Pendahuluan

Teknologi dan sistem surveilans memainkan peran terpadu yang semakin meningkat dan berkembang dalam mendukung respons kesehatan-masyarakat terhadap KLB atau kejadian kesehatan-masyarakat mendesak lainnya. Fungsi yang didukung mungkin mencakup deteksi kejadian, karakterisasi kejadian, peningkatan surveilans, kesadaran situasional, investigasi epidemiologis formal, identifikasi dan pengelolaan orang yang terpapar, dan pemantauan respons itu sendiri dan keefektifannya. Dalam setiap investigasi lapangan, keputusan perlu dibuat lebih awal dan strategis mengenai metode, sumber data, sistem, dan teknologi. Pemilihan awal yang terampil untuk alat dan pendekatan yang optimal akan meningkatkan hasil investigasi.

Sedapat mungkin, harus diantisipasi apakah suatu investigasi akan bersifat low-profile dan terlokalisir atau investigasi multisenter yang besar, dan memiliki kepentingan kesehatan-masyarakat dan kepentingan publik yang cukup besar. Prakiraan awal ini memandu pemilihan sistem dan teknologi.

Harus di antisipasi juga bahwa metode atau teknologi dapat berubah atau berkembang selama investigasi karena perubahan ruang lingkup atau arah investigasi. Rencanakan tinjauan rutin mengenai kecukupan metode yang digunakan, dan jika perlu, buat transisi dari satu platform atau proses pengumpulan data, ke platform atau proses yang lain.

Semua komponen investigasi lapangan kemungkinan besar akan dilakukan secara nyata di lapangan. Perkembangan dalam sistem informasi, integrasi data, dan interoperabilitas sistem kini telah memungkinkan dan terkadang diharapkan bahwa beberapa komponen (misalnya, pengumpulan data, pembersihan data, analisis data) investigasi "lapangan" dilakukan di luar lokasi (misalnya, oleh staf kantor pusat). Akses oleh staf kantor dan lapangan ke data yang dikumpulkan secara sistematis sering kali dilakukan secara bersamaan atau hampir waktu nyata meningkatkan dukungan investigasi lapangan. Investasi yang lebih luas dalam teknologi informasi (TI) kesehatan dan adopsi rekam medis elektronik (RME) secara luas didorong oleh Teknologi Informasi Kesehatan yang diberlakukan berdasarkan Undang-Undang Kesehatan Ekonomi dan Klinis di Amerika Serikat yang disahkan sebagai bagian dari Undang-Undang Pemulihan dan Reinvestasi Amerika tahun 2009, sehingga memperluas peran teknologi dalam mendukung respons kesehatan-masyarakat (1).

DEFINISI DAN ASUMSI

Untuk tujuan bab ini, istilah KLB dan investigasi lapangan mewakili setiap masalah kesehatan-masyarakat akut yang memerlukan investigasi epidemiologis yang mendesak, termasuk:

• KLB penyakit menular;
• Klaster kanker, cacat lahir, atau keracunan;
• Exposure lingkungan;
• Penyakit atau kondisi yang tidak diketahui etiologinya;
• Bencana alam; atau
• Ancaman yang timbul dari kejadian di tempat lain di dunia.

Selama investigasi yang menyangkut profil yang lebih besar dan lebih tinggi, respons lapangan kemungkinan besar akan terjadi dalam konteks pendekatan terorganisir negara untuk manajemen darurat—misalnya, di Amerika Serikat, National Incident Management System (IMS, [Sistem Manajemen Insiden Nasional]) https://www.fema.gov/pdf/ darurat/nims/nimsfaqs.pdf iconexternal icon) atau pendekatan setara negara akan digerakkan untuk manajemen darurat.

Dalam bab ini, istilah teknologi secara luas mengacu secara pada:

• Komputer,

• Aplikasi perangkat lunak
• Perangkat seluler,
• Perangkat pemantauan status kesehatan pribadi,
• Peralatan laboratorium,
• Monitor dan sensor lingkungan, dan
• RME

Teknologi juga digunakan dalam hal:

• Sistem surveilans kesehatan-masyarakat;

• Pangkalan data kesehatan-masyarakat yang sedang berjalan;
• Pangkalan data yang dibuat khusus untuk investigasi tertentu; dan
• Teknologi yang memungkinkan penyimpanan, pengelolaan, dan kueri data serta berbagi data di antara perangkat dan basis data.

PRINSIP PANDUAN UNTUK MEMILIH DAN MENGGUNAKAN TEKNOLOGI

Situasi darurat biasanya menciptakan peningkatan permintaan akan sumber daya epidemiologi dan laboratorium. Faktor penting yang mempengaruhi pengumpulan dan pengelolaan data selama respons kejadian—dibandingkan dengan pengelolaan dalam keadaan biasa—termasuk kendala waktu; tekanan langsung untuk mengumpulkan dan secara instan merangkum sejumlah besar data, biasanya dalam waktu kurang dari 24 jam; sumber daya manusia yang terbatas; sering kali infrastruktur kesiapan data yang tidak memadai; dan lokasi penyebaran lapangan dan logistik yang tidak begitu dipahami (lihat juga Bab 2).

Dua prinsip panduan untuk memilih dan menggunakan teknologi selama respons lapangan adalah:

• Teknologi untuk pengumpulan dan pengelolaan data harus merampingkan dan secara langsung mendukung alur kerja investigasi lapangan dan bukan mengganggu atau mengalihkan sumber daya dan waktu staf dari investigasi epidemiologi dan kegiatan pengujian laboratorium terkait (2).

• Teknologi harus memfasilitasi lebih banyak waktu bagi ahli epidemiologi untuk menjadi ahli epidemiologi—untuk menemukan data yang lebih baik, memperolehnya, membersihkannya, dan menggunakan data untuk melakukan karakterisasi kejadian dengan lebih baik, memantau kemajuannya, atau memantau implementasi atau efektivitas tindakan pengendalian—dan lebih banyak waktu bagi petugas laboratorium untuk melakukan pengujian.

Pilihan platform teknologi harus diarahkan oleh:

• Tujuan investigasi;

• Pelatihan dan keterampilan staf yang tersedia;
• Infrastruktur yang ada untuk mengumpulkan dan mengelola laporan kasus dan data surveilans lainnya;
• Jumlah perkiraan lokasi atau tim pengumpulan data yang berbeda secara geografis dan jumlah wilayah administrasi yang terlibat;
• Kecepatan dan frekuensi kebutuhan dihasilkannya rangkuman sementara atau laporan situasi;
• Jenis investigasi epidemiologi formal atau analitik, yang diharapkan (misalnya, survei, studi longitudinal, atau pengujian laboratorium manusia atau lingkungan tambahan); dan
• Faktor lain yang akan terlihat jelas dalam situasi yang sedang dihadapi.

Teknologi dan sistem yang dipilih harus dikaji secara berkala saat investigasi berlanjut.

PENDEKATAN YANG BERKEMBANG DAN PERGESERAN KONSEPTUAL DALAM PENUGASAN LAPANGAN

Perangkat teknologi (misalnya, perangkat seluler dan ponsel pintar, perangkat pemantauan pribadi), CKE, media sosial dan aplikasi lain, sistem informasi otomatis, dan praktik informatika kesehatan-masyarakat yang lebih baik telah membuka peluang menarik untuk surveilans kesehatan-masyarakat yang lebih efektif dan efisien. Teknologi tersebut mengubah cara tim lapangan melakukan pendekatan dalam pengumpulan, pengelolaan, dan berbagi data selama respons lapangan.

Dalam investigasi lapangan, badan kesehatan-masyarakat secara tradisional mengerahkan personel ke wilayah geografis tempat investigasi dipusatkan dan investigasi sebagian besar dipimpin dan dikelola di lapangan, dengan laporan berkala dikirim ke kantor pusat. Meskipun kunjungan lapangan diperlukan untuk mengidentifikasi informasi penting dan membangun hubungan yang diperlukan untuk investigasi, pergeseran telah terjadi ke pendekatan normal baru di mana pengumpulan data respons lapangan terintegrasi dengan infrastruktur yang ada, menggunakan staf surveilans dan staf informatika yang dimiliki wilayah administrasi, serta menggunakan atau dibangun atas dasar sistem surveilans, alat, dan teknologi yang ada.

Pengumpulan data lapangan dapat didukung oleh manajemen dan analisis yang dilakukan di luar lokasi atau oleh orang lain yang bukan bagian dari tim di lokasi. Prosedur pengumpulan, pengelolaan, dan analisis data sering kali dapat dilakukan oleh staf yang sangat terampil tanpa menghabiskan sumber daya tambahan agar mereka dapat berada di lokasi. Misalnya, penemuan kasus aktif  menggunakan kueri dalam sistem surveilans sindrom yang mapan (misalnya, ESSENCE, yang merupakan bagian dari National Syndromic Surveillance Program   (https://www.cdc.gov/nssp/news.html#ISDS), atau mengkaji dan memasukkan data kasus dan laboratorium dalam sistem surveilans elektronik penyakit yang wajib dilaporkan dapat dilakukan dari lokasi mana pun yang memiliki komputer atau perangkat pintar dan konektivitas internet. Data yang dikumpulkan di lapangan dapat diunggah secara elektronik ke sistem informasi pusat. Ketika data dikumpulkan dengan menggunakan formulir kertas, formulir ini dapat dipindai dan dikirim ke lokasi entri data terpisah dan kemudian didigitalkan dan diintegrasikan dengan cepat ke dalam sistem informasi surveilans.

Pendekatan ini memungkinkan tim lapangan untuk fokus pada pembentukan hubungan yang diperlukan untuk mendukung investigasi epidemiologi dan kegiatan pengumpulan data atau pada pengumpulan spesimen laboratorium yang hanya dapat dilakukan di lokasi. Staf khusus dapat ditugaskan ke tim. Staf ini tetap berada di meja mereka untuk mengumpulkan, mengelola, atau menganalisis data untuk mendukung investigasi lapangan. Termasuk dalam staf ini adalah operator perekam data, abstraktor rekam medis, analis data, atau pemrogram statistik. Penggunaan tim lapangan dan teknologi yang terkoordinasi juga memungkinkan lebih banyak staf yang sangat terampil di berbagai tingkatan (daerah, negara bagian, atau federal) untuk berkontribusi secara efektif dalam investigasi. Cara mengkoordinasi aktivitas data di beberapa lokasi perlu direncanakan sejak dini.

Investigasi lapangan sering kali dipimpin oleh personel dengan keahlian epidemiologi, penyakit, dan bidang keilmuan yang luas yang belum tentu ahli dalam strategi informatika dan surveilans. Dari perspektif data, kepemimpinan seperti itu dapat mengakibatkan pengumpulan data dan strategi manajemen yang tidak efektif. Untuk mendukung pengumpulan dan pengelolaan data yang efektif untuk semua KLB, peneliti lapangan harus:

• Mengidentifikasi peran (misalnya, kepala ilmuwan data utama atau petugas surveilans utama dan petugas informatika) yang melapor ke posisi di tingkat senior dalam struktur komando insiden (misalnya, komandan insiden atau kepala bagian perencanaan); dan

• Mengidentifikasi dan menentukan peran di awal respons.

Apa pun jabatan yang diberikan untuk peran tersebut, orang yang mengisi peran tersebut harus memiliki tugas dan tanggung jawab yang tergambar dengan jelas, termasuk:

• Mengkoordinasikan seluruh spektrum pengumpulan data dan proses serta sistem manajemen yang digunakan selama respons;

• Mengenal sistem, proses, prosedur, dan infrastruktur surveilans yang ada dan bagaimana penggunaannya saat ini;
• Mengidentifikasi kapan dan di mana sistem yang ada dapat dimodifikasi untuk mendukung respons atau apakah sistem atau proses sementara perlu dibuat;
• Mengantisipasi bahwa metode atau teknologi pengumpulan data mungkin perlu berkembang atau berubah selama investigasi karena ruang lingkup atau arah investigasi berubah;
• Mencegah pembuatan pengumpulan data, pengelolaan, dan penyimpanan data yang digunakan selama KLB bersifat sekali pakai, berbeda atau tidak runut;
• Bertemu secara teratur dengan staf respons untuk mengidentifikasi kebutuhan atau modifikasi sistem tambahan dan memastikan bahwa pengumpulan data dan aktivitas manajemen mendukung respons yang berkembang;
• Meninjau secara teratur kecukupan sistem, metode, dan teknologi surveilans yang digunakan selama respons dan, jika diperlukan, merencanakan dan mengimplementasikan transisi dari satu strategi atau platform pengumpulan data ke yang lain; dan
• Mengkomunikasikan kebutuhan sistem surveilans kepada komandan insiden sehingga keputusan dan sumber daya yang memadai untuk mendukung upaya surveilans dapat dipastikan.

MENYIAPKAN PERALATAN DAN PERSIAPAN UNTUK PENUGASAN

Saat menyiapkan penugasan ke lapangan, dua alat teknologi penting harus dibawa oleh setiap peneliti: komputer laptop portabel dan ponsel pintar (pada dasarnya ponsel ini merupakan komputer saku yang menyediakan akses ke kamera, video, layanan geolokasi dan pemetaan, dan kapasitas pengumpulan data). Bergantung pada ketersediaan daya dan Wi-Fi atau konektivitas jaringan, baterai ekstra atau paket baterai/stasiun pengisian daya seluler yang mampu mengisi daya beberapa perangkat, seperti laptop dan ponsel, dapat menjadi sangat penting. Perangkat hotspot mobile untuk membuat titik akses nirkabel sementara, terpisah dari ponsel pintar, dapat berguna dalam situasi tertentu. Misalnya, setelah Badai Irma menyerang Florida selama bulan September 2017, terjadi pemadaman aliran listrik yang cukup luas selama berhari-hari.  Staf epidemiologi yang ditempatkan di lokasi tidak memiliki pasokan listrik yang konsisten dan harus melakukan perjalanan ke pusat komando yang sudah didirikan untuk mengisi daya ponsel, laptop, dan baterai isi ulang sekali sehari. Printer atau pemindai portabel adalah perlengkapan opsional lain yang perlu dipertimbangkan. Pengisi daya  di mobil untuk laptop dan telepon juga berguna, meskipun kekurangan bahan bakar dapat menjadi kendala dan membuat pengisi daya di mobil kurang optimal selama jenis respons tertentu. Sedapat mungkin, responder yang ditugaskan harus dilengkapi dengan alat yang mirip dengan yang biasa mereka gunakan. Hal ini untuk memastikan bahwa mereka akrab dengan peralatan tersebut dan bagaimana alat berfungsi dalam pengaturan yang berbeda (misalnya, bagaimana mengakses Internet dan masa pakai baterai perangkat), memastikan pula bahwa  semua perangkat lunak yang diharapkan dan diperlukan telah ter-instal, dan, mungkin yang paling penting adalah alat dapat dihubungkan ke jaringan (misalnya, cara mengakses intranet lembaga yang mengirim mereka). Penggunaan peralatan laptop, tablet, atau perangkat lain yang dibeli hanya untuk digunakan selama kejadian dapat menyebabkan masalah penugasan yang cukup besar (misalnya, kurangnya pelatihan tentang cara menggunakan peralatan khusus, kompatibilitas jaringan, atau perangkat keras atau perangkat lunak yang sudah kuno).

Investigator lapangan yang merespons lokasi di luar wilayah administrasi kemungkinan besar memerlukan laptop sementara yang diperoleh dari wilayah administrasi di mana respons dilakukan untuk memastikan kompatibilitas jaringan dan perangkat lunak, konektivitas, dan kepatuhan terhadap persyaratan keamanan wilayah administrasi. Akses sementara (log-in dan kata sandi) ke aplikasi sistem surveilans utama atau pembaruan ke akses berbasis peran investigator terhadap aplikasi-aplikasi ini juga perlu dipertimbangkan.

MEMBANGUN HUBUNGAN KERJA DAN KEDATANGAN AWAL

Data sering kali bergerak sesuai kecepatan kepercayaan. Sejak awal respons, tim lapangan harus membangun hubungan kerja yang kuat dengan pihak yang meminta bantuan epidemiologis. Waktu kunjungan di lokasi harus digunakan untuk memastikan bahwa hubungan tersebut akan, antara lain, memfasilitasi pengumpulan data dan memenuhi kebutuhan otoritas setempat. Rencana untuk berbagi ringkasan data dan laporan secara rutin dan tepat waktu dengan mitra setempat harus dibuat sejak awal.

Pada awal kedatangan, tim lapangan harus menilai sistem surveilans yang ada dan proses pengiriman data ke sistem ini. Penilaian ini harus mencakup:

• Jenis data yang sudah dikumpulkan dan tersedia,

• Ketepatan waktu data,
• kelengkapan data,
• Seberapa mudah dan cepat sistem atau proses dapat dimodifikasi atau diubah,
• Peralatan yang tersedia (misalnya, laptop dan telepon),
• Staf sistem surveilans yang tersedia, dan
• Masalah dan kekhawatiran yang diketahui atau diantisipasi terkait kualitas data, ketersediaan, dan ketepatan waktu.

Jika tim ditempatkan di luar wilayah administrasinya sendiri, ketua tim harus mencari bantuan dan konsultasi dari pihak di tingkat wilayah administrasi yang berperan seperti kepala surveilans dan petugas informatika (lihat bagian sebelumnya).

MENGGUNAKAN TEKNOLOGI DI SELURUH FASE INVESTIGASI KLB

Investigasi dan respons KLB memiliki langkah dan fase yang telah ditentukan (lihat Bab 3), dan masing-masing memiliki kebutuhan teknologi dan informasi spesifik. Dalam beberapa tahun terakhir, badan kesehatan-masyarakat telah mendapat manfaat dari kemajuan teknologi yang mendukung deteksi KLB—apakah KLB itu disebabkan oleh agen yang diketahui atau tidak diketahui. Misalnya, untuk mendeteksi kelompok penyakit yang wajib dilaporkan secara efektif, Department of Health and Mental Hygiene New York setiap hari secara prospektif menerapkan algoritme spasio-temporal otomatis ke data penyakit yang wajib dilaporkan dengan menggunakan SaTScan (Harvard Medical School dan Harvard Pilgrim Health Care Institute, Boston, MA). Sistem ini memungkinkan deteksi KLB legionellosis, yang merupakan KLB masyarakat terbesar kedua di AS dengan mengidentifikasi satu klaster yang terdiri dari delapan kasus yang berpusat di Bronx Selatan beberapa hari sebelum pemantau kesehatan-masyarakat menyadarinya dan sebelum penyedia layanan kesehatan mengenali adanya peningkatan kasus (3). Identifikasi tersebut mengarah pada investigasi epidemiologis, lingkungan, dan laboratorium yang ekstensif untuk mengidentifikasi sumbernya—yaitu menara pendingin air—dan kemudian menerapkan langkah-langkah untuk memulihkannya. Meskipun teknologi merevolusi pendekatan deteksi klaster, bab ini mengasumsikan tim lapangan akan merespons setelah kejadian atau KLB yang diketahui terdeteksi. Dengan demikian, diskusi berikut berfokus pada penggunaan teknologi untuk melakukan karakterisasi awal, penemuan kasus aktif, meningkatkan surveilans, mendukung dan mengevaluasi tindakan pengendalian, dan membentuk kesadaran situasional serta untuk memantau respons dan efektivitasnya.

Melakukan Karakterisasi Awal, Penemuan Kasus Aktif, dan Pemantauan

Dalam kondisi KLB, manajemen data rutin sering berubah karena stresor baru atau keadaan baru, terutama oleh kebutuhan untuk segera mengumpulkan data, menghasilkan laporan, dan memberikan informasi kepada pembuat keputusan dan masyarakat (lihat juga Bab 2 dan 3). Untuk menilai kelompok populasi dengan risiko tertinggi serta jangkauan geografis, dan tren peningkatan atau penurunan insiden penyakit selama KLB yang dikonfirmasi, peneliti dapat menggunakan mekanisme surveilans yang ada. Namun, mekanisme seperti itu mungkin perlu ditingkatkan; misalnya, peneliti mungkin perlu:

• Membuat sindrom baru atau menambahkan hal baru yang ingin diketahui ke sistem surveilans sindrom yang ada;

• Meminta dokter dan laboratorium untuk melaporkan kasus suspek, probable, dan kasus terkonfirmasi;
• Melakukan penemuan kasus secara aktif; dan
• Menyediakan laboratorium dengan arahan diagnostik atau reagen atau meminta mereka untuk mengirim spesimen yang memenuhi kriteria tertentu ke laboratorium kesehatan-masyarakat negara bagian.

Terlepas dari apakah deteksi kasus ditingkatkan atau tidak, teknologi yang digunakan harus mendukung penyusunan daftar baris untuk melacak kasus yang merupakan bagian dari investigasi. Sistem juga harus mendokumentasikan perubahan yang dilakukan kasus individu dan kapan perubahan itu dibuat, termasuk perubahan yang dihasilkan dari informasi baru yang diperoleh atau dipelajari, atau dari temuan epidemiologis. Sistem harus memastikan bahwa data laboratorium mudah untuk dihubungkan dengan data terkait lainnya (Kotak 5.1). Bahkan jika data investigasi dikumpulkan seluruhnya atau sebagian di atas kertas, data tersebut biasanya dimasukkan ke dalam sistem data elektronik untuk analisis lebih lanjut, dan formulir kertas tersebut dipindai dan disimpan secara elektronik. Sebagaimana dinyatakan dalam tinjauan KLB SARS tahun 2003 di Toronto, langkah penting dalam mencapai manajemen KLB yang mulus adalah “adopsi platform data yang sangat fleksibel dan dapat dioperasikan secara seragam yang memungkinkan dilakukannya kegiatan berbagi informasi kesehatan-masyarakat, menangkap informasi klinis dari rumah sakit, dan integrasi ke dalam platform pangkalan data manajemen KLB” (5).

Teknologi informasi dapat digunakan untuk meningkatkan kualitas, kelengkapan, dan kecepatan informasi yang diperoleh dalam investigasi- lapangan serta kecepatan dan kecanggihan laporan yang dapat dihasilkan dari informasi tersebut pada tingkat individu atau agregat. Untuk memastikan bahwa manfaat penuh dari teknologi ini terwujud, petugas investigasi lapangan perlu melakukan tindakan berikut:

• Mulai dengan jenis output yang diinginkan, membuat format laporan, dan bekerja mundur untuk menentukan input yang diperlukan. Idealnya hal ini dilakukan sebelum pengumpulan data dimulai, namun pada kenyataannya proses ini sering kali berulang.
• Menguji fitur ekspor data dan memastikan perangkat lunak analitik dapat mengakses data yang diperlukan dengan mudah.
• Mempertimbangkan dengan cermat pertanyaan-pertanyaan yang perlu dijawab oleh pimpinan dan memastikan bahwa elemen-elemen data yang dikumpulkan menjawab pertanyaan-pertanyaan tersebut secara menyeluruh. Penyelesaian langkah ini dapat secara langsung mempengaruhi struktur tabel dasar dari pangkalan data.
• Membuat diagram alur yang merinci langkah-langkah yang berkaitan dengan pengumpulan data, berbagi informasi, manajemen data, dan teknologi data. Diagram alur ini juga akan membantu mengidentifikasi proses yang harus atau sebaiknya dilakukan secara manual serta untuk mengidentifikasi dan menghapus duplikasi transfer dan perekaman data (Gambar 5.1 ).

• Memahami bahwa pengaturan lapangan biasanya memerlukan pembuatan dan modifikasi pangkalan data dengan cepat untuk memungkinkan pembuatan catatan kasus dari hasil laboratorium dan penambahan beberapa hasil laboratorium pada catatan kasus.
• Memastikan pangkalan data dapat melacak data kumulatif dan perubahan data temporal (apa yang terjadi selama 24 jam sebelumnya atau minggu sebelumnya). Mengumpulkan perubahan status (yaitu, status riwayat perubahan dan penanda waktu-tanggal [date-time stamp] ketika data berubah) untuk elemen data prioritas untuk memastikan pelaporan yang akurat dari informasi yang berubah dan kapan informasi tersebut berubah (misalnya, jumlah kasus baru, jumlah kasus yang berubah dari kemungkinan untuk dikonfirmasi, atau jumlah kasus yang dicurigai yang telah dikesampingkan).
• Memastikan pangkalan data mendukung kemampuan ekstraksi dan kueri data yang ditentukan oleh pengguna. Jangan meremehkan kebutuhan untuk akses mudah ke data bagi petugas investigasi lapangan untuk merekam data, merangkum data cepat dan merencanakan operasi lapangan hari berikutnya (misalnya, wawancara yang sudah selesai, jumlah rumah untuk dikunjungi kembali, jumlah pewawancara yang berbahasa selain Inggris, jumlah orang dengan spesimen yang dikumpulkan, dan jumlah wadah pengumpulan spesimen atau perlengkapan laboratorium lain yang tersedia dan diperlukan). Petugas investigasi lapangan tidak harus ahli dalam merumuskan kueri relasional pangkalan data (relational database queries).
• Merencanakan untuk menguji peralatan dan aplikasi pengumpulan data lapangan (lihat juga Bab 2). Misalnya, jika wawancara dan pengumpulan data akan dilakukan dalam upaya pengambilan sampel dari rumah ke rumah, apakah komputer laptop terlalu berat untuk dipegang saat menyelesaikan wawancara? Bisakah layar dilihat di bawah sinar matahari langsung? Apakah navigasi layar sistem cocok dengan alur wawancara? Apakah konektivitas Internet akan tersedia?

• Menggunakan pemeriksaan kualitas dan validitas data terprogram untuk mengidentifikasi dan mengatasi perbedaan pada saat pengumpulan data. Misalnya, bidang tanggal hanya boleh menerima tanggal yang valid dalam rentang tertentu, atau kehamilan harus tersedia sebagai nilai yang valid untuk perempuan saja.
• Memahami bahwa semakin kompleks pemeriksaan perekaman data atau skip pattern, semakin banyak waktu yang diperlukan untuk menyiapkan formulir itu. Selama masa respons di lapangan, waktu persiapan dapat menjadi pertimbangan penting terhadap penggunaan waktu petugas investigasi lapangan untuk kebutuhan lain dan terhadap masalah kualitas data.
• Memahami bahwa teknik pengumpulan data terstruktur dan proses terstandar dapat meminimalkan masalah kualitas data, meskipun teknik pengumpulan data yang sangat terstruktur tidak menghilangkan kesalahan data. Proses standarisasi formulir data yang dapat dibaca komputer bisa mengurangi kekayaan informasi yang dikumpulkan menggunakan dokumen tidak terstruktur (yaitu, catatan dokter atau observasi lapangan). Bagaimana elemen data dikumpulkan (misalnya, daftar drop down terstruktur, teks bebas, kotak centang ketika beberapa pilihan dimungkinkan, atau tombol opsi untuk pilihan tunggal) menentukan format penyimpanan data dan struktur tabel, dan menentukan bagaimana data dapat dianalisis (misalnya, gejala yang dilaporkan oleh orang yang diwawancarai dapat disimpan dalam string yang dipisahkan koma, atau setiap gejala dapat disimpan sebagai pilihan ya/tidak di kolom terpisah).

Menggunakan Data dan Sistem Surveilans Rutin

Nilai dan penggunaan sistem surveilans rutin tidak boleh diremehkan selama investigasi KLB dan idealnya dikelola sesuai ketersediaan data. Banyak sistem surveilans penyakit yang wajib dilaporkan di negara bagian (baik tersedia secara komersial atau dirancang oleh negara bagian atau internal) sekarang memiliki komponen manajemen KLB (7). Untuk menghindari duplikasi upaya atau proses, petugas investigasi lapangan harus memahami dan menilai sistem surveilans yang ada yang mendukung manajemen KLB sebelum menentukan teknologi mana yang akan digunakan (Kotak 5.2).

Selain sistem surveilans penyakit secara elektronik yang mendukung komponen manajemen KLB, Pelaporan Laboratorium Elektronik (PLE) kini menjadi andalan surveilans penyakit yang wajib dilaporkan. Setiap departemen kesehatan negara bagian memiliki sistem ELR operasional (9). Meskipun ELR dirancang untuk mendukung identifikasi individu dan pelaporan kejadian penyakit, ELR juga dapat digunakan untuk mendukung kegiatan respons KLB. Penggunaan sistem surveilans yang ada, termasuk proses ELR, akan mendukung deteksi KLB, karakterisasi, identifikasi KLB, dan evaluasi tindakan pengendalian (Kotak 5.3).

Surveilans sindrom menggunakan data tentang gejala atau perilaku kesehatan (misalnya, peningkatan yang signifikan dalam penjualan obat bebas) dan alat statistik untuk mendeteksi, memantau, dan menentukan karakter aktivitas yang tidak biasa untuk investigasi atau respons kesehatan-masyarakat lebih lanjut dan pemahaman situasional. Sumber data surveilans sindrom yang paling dikenal dan terbesar adalah data kunjungan pasien dari unit gawat darurat. Data ini dapat dipantau dalam waktu dekat sebagai indikator potensial dari suatu kejadian, penyakit, atau KLB kesehatan-masyarakat yang signifikan atau untuk memberikan karakterisasi dan pemantauan kejadian setelah deteksi awal. ESSENCE, suatu sistem surveilans sindrom yang sudah berjalan, digunakan untuk memfasilitasi penemuan kasus aktif dengan cepat ketika virus Zika masuk ke AS pada tahun 2016 dan 2017 (8) (Kotak 5.4).

Membangun Sistem Surveilans Baru dibandingkan Memodifikasi Sistem yang Sudah Ada

Ada bahaya bahwa manajemen data dalam konteks investigasi lapangan dapat menciptakan lebih banyak sistem data, tetapi bukan sistem data yang lebih baik. Sistem untuk kondisi khusus, kejadian khusus, atau berdiri sendiri yang tidak terintegrasi atau interoperabel memerlukan koordinasi yang memberatkan dan sulit, serta memakan waktu, bahkan kadang tidak mungkin dilakukan.

Daripada menyiapkan sistem baru yang berdiri sendiri, akan lebih baik jika kita:

• Bekerja untuk memodifikasi sistem yang ada. Membuat modifikasi sistem yang mendesak adalah hal yang biasa dilakukan, dan memodifikasi sistem sering kali lebih berkelanjutan daripada merancang dan mengembangkan pendekatan manajemen data yang terpisah dan tidak terintegrasi.
• Mempertimbangkan sistem yang berdiri sendiri hanya ketika tidak ada pilihan lain. Jika digunakan, segera terapkan rencana untuk mengambil dan berbagi data dengan sistem lain.
• Mencari peluang di mana respons kejadian dapat membantu mempermudah modifikasi sistem surveilans yang akan memperkuat kegiatan surveilans di masa yang akan datang.

Menggunakan Catatan Kesehatan Elektronik (CKE)

Dalam implementasi CKE secara luas, terdapat peluang untuk meningkatkan hubungan antara penyedia layanan kesehatan dan dinas kesehatan-masyarakat sehingga membuat pengumpulan data selama investigasi lapangan lebih efektif dan tepat waktu (11). Saat ini semakin banyak badan kesehatan-masyarakat yang telah dapat membuat kesepakatan dengan fasilitas kesehatan, terutama di tingkat daerah, untuk mendukung akses jarak jauh CKE untuk kegiatan surveilans sehari-hari. Dengan akses CKE semacam ini, staf dapat mengkaji rekam medis dari jarak jauh untuk mengumpulkan data klinis, exposure, atau demografi tambahan tentang kasus yang laporan kasusnya diterima melalui sumber lain. Pemanfaatan akses tersebut secara rutin oleh staf departemen kesehatan lokal atau negara bagian sebelum kejadian dapat mengurangi kurva pembelajaran kesehatan-masyarakat saat CKE perlu diakses selama melakukan respons terhadap suatu kejadian. Bahkan tanpa akses rutin sekalipun, petugas investigasi lapangan dapat memperoleh akses sistem khusus di CKE dengan waktu tertentu selama merespons kejadian, seperti yang terjadi selama respons terhadap KLB meningitis yang disebabkan oleh jamur yang terjadi antar negara bagian pada tahun 2012 (Kotak 5.5). Akses ini menguntungkan tim KLB karena mereka dapat melakukan penemuan kasus aktif, menyelesaikan abstraksi kasus setelah identifikasi kasus, dan menentukan karakter kasus. Abstraksi rekam medis dapat dilakukan dari jarak jauh oleh tenaga ahli teknis yang tidak ikut dengan tim lapangan yang diturunkan. Pemahaman akan sistem CKE dan kontak langsung dengan vendor akan sangat membantu. Petugas kesehatan mungkin memiliki pengetahuan tentang pengambilan data rekam medis dalam CKE, tetapi mereka mungkin kurang terampil dalam mengekstraksi informasi dari sistem CKE atau menerapkan kueri lintas rekam medis (misalnya, semua orang yang menerima prosedur tertentu selama jangka waktu tertentu) yang jarang dilakukan pengguna klinis CKE

Ketika data untuk mendukung respons kejadian tersedia dalam CKE, tim lapangan harus:

• Menggunakan waktu di lapangan untuk membangun hubungan dan kesepakatan yang diperlukan untuk mendukung akses CKE.

• Memiliki kemudahan untuk meminta akses CKE jarak jauh;
• Meningkatkan upaya penyelesaian hambatan-hambatan terhadap akses CKE yang dihadapi ke pihak berwenang wilayah administrasi dan minta bantuan dari tim privasi dan hukum (lihat juga Bab 13);
• Memperluas tim respons dengan memasukkan pakar abstraksi data medis yang dapat mendukung respons dari jarak jauh;
• Menghubungi vendor CKE atau menggunakan staf surveilans dinas kesehatan dan staf informatika untuk memfasilitasi koordinasi dengan vendor dan untuk membantu mendapatkan akses jarak jauh atau  melakukan ekstraksi data atau kueri di seluruh catatan; dan
• Memastikan integrasi data CKE berkualitas ke dalam sistem pengawasan yang ada.

Penggunaan CKE adalah hal baru bagi sejumlah petugas kesehatan-masyarakat sehingga bisa menjadi tantangan tersendiri; misalnya, petugas kesehatan-masyarakat memerlukan waktu untuk mempelajari cara mengakses, menghubungkan, dan menavigasi sistem. Di mana data yang dibutuhkan disimpan dalam CKE, tergantung pada bagaimana fasilitas kesehatan menggunakan CKE mereka; misalnya, data yang idealnya disimpan dalam bentuk kode atau kategori yang sudah tersedia namun ditulis sebagai narasi. Semakin banyak pihak yang menggunakan sistem ini, semakin besar kemungkinan elemen data yang sama direkam dengan cara yang berbeda atau di tempat yang berbeda. Data yang penting untuk respons bahkan mungkin disimpan di atas kertas di luar sistem CKE. Idealnya, petugas kesehatan-masyarakat memiliki akses ke seluruh sistem CKE yang dimiliki oleh institusi itu, tetapi beberapa institusi  masih mengharuskan petugas tersebut meminta catatan khusus saja, dan kemudian fasilitas kesehatan akan menetapkan akses rekaman tertentu kepada mereka; pendekatan ini akan memperlambat proses.

Manfaat dari data yang tepat waktu dan akses terhadap data telah terbukti sepadan dengan usaha untuk mengatasi tantangan-tantangan ini.

Meningkatkan Analisis, Visualisasi, dan Pelaporan

Selama kejadian dan respons terhadap KLB dalam beberapa tahun terakhir, kebutuhan akan informasi yang cepat dan mudah dipahami telah meningkat. Permintaan informasi cepat ini sebagian didorong oleh perubahan budaya dan ekspektasi bahwa semua orang saat ini memiliki komputer canggih di saku mereka (ponsel pintar) dan akses mudah ke media sosial, Internet, dan siklus berita 24 jam. Tim lapangan harus merangkum data secara bermakna, menghasilkan laporan dengan cepat, dan mengubah data yang dikumpulkan menjadi informasi yang berguna untuk mendorong pelaksanaan tindakan kesehatan-masyarakat.

Terlepas dari metode pengumpulan data yang digunakan, setelah dilakukan digitalisasi data, perangkat lunak analitik dan statistik dapat digunakan untuk memanipulasi kumpulan data dengan berbagai cara untuk menjawab beragam pertanyaan. Selain itu, perangkat lunak analitik canggih memungkinkan penggunaan jenis data lain (misalnya, data elektronik waktu nyata tentang kualitas udara atau air atau akuisisi data atau sistem pengindraan jauh, seperti pengumpulan dan transmisi otomatis atau berkelanjutan). Penggabungan data ini dengan data dari sistem informasi geografis dapat memfasilitasi pelapisan (overlay) informasi lingkungan dan informasi yang berpusat pada manusia  berdasarkan waktu dan tempat (11).

Prinsip-prinsip berikut berlaku untuk memfasilitasi analisis dan visualisasi yang efektif:

• Data harus mudah diekspor ke sistem lain untuk dianalisis. Proses ini sering kali dapat diotomatisasi. Bahkan ketika pengumpulan data dilakukan dalam satu pangkalan data utama, penyelesaian analisis data mungkin memerlukan penggunaan alat lain yang lebih canggih atau penggabungan data KLB dengan data dari sumber lain.

• Tetapkan jadwal pelaporan (misalnya, setiap hari jam 9 pagi) selama investigasi sejak awal. Dalam KLB yang lebih besar, ketika perekaman data dikelola di beberapa lokasi atau tempat yang berbeda, komunikasi eksplisit mengenai kapan data harus dimasukkan atau diperbarui dalam sistem dan jam berapa laporan harian akan dijalankan sangat penting untuk memastikan bahwa informasi terbaru tersedia untuk analisis. Laporan yang merangkum informasi kumulatif yang diketahui, serta rangkuman data harian atau bahkan dua kali sehari (yaitu, laporan situasi) (Handout 5.1), mungkin diperlukan.
• Gunakan perangkat lunak untuk melakukan otomatisasi produksi laporan agar berjalan pada waktu tertentu. Fungsi ini berguna untuk kejadian besar yang mungkin memerlukan laporan situasi beberapa kali setiap hari.

Transisi dari Investigasi Lapangan ke Surveilans yang sedang Berjalan

Sistem atau proses baru di tingkat daerah, negara bagian, dan federal sering kali dikembangkan untuk mendukung respons KLB. Karena keterbatasan waktu dan sumber daya dalam kondisi KLB, sebagian sistem surveilans atau proses yang dimulai selama KLB bisa merupakan duplikasi proses lainnya. Sistem tersebut mungkin memakan waktu atau memerlukan banyak petugas tetapi dapat diterima selama respons KLB. Namun, sistem ini tidak dapat diterima untuk diterapkan sebagai bagian dari sistem rutin dan dapat menimbulkan masalah integrasi ketika KLB berakhir. Untuk meminimalkan potensi ini, petugas investigasi lapangan harus memastikan bahwa proses peninjauan pengumpulan data diikuti secara ketat selama KLB. Petugas lapangan harus memulai perencanaan transisi keberlanjutan dengan tujuan melakukan transisi sesegera mungkin ke mekanisme yang sudah ada. Hal ini dilakukan dengan mengingat apa saja kegiatan pengumpulan data terkait yang mungkin diperlukan di masa depan, manajemen dan penyimpanan catatan jangka panjang serta analisis lanjutan.

Menentukan Keamanan, Standar, dan Backup Pangkalan Data

Keamanan data sangat penting dalam penggunaan teknologi dalam respons lapangan. Komputer, tablet, dan perangkat bergerak lain yang dibawa ke lapangan harus dilindungi dari kemungkinan kehilangan data dan akses yang tidak sah. Penentuan harus dibuat mengenai jenis peralatan apa yang dapat berinteraksi dengan jaringan internal badan kesehatan-masyarakat. Penyimpanan data rahasia pada mesin lokal harus dicegah, dan jika tidak dapat dihindari, hanya mencakup data yang ditujukan untuk memenuhi kebutuhan di awal investigasi dan telah melalui standar privasi dan keamanan badan kesehatan-masyarakat (lihat juga Bab 13).

Sebelum pengumpulan data atau pemilihan perangkat,

• Memahami standar privasi dan keamanan tingkat tinggi pada badan kesehatan-masyarakat;

• Menilai apakah keamanan data di lapangan memenuhi standar wilayah administrasi setempat. Pertemuan dengan pejabat yang menangani teknologi informasi di dinas kesehatan mungkin diperlukan untuk memastikan ini;
• Menentukan bagaimana pengumpulan data (dan pengumpulan data mobile atau di luar lokasi) akan berinteraksi dengan potensi masalah firewall dan jaringan;
• Untuk penugasan lapangan dengan koneksi Internet yang tidak konsisten atau jaringan dinas kesehatan mungkin tidak dapat diakses secara konsisten (seperti situasi selama penugasan ketika Badai Irma melanda Florida pada tahun 2017 dan selama respons Zika di Miami – Dade County, ketika survei dari pintu ke pintu dilakukan di dalam gedung apartemen besar),  harus dipastikan bahwa standar keamanan yang ketat telah diikuti; dan
• Menerapkan manajemen dan ketelitian basis data yang efektif dengan menetapkan prosedur backup yang teratur dan otomatis.

Handout 5.1

CONTOH LAPORAN SITUASI DARI RESPONS LAPANGAN TERHADAP VIRUS ZIKA, DINAS KESEHATAN FLORIDA, 2016

Laporan situasi yang merangkum kegiatan epidemiologi dibuat setiap hari oleh Dinas Kesehatan Florida dan diberikan kepada komandan insiden untuk tujuan pengambilan keputusan dan memprioritaskan sumber daya. Data diekstraksi dari sistem surveilans penyakit yang wajib dilaporkan ke negara bagian dan dimasukkan ke dalam perangkat lunak analitik yang secara otomatis menghasilkan laporan.

Poin Rangkuman Demam Zika

1. 112 kasus demam Zika telah dilaporkan terjadi di Florida hingga pukul 14:30 tanggal 12/05/16.
2. Tidak ada kasus baru sejak pukul 14:30 tanggal 11/05/16.
3. 7 kasus telah terjadi pada ibu hamil.
4. 0 kasus tertular di Florida.
5. 13 kasus telah dirawat di rumah sakit selama menderita sakit.
6. 4 kasus sedang dalam kondisi sakit saat ini.
7. 0 kasus telah dikaitkan dengan mikrosefali, kalsifikasi interkranial janin, atau kelainan janin yang buruk (setelah trimester 1).
8. 1 kasus telah dikaitkan dengan sindrom Guillain-Barré
9. 1.117 orang telah menjalani uji oleh Laboratorium Kesehatan-Masyarakat untuk mendeteksi virus Zika (634 adalah ibu hamil)

Tabel 1. Kasus Demam Zika Fever yang Dilaporkan di Florida menurut County dan Status per 05/12/16; 14:30 pm (n=112)

County	Sedang Sakit	Sembuh	Total Kasus
Alachua	0	4	4
Brevard	1	1	2
Broward	0	15	15
Clay	0	1	1
Collier	0	1	1
Dade	0	44	44
Hillsborough	0	3	3
Lee	0	4	4
Martin	0	1	1
Orange	2	6	8
Osceola	0	4	4
Palm Beach	0	7	7
Pasco	0	1	1
Pinellas	0	1	1
Polk	0	3	3
Santa Rosa	0	1	1
Seminole	1	1	2
St. Johns	0	1	1
Volusia	0	2	2
Ibu Hamil (Tidak ada informasi county)	0	7	7
Total	4	108	112

Tabel 2. Kasus Demam Zika yang Dilaporkan di Florida Menurut Kegiatan Pengurangan Populasi Nyamuk untuk Kasus Baru

ID Kasus	County	Tanggal Kasus Dilaporkan	Kegiatan Pengurangan Populasi Nyamuk Selesai
841144	Volusia	5/9/2016	Ya
841176	Volusia	5/9/2016	Ya

Sumber: Referensi 13

MELACAK DAN MENGELOLA JENIS INFORMASI LAINNYA

Fokus pertama harus diberikan pada informasi kasus yang terkait dengan kejadian KLB. Namun sering kali tim lapangan juga akan melacak atau mengelola banyak data lainnya (Kotak 5.6). Misalnya, saat KLB campak terjadi di Illinois pada tahun 2015, selain pelacakan kasus, tim lapangan perlu melacak jumlah orang yang ditempatkan di karantina (14) (Kotak 5.7).

MENGEVALUASI PERAN PETUGAS DALAM PENGGUNAAN TEKNOLOGI

Teknologi tidak akan menyelesaikan masalah kurangnya sumber daya fisik dan manusia. Keputusan penggunaan teknologi untuk mendukung kegiatan lapangan sering kali didasarkan bukan pada teknologi terbaik yang tersedia untuk mendukung respons, tetapi lebih pada pengetahuan dan tingkat kenyamanan staf dalam menggunakan teknologi tersebut. Lokasi pengumpulan data (misalnya, dari telepon, di klinik atau rumah sakit, atau melalui wawancara dari rumah ke rumah) merupakan faktor utama dalam menentukan teknologi yang dapat diterima. Hal yang sama juga berlaku untuk penerimaan teknologi oleh masyarakat yang sedang diteliti yang mungkin akan diminta untuk menggunakan instrumen atau alat secara langsung. Jika sejumlah besar data perlu dikumpulkan secara manual, ketiadaan staf perekam data dalam jumlah yang memadai dapat membatasi kegiatan ini. Kebutuhan petugas perekam data sering diremehkan sehingga proses perekaman data bisa menjadi hambatan. Kekhawatiran akan petugas lapangan yang perlu dipertimbangkan mencakup hal-hal berikut:

• Jumlah orang yang mengumpulkan, merekam atau melakukan digitalisasi data, lama penugasan (dari mulai rotasi petugas hingga kebutuhan berbagai pelatihan), lokasi penugasan, pemahaman dan pengetahuan tentang peralatan teknis.

• Waktu pelatihan yang tersedia. Sejumlah pelatihan sering dibutuhkan dalam kejadian KLB. Pelatihan petugas untuk pengumpulan dan manajemen data selama respons lapangan dapat membuat pengenalan teknologi baru menjadi sangat sulit dan dapat menyebabkan kurangnya penerimaan atau persepsi penerimaan terhadap alat-alat baru.
• Keterampilan mewawancarai, bahasa yang digunakan, dan lokasi wawancara.
• Keamanan pribadi anggota tim dan keamanan peralatan.

Selain pengetahuan epidemiologi, pengetahuan ilmiah, dan pengetahuan tentang penyakit, manajer data yang sangat terampil dengan pemahaman yang kuat tentang informatika kesehatan-masyarakat mungkin perlu diikutsertakan sebagai anggota tim lapangan. Agar efektif, manajer ini harus memahami sistem, praktik, dan prosedur surveilans yang ada. Petugas investigasi lapangan sebaiknya tidak mengharapkan banyak dukungan jika bukan merupakan bagian dari tim awal.

MENGGUNAKAN INFORMATIKA KESEHATAN-MASYARAKAT

Sebagai bidang yang masih baru, bidang informatika masih sedikit dipahami oleh sejumlah profesional di bidang kesehatan-masyarakat. Spesialis informatika kesehatan-masyarakat merancang dan mengimplementasikan sistem terkait kesehatan-masyarakat yang secara efisien menangani data penting untuk praktik kesehatan-masyarakat. Penerapan perangkat dan pendekatan informatika yang baik akan dapat menciptakan keseimbangan yang tepat antara praktik informatika kesehatan-masyarakat yang ideal dan kenyataan yang dihadapi saat pengumpulan data lapangan (15).

Ahli informatika kesehatan-masyarakat telah dilatih untuk memahami program kesehatan-masyarakat, kebutuhan data, dan desain sistem informasi pelatihan ganda inilah yang membedakan mereka dari sebagian besar pekerja teknologi informasi (TI) di badan kesehatan-masyarakat. Profesional layanan TI kesehatan sering tertukar dengan spesialis informatika kesehatan-masyarakat. Profesional layanan TI kesehatan bertugas mengatasi masalah infrastruktur seperti koneksi jaringan, sedangkan spesialis informatika kesehatan-masyarakat terlatih harus dapat mendukung keputusan kesehatan-masyarakat dengan memfasilitasi ketersediaan informasi secara tepat waktu, relevan, dan berkualitas tinggi dengan menggabungkan beragam disiplin ilmu, termasuk arsitektur dan keamanan TI, statistik, ilmu manajemen data, dan teori sistem (11).

PENGGUNAAN APLIKASI TRADISIONAL ATAU APLIKASI YANG UMUM DIGUNAKAN

Karena investigasi lapangan telah berkembang pesat, deskripsi mengenai teknologi atau program khusus yang ditujukan untuk mendukung investigasi KLB, surveilans, dan pengumpulan data dapat menjadi ketinggalan zaman dengan cepat (Tabel 5.1). Idealnya, badan kesehatan-masyarakat menggunakan teknologi modern untuk memfasilitasi praktik kesehatan-masyarakat. Pada kenyataannya, badan kesehatan-masyarakat mungkin masih berjuang dalam penggunaan teknologi baru karena kurangnya sumber daya dan ketersediaan staf ahli bidang informatika di lapangan (15). Sebagian besar dinas kesehatan memiliki daftar perangkat lunak yang disetujui dan bersifat terbatas, meskipun pengecualian atau persetujuan dapat dipercepat dalam kondisi respons KLB jika kebutuhan akan perangkat lunak tersebut dapat dibuktikan.

Aplikasi pengumpulan data yang banyak digunakan di antaranya adalah Epi Info dari CDC dan REDCap (Research Electronic Data Capture; Vanderbilt University, Nashville, Tennessee) yang semakin banyak digunakan akhir-akhir ini. Banyak sistem surveilans untuk penyakit yang wajib dilaporkan di negara bagian memiliki modul manajemen KLB terintegrasi (7). Beberapa paket perangkat lunak bebas lainnya (misalnya, SurveyMonkey [San Mateo, CA]) tidak memadai untuk menyimpan dan mengumpulkan data rahasia, dan penggunaannya harus dihindari (lihat juga Bab 13). Banyak alat survei dirancang untuk pengumpulan data sekali pakai (misalnya, kuesioner sekali pakai), tetapi tidak mendukung penyimpanan dan penggunaan kembali survei yang sama.

Hal lain yang juga penting adalah manajemen data dan analisis data yang dikumpulkan. Perangkat lunak seperti SPSS (IBM Corporation, Armonk, NY), SAS (Statistical Analysis System; SAS Institute, Inc., Cary, NC), dan R (R Foundation, Vienna, Austria) merupakan aplikasi analisis dan manajemen data yang sangat berharga. Data Google Maps (Google Inc., Mountain View, CA) dan sistem informasi geografis (lihat Bab 17) juga merupakan alat pemetaan yang berharga. Meskipun demikian, kita harus menyadari bahwa kerahasiaan dapat menjadi masalah serius saat membuat spot map koordinat untuk orang yang menderita penyakit, exposure, atau cedera.

Diadopsinya Internet di seluruh dunia telah memungkinkan adanya sistem baru yang memungkinkan orang untuk berkontribusi, berbagi informasi dan berkolaborasi secara waktu nyata (16). Aplikasi media sosial (misalnya, Facebook [Facebook, Inc., Menlo Park, CA], Yelp [Yelp, Inc., San Francisco, CA], dan Twitter [Twitter, Inc., San Francisco, CA]) semakin banyak digunakan untuk melakukan surveilans dan crowdsourcing. Media sosial memungkinkan kita menyebarkan atau mengumpulkan informasi terkait kesehatan sehingga dapat membantu kegiatan investigasi selama KLB. Media sosial membantu dalam penyebaran pesan kesehatan-masyarakat dan mendukung penemuan kasus aktif. Jenis data ini telah digunakan untuk memperoleh sinyal tren kesehatan penting secara lebih cepat dan lebih luas dibandingkan dengan sistem pelaporan kasus yang lebih tradisional (11). Sebagai contoh, Kota New York telah menggunakan media sosial untuk penemuan kasus aktif, identifikasi kontak, dan evaluasi pesan edukasi dan pencegahan selama KLB Neisseria meningitidis berbasis komunitas (17,18) (Kotak 5.8). Evaluasi ketat terhadap reproduktivitas, keandalan, dan kegunaan data yang berasal dari sumber data baru ini masih secara aktif dilakukan melalui penelitian (19).

MEMAHAMI MASA DEPAN TEKNOLOGI DALAM INVESTIGASI LAPANGAN

Penggunaan teknologi yang meluas di bidang layanan kesehatan dan dalam kehidupan sehari-hari akan terus mendorong dan mengubah surveilans kesehatan-masyarakat serta pengumpulan dan manajemen data selama investigasi lapangan dilakukan. Perangkat seluler sangat menjanjikan untuk pengumpulan data karena dapat digunakan sebagai perangkat surveilans, baik untuk pemantauan exposure maupun untuk pemantauan status kesehatan, dapat berfungsi di lokasi terpencil, dan mudah dibawa serta digunakan kapan saja (20,21). Di masa depan, pematangan standar interoperabilitas data akan memfasilitasi diseminasi informasi yang lebih cepat. Evolusi informatika kesehatan-masyarakat dan penggunaan teknologi dalam respons lapangan akan terus membutuhkan kecermatan dan adaptasi serta memberikan peluang menarik selama respons terhadap suatu kejadian.

UCAPAN TERIMA KASIH

Para penulis berterima kasih kepada Aaron Kite-Powell, Surveillance and Data Branch, Division of Health Informatics and Surveillance Center for Surveillance, Epidemiology, and Laboratory  Services, Office of  Public Health Scientific Services, Centers for Disease Control and Prevention, (CDC), atas umpan baliknya yang jujur dan diskusi yang sangat membantu. Untuk tulisan dan kontribusi contoh-contoh lapangan yang disajikan, para penulis berterima kasih kepada David Atrubin, Leah Eisenstein, Nicole Kikuchi, Bureau of Epidemiology, Florida Department of Health; Benjamin G. Klekamp, Departemen Kesehatan Florida—Orange County; Marion A. Kainer, Healthcare Associated Infections and Antimicrobial Resistance Program, Tennessee Department of Health; dan Don Weiss, Bureau of Communicable Disease, New York City Department of Health and Mental Hygiene. Untuk kolaborasi dan keahliannya, penulis berterima kasih kepada Marcella Layton, Bureau of Communicable Disease, New York City Department of Health and Mental Hygiene. Janet Hamilton berterima kasih atas pengertian, dorongan, dan kasih dari suaminya, Eric I. Hamilton dan anak-anaknya, Jackson dan Elaine, yang mengizinkan ibu mereka menghabiskan lebih banyak waktu di akhir pekan dan di malam hari untuk manual ini.

REFERENSI

1. American Recovery and Reinvestment Act of 2009, Pub. L. No. 111-5, 123 Stat. 226. February 17, 2009.
2. Martin SM, Bean NH. Data management issues for emerging diseases and new tools for managing surveillance and laboratory data. Emerg Infect Dis. 1995;1:124– 8.
3. Greene SK, Peterson ER, Kapell D, Fine AD, Kulldorff M. Daily reportable disease spatiotemporal cluster detection, New York City, New York, USA, 2014–2015. Emerg Infect Dis. 2016;22:1808–12.
4. Bialek MD, Allen D, Alvarado-Ramy F, dkk. First confirmed cases of Middle East respiratory syndrome coronavirus (MERS-CoV) infection in the United States, updated information on the epidemiology of MERS-CoV infection, and guidance for the public, clinicians, and public health authorities—May 2014. MMWR. 2014;63;431–6. Erratum in: MMWR. 2014;63:554.
5. Public Health Agency of Canada. Learning from SARS: Renewal of public health in Canada. http://www.phac-aspc.gc.ca/publicat/sars-sras/naylor/index-eng.phpexternal icon
6. Florida Department of Health, Bureau of Epidemiology. County health department epidemiology hurricane Response toolkit. Updated April 20, 2015, p. 19.
7. Public Health Informatics Institute. Electronic Disease Surveillance System (EDSS) vendor analysis. http://www.phii.org/resources/view/4409/electronic-disease-surveillance-system-edss-vendor-analysisexternal icon
8. Likos A, Griffin I, Bingham AM, dkk. Local mosquito-borne transmission of Zika virus—Miami–Dade and Broward counties, Florida, June–August 2016. MMWR. 2016;65:1032–8.
9. Centers for Disease Control and Prevention. Progress in increasing electronic reporting of laboratory results to public health agencies—United States, 2013. MMWR. 2013;61;797–9.
10. Levin-Rector A, Nivin B, Yeung A, Fine A, Greene S. Building-level analyses to prospectively detect influenza outbreaks in long-term care facilities: New York City, 2013–2014. Am J Infect Control. 2015;43:839–43.
11. Centers for Disease Control and Prevention. CDC’s vision for public health surveillance in the 21st century. MMWR Suppl. 2012;61(Suppl):1–44.
12. Centers for Disease Control and Prevention. Multistate outbreak of fungal infection associated with injection of methylprednisolone acetate solution from a single compounding pharmacy—United States, 2012. MMWR. 2012;61;839–42.
13. Florida Department of Health, Bureau of Epidemiology. Daily situation report from the field Response to Zika virus, 2016. Production Date May 12, 2016, 2:30 PM.
14. Vahora, J, Hoferka, S. How Illinois used REDCap to support contact monitoring for the 2015 measles outbreak. June 11, 2015. http://www.cste.org/blogpost/1084057/219374/How-Illinois-Used-REDCap-to-Support-Contact-Monitoring-for-the-2015.Measles-Outbreakexternal icon.
15. Fond M, Volmert A, Kendall-Taylor N. Making public health informatics visible: communicating an emerging field. A FrameWorks Strategic Map the Gaps Report. Washington, DC: FrameWorks Institute; 2015. https://frameworksinstitute.org/toolkits/informatics/elements/pdfs/informatics_phiistrategicmtgfinalseptember2015.pdfpdf iconexternal icon
16. Eysenbach G. Medicine 2.0: social networking, collaboration, participation, apomediation, and openness. J Med Internet Res. 2008;10:e22.
17. Kratz MM, Weiss D, Ridpath A, dkk. Community-based outbreak of Neisseria meningitidis serogroup C infection in men who have sex with men, New York City, New York, USA, 2010−2013. Emerg Infect Dis. 2015;21:1379–86.
18. Grounder P, Del Rosso P, Adelson S, Rivera C, Middleton K, Weiss D. Using the Internet to trace contacts of a fatal meningococcemia case—New York City. 2010. J Public Health Manag Pract. 2012;18:379–81.
19. Hopkins RS, Tong CC, Burkom HS, dkk. A practitioner-driven research agenda for syndromic surveillance. Public Health Rep. 2017;132 Suppl: 116S–26S.
20. Waegemann CP. mHealth: the next generation of telemedicine? Telemed J E Health. 2010;16:23–5.
21. Gerber T, Olazabal V, Brown K, Pablos-Mendez A. An agenda for action on global e-health. Health Aff (Millwood). 2010;29:233–6.