Jurnal Epidemiology

Merlin
P10223015
1) Jurnal ekologi dan Epidemiologi Infeksi:
Seroprevalensi, Dan Deteksi Molekuler Brucella Abortus Pada
Jaringan Sapi Dari Rumah Potong Hewan Di Namibila

Abstrak
Brucellosis adalah zoonosis global yang endemik di Namibia. Penelitian ini memperkirakan seroprevalensi
brucellosis, dan menentukan keberadaan infeksi Brucella pada sapi yang dipotong menggunakan PCR interspacer
16-23S rRNA spesifik genus (ITS- PCR), dan AMOS- PCR spesifik spesies. Antara Desember 2018 dan Mei 2019,
serum (n = 304), kumpulan kelenjar getah bening (n = 304), dan limpa individu (n = 304) dikumpulkan dari sapi
yang disembelih dari 52 peternakan. Sera diuji antibodi anti-Brucella menggunakan tes Rose Bengal (RBT), dan tes
fiksasi komplemen (CFT). Seroprevalensinya adalah 2,3% (7/304) (RBT) dan 1,6% (5/304) (CFT). Prevalensi
kelompok yang positif adalah 9,6% (5/52). Sampel kelenjar getah bening (n = 200) dan limpa (n = 200) dari sapi
seronegatif dinyatakan negatif Brucella spp. DNA pada ITS- PCR, namun Brucella spp. DNA terdeteksi di kelenjar
getah bening (85,7%, 6/7) dan limpa (85,7%, 6/7) dari sapi positif RBT. ITS- PCR mengkonfirmasi isolat kelenjar
getah bening (51,4%, 4/7) dan limpa (85,7%, 6/7) sebagai Brucella spp.; sementara PCR AMOS- PCR dan Brucella
abortus spesies spesifik (BaSS) mengkonfirmasi isolat tersebut sebagai Brucella abortus, dan strain lapangan.
Penyediaan alat pelindung diri yang memadai dan peningkatan kesadaran terhadap brucellosis di kalangan pekerja
rumah potong hewan direkomendasikan untuk mencegah infeksi zoonosis.

Kata Kunci: Seroprevalensi; tempat pemotongan; ternak; ITS- PCR; AMOS- PCR; Brucella gagal
 Metode Penelitian
 Ukuran sampel: untuk memperkirakan seroprevalensi, ukuran sampel sapi ditentukan
dengan menggunakan rumus n= 4PQ/L2.
 Pengambilan sampel: Pengambilan sampel darah (n = 304) dikumpulkan secara aseptic di
rumah potong hewan dari potongan vena jugularis sapi terpilih dari kedua kenis kelamin,
dan Pengambilan sampel jaringan
 Selanjutnya pengujian serum: Tes serologis dilakukan di Central Veterinary Laboratory
(Windhoek, Namibia).
 Hasil tes disimpan dalam spreadsheet Microsoft Excel® versi 2007 (Microsoft Corporation,
Redmond, WA). Seroprevalensi rumah potong hewan dan prevalensi peternakan yang
positif Brucella ditentukan sebagai persentase sapi atau peternakan yang diuji yang
masingmasing positif RBT dan CFT. Interval kepercayaan (CI) 95% diperkirakan dengan
mempertimbangkan sensitivitas dan spesifisitas CFT masing- masing sebesar 81% dan
98%. Proporsi reaktor dibandingkan antar kelompok menggunakan kalkulator uji-z
(https://epitools.ausvet.com.au/ ztesttwo ). Dalam semua kasus, p <0.05 dianggap
signifikan.
 2) Jurnal Epidemiologi Klinis:
Sumber Data yang Ada dalam Epidemiologi Klinis: Database Infeksi yang didapat dari Komunitas
Membutuhkan Rujukan Rumah Sakit di Denmark Timur (DCAID) 2018-2021

Abstrak:
Penyakit menular merupakan tantangan utama layanan kesehatan secara global dan merupakan penyebab utama
masuknya pasien ke unit gawat darurat. Karakteristik dan hasil epidemiologi berdasarkan data tingkat populasi
terbatas. Basis Data Infeksi yang Didapat dari Komunitas di Denmark Timur (DCAIED) 2018– 2021 dibuat dengan
tujuan untuk mengeksplorasi dan memperkirakan karakteristik populasi, dan hasil akhir dari pasien yang menderita
infeksi yang didapat dari komunitas di unit gawat darurat di Wilayah Ibu Kota dan Wilayah Selandia Baru. Denmark
menggunakan data dari rekam medis elektronik. Pasien dewasa (ÿ18 tahun) yang datang ke unit gawat darurat
dengan dugaan atau konfirmasi infeksi dimasukkan dalam kohort. Adanya sepsis dan kegagalan organ dinilai
menggunakan kriteria yang dimodifikasi dari Definisi Konsensus Internasional Ketiga untuk Sepsis dan Syok Septik
(Sepsis-3). Selama periode inklusi dari Januari 2018 hingga Januari 2022, tercatat 2.241.652 kunjungan unit gawat
darurat dewasa. Dari jumlah tersebut, 451.825 merupakan pertemuan unik dimana 60.316 memenuhi kriteria
suspek infeksi dan 28.472 memenuhi kriteria sepsis dan 8.027 didefinisikan sebagai syok septik. Basis data ini
mencakup seluruh Wilayah Ibu Kota dan Selandia di Denmark dengan wilayah penyerapan 2,6 juta penduduk dan
mencakup indikator demografi, laboratorium, dan hasil, dengan tindak lanjut yang lengkap. Basis data ini sangat
cocok untuk penelitian epidemiologi untuk kolaborasi nasional dan internasional di masa depan.

Kata Kunci: gawat darurat, penyakit menular, sepsis, syok, database, epidemiologi, community- acquired
 Metode Penelitian
Pengumpulan Data dan Variabel:
Kelengkapan, Data Hilang, dan
Populasi Basis Data: Dengan penyaringan
elektronik dan nomor CPR unik itu dimungkinkan Keabsahan Data
untuk mengidentifikasi dan mengambil informasi
tentang variabel unik semua pasien termasuk
variabel demografi (kota tempat tinggal, migrasi, Semua data pasien yang disimpan
dan status vital, dan tanggal lahir), parameter vital, dalam perangkat lunak EMR
nilai laboratorium, diagnosis primer dan sekunder, Sundhedsplatformen dalam
status pengobatan saat masuk, dan obat yang
diberikan selama rawat inap. pengaturan klinis tersedia di
Variabel: Variabel deskriptif mencakup demografi database.
dasar: usia, jenis kelamin, kota tempat tinggal,
migrasi, dan status vital.
3) Jurnal Ekologi dan Epidemiologi Infeksi:
Memprediksi Daerah-Daerah yang Berpotensi Beresiko Demam Berdarah
Dengue di Jakarta, Indonesia- Menganalisis Keakuratan Analisis Prediksi
Hotspot Tanpa Adanya Data Wilayah Geografis yang Kecil

Abstrak
Demam Berdarah Dengue (DBD), suatu bentuk demam berdarah yang lebih parah, adalah salah satu penyakit yang
ditularkan oleh nyamuk dengan penyebaran paling cepat di dunia. Penelitian ini dilatarbelakangi oleh
meningkatnya kejadian DBD di Jakarta, ibu kota Indonesia. Kami terutama menggunakan analisis hot spot, yang
menggunakan statistik spasial untuk menemukan wilayah berisiko terjangkitnya wabah DBD di lima kota di Jakarta.
Namun, untuk mendapatkan hasil yang informatif dari analisis titik panas, diperlukan kumpulan data yang lengkap
untuk masing- masing 42 kabupaten di Jakarta, dan hal ini tidak tersedia. Oleh karena itu, kami mengusulkan
gagasan untuk menggunakan estimasi area kecil (SAE) dan pembelajaran mesin untuk menutupi kekurangan data.
Untuk mengevaluasi apakah metode yang diusulkan ini efektif, kami membandingkan hasil estimasi hot spot
dengan data aktual masingmasing kabupaten. Hasil penelitian menunjukkan bahwa peta titik api estimasi yang
dihasilkan mirip dengan peta titik api dari data sebenarnya. Jurusan Matematika, Fakultas Matematika dan Ilmu
Pengetahuan Alam, Universitas Indonesia, Depok, Indonesia Hal ini berarti bahwa wilayah yang berpotensi terkena
demam berdarah dapat ditemukan tanpa dataset yang lengkap di setiap wilayah geografis yang kecil. Kami
berharap penelitian ini dapat meningkatkan kinerja upaya pengendalian DBD di tingkat kabupaten, meskipun tidak
ada data wilayah yang kecil.

Kata Kunci: Getis-Ord Gi; analisis titik panas; pembelajaran mesin; estimasi area kecil; mendukung regresi vektor
 Metode Penelitian

 Dataset yang digunakan untuk penelitian ini terdiri dari  Selanjutnya model regresi untuk
data numerik harian kejadian DBD dan cuaca (termasuk regresi vector dukungan (SVR)
rata-rata suhu, curah hujan, dan rata-rata kelembaban ada dalam bentuk rumus
relatif) di lima kotamadya di Jakarta (terdiri dari Jakarta berikut:
Barat, Timur, Utara, Selatan, dan Pusat).
 Analisis titik panas: analisis hot spot dapat menunjukkan
di mana cluster dalam dataset kita berada dan seberapa
signifikan cluster tersebut. Statistik ini ditentukan oleh
rumus berikut:
 4) Jurnal Epidemiologi dan Kesehatan:
Dampak Efektivitas Biaya Intervensi Biomedis pada Orang Dewasa Penghapusan
Hepatitis B diTiongkok: Studi Permodelan Matematika

Abstrak
 Latar belakang Tiongkok merupakan salah satu negara dengan beban penyakit virus hepatitis B (HBV) tertinggi di dunia dan memantau
kemajuan menuju target eliminasi HBV pada tahun 2030 sangatlah penting. Penelitian ini bertujuan untuk menilai dampak intervensi
biomedis (yaitu, vaksinasi pada orang dewasa, skrining dan pengobatan) terhadap epidemi HBV pada orang dewasa, memperkirakan waktu
untuk eliminasi HBV, dan mengevaluasi efektivitas biaya intervensi di Tiongkok.
 Metode Model kompartemen deterministik dikembangkan untuk memproyeksikan epidemi HBV dari tahun 2022 hingga 2050 dan
memperkirakan waktu untuk memenuhi target eliminasi berdasarkan empat skenario intervensi. Efektivitas biaya dihitung menggunakan
biaya tambahan per tahun hidup yang disesuaikan dengan kualitas (QALY) yang diperoleh, yaitu rasio efektivitas biaya rata-rata (CER).
 Hasil Berdasarkan status quo, akan terdapat 42,09– 45,42 juta orang dewasa yang hidup dengan HBV pada tahun 2050 dan 11,04– 14,36 juta
kematian terkait HBV secara kumulatif dari tahun 2022 hingga 2050. Vaksinasi universal secara kumulatif akan mencegah 3,44– 3,95 juta
kasus baru dengan kerugian sebesar US$ $1027– 1261/ QALY diperoleh. Strategi komprehensif ini secara kumulatif akan mencegah 4,67–
5,24 juta kasus kronis baru dan 1,39– 1,85 juta kematian, sehingga mempercepat realisasi target eliminasi hingga tahun 2049. Strategi ini
juga hemat biaya dengan CER rata-rata sebesar US$20.796– 26.685/ QALY dan penghematan biaya layanan kesehatan sebesar US$16,10–
26,84 per orang.
 Kesimpulan Tiongkok belum berada pada jalur yang tepat untuk memenuhi target eliminasi namun intervensi biomedis yang komprehensif
dapat mempercepat realisasi target tersebut. Strategi yang komprehensif adalah strategi yang hemat biaya dan hemat biaya, yang harus
dipromosikan dalam infrastruktur layanan kesehatan primer. Vaksinasi universal bagi orang dewasa mungkin cocok dilakukan dalam waktu
dekat, mengingat kelayakan praktisnya.
Kata Kunci Hepatitis B · Pemodelan matematis · Efektivitas biaya · Eliminasi · Intervensi
 Metode Penelitian
• Ikhtisar Model: Model penularan terstruktur usia yang dinamis dan deterministik pada tingkat populasi diterapkan
untuk mengeksplorasi dampak dan efektivitas biaya dari strategi intervensi biomedis untuk populasi Tiongkok
berusia 18-80 tahun dari tahun 2006 hingga 2050.
• Sumber Data: Kami mengumpulkan data dari literatur yang diterbitkan, data akses terbuka dan investigasi
lapangan. Data tersebut mencakup parameter perkembangan penyakit, data demografi, data epidemiologi HBV
yang digunakan untuk model kompartemen, serta biaya dan utilitas yang digunakan untuk analisis efektivitas biaya.
• Skenario Intervensi: Untuk mengidentifikasi strategi yang tepat untuk mencapai eliminasi HBV
• Analisis Eliminasi: Kami menghitung garis waktu yang diperlukan untuk mencapai target eliminasi pada setiap
skenario sebagai analisis eliminasi.
• Kalibrasi Model
• Analisis Efektivitas Biaya: melakukan analisis biaya untuk semua strategi scenario dari perspektif penyedia layanan
kesehatan.
• Dan terakhir Analisis Sensitivitas: melakukan analisis sensitivitas satu arah untuk menilai pengaruh parameter dan
ketahanan model, yang diselidiki menggunakan plot tomado.
 5) Jurnal Epidemiologi dan Kesehatan:
Perubahan Kegiatan Infuenza Terkena NPI Berdasarkan 4
Tahun Pengawasan di Tiongkok: Pola dan Tren Epidemi

Abstrak:
Flu Virus Infuenza A Intervensi Non- farmasi Penakit Virus Corona COVID-19 2019 Metode Data surveilans penyakit mirip influenza (ILI) dikumpulkan dari 21
kota di Guangdong antara September 2017 dan Agustus 2021, sementara 43 rumah sakit/unit dipilih untuk menganalisis jenis influenza yang dominan, karakteristik
populasi, dan gambaran musiman dengan tiga metode. (rasio konsentrasi, indeks musiman, dan sebaran sirkulasi), berdasarkan pendekatan epidemiologi deskriptif.
Virus Infuenza B Tujuan Tujuan dari penelitian ini adalah untuk mengeksplorasi perubahan aktivitas influenza dalam konteks COVID-19 berdasarkan rumah
sakit/unit sentinel di Guangdong, Tiongkok selatan. NPI influenza Latar Belakang Sejak munculnya Intervensi Non- Farmasi (NPI) terhadap COVID-19, aktivitas
influenza telah sedikit berubah.
Hasil Selama empat musim influenza berturut-turut, total 157345 ILI diuji, dimana 9,05% positif virus influenza (n=14238), dengan tingkat positif tertinggi untuk
IAV (13,20%) dan IBV (5,41%) di musim 2018-2019. Setelah munculnya COVID-19, kasus influenza menurun mendekati nol dari Maret 2020 hingga Maret 2021,
dan jenis virus influenza yang dominan berubah dari IAV menjadi IBV. Tingkat positif influenza tertinggi terdapat pada kelompok umur 5-15 tahun pada setiap
musim untuk IAV (P<0,001), yang konsisten dengan IBV (P<0,001). Tingkat positif tahunan IBV tertinggi terjadi di Guangdong bagian timur, sedangkan tingkat
positif tahunan IAV tertinggi pada musim berbeda terjadi di wilayah berbeda. Lebih lanjut, dibandingkan dengan periode epidemi (berkisar antara Desember hingga
Juni) pada tahun 2017– 2019, periode tersebut berakhir tiga bulan lebih awal (Maret 2020) pada tahun 2019– 2020, dan dimulai terlambat lima bulan (April 2021)
pada tahun 2020– 2021.
Kesimpulan Tingkat positif tertinggi pada kelompok usia 5-15 Tahun menunjukkan bahwa kelompok rentan pada kelompok usia ini sebagian besar telah terinfeksi
B/ Victoria. Dipengaruhi oleh munculnya respons terhadap COVID-19 dan NPI, pola epidemi dan tren aktivitas influenza telah berubah di Guangdong pada tahun
2017– 2021.

Kata Kunci: Infuenza · Karakteristik Musiman · Rasio Konsentrasi · Indeks Musiman · Distribusi Sirkuler · Intervensi Nonfarmasi (NPI)
 Metode Penelitian

 Pengumpulan Data: Penelitian ini merupakan penelitian observasional

retrospektif dengan menggunakan surveilans virologi ILI. Seluruh data ILI
diperoleh dari National Infuenza Surveillance Network, termasuk umur item,
tanggal pengumpulan, tanggal timbulnya, jenis kelamin, wilayah, dan hasil tes
virologi spesimen pernafasan.
 Rasio Konsentrasi, Indeks Musiman
 Distribusi Melingkar
 Analisis Statistik: Excel 2019 digunakan untuk menangani data asli dan
menggambar gambar. Data dianalisis dengan menggunakan SPSS v.24 (SPSS Inc.,
Chicago, IL). Uji chi-square (X2 ) dilakukan untuk variabel kategori dengan tingkat
signifikansi pada two-tailed P 0,05. Analisis statistik terhadap data mencakup
indikator-indikator yang berkaitan dengan ketiga metode.
Thank