik Studi
Setelah pencarian sistematis, total 1040 studi diambil. Setelah penyaringan
dan deduplikasi, 72 artikel teks lengkap dievaluasi kelayakannya, dan dari jumlah
tersebut, 38 laporan dikeluarkan. Total akhir 34 RCT dimasukkan untuk analisis.
Gambar 1 menguraikan diagram alur pemilihan studi PRISMA. Sebanyak 34 studi

vi
ii
diambil secara keseluruhan dari kedokteran perawatan kritis, dengan 11 studi
berasal dari bidang anestesiologi, 14 dari bidang kedokteran darurat, dan 9 dari
bidang kedokteran perawatan intensif. Tabel 1 merangkum karakteristik dan hasil
uji coba yang diambil dengan variabel kontinu. Tabel 2 merangkum karakteristik
dan hasil uji coba yang diambil dengan variabel biner. Hasil yang dilaporkan
hanya berfokus pada model efek acak karena keragaman set penelitian. Secara
total, 68.102 peserta menerima intervensi DSS dan 111.515 menerima SOC.
Semua studi memenuhi skor minimum 3 dari 5 pada sistem penilaian kualitas
Oxford untuk dipertimbangkan untuk dimasukkan. Analisis risiko bias untuk studi
yang disertakan dirangkum dalam Gambar 2. Risiko bias yang tinggi yang timbul
dari proses pengacakan, data hasil yang hilang, atau dalam pemilihan hasil yang
dilaporkan diamati pada 2 dari 34 (6%), 1 dari 34 (3%), dan 1 dari 34 (3%) studi,
masing-masing.

ix
Gambar 1. Diagram alir PRISMA meringkas studi yang diambil dan dikecualikan.
DSS menunjukkan sistem pendukung keputusan; ICU, unit perawatan intensif;
PRISMA, Item Pelaporan Pilihan untuk Tinjauan Sistematis dan Meta-Analisis,
RCT, uji coba terkontrol secara acak.

x
Gambar 2 Ringkasan penilaian risk-of-bias 2.0 yang direvisi untuk percobaan
acak.

xi
Kinerja DSS Dalam Obat Perawatan Kritis untuk Hasil Berkelanjutan
Analisis hasil berkelanjutan menunjukkan bahwa hasil perawatan
kesehatan ditingkatkan dengan DSS terintegrasi daripada SoC dalam pengobatan
perawatan kritis (SMD, −0.66; 95% CI [−1.01 hingga −0.30]; Gambar 3). Per
subkelompok, skor simulasi dan tes (SMD, −1.35; 95% CI [−2.17 hingga −0.54]),
pemeliharaan sedasi (SMD, −1.00; 95% CI [−1.34 hingga −0.66]), dan
manajemen hemodinamik (SMD , −1.15; 95% CI [−2.08 hingga −0.21])
menampilkan skor SMD yang mendukung DSS, sedangkan waktu disposisi
(SMD, −0.29; 95% CI [−0.74 hingga 0.16]), manajemen glukosa (SMD, −0.51 ;
95% CI [−1,15 hingga 0,12]), penyapihan ventilator (SMD, 0,51; 95% CI [−1,51
hingga 2,52]), lama perawatan (SMD, 0,45; 95% CI [−0,15 hingga 1,06]), dan
waktu konsultasi (SMD, −0,50; 95% CI [−1,06 hingga 0,07]) adalah hasil yang
tidak meyakinkan. Heterogenitas ditemukan sangat tinggi untuk total (I2 = 95%, P
<.01) dan perbedaan subkelompok substansial (I2 = 70.3%, P <.01). Mengenai
subkelompok spesifik, skor simulasi dan tes (I2 = 92%, P <.01), waktu disposisi
(I2 = 94%, P <.01), manajemen hemodinamik (I2 = 84%, P <.01), dan penyapihan
ventilator (I2 = 97%, P <.01) terbukti memiliki heterogenitas yang cukup besar,
sedangkan heterogenitas substansial ditunjukkan untuk lama tinggal (I2 = 79%, P
= .03) dan rendah untuk manajemen glukosa (I2 = 0 %, P = 0,86) tetapi tidak
signifikan secara statistik. Heterogenitas untuk kelompok studi tunggal tidak
berlaku. Seperti yang terlihat dalam Konten Digital Tambahan 1, Gambar 1,
perbedaan subkelompok lebih lanjut ditemukan pada anestesi (SMD, −0.89; 95%
CI [−1.71 hingga −0.07]) dan pengaturan perawatan intensif (SMD, −0.63; 95%
CI [−1.14 hingga −0.12]), dengan bukti yang tidak dapat ditentukan di bidang
kedokteran darurat (SMD, −0.24; 95% CI [−0.71 hingga 0.23]). Heterogenitas
sekali lagi ditemukan tinggi di bidang anestesi dan pengobatan darurat di (I2 =
96%, P <.01) dan (I2 = 88%, P <.01), masing-masing. Dalam bidang kedokteran
perawatan intensif, heterogenitas ditemukan rendah tetapi tidak signifikan secara
statistik (I2 = 0%, P = 0,82).

xi
i
 Gambar 3. Jumah besar Plot menunjukkan kinerja DSS keseluruhan dan
subkelompok dibandingkan dengan standar perawatan dalam pengobatan
perawatan kritis. Model efek acak digunakan untuk melakukan meta-analisis studi
dengan variabel kontinyu. Rasio rata-rata standar disajikan dengan interval
kepercayaan 95%. DSS menunjukkan sistem pendukung keputusan.

Hasil dari Konten Digital Tambahan 1, Gambar 2, menunjukkan bahwa

mayoritas SMD dalam studi variabel kontinu memiliki pendekatan pusat tunggal,

xi
ii
dengan (n = 1500) peserta dipelajari sebagai perbandingan untuk (n = 178) studi
multisenter. Analisis subkelompok ini menunjukkan bahwa DSS berkinerja lebih
baik daripada SOC dalam studi pusat tunggal (SMD, −0.66; 95% CI [−1.13
hingga −0.22]; I2 = 94%; P <.01). Sebaliknya, dalam studi multisenter, buktinya
tidak meyakinkan (SMD, −0,56; 95% CI [−4,02 hingga 2,90]; I2 = 98%; P <.01)
karena jumlah kecil (n = 3) dari RCT multisenter diterbitkan hingga saat ini.
Dalam Konten Digital Tambahan 1, Gambar 3, https://links.lww.com/AA/E321,
kurva TSA untuk hasil berkelanjutan ditampilkan. Kurva TSA kami berhasil
melintasi nilai batas tradisional yang ditetapkan sambil menunjukkan bahwa
ukuran informasi kumulatif sudah cukup.
Data tentang hasil biner tersedia untuk n = 16 (50%) dari penelitian yang
dibagi berdasarkan hasil, menghasilkan 5 subkelompok, seperti yang ditunjukkan
pada Gambar 4. OR menyarankan peningkatan efektivitas dengan DSS untuk
subkelompok berikut: kepatuhan terhadap protokol (OR, 0,51 ; 95% CI [0,33–
0,78]; I2 = 97%; P < 0,01), perintah pengobatan (OR, 0,69; 95% CI [0,50–0,94];
I2 = 73%; P < 0,01), dan membaik dokumentasi (ATAU, 0,03; 95% CI [0,00–
0,48]). OR yang tidak meyakinkan ditentukan untuk kelompok yang tersisa, yaitu
semua penyebab kematian (OR, 1,14; 95% CI [0,51–2,57]; I2 = 99%; P <.01) dan
kelangsungan hidup (OR, 1,21; 95% CI [0,42 –3,50]). Secara keseluruhan, hasil
biner menyajikan OR yang signifikan secara statistik (OR, 0,64; 95% CI [0,44-
0,91]; I2 = 98%; P <.01) terhadap efektivitas DSS dalam praktik perawatan kritis.
Heterogenitas untuk kejadian total ditemukan sangat tinggi (I2 = 98%, P < 0,01)
dan moderat untuk uji perbedaan subkelompok (I2 = 56,5%, P = 0,06), meskipun
tidak signifikan secara statistik.

xi
v
 Gambar 4.
Jumlah besar plot menunjukkan kinerja DSS keseluruhan dan subkelompok
dibandingkan dengan standar perawatan dalam pengobatan perawatan kritis.
Model efek acak digunakan untuk melakukan meta-analisis studi dengan variabel
biner. Rasio peluang disajikan dengan 95% CI. CI menunjukkan interval
kepercayaan; DSS, sistem pendukung keputusan; SOC, standar perawatan.

x
v
Diskusi
Temuan keseluruhan dari meta-analisis secara luas menunjukkan dampak
menguntungkan yang signifikan secara statistik dari DSS ketika menilai kinerja
dalam pengobatan perawatan kritis pada skala berkelanjutan (Gambar 3). Analisis
pertama berpusat pada hasil berikut, simulasi dan skor tes, waktu disposisi,
manajemen glukosa, pemeliharaan sedasi, penyapihan ventilator, lama tinggal,
manajemen hemodinamik, dan waktu konsultasi. Dengan demikian, dalam
pengobatan perawatan kritis, hasil meta-analisis menunjukkan peningkatan
efektivitas secara keseluruhan dibandingkan dengan SOC dan sesuai dengan
subkelompok berikut, skor simulasi dan tes, pemeliharaan sedasi, dan manajemen
hemodinamik. Temuan serupa ditetapkan dalam analisis subkelompok mengenai
departemen spesifik anestesi dan ICU tetapi tidak di UGD. Laporan DSS dalam
keadaan darurat belum cukup konklusif untuk dikomentari, karena penyelidikan
kami menghasilkan 95% CI, yang tumpang tindih dengan garis tengah. Saat ini,
dengan hanya 4 studi yang dapat diambil, dampak DSS tidak dapat diperkirakan
dalam praktik departemen darurat. Studi tambahan diperlukan untuk menunjukkan
bahwa DSS secara statistik lebih baik dan lebih aman untuk subkelompok pasien
ini.
OR yang diekstraksi dari hasil biner juga condong ke arah efektivitas DSS
dibandingkan SOC, seperti pada hasil berkelanjutan (Gambar 4). Hasil utama
yang diselidiki dalam analisis ini adalah semua penyebab kematian, kepatuhan
terhadap protokol, perintah pengobatan, peningkatan dokumentasi, dan
kelangsungan hidup. Karena basis bukti yang terbatas, subanalisis lebih lanjut dari
hasil biner tidak mungkin dilakukan.
DSS mulai hadir dengan kuat di berbagai pusat medis secara global,
menunjukkan nilai dan nilai mereka. Penelitian kemanjuran DSS belum
memastikan keamanan dan potensi di seluruh disiplin ilmu. Banyak penulis telah
melaporkan dan mengulas dampak positif DSS dalam literatur medis, termasuk
pengurangan kesalahan pengobatan, prediksi penyakit jantung dini, peningkatan
kepatuhan terhadap pedoman medis, manajemen perawatan primer , dan
pemesanan pencitraan dan diagnostik yang sesuai, di antara banyak kasus

x
vi
penggunaan lainnya. Terlepas dari ukuran literatur yang dilaporkan saat ini,
kinerja keseluruhan DSS dalam pengobatan perawatan kritis tetap ambigu. Oleh
karena itu, penulis menyajikan ikhtisar dari semua karya yang membahas
kesenjangan ini dalam literatur dan melaporkan peran terkini dari teknologi baru
ini dalam pengobatan perawatan kritis.
Analisis subkelompok lebih lanjut dilakukan pada desain penelitian dalam
variabel kontinu. Hasil di sini menunjukkan bahwa sebagian besar studi memiliki
pendekatan pusat tunggal, dengan (n = 2972) peserta dibandingkan dengan (n =
376) dalam studi multisenter. Di satu sisi, analisis dari laporan pusat tunggal
cukup mendukung DSS dibandingkan dengan SOC. Di sisi lain, dalam
pendekatan multisenter, hanya 3 studi yang ditemukan dan diambil dari literatur
dan tidak menghasilkan efek kinerja yang signifikan secara statistik. Interpretasi
yang mungkin adalah bahwa penerapan DSS di antara banyak pusat dan praktik
mungkin terbukti menantang karena respons individu yang berbeda terhadap
algoritme. Oleh karena itu, penelitian multisenter tambahan diperlukan untuk
menyimpulkan apakah DSS memiliki dampak terkait pada perawatan multisenter.
Selain itu, hasil TSA masih memperkirakan kekuatan yang memadai di bagian
variabel kontinu dari meta-analisis kami untuk menyelidiki pertanyaan klinis kami
berdasarkan metodologi yang ditetapkan. Plot corong dibuat untuk kedua analisis
utama. Representasi grafis menyajikan visual sejauh mana bias publikasi. Dalam
kedua gambar, bentuk yang relatif simetris menunjukkan sedikit adanya bias
publikasi dalam hasil yang berkelanjutan namun lebih signifikan dalam hasil biner
karena kehadiran simetri yang lebih sedikit.
Untuk mengidentifikasi keefektifan DSS dalam pengobatan perawatan
kritis, sangat penting untuk menginvestigasi hasil yang berkelanjutan dan biner
untuk menunjukkan dengan tepat area di mana terdapat kekurangan bukti. Secara
khusus, analisis ini dapat memandu RCT di masa depan menuju subkelompok
penting dan hasil dengan temuan terbatas atau studi tunggal, seperti perawatan
sedasi, waktu konsultasi, peningkatan dokumentasi, dan kelangsungan hidup,
untuk beberapa nama. Oleh karena itu, untuk memiliki kekuatan statistik yang
cukup untuk membentuk kesimpulan yang kuat, diperlukan lebih banyak

x
vi
penelitian. Kecenderungan positif yang diamati dalam penelitian ini, ketika
digabungkan dengan temuan serupa dalam penelitian terkait dari bidang yang
berdekatan dengan pengobatan perawatan kritis, menunjukkan bahwa penekanan
yang lebih kuat pada penelitian terkait kinerja DSS dalam pengobatan perawatan
kritis diperlukan. Sampai saat itu, efek keseluruhan implementasi DSS yang
konkret terhadap hasil pasien masih harus ditentukan.
8. Keterbatasan
Beberapa keterbatasan ada dalam penelitian kami. Mengingat aplikasi yang
luas dan berbagai desain studi yang berbeda yang dirangkum oleh penelitian DSS
dalam pengobatan perawatan kritis, tingkat heterogenitas yang tinggi diharapkan.
Literatur saat ini tidak menyediakan RCT yang cukup untuk meneliti aplikasi DSS
analog. Analisis TSA sengaja dilakukan sebagai ukuran jaminan kualitas
mengingat kurangnya penelitian dan tingkat heterogenitas yang tinggi. Selain itu,
beberapa studi berisiko tinggi dan studi termasuk ukuran sampel kecil dimasukkan
dalam analisis, yang dapat melemahkan validitas internal dan eksternal dari hasil.
Namun, proporsi studi ini terbatas, dan semua studi yang dimasukkan masih
memenuhi kriteria inklusi yang ketat. Akhirnya, tidak ada eksplorasi ke dalam
potensi manfaat sekunder atau variabel pengganggu yang tidak terukur sebagai
hasil dari penggunaan DSS, khususnya yang meningkatkan alur kerja dan
efektivitas biaya untuk praktik, yang dilakukan. Studi selanjutnya harus
mempertimbangkan faktor-faktor ini ketika menilai kinerja DSS dalam
pengaturan perawatan kritis.
9. Kesimpulan
Pengenalan luas DSS dalam spesialisasi perawatan kritis menandakan
kemungkinan yang tak terelakkan bahwa mereka akan menjadi bagian dari
pengobatan sehari-hari. DSS baru yang diimplementasikan dalam pengobatan
perawatan kritis tampaknya memberikan kinerja klinis yang sedikit lebih baik jika
dibandingkan dengan SOC. Ini diamati dalam totalitas hasil kontinu dan biner
tetapi subanalisis menyajikan gambaran yang lebih tidak meyakinkan. Bidang
anestesi dan perawatan intensif telah mengadopsi dan menyambut baik penelitian
DSS, dengan penerapannya dalam disiplin ilmu ini kemudian menunjukkan hasil

x
vi
yang paling menjanjikan. Namun, untuk melengkapi kinerja DSS dalam
pengobatan perawatan kritis, studi masa depan harus fokus pada subkelompok
dengan studi terbatas, studi multisenter, dan RCT di departemen gawat darurat.
Pada akhirnya, hanya dengan penelitian yang lebih luas tentang keefektifan DSS
terhadap hasil intervensi kesehatan dalam pengobatan perawatan kritis, kita akan
dapat membuat keputusan berdasarkan informasi tentang masa depan DSS dalam
perawatan kesehatan.

xi
x
 DAFTAR PUSTAKA
1) Middleton B, Sittig D, Wright A. Dukungan keputusan klinis: retrospektif 25
tahun dan visi 25 tahun. Buku Tahunan Med Inf . 2016;25:S103–S116.
2) Sutton RT, Pincock D, Baumgart DC, Sadowski DC, Fedorak RN, Kroeker
KI. Tinjauan sistem pendukung keputusan klinis: manfaat, risiko, dan strategi
untuk sukses. NPJ Digital Med . 2020; 3:1–10.
3) Shortlife EH, Buchanan BG. Model penalaran yang tidak tepat dalam
kedokteran. Matematika Biosci . 1975; 23:351–379.
4) Hsu JC, Chen YF, Chung WS, Tan TH, Chen T, Chiang JY. Verifikasi klinis
dari sistem pendukung keputusan klinis untuk penyapihan ventilator. Biomed
Eng Online . 2013;12(sup 1):S4S4.
5) Kalfon P, Giraudeau B, Ichai C, dkk; Kelompok Studi CGAO–REA.
Komputerisasi ketat versus kontrol glukosa konvensional di ICU: uji coba
terkontrol secara acak. Medis Perawatan Intensif . 2014;40:171–181.
6) Fernandes M, Vieira SM, Leite F, Palos C, Finkelstein S, Sousa JM. Sistem
pendukung keputusan klinis untuk triase di departemen darurat menggunakan
sistem cerdas: tinjauan. Artif Intell Med . 2020;102:101762.
7) McMullin ST, Lonergan TP, Rynearson CS, Doerr TD, Veregge PA, Scanlan
ES. Dampak sistem pendukung keputusan terkomputerisasi berbasis bukti
pada biaya resep perawatan primer. Ann Keluarga Medis . 2004;2:494–498.
8) Algaze CA, Wood M, Pageler NM, Sharek PJ, Longhurst CA, Shin AY.
Penggunaan daftar periksa dan alat pendukung keputusan klinis mengurangi
penggunaan laboratorium dan meningkatkan biaya. Pediatri . 2016;137.
Diterbitkan online 17 Desember 2015. doi:10.1542/peds.2014–3019
9) Georgiou A, Prgomet M, Markewycz A, Adams E, Westbrook JI. Dampak
sistem entri pesanan penyedia terkomputerisasi pada layanan pencitraan
medis: tinjauan sistematis. J Am Med Menginformasikan Assoc .
2011;18:335–340.
10) Hemmerling TM, Cirillo F, Cyr S. Sistem pendukung keputusan dalam obat-
anestesi, perawatan kritis dan obat perawatan intensif. Sistem Pendukung
Keputusan . IntechOpen; 2012:17–50.

x
x
11) Liberati A, Altman DG, Tetzlaff J, dkk. Pernyataan PRISMA untuk
melaporkan tinjauan sistematis dan meta-analisis studi yang mengevaluasi
intervensi perawatan kesehatan: penjelasan dan elaborasi. J Clinic Epidemiol .
2009;62:e1–34.
12) Ouzzani M, Hammady H, Fedorowicz Z, Elmagarmid A. Rayyan—aplikasi
web dan seluler untuk tinjauan sistematis. Syst Rev. 2016;5:1–10.
13) Jadad AR, Moore RA, Carroll D, dkk. Menilai kualitas laporan uji klinis acak:
apakah perlu membutakan? Uji Coba Klinik Kontrol . 1996; 17:1–12.
14) López-López JA, Page MJ, Lipsey MW, Higgins JP. Berurusan dengan
multiplisitas ukuran efek dalam tinjauan sistematis dan meta-analisis. Metode
Res Synth . 2018;9:336–351.
15) Hozo SP, Djulbegovic B, Hozo I. Memperkirakan rata-rata dan varian dari
median, rentang, dan ukuran sampel. Metode BMC Med Res . 2005;5:1–10.
16) Wan X, Wang W, Liu J, Tong T. Memperkirakan rata-rata sampel dan standar
deviasi dari ukuran sampel, median, rentang dan/atau rentang interkuartil.
Metode BMC Med Res . 2014; 14:1–13.
17) Melsen W, Bootsma M, Rovers M, Bonten M. Efek heterogenitas klinis dan
statistik pada nilai prediksi hasil dari meta-analisis. Mikrobiol Klinik
Menginfeksi . 2014;20:123–129.
18) Wetterslev J, Jakobsen JC, Gluud C. Analisis sekuensial percobaan dalam
tinjauan sistematis dengan meta-analisis. Metode BMC Med Res . 2017;
17:39.
19) Geser TD, Deshur M, Benson J, dkk. Efek dari bantuan kognitif dinamis
elektronik versus bantuan kognitif statis pada pengelolaan krisis simulasi: uji
coba terkontrol secara acak. Sistem J Med . 2018;43:6.
20) Zaouter C, Taddei R, Wehbe M, dkk. Sistem baru untuk sedasi propofol
otomatis: sistem sedasi hibrid (HSS). J Clin Monit Comput . 2017;31:309–
317.
21) Lelaidier R, Balanca B, Boet S, dkk. Penggunaan bantuan kognitif digital
genggam dalam krisis simulasi: uji coba terkontrol acak MAX. Sdr. J
Anaesth . 2017;119:1015–1021.

x
xi
22) Geurts D, de Vos-Kerkhof E, Polinder S, dkk. Implementasi pendukung
keputusan klinis pada anak kecil dengan gastroenteritis akut: uji coba
terkontrol secara acak di unit gawat darurat. Eur J Pediatr . 2017;176:173–181.
23) Taniguchi C, Victor ES, Pieri T, dkk. Perawatan cerdas versus penyapihan
manual yang digerakkan oleh fisioterapi pernapasan untuk pasien dewasa yang
sakit kritis: uji coba terkontrol secara acak. Perawatan Kritis . 2015; 19:1–9.
24) Zaouter C, Wehbe M, Cyr S, dkk. Penggunaan sistem pendukung keputusan
meningkatkan pengelolaan kejadian hemodinamik dan pernapasan pada pasien
ortopedi di bawah sedasi propofol dan analgesia tulang belakang: uji coba
secara acak. J Clin Monit Comput . 2014;28:41–47.
25) Dexheimer JW, Abramo TJ, Arnold DH, dkk. Implementasi dan evaluasi
sistem manajemen asma terkomputerisasi terpadu di departemen gawat darurat
pediatrik: uji klinis acak. Informasi Int J Med . 2014;83:805–813.
26) Dexheimer JW, Abramo TJ, Arnold DH, dkk. Sistem manajemen asma di
departemen gawat darurat pediatrik. Informasi Int J Med . 2013;82:230–238.
27) Pielmeier U, Rousing ML, Andreassen S, Nielsen BS, Haure P. Dukungan
keputusan untuk kontrol glukosa darah yang dioptimalkan dan nutrisi di unit
perawatan intensif neurotrauma: hasil awal saran klinis dan akurasi prediksi
sistem Glucosafe. J Clin Monit Comput . 2012;26:319–328.
28) Mann EA, Jones JA, Serigala SE, Wade CE. Perangkat lunak pendukung
keputusan komputer dengan aman meningkatkan kontrol glikemik di unit
perawatan intensif luka bakar: studi klinis terkontrol acak. J Burn Care Res .
2011;32:246–255.
29) Taylor B, Dinh M, Kwok R, Dinh D, Chu M, Tang E. Antarmuka elektronik
untuk manajemen gawat darurat asma: uji coba kontrol acak dari kinerja
dokter. Emerg Med Australasia . 2008;20:38–44.
30) Roukema J, Steyerberg EW, Van der Lei J, Moll HA. Uji coba acak dari
sistem pendukung keputusan klinis: berdampak pada pengelolaan anak dengan
demam tanpa sumber yang jelas. J Am Med Menginformasikan Assoc .
2008;15:107–113.

x
xi