MODELING OF WAITING LISTS FOR CHRONIC HEART FAILURE

IN THE WAKE OF THE COVID-19 PANDEMIC

Industrial Engineering Department

rizky.novani@binus.ac.id
 Latar Belakang
Salah satu dampak sekunder dari pandemi Covid-19 adalah meningkatnya jumlah daftar
tunggu pengobatan. Statistik dari Inggris menunjukkan bahwa 4,7 juta orang menunggu
untuk memulai pengobatan pada bulan Februari 2021, jumlah tertinggi sejak tahun 2007
ketika pencatatan dimulai

Selama pandemi, penderita gagal jantung kronis (CHF) mengalami penurunan

jumlahnya, dengan rujukan dokter umum dan tes diagnostik berkurang. Banyak
orang mungkin menderita CHF namun belum teridentifikasi. Dampaknya adalah
kemunculan pasien CHF yang lebih akut pasca-pandemi.

Penelitian ini bertujuan untuk mengevaluasi bagaimana perubahan perilaku pasien selama
lockdown dan pembatasan lainnya memengaruhi waktu tunggu pasien CHF. CHF adalah kondisi
yang melibatkan buruknya fungsi jantung dan dapat menyebabkan kematian jika tidak diobati.
Penundaan diagnosis CHF memengaruhi perawatan. Sejumlah besar orang mungkin menderita CHF
tanpa diagnosis.

Studi ini juga mencatat bahwa perkiraan jumlah orang dengan CHF lebih tinggi dari diagnosis resmi
sebelum pandemi. Munculnya pandemi Covid-19 mengakibatkan penurunan penderita CHF yang
dirujuk dan diagnostik. Model simulasi diperlukan untuk memahami dinamika sistem layanan
kesehatan CHF dan penyakitnya
 Metode
 Penelitian ini menggunakan STRESS checklist (Monks et al. 2019)
untuk memastikan bahwa penelitian ini telah menyertakan semua
detailnya studi pemodelan dan deskripsi dibagi menjadi empat
bagian yang meliputi model konseptual dan bagaimana kaitannya
dengan sistem nyata; deskripsi tentang bagaimana model tersebut
dibangun; daftar asumsi parameter; dan deskripsi keluaran model
 Model konseptual  jalur pasien dari timbulnya gejala gagal
jantung hingga diagnosis
 Pasien masuk ke sistem layanan kesehatan melalui dua jalur 
dokter umum dan acute admission into hospital
 Jalur menuju diagnosis  echo test (akhir)
 Pasien diasumsikan memasuki model ketika mereka mengalami
gejala CHF  semua pasien mengikuti jalur tersebut hingga
terdiagnosis positif atau negatif
 Model ini menggambarkan efek penundaan yang bergantung pada
lamanya masa lockdown dan tingkat keparahan gejala
 Pendekatan pemodelan ini bertujuan untuk memahami bagaimana
pasien CHF mencari diagnosis dan pengobatan, serta bagaimana
dampak pandemi memengaruhi perjalanan pasien tersebut.
Gambar 1. Model konseptual
Proses pembuatan model simulasi menggunakan Python dan kerangka kerja SimPy. Model ini
digunakan untuk memahami perjalanan pasien dengan dugaan gagal jantung dari fase tidak
terdiagnosis hingga terdiagnosis

Model ini mempertimbangkan bagaimana dampak pandemi Covid-19 memengaruhi perjalanan pasien
dengan menunda pencarian perawatan medis.

Parameter-parameter dalam model ini, seperti jumlah pasien yang mengalami gejala gagal jantung, usia
pasien, dan lainnya

Model ini juga memperhatikan dampak pandemi Covid-19 pada kapasitas dokter umum dan
penjadwalan janji temu di rumah sakit
 Gambar 2. Garis waktu pembatasan Covid-19 di Leeds

• Model mempertimbangkan pengurangan total echo test yang tersedia setelah dimulainya lockdown pertama di Inggris pada tanggal
23 Maret 2020.
• Parameter - parameter dan asumsi yang digunakan dalam model penelitian untuk memahami dampak pandemi Covid-19 terhadap
layanan diagnostik dan diagnosis pasien gagal jantung.
• Perilaku masyarakat selama pandemi Covid-19, dengan mengasumsikan penundaan acak untuk mencerminkan pengurangan 30%
dalam mencari bantuan medis selama lockdown.
• Model ini mencoba menangkap tingkat kepercayaan pasien selama 15 bulan terakhir pembatasan Covid-19, dengan fokus pada
Leeds sebagai kota basis dan menggambarkan dua periode lockdown yang lebih ketat.
 Tabel 1: Parameter model termasuk distribusi yang digunakan, nilainya dalam kasus dasar, kovariat dan
sumber (jika relevan) untuk nilai-nilai mereka.

1. Keluaran utama dari model dalam penelitian ini

adalah deret waktu yang menunjukkan jumlah orang
yang menunggu echo test sebagai bagian dari jalur
diagnosis pasien gagal jantung.
2. Model ini juga akan memberikan informasi tentang
dampak keterlambatan pengobatan, termasuk
jumlah kematian yang terjadi sebelum pasien
menerima echo test dan jumlah total kematian
selama periode waktu tertentu.
3. Penelitian ini memberikan gambaran tentang
bagaimana model digunakan untuk memahami dan
mengukur dampak pandemi Covid-19 terhadap
layanan diagnostik dan diagnosis pasien gagal
jantung, dan menyoroti pentingnya validasi data
untuk menguatkan temuan model tersebut.
 Hasil

 Gambar 3 menunjukkan rata-rata jumlah orang

yang mengantri setiap harinya antara bulan
Januari 2020 hingga Desember 2021.
 Simulasi ini dilakukan setelah periode 6 bulan
dari keadaan awal di mana panjang antrian
adalah nol. Hasil simulasi tersebut adalah
keluaran yang menunjukkan jumlah pasien
dalam daftar tunggu echo test setiap hari.
Simulasi dilakukan dalam 100 replikasi, dan rata-
rata harian diambil dari replikasi tersebut.
 Hasil simulasi juga disertai dengan interval
kepercayaan (CI) 90%, yang diestimasi dengan
mencari nilai ke - 5 dan ke - 95 dalam daftar Gambar 3. Rata-rata jumlah antrian dokter umum dan rumah
sakit
keluaran. dari Januari 2020 - Desember 2021 dengan CI 90%.
 Plot teratas menggambarkan antrian dan waktu
tunggu pasien yang menjalani ekokardiogram
sebagai pasien rawat jalan, sedangkan bagian
bawah menggambarkan pasien rawat inap.
 Hasil

 Gambar 4 menunjukkan rata-rata jumlah hari pasien

harus menunggu untuk menjalani ekokardiogram, baik
sebagai pasien rawat jalan maupun rawat inap
 Antrian pasien rawat jalan memiliki jumlah orang yang
banyak menunggu sejak awal karena mereka mengantri
selama beberapa minggu sebelum mendapatkan tes
 Antrian pasien rawat inap dimulai dari nol, yang
merupakan perilaku yang diharapkan karena pasien
dirawat di rumah sakit tanpa penundaan
 Hasil menunjukkan bahwa lockdown pertama pada
Maret 2020 menyebabkan penundaan dalam mencari
bantuan medis, terutama dengan dokter umum
 Pasien mulai menunda pertemuan dengan dokter, yang
berdampak pada peningkatan antrian dokter umum Gambar 4: Rata-rata waktu tunggu antrian dokter umum dan rumah
dan juga meningkatkan waktu tunggu ekokardiogram sakit
untuk pasien rawat jalan. dari Januari 2020 - Desember 2021 dengan CI 90%.

 Sebagai akibatnya, waktu tunggu ekokardiogram untuk

pasien rawat inap juga melonjak secara signifikan.
 Kesimpulan

 Penelitian ini menyajikan sebuah model simulasi jalur menuju diagnosis pasien gagal jantung kronis (CHF) dengan
tujuan untuk memahami dampak pandemi Covid-19 terhadap pelayanan kesehatan.
 Model tersebut dirancang untuk memasukkan berbagai intervensi yang dapat meningkatkan hasil pasien CHF dan
mempercepat pemulihan pasien ke kondisi normal pasca-pandemi.
 Penelitian ini juga mengindikasikan bahwa jumlah pasien CHF yang menunggu tes diagnostik dapat meningkat jika
tidak ada tindakan yang diambil.
 Dampak pandemi termasuk peningkatan pasien rawat inap dengan CHF, yang mungkin disebabkan oleh akses yang
terhambat ke dokter umum selama lockdown.
 Model ini bertujuan untuk memahami perjalanan pasien CHF dan memodelkan kemungkinan perburukan kondisi
pasien selama penundaan diagnosis.
 Hasil simulasi ini menggambarkan dampak lockdown pertama dan perilaku masyarakat terhadap penundaan
perawatan medis selama pandemi Covid-19. Hal ini mengilustrasikan pentingnya memahami konsekuensi dari
penundaan dalam sistem layanan kesehatan.
 Referensi

Campbell and A. Champneys and C. Currie and A. Heib and C. Lamas Fernandez and L. E. Morgan and P. Ross 2021.
“Modelling Solutions to the Impact of COVID-19 on Cardiovascular Waiting Lists”.
https://www.vkemsuk.org/publications, accessed 29th July 2021.
The British Heart Foundation, BHF 2021. “Heart Statistics”. https://www.bhf.org.uk/what-we-do/our-research/heart-
statistics, accessed 14th April