Penggunaan sistem informasi geografis untuk pola spasial tuberkulosis dengan dan tanpa diabetes mellitus di kulon progo

https://doi.org/10.22146/jisph.7922

hendra rohman(1*), Hartono Hartono(2), Ari Natalia Probandari(3)

(1) 
(2) 
(3) 
(*) Corresponding Author

Abstract


Latar Belakang: Penderita DM lebih rentan terkena TB. Penderita TB paru dengan dan tanpa DM di Kulon Progo tahun 2014 sebanyak 174 orang. Pengolahan register TB masih terbatas pada analisis tabuler. Pengelolaan penderita TB paru terkait dengan keberlangsungan pengobatan masih terbatas. Analisis TB masih berupa agregasi data di tingkat kelurahan, belum berupa pemetaan penderita.

Metode Penelitian: Survei cross-sectional menggunakan sistem informasi geografis, dengan populasi wilayah dan penderita TB Paru 2014, sampel sebanyak 162 orang. Variabel terikat adalah TB paru, dan TB paru dengan riwayat DM (TB-DM). Variabel bebas adalah jarak ke sarana pelayanan kesehatan, pendapatan dan DM. Analisis spasial menggunakan SaTScan, GeoDa, dan ArcGIS.

Hasil: Pola spasial distribusi penderita TB paru dengan dan tanpa DM sebagian besar berada di wilayah dengan intensitas curah hujan tinggi, dan terdapat clustering di pedesaan, dengan pendapatan rendah, jauh dari sarana pelayanan kesehatan. Space time permutation model menunjukkan terdapat 5 cluster TB paru, namun tidak signifikan. Hasil spatial error model menunjukkan, secara spasial, pendapatan dan jarak ke sarana pelayanan kesehatan memiliki hubungan dengan kejadian TB paru. Di wilayah prevalensi tinggi DM teridentifikasi jumlah sumber daya medis yang sedikit. TB-DM berada di wilayah prevalensi tinggi DM, dan sebagian besar di pedesaan. Terdapat hubungan yang signifikan antara populasi DM dengan kejadian TB-DM, namun secara spasial tidak. Kejadian TB paru dengan pengobatan ulang, sebagian besar di pedesaan, dan akses sulit, pencarian tempat pengobatan di beberapa sarana pelayanan kesehatan hingga pindah di 4 tempat yang berbeda.

Kesimpulan: Kejadian TB paru terjadi seiring dengan musim hujan. Pola clustering kejadian TB paru di pedesaan, dengan pendapatan rendah, dan jauh dari sarana pelayanan kesehatan, spatial error model menunjukkan ketergantungan spasial. Hubungan antara populasi DM dengan kejadian TB-DM signifikan, namun secara spasial tidak.

Kata Kunci: diabetes mellitus, distance perception, geographic information system, low income, mycobacterium tuberculosis 


Keywords


diabetes mellitus, distance perception, geographic information system, low income, mycobacterium tuberculosis

Full Text:

PDF PDF


References

Baghaei P, Marjani M, Javanmard P, Tabarsi P, Masjedi MR. Diabetes Mellitus and Tuberculosis Facts and Controversies. J Diabetes Metab Disord [Internet] 2013;12(1):58. Available from: http://www.pubmedcentral.nih.gov/articlerender.fcgi? artid=3922915&tool=pmcentrez&rendertype=abstract 2. Mesgari MS, Masoomi Z. GIS Applications in Public Health as a Decision Making Support System and It’s Limitation in Iran. World Appl Sci J 3 2008;3(Supple 1):73–7. 3. Syam SS, Cote MJ. A Location – Allocation Model for Service Providers with Application to Not-for-Profit Health Care Organizations. Omega [Internet] 2010;38(3-4):157–66. Available from: http://dx.doi.org/10.1016/ j.omega.2009.08.001 4. Departemen Kesehatan RI. Pedoman Nasional Penanggulangan Tuberkulosis. Jakarta: 2007. 5. Oguntoke O, Omonijo AG, Annegarn JH. Influence of Meteorologyparameters on Pulmonary Tuberculosis Morbidity in Two Eco Climatic Zones in Nigeria. Afr J Health Sci 2012;20(1):69–76. 6. González-Ochoa E, Brooks JL, Matthys F, Calisté P, Armas L, Van Der Stuyft P. Pulmonary Tuberculosis Case Detection Through Fortuitous Cough Screening During Home Visits. Trop Med Int Heal 2009;14(2):131–5. 7. Nunes C. Tuberculosis Incidence in Portugal: Spatiotemporal Clustering. Int. J. Health Geogr.2007;6:30. 8. Onozuka D, Hagihara A. Geographic Prediction of Tuberculosis Clusters in Fukuoka, Japan, Using The Space Time Scan Statistic. BMC Infect Dis [Internet] 2007 [cited 2014 Dec 22];7:26. Available from:http://www.pubmedcentral.nih.gov/articlerender. fcgi?artid=1853096&tool=pmcentrez&rendertype=abstract 9. Tiwari N, Adhikari CMS, Tewari A, Kandpal V. Investigation of Geo Spatial Hot Spots for The Occurrence of Tuberculosis in Almora District, India, Using GIS and Spatial Scan Statistic. Int J Health Geogr [Internet] 2006 [cited 2014 Nov 18];5:33. Available from:http://www.pubmedcentral. nih.gov/articlerender.fcgi?artid=1557839&tool=pmcentrez&rendertype=abstract 10. Zhang T, Tang S, Jun G, Whitehead M. Persistent Problems of Access to Appropriate, Affordable TB Services in Rural China: Experiences of Different Socio-Economic Groups. BMC Public Health [Internet] 2007 [cited 2014 Dec 22];7:19. Available from: http://www.pubmedcentral.nih.gov/ articlerender.fcgi?artid=1805429&tool=pmcentrez&rendertype=abstract 11. Maez L, Erickson L, Naumuk L. Diabetic Education in Rural Areas. Rural Remote Health 2014;14(2). 12. Curtis AB, Kothari C. Using GIS and Secondary Data to Target Diabetes-Related Public Health Efforts. Public Health Rep 2013;128(June):212–20. 13. Dobler CC, Flack JR, Marks GB. Risk of Tuberculosis among People with Diabetes Mellitus: An Australian Nationwide Cohort Study. BMJ Open [Internet] 2012 [cited 2015 Jan 13];2(1):e000666. Availablefrom:http://www.pubmedcentral.nih.gov/articlerender.fcgi?artid=3282295&tool=pmcentrez&rendertype=abstract 14. Kanturk G. Using GIS Technology to Analyse Tuberculosis Incidence in Izmir. GeoMed [Internet] 2007;Available from: http://web.deu.edu.tr/ geomed2010/2007/ Kanturk.pdf 15. Sabawoon W, Sato H, Kobayashi Y, Pardis A. Regional Differences in Delay to Tuberculosis Treatment in Afghanistan: A Cross-Sectional Study. Appl Geogr 2011;31(3):1123–31. 16. Kiwanuka SN, Ekirapa EK, Peterson S, Okui O, Rahman MH, Peters D, et al. Access to and Utilisation of Health Services for The Poor in Uganda: A Systematic Review of Available Evidence. Trans R Soc Trop Med Hyg 2008;102(11):1067–74. 17. Dooley KE, Lahlou O, Ghali I, Knudsen J, Elmessaoudi MD, Cherkaoui I, et al. Risk Factors for Tuberculosis Treatment Failure, Default, or Relapse and Outcomes of Retreatment in Morocco. BMC Public Health [Internet] 2011;11(1):140. Available from: http://www.biomedcentral.com/1471-2458/11/140 18. PerMenKes RI. Peraturan Menteri Kesehatan Republik Indonesia Nomor 75 Tahun 2014 tentang Pusat Kesehatan Masyarakat. Jakarta: 2014.



DOI: https://doi.org/10.22146/jisph.7922

Article Metrics

Abstract views : 672 | views : 1273 | views : 53

Refbacks

  • There are currently no refbacks.




Copyright (c) 2020 Journal of Information Systems for Public Health

shopify traffic stats View My Stats