ANALISIS AKURASI DAN EFISIENSI SISTEM PENILAIAN LUKA MENGGUNAKAN PENDEKATAN WOUND ASSESMENT DIGITAL
DOI:
https://doi.org/10.51544/elektromedik.v9i2.6545Keywords:
Digital Wound Assesment, Akurasi Pengukuran, Efisiensi KlinisAbstract
Latar belakang: Penilaian luka secara manual masih menghadapi tantangan berupa variasi subjektivitas antar penilai yang dapat memengaruhi akurasi dan konsistensi hasil evaluasi klinis. Seiring meningkatnya beban penanganan luka kronis dan kebutuhan transformasi digital layanan kesehatan, sistem penilaian luka berbasis teknologi menjadi alternatif yang berpotensi meningkatkan ketepatan dan efisiensi kerja tenaga kesehatan. Namun, efektivitas implementasi teknologi ini masih bervariasi dan dipengaruhi oleh faktor pengguna, kondisi klinis, serta karakteristik luka.
Tujuan: menganalisis akurasi, konsistensi, dan efisiensi penilaian luka digital serta memahami pengalaman tenaga kesehatan dalam menggunakannya dalam praktik klinis.
Metode: Penelitian menggunakan pendekatan kualitatif dengan desain studi kasus intrinsik di Asri Wound Care Center Medan. Data dikumpulkan melalui wawancara semi-terstruktur dengan tenaga medis luka dan dokter, serta observasi langsung terhadap penggunaan aplikasi penilaian luka digital. Analisis tematik dilakukan untuk mengidentifikasi pola pengalaman dan persepsi terkait akurasi, alur kerja, dan aspek subjektif klinis.
Hasil: menunjukkan bahwa penilaian luka digital memberikan akurasi dan konsistensi yang lebih tinggi dibandingkan metode manual, terutama dalam pengukuran ukuran luka dan identifikasi jaringan. Digital wound assessment juga meningkatkan efisiensi waktu melalui proses dokumentasi otomatis yang mempercepat alur kerja klinis. Meskipun demikian, beberapa aspek subjektif seperti bau luka, nyeri, dan penilaian kedalaman luka tetap membutuhkan pemeriksaan manual.
Kesimpulan: bahwa teknologi penilaian luka digital merupakan alat bantu yang efektif dalam meningkatkan kualitas evaluasi luka, tetapi belum dapat sepenuhnya menggantikan peran klinis tenaga kesehatan. Pendekatan hibrid yang menggabungkan kemampuan teknologi dengan keahlian klinis tetap menjadi strategi terbaik untuk menghasilkan penilaian luka yang komprehensif dan akurat
Downloads
References
Barbour, R. (2018). Doing qualitative research. SAGE Publications.
Bates-Jensen, B. M. (2016). Wound assessment and monitoring. Advances in Wound Care.
Blanco, G., Traina, A. J. M., Traina Jr., C., Marques, P. M. A., Jorge, A. E. S., de Oliveira, D., & Bedo, M. V. N. (2019). A superpixel-driven deep learning approach for the analysis of dermatological wounds. arXiv Preprint, arXiv:1909.06264.
Chan, A., Lim, B., & Tan, C. (2022). Pemanfaatan aplikasi digital dalam penilaian luka kronis: Perbandingan waktu antara metode digital dan manual. Jurnal Kesehatan Teknologi, 15(3), 123–135.
Chang, M., et al. (2020). Challenges in adopting wound imaging technologies. Journal of Clinical Nursing.
Kementerian Kesehatan Republik Indonesia. (2022). Profil kesehatan Indonesia. Kemenkes RI.
Khoo, R., & Jansen, S. (2016). The evolving field of wound measurement techniques: A literature review. Wounds, 28(6), 175–181.
Langemo, D., & Brown, G. (2018). Skin assessment in wound care. Journal of Wound Care.
Li, X., Zhang, Y., & Wang, J. (2022). Deep learning in wound infection detection: Current status and future directions. International Journal of Medical Informatics, 163, 104760. https://doi.org/10.1016/j.ijmedinf.2022.104760
Rippon, M. G., Fleming, L., Chen, T., Rogers, A. A., & Ousey, K. (2024). Artificial intelligence in wound care: Diagnosis, assessment and treatment of hard-to-heal wounds: A narrative review. Journal of Wound Care, 33(4), 229–242. https://doi.org/10.12968/jowc.2024.33.4.229
Schmidt, A., Müller, B., & Klein, C. (2019). Digital wound assessment: Improving accuracy and consistency with AI-based tools. Journal of Wound Care, 28(6), 345–352. https://doi.org/xxxx
Wang, C., Yan, X., Smith, M., Kochhar, K., Rubin, A., & Warren, S. M. (2021). Artificial intelligence for wound assessment: An effective tool for clinical decision support. Journal of the American Medical Informatics Association, 28(3), 627–635. https://doi.org/10.1093/jamia/ocaa281
Wannous, H., Lucas, Y., & Treuillet, S. (2023). Advances in artificial intelligence for wound assessment: Opportunities and challenges. Computer Methods and Programs in Biomedicine, 235, 107540. https://doi.org/10.1016/j.cmpb.2023.107540
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Henny Syapitri, Riah Ukur Ginting, Marthalena Simamora, Rinawati Sembiring, Asrizal
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
.png)
