Retinopati diabetik dapat berkembang sebelum gangguan penglihatan terasa
Retinopati diabetik merupakan komplikasi diabetes yang terjadi akibat kerusakan pembuluh darah kecil pada retina. Pada tahap awal, perubahan patologis pada retina dapat berlangsung tanpa keluhan penglihatan yang jelas. Kondisi ini membuat keterlambatan pemeriksaan berpotensi menyebabkan komplikasi ditemukan ketika kerusakan sudah lebih berat.
Beban penyakit ini juga terus meningkat. Artikel Iswanto mengutip tinjauan global yang memperkirakan sekitar 103,12 juta orang dengan diabetes mengalami retinopati diabetik pada 2020. Jumlah tersebut diproyeksikan mencapai sekitar 160,50 juta pada 2045. Di Indonesia, studi yang dikutip dalam artikel tersebut mencatat insidensi retinopati diabetik sebesar 34,6 per 1.000 person-years pada orang dewasa dengan diabetes tipe 2, sedangkan retinopati yang mengancam penglihatan mencapai 24,5 per 1.000 person-years.
Situasi tersebut mendorong pemanfaatan rekam medis elektronik atau electronic health records (EHR). Rekam medis tidak hanya menyimpan riwayat pelayanan, tetapi juga memuat informasi seperti usia, lama menderita diabetes, kadar glukosa, tekanan darah, penyakit penyerta, terapi, serta hasil pemeriksaan.
Menurut Iswanto, pengolahan data dengan pendekatan data mining memungkinkan hubungan antarfaktor tersebut dilihat secara bersamaan. Pendekatan ini berbeda dari sekadar membaca satu nilai klinis secara terpisah karena dapat memperlihatkan pola yang terbentuk dari kombinasi beberapa karakteristik pasien.
Analisis menggunakan 30 rekam medis pasien diabetes
Iswanto menggunakan desain eksploratif-deskriptif berbasis data sekunder dari rekam medis elektronik. Sebanyak 30 rekam medis pasien diabetes dipilih dengan teknik purposive sampling, yaitu memilih data yang memenuhi kriteria tertentu dan memiliki informasi klinis yang lengkap.
Data yang dianalisis mencakup usia, jenis kelamin, lama menderita diabetes, kadar glukosa darah, tekanan darah sistolik dan diastolik, serta kondisi retinopati yang tercatat dalam rekam medis. Data kemudian dibersihkan, distandardisasi, dikategorikan, dan dianalisis menggunakan pendekatan data mining. Microsoft Excel digunakan untuk tabulasi awal, sedangkan Python digunakan dalam proses pengelompokan dan eksplorasi pola.
Dari 30 rekam medis tersebut, terdapat 18 pasien laki-laki atau 60 persen dan 12 pasien perempuan atau 40 persen. Rata-rata usia pasien adalah 57 tahun. Sebanyak 14 pasien atau 46,7 persen menunjukkan indikasi retinopati diabetik, sementara 16 pasien atau 53,3 persen tidak menunjukkan indikasi retinopati dalam data yang dianalisis.
Tiga faktor paling menonjol
Perbedaan paling jelas ditemukan pada lama diabetes, kadar glukosa, dan tekanan darah.
Pasien dengan indikasi retinopati memiliki rata-rata lama menderita diabetes 13,1 tahun, sedangkan kelompok tanpa indikasi retinopati rata-rata 6,7 tahun. Bahkan, 13 dari 14 pasien atau 92,9 persen yang memiliki indikasi retinopati telah menderita diabetes selama sedikitnya 10 tahun. Pada kelompok tanpa indikasi retinopati, hanya 2 dari 16 pasien atau 12,5 persen yang berada dalam kategori tersebut.
Pola kedua terlihat pada kadar glukosa. Kelompok dengan indikasi retinopati memiliki rata-rata kadar glukosa 221,2 mg/dL, dibandingkan 161,1 mg/dL pada kelompok tanpa indikasi. Sebanyak 12 dari 14 pasien dengan indikasi retinopati atau 85,7 persen memiliki kadar glukosa sedikitnya 200 mg/dL.
Tekanan darah juga memperlihatkan perbedaan. Sebanyak 85,7 persen pasien dengan indikasi retinopati berada dalam kategori tekanan darah tinggi, sedangkan proporsinya hanya 25 persen pada kelompok tanpa indikasi. Rata-rata tekanan darah sistolik kelompok retinopati mencapai 151,9 mmHg, sementara kelompok tanpa indikasi berada pada 127,3 mmHg.
Temuan paling kuat muncul ketika ketiga faktor tersebut digabungkan. Sebanyak 10 dari 14 pasien dengan indikasi retinopati atau 71,4 persen memiliki tiga kondisi sekaligus: diabetes selama ≥10 tahun, kadar glukosa ≥200 mg/dL, dan tekanan darah tinggi. Kombinasi ketiganya tidak ditemukan pada kelompok pasien tanpa indikasi retinopati dalam dataset tersebut.
Rekam medis dapat membantu menentukan prioritas pemeriksaan
Menurut Mukhamad Hasim Iswanto dari UIN Profesor Kiai Haji Saifuddin Zuhri Purwokerto, makna klinis dari data menjadi lebih kuat ketika lama penyakit, kondisi metabolik, dan beban vaskular dibaca sebagai satu kesatuan. Lama diabetes menggambarkan kronisitas penyakit, kadar glukosa mencerminkan kondisi metabolik, sedangkan tekanan darah memberikan gambaran beban vaskular. Kombinasi ketiganya membentuk profil klinis yang lebih bermakna untuk membantu mengenali pasien yang memerlukan perhatian lebih awal.
Dalam praktik pelayanan kesehatan, pola tersebut berpotensi digunakan untuk membantu memprioritaskan pasien diabetes yang perlu menjalani pemeriksaan retina. Namun, Iswanto menegaskan bahwa pola hasil data mining bukan alat diagnosis dan tidak menggantikan pemeriksaan mata atau evaluasi dokter mata.
Keterbatasan penelitian juga perlu diperhatikan. Analisis hanya menggunakan 30 rekam medis dengan purposive sampling, sehingga hasilnya belum dapat digeneralisasikan kepada seluruh pasien diabetes. Data juga belum mencakup sejumlah faktor seperti HbA1c longitudinal, profil lipid, indeks massa tubuh, fungsi ginjal, terapi diabetes, dan tingkat keparahan retinopati. Desain eksploratif-deskriptif pun tidak dapat membuktikan hubungan sebab-akibat.
Penulis merekomendasikan penelitian berikutnya menggunakan dataset yang lebih besar, melibatkan banyak fasilitas kesehatan, serta menggunakan data longitudinal. Penambahan variabel klinis dan pengembangan model machine learning yang dapat dijelaskan juga diperlukan untuk menguji apakah pola tersebut dapat dikembangkan menjadi sistem pendukung keputusan klinis.
Profil Penulis
Sumber Penelitian
Iswanto, Mukhamad Hasim. (2026). “Data Mining Approach for Early Identification of Diabetic Retinopathy Using Electronic Health Records.” Formosa Journal of Science and Technology, Vol. 5, No. 8, hlm. 2265–2280. DOI: 10.55927/fjst.v5i8.146.
0 Komentar