Fenomena kekerasan di IGD bukan hal baru. Namun, selama ini sebagian besar rumah sakit hanya mengandalkan laporan insiden setelah kejadian terjadi. Pendekatan reaktif ini dinilai tidak cukup efektif untuk melindungi tenaga medis. Padahal, banyak kasus kekerasan sebenarnya memiliki pola yang dapat dikenali, seperti pasien dalam kondisi mabuk, gangguan mental, waktu tunggu yang lama, serta rasio tenaga medis yang tidak seimbang.
Penelitian Holt mencoba mengubah pendekatan tersebut dengan menghadirkan model prediktif berbasis data yang disebut Violence Risk Score (VRS). Model ini menggabungkan berbagai variabel untuk menghitung tingkat risiko kekerasan pada setiap interaksi pasien di IGD.
Latar Belakang Masalah
Data dari berbagai lembaga menunjukkan bahwa kekerasan di lingkungan layanan kesehatan sering kali tidak dilaporkan secara penuh. Bahkan, kurang dari 30 persen insiden yang benar-benar tercatat secara resmi. Banyak tenaga kesehatan menganggap kekerasan sebagai bagian dari pekerjaan, sehingga enggan melaporkannya.
Selain itu, dampak kekerasan tidak hanya dirasakan secara fisik dan psikologis, tetapi juga secara ekonomi. Biaya tersembunyi seperti pergantian staf, penurunan produktivitas, hingga kerusakan reputasi rumah sakit jauh lebih besar dibanding biaya kompensasi langsung. Dalam analisis yang dilakukan, total kerugian tahunan di rumah sakit besar bisa mencapai lebih dari 1,4 juta dolar AS—jauh melampaui biaya yang tercatat secara administratif.
Metodologi Penelitian
Penelitian ini menggunakan pendekatan campuran dengan analisis data retrospektif selama 36 bulan dari sebuah rumah sakit akademik berkapasitas 500 tempat tidur. Data yang digunakan meliputi:
- Laporan insiden kekerasan di tempat kerja
- Data operasional IGD seperti rasio perawat-pasien dan waktu tunggu
- Data nasional dari lembaga statistik tenaga kerja
Model VRS kemudian diuji dengan membandingkan data pelatihan (bulan 1–24) dan data pengujian (bulan 25–36) untuk menilai akurasi prediksinya. Hasilnya menunjukkan bahwa model ini memiliki kemampuan yang cukup baik dalam mengidentifikasi situasi berisiko tinggi sebelum kekerasan terjadi.
Temuan Utama
Model Violence Risk Score (VRS) mengidentifikasi tujuh faktor utama yang berkontribusi terhadap risiko kekerasan di IGD. Berdasarkan tabel pada halaman 5, faktor-faktor tersebut antara lain:
- Intoksikasi alkohol atau narkoba (risiko 4,2 kali lebih tinggi)
- Status pasien dengan gangguan psikiatri (3,8 kali)
- Rasio perawat-pasien di bawah 1:4 (3,1 kali)
- Kondisi pasien dengan tingkat keparahan tinggi (2,4 kali)
- Riwayat kekerasan sebelumnya (2,1 kali)
- Waktu tunggu lebih dari 3 jam (1,8 kali)
- Adanya insiden konflik sebelumnya dalam shift yang sama (1,6 kali)
Menariknya, dari semua faktor tersebut, rasio perawat-pasien menjadi satu-satunya variabel yang dapat dikontrol secara langsung oleh manajemen rumah sakit.
Selain itu, grafik pada halaman 8 menunjukkan bahwa setelah penerapan model prediktif, terjadi penurunan signifikan pada berbagai indikator, termasuk penurunan turnover staf hingga 28 persen dan penurunan insiden kekerasan.
Implikasi dan Dampak
Penelitian ini menunjukkan bahwa kekerasan di IGD bukanlah kejadian acak, melainkan dapat diprediksi dan dicegah. Dengan menerapkan model VRS, rumah sakit dapat:
- Mengantisipasi situasi berisiko tinggi secara real-time
- Menempatkan petugas keamanan secara strategis
- Mengaktifkan tim de-eskalasi lebih cepat
- Mengurangi tekanan kerja tenaga medis
Holt menegaskan bahwa “sebagian besar insiden kekerasan adalah hasil dari kondisi sistem yang dapat diidentifikasi dan diintervensi,” sehingga pendekatan berbasis data menjadi kunci dalam pencegahan.
Dari sisi ekonomi, penggunaan model ini juga memberikan keuntungan signifikan. Pencegahan 30 persen insiden kekerasan saja sudah cukup untuk menghasilkan penghematan yang jauh lebih besar dibanding biaya implementasinya.
Tantangan dan Etika
Meski menjanjikan, penerapan model prediktif juga memiliki tantangan, terutama terkait potensi bias. Model berbasis data historis berisiko memperkuat diskriminasi jika tidak diaudit dengan baik.
Penelitian ini menekankan pentingnya evaluasi terhadap hasil prediksi berdasarkan kelompok demografis untuk memastikan tidak ada ketimpangan rasial, etnis, atau sosial ekonomi. Hal ini juga berkaitan dengan kepatuhan terhadap regulasi hukum dan standar akreditasi rumah sakit.
Profil Penulis
Kimberly Long Holt merupakan seorang profesional di bidang kesehatan dan keselamatan kerja yang berfokus pada manajemen risiko lingkungan dan sistem kesehatan. Ia berafiliasi dengan Health and Safety Concepts – Environmental Health & Safety di Amerika Serikat dan memiliki keahlian dalam analisis risiko, keselamatan kerja, serta implementasi model prediktif di sektor kesehatan.
Sumber Penelitian
Holt, Kimberly Long. “When the Waiting Room Becomes a Warzone: Predictive Modeling of Workplace Violence in Emergency Departments Using Patient Acuity and Staffing Ratios.” Formosa Journal of Multidisciplinary Research (FJMR), Vol. 5 No. 3, 2026, hlm. 1015–1024. DOI: https://doi.org/10.55927/fjmr.v5i3.43, URL: https://journalfjmr.my.id/index.php/fjmr
0 Komentar