Penyakit Tidak Menular (PTM) seperti diabetes dan hipertensi terus menjadi ancaman serius bagi kesehatan masyarakat Indonesia. Data Riskesdas 2018 menunjukkan prevalensi diabetes meningkat dari 6,9% menjadi 8,5%, sementara hipertensi naik dari 25,8% menjadi 34,1%. Fakta ini menunjukkan bahwa kedua penyakit tersebut bukan hanya masalah individu, tetapi juga tantangan besar bagi sistem kesehatan nasional.
Di balik meningkatnya kasus tersebut, para peneliti mencoba mencari cara agar risiko penyakit dapat diprediksi lebih dini. Salah satu penelitian terbaru berjudul 鈥淚mproved Risk Modeling for Concurrent Diabetes and Hypertension: A Biresponse Nonparametric Logistic Regression Approach鈥 berhasil mengembangkan model statistik yang mampu memprediksi risiko diabetes dan hipertensi secara bersamaan dengan tingkat akurasi yang lebih baik. Penelitian ini dilakukan oleh Marisa Rifada bersama tim peneliti dari 东京热 dan mitra internasional. Fokus utama penelitian adalah memahami hubungan erat antara diabetes dan hipertensi yang sering muncul secara bersamaan pada satu pasien. Dalam dunia medis, kondisi ini dikenal sebagai komorbiditas.
Selama ini, banyak penelitian menganalisis diabetes dan hipertensi secara terpisah. Padahal, keduanya saling berkaitan. Seseorang yang mengalami hipertensi memiliki risiko lebih tinggi terkena diabetes, begitu pula sebaliknya. Karena itu, mempelajari kedua penyakit secara simultan dianggap lebih realistis dan mampu memberikan gambaran kesehatan pasien secara lebih utuh. Penelitian dilakukan terhadap 211 pasien di Poli Penyakit Dalam Rumah Sakit 东京热 Surabaya. Data yang dikumpulkan meliputi usia, indeks massa tubuh (BMI), konsumsi garam, gula, dan lemak. Selanjutnya, seluruh data dianalisis menggunakan pendekatan statistik yang disebut Biresponse Nonparametric Logistic Regression.
Meskipun istilah tersebut terdengar rumit, konsep dasarnya sebenarnya sederhana. Model ini dirancang untuk membaca pola hubungan yang tidak selalu lurus atau linear. Dalam kehidupan nyata, pengaruh suatu faktor kesehatan memang tidak selalu berjalan sederhana. Misalnya, kenaikan berat badan tertentu dapat meningkatkan risiko penyakit secara drastis pada satu kondisi, tetapi tidak terlalu berpengaruh pada kondisi lain. Pendekatan nonparametrik memungkinkan model mengikuti pola data yang lebih fleksibel sehingga hasil prediksi menjadi lebih akurat.
Hasil penelitian menunjukkan adanya hubungan yang signifikan antara diabetes dan hipertensi. Dari 71 pasien diabetes, sebanyak 56 pasien juga mengalami hipertensi. Temuan ini memperkuat dugaan bahwa kedua penyakit memiliki keterkaitan yang sangat erat. Selain itu, penelitian menemukan bahwa indeks massa tubuh atau BMI menjadi salah satu faktor penting yang meningkatkan risiko kedua penyakit tersebut. Semakin tinggi BMI seseorang, semakin besar peluang mengalami diabetes maupun hipertensi. Faktor usia juga berpengaruh terhadap hipertensi, sedangkan pola konsumsi makanan seperti gula, garam, dan lemak menunjukkan hubungan yang bervariasi terhadap risiko penyakit.
Keunggulan utama penelitian ini terletak pada kemampuan model statistiknya dalam meningkatkan performa prediksi. Model nonparametrik yang dikembangkan menghasilkan akurasi sebesar 62,6%, jauh lebih baik dibandingkan model parametrik biasa yang hanya mencapai 43,6%. Nilai AUC, yaitu ukuran kemampuan model membedakan pasien berisiko tinggi dan rendah, juga meningkat dari 0,62 menjadi 0,83. Dalam analisis statistik kesehatan, peningkatan ini termasuk sangat signifikan. Peneliti juga memberikan contoh sederhana penerapan model tersebut. Seorang pria berusia 55 tahun dengan BMI tinggi diprediksi memiliki risiko penyakit hingga 85%. Sebaliknya, perempuan berusia 30 tahun dengan gaya hidup aktif memiliki risiko sekitar 12%. Contoh ini menunjukkan bahwa model statistik dapat membantu tenaga kesehatan melakukan deteksi dini secara lebih tepat.
Di era digital kesehatan saat ini, penggunaan kecerdasan statistik dan analisis data menjadi semakin penting. Rumah sakit dan institusi kesehatan tidak lagi hanya bergantung pada diagnosis setelah penyakit muncul, tetapi mulai bergerak menuju sistem prediksi dan pencegahan. Model seperti yang dikembangkan dalam penelitian ini berpotensi menjadi dasar pengembangan sistem pendukung keputusan medis berbasis data. Namun demikian, penelitian ini juga memiliki keterbatasan. Jumlah sampel masih relatif kecil dan hanya berasal dari satu rumah sakit sehingga hasilnya belum dapat digeneralisasi untuk seluruh masyarakat Indonesia. Peneliti menyarankan agar penelitian lanjutan dilakukan dengan cakupan yang lebih luas dan melibatkan lebih banyak pusat layanan kesehatan.
Pada akhirnya, penelitian ini menunjukkan bahwa matematika dan statistika tidak hanya berkaitan dengan angka di atas kertas. Di tangan para peneliti, ilmu tersebut dapat menjadi alat penting untuk menyelamatkan kesehatan masyarakat. Dengan model prediksi yang semakin akurat, risiko diabetes dan hipertensi dapat dikenali lebih dini sehingga upaya pencegahan dapat dilakukan sebelum penyakit berkembang menjadi lebih serius.
Penulis: Marisa Rifada
Detail tulisan ini dapat dilihat di:
Improved Risk Modeling for Concurrent Diabetes and Hypertension: ABiresponse Nonparametric Logistic Regression Approach
