Nama: Dr. Satriyo Dwi Suryantoro, Sp.PD-KGH
Alamat: Departemen Ilmu Penyakit Dalam, Fakultas Kedokteran 51动漫,
Jl. Dr. Ir. H. Soekarno, Mulyorejo, Surabaya 60115, Jawa Timur, Indonesia
Telepon: +62 812-3147-724
Email: satriyo.dwi.suryantoro@fk.unair.ac.id
Kontribusi Penulis
- Satriyo Dwi Suryantoro, Chastine Fatichah, dan Dini Adni Navastara berkontribusi pada konseptualisasi dan supervisi penelitian.
- Fiqey Indriati Eka Sari dan Muchamad Maroqi Abdul Jalil berkontribusi pada penelusuran literatur, seleksi, dan telaah artikel.
- Metalia Puspitasari, Imam Manggalya Adhikara, dan Dwita Dyah Adyarini berkontribusi pada analisis data.
- Ajeng Ayu Erawati dan Bagus Aulia Mahdi berkontribusi pada penulisan, revisi, dan penyuntingan manuskrip.
Seluruh penulis telah membaca dan menyetujui versi akhir manuskrip serta bertanggung jawab atas seluruh isi artikel.
Ringkasan Penelitian
Continuous Ambulatory Peritoneal Dialysis (CAPD) merupakan salah satu modalitas terapi pengganti ginjal yang penting, khususnya di negara berkembang dan berpenghasilan menengah seperti Indonesia, karena memungkinkan perawatan berbasis rumah dengan kebutuhan infrastruktur yang relatif minimal. Meskipun demikian, keberhasilan CAPD sangat bergantung pada pemantauan rutin dan kepatuhan pasien, yang masih menjadi tantangan utama dan berkontribusi terhadap tingginya risiko komplikasi seperti peritonitis, kelebihan cairan, serta kegagalan teknik.
Perkembangan teknologi Artificial Intelligence (AI) membuka peluang baru untuk meningkatkan kualitas pemantauan CAPD. Saat ini, dua pendekatan utama AI telah digunakan dalam praktik klinis, yaitu sistem berbasis aturan (rule-based) yang mengandalkan logika klinis tetap, dan sistem otomatis (automated AI) yang menggunakan pembelajaran mesin atau pembelajaran mendalam untuk melakukan prediksi adaptif berbasis data. Namun, hingga saat ini belum terdapat tinjauan sistematis yang secara langsung membandingkan kedua pendekatan tersebut secara spesifik pada pemantauan CAPD.
Penelitian ini merupakan tinjauan sistematis komparatif yang bertujuan mengevaluasi efektivitas, akurasi, efisiensi operasional, biaya implementasi, serta kesesuaian konteks klinis dari sistem AI otomatis dan berbasis aturan dalam pemantauan CAPD. Penelusuran literatur dilakukan sesuai pedoman PRISMA 2020, mencakup publikasi berbahasa Inggris antara Januari 2020 hingga Mei 2025 yang diperoleh dari PubMed, Scopus, IEEE Xplore, dan Google Scholar. Dari total 156 artikel yang teridentifikasi, sebanyak 14 studi memenuhi kriteria inklusi dan dianalisis secara kualitatif.
Hasil tinjauan menunjukkan bahwa sistem AI otomatis memiliki keunggulan dalam deteksi dini komplikasi, akurasi prediksi yang tinggi, serta kemampuan personalisasi berbasis data klinis, termasuk analisis citra dialisat dan pemodelan risiko. Sebaliknya, sistem berbasis aturan menawarkan kelebihan dalam kesederhanaan, biaya rendah, serta kemudahan implementasi, terutama di lingkungan dengan keterbatasan sumber daya dan infrastruktur digital. Namun, sistem berbasis aturan cenderung kurang adaptif terhadap variasi klinis yang kompleks.
Berdasarkan sintesis temuan, penelitian ini mengusulkan model implementasi hibrida yang mengombinasikan keunggulan sistem otomatis dan berbasis aturan. Model ini dinilai paling realistis dan berkelanjutan untuk diterapkan dalam sistem kesehatan Indonesia karena selaras dengan pedoman nasional, skema Jaminan Kesehatan Nasional, serta kesiapan layanan telemedisin. Pendekatan hibrida diharapkan mampu meningkatkan kualitas pemantauan CAPD, menurunkan angka komplikasi dan hospitalisasi, serta mendukung pelayanan nefrologi berbasis nilai di negara berkembang.
Pendanaan
Penelitian ini didanai oleh Airlangga Research Fund (ARF) dalam skema Indonesia Collaborative Research, 51动漫, dengan nomor hibah: 741/B/UN3/LPPM/PT.01.03/2024.
Pernyataan Konflik Kepentingan
Para penulis menyatakan tidak terdapat konflik kepentingan dalam penelitian ini.
Persetujuan Etik
Karena penelitian ini merupakan tinjauan sistematis terhadap literatur yang telah dipublikasikan, tidak diperlukan persetujuan etik maupun informed consent.
Ucapan Terima Kasih
Penulis mengucapkan terima kasih kepada 51动漫, Institut Teknologi Sepuluh Nopember, dan Universitas Gadjah Mada atas dukungan akademik terhadap penelitian ini.
