PELAYANAN TERPADU

PTM
algoritma dan implementasi
 WHY
PELAYANAN TERPADU PTM
 GLOBAL OVERVIEW
Penyakit Tidak Menular (PTM) membunuh 41 juta jiwa setiap
tahunnya, setara dengan 71 % kematian global.

15 juta jiwa diantaranya meninggal pada usia 30-69 tahun.

85 % kematian dini pada negara low – middle income

countries

Hampir ¼ (22 %) populasi dunia memiliki faktor

kerentanan terhadap COVID-19 dan pada umumnya
disebabkan PTM
Sumber : WHO - Dept. of NCDs
Voluntary Global Target For NCDs Control
Permenkes 71/2015
Pilar
Penanggulangan
PTM
Promkes

Deteksi/skrining

Perlindungan khusus

Tatalaksana kasus
 FAKTOR RISIKO PTM

 USIA
 JENIS KELAMIN
 GENETIK

TIDAK BISA DIUBAH BISA DIUBAH

 MEROKOK
 KURANG AKTIVITAS FISIK Faktor Risiko
 POLA MAKAN TIDAK SEHAT Perilaku
 KONSUMSI ALKOHOL

 TEKANAN DARAH TINGGI

 OBESITAS Faktor Risiko
 HIPERGLIKEMIA Intermediet
 HIPERLIPIDEMIA
 CURATIVE: PROVIDING RESILIENCE:
PILAR TRANSFORMASI B QUALITY, EFFICIENT CARE C ENSURING
WHEN NEEDED READINESS &
PREVENTIVE: KEEPING POPULATION HEALTHY EFFECTIVE
A BY TRANSFORMING PRIMARY CARE
Increasing Increasing 6
access and RESPOND TO
5 resilience of CRISIS
quality of
Population education 1 Primary prevention 2 Secondary prevention 3 Increasing capacity and 4 pharma and Strengthening 7
capability of primary care secondary &
meddevices emergency response
• Promkes • Peningkatan • Peningkatan •tertiary care
Menjamin sector
• Penerapan resilience
perilaku hidup skrining-deteksi deteksi dini implementasi
sehat: GERMAS, dini penyakit algoritma
komplikasi dan Pandu PTM PPK dan/atau • Menjamin
CERDIK dan faktor • Menjamin
kerusakan organ (skrining, clinical pathway ketersediaan
risiko keberlangsungan
• Pemicuan target edukasi, dan sesuai dengan obat penyakit layanan PTM
perubahan • Penguatan tatalaksana) PNPK KV di FKTL pada saat terjadi
perilaku melalui regulasi serta obat PRB bencana
• Penguatan • Pemenuhan dan
AoC PTM pengendalian dan layanan
konsumsi GGL Program Rujuk pemerataan • Mendorong
Balik sarana, paliatif di FKTP ketersediaan
• Integrasi Pandu prasarana dan • Penyediaan obat/
PTM dan BPJS alkes untuk alat deteksi tatalaksana PTM
dini faktor dalam paket
penanganan
obat emergensi
PTM di RS sesuai risiko PTM
standar

Talent 8 Healthcare Financing 9 Technology, digital and analytics 10

FOUNDATIONAL • Pemenuhan SDM berkualitas di
D ENABLERS FKTP dan FKRTL sesuai standar
• Orientasi dan pelatihan Pandu
PTM
Integrasi dan peningkatan
pembiayaan berbagai sumber
(Pusat, daerah, swasta, dan hibah)
dalam penanggulangan PTM
• Penguatan surveilans faktor risiko PTM melalui SI PTM
• Pengembangan notifikasi kesehatan digital bagi populasi
sehat dan coaching bagi populasi berisiko PTM kolaborasi
dengan start-up
• Pengembangan kajian dan umpan balik pencegahan dan
pengendalian PTM
 Penanganan PTM lebih terarah dan terpadu kepada sasaran yang jelas

MENGAPA Faktor risiko PTM dapat terdeteksi sejak dini

ALGORITMA
PANDU PTM? Dokter yang merawat dapat melakukan telusur pengobatan

Meningkatkan keterampilan petugas dalam penanganan PTM di FKTP

Integrasi dengan BPJS dan pemanfaatan teknologi informasi

 WHAT
PELAYANAN TERPADU PTM
 Ruang Lingkup
Upaya pencegahan, pengendalian, dan tata laksana
PELAYANAN yang terintegrasi untuk tindak lanjut faktor risiko dan
penyakit tidak menular (penyakit kardiovaskuler,
TERPADU PTM diabetes melitus, penyakit paru kronis, dan kanker)
serta PTM lainnya di Puskesmas dan FKTP
(PANDU PTM)
Sasaran
Penduduk usia 15 tahun ke atas yang datang ke
Puskesmas/FKTP untuk kunjungan sakit maupun
kunjungan sehat
 HOW
PELAYANAN TERPADU PTM
 KETERANGAN
ALGORITMA PANDU
PTM
PREDIKSI
RISIKO PTM
KAPAN HRS MENGGUNAKAN
PENILAIAN RISIKO CVD

• BERUSIA DIATAS 40 TAHUN

• RIWAYATPENGGUNAAN TEMBAKAU
• KEGEMUKAN
• DIKETAHUI HIPERTENSI
• DIKETAHUI DM
• RIWAYAT CVD PREMATUR PADA KERABAT
TINGKAT PERTAMA
• RIWAYAT DM ATAU PENYAKIT GINJAL
PADA KERABAT TINGKAT PERTAMA
 PENILAIAN PREDIKSI RISIKO PTM

1. Memprediksi risiko seseorang menderita penyakit kardiovaskuler 10 tahun

mendatang, berdasarkan jenis kelamin, umur, tekanan darah sistolik, status
merokok
2. Menggunakan Tabel Prediksi Risiko PTM
3. Diadaptasi dari “WHO Cardiovascular Disease Risk Charts” yang dikeluarkan
tahun 2020
4. Terdapat 2 jenis tabel prediksi risiko PTM, yaitu:
 Berdasarkan hasil laboratorium (memerlukan nilai kolesterol total dan
diagnosis diabetes melitus) dan
 Tanpa hasil laboratorium (memerlukan nilai IMT)
CARA PENGGUNAAN TABEL PREDIKSI RISIKO PTM
(DENGAN HASIL LABORATORIUM)
1. Tentukan dahulu apakah orang
yang diperiksa penyandang DM
atau tidak. Gunakan kolom yang
sesuai dengan statusnya.
2. Kemudian tentukan kolom jenis
kelaminnya (laki-laki di kolom kiri
dan perempuan di kolom kanan).
3. Tentukan status merokok apakah
merokok atau tidak, sesuaikan di
kolomnya masing-masing
4. Selanjutnya tetapkan blok usia.
Lihat lajur angka paling kiri
(misalnya untuk usia 46 tahun
pakai blok usia 45-49 tahun, 68
tahun pakai blok 65-69 tahun, dst
5. Tekanan darah (TD) yang dipakai adalah tekanan
darah sistolik – lihat nilai sistolik pada lajur paling
kanan.
6. Lihat kolom konversi kadar kolesterol total pada lajur
bawah (pada tabel digunakan satuan mmol/l,
sedangkan di Indonesia umumnya menggunakan
satuan mg/dl, angka konversi tercantum).
7. Tarik garis dari blok umur ke arah dalam, kemudian
tarik garis dari TD ke arah dalam dan nilai kolesterol
ke atas, angka dan warna kotak yang tercantum pada
titik temu antara kolom umur, TD, dan kolom
kolesterol menentukan besarnya risiko untuk
mengalami penyakit kardiovaskular dalam kurun
waktu 10 tahun mendatang.
8. Penilaian berdasarkan tingkat risiko ini dilanjutkan
dengan tata laksana
CARA PENGGUNAAN TABEL PREDIKSI RISIKO PTM
(TANPA HASIL LABORATORIUM)
1. Tentukan dahulu kolom jenis
kelaminnya (laki-laki kolom
kiri dan perempuan kolom
kanan).
2. Tentukan status merokok
apakah merokok atau tidak,
sesuaikan di kolomnya
masing-masing
3. Selanjutnya tetapkan blok
usia. Lihat lajur angka paling
kiri (misalnya untuk usia 46
tahun pakai blok usia 45-49
tahun, 68 tahun pakai blok 65-
69 tahun, dst
4. Tekanan darah (TD) yang dipakai adalah
tekanan darah sistolik – lihat nilai sistolik pada
lajur paling kanan.
5. Lihat kolom IMT (Indeks Masa Tubuh) pada
lajur bawah.
6. Tarik garis dari blok umur ke arah dalam,
kemudian tarik garis dari titik tekanan darah ke
arah dalam dan nilai IMT ke atas, angka dan
warna kotak yang tercantum pada titik temu
antara kolom umur, TD sistolik dan kolom IMT
menentukan besarnya risiko untuk mengalami
penyakit kardiovaskular dalam kurun waktu 10
tahun mendatang.
7. Penilaian berdasarkan tingkat risiko ini
dilanjutkan dengan tata laksana
TATA LAKSANA HASIL PREDIKSI
RISIKO
 INDIKATOR
Puskesmas
KINERJA KEGIATAN
(IKK)
PANDU PTM
2020-2024
Jumlah kabupaten/kota Menerapkan Algoritma Pandu
yang melakukan
pelayanan terpadu PTM
di ≥ 80% puskesmas

Pencatatan dan Pelaporan

 Pencatatan Harian

PENCATAT •
•
Identitas
Riwayat PTM

AN DAN
• Faktor risiko PTM
• Pengelolaan FR PTM
• Tatalaksana PTM

PELAPOR Rekap Bulanan Pusk/Kabko/Prov

AN
• Jumlah total pengunjung ≥ 15 tahun berdasarkan sex, usia
• Jumlah pengunjung ≥15 tahun dengan FR PTM berdasarkan sex, usia, jenis FR
• Jumlah pengunjung ≥15 tahun yg dilakukan pengelolaan FR PTM pada berdasarkan sex, usia,
dan jenis FR
• Jumlah pengunjung usia ≥15 tahun penyandang PTM berdasarkan sex, usia, dan jenis PTM
 MONITORING DAN EVALUASI

• Input • IKK Pandu

• S PM yankes usia produktif
• Proses
• S PM yankes penderita HT
• Output • S PM yankes penderita DM

MONITORING EVALUASI

Output:
Cakupan Pandu PTM (persentase sasaran yang mendapatkan Pandu PTM di
Puskesmas/FKTP dibandingkan dengan jumlah total sasaran yang berkunjung ke
Puskesmas/FKTP) ≥80%
Terima Kasih