Latar Belakang: Prevalensi nyeri pascabedah di RSUPN dr. Cipto Mangunkusumo tahun 2017 menunjukkan intensitas nyeri sedang (57,4%) dan nyeri berat (20,4%). Penelitian ini bertujuan untuk menentukan faktor prediktor nyeri pascabedah sedang dan berat, menganalisis hubungan, dan mengembangkan model prediksi nyeri pascabedah sedang dan berat. Metode: Penelitian ini menggunakan desain kohort prospektif pada 135 pasien yang menjalani pembedahan di RSUPN dr. Cipto Mangunkusumo yang memenuhi kriteria inklusi. Setiap faktor prediktor dianalisis menggunakan analisis bivariat dan dilanjutkan dengan analisis multivariat menggunakan regresi logistik. Sistem skor prediksi dirangkum dari hasil analisis multivariat.Hasil: Risiko kejadian (RR) untuk setiap faktor prediktor yang diidentifikasi berdasarkan analisis bivariat adalah: tingkat kecemasan prabedah (RR: 3,32, 95% CI: 1,28 – 8,56), durasi pembedahan lebih dari 90 menit (RR: 7,23, 95% CI: 1,85 – 28,29), jenis pembedahan mayor (RR: 2,69, 95% CI: 1,58 – 4,57), konsumsi opioid intraoperatif (RR: 2,67, 95% CI: 1,68 – 4,25), dan jenis anestesi (RR: 2,37, 95% CI: 1,06 – 5,33). Analisis multivariat menunjukkan bahwa prediktor signifikan untuk nyeri pascabedah sedang hingga berat adalah tingkat kecemasan prabedah (p = 0,085, RR: 2,23, 95% CI: 0,87 – 5,54), durasi pembedahan (p = 0,056, RR: 3,92, 95% CI: 0,96 – 15,96), jenis pembedahan mayor (p = 0,061, RR: 1,63, 95% CI: 0,97 – 2,72), dan konsumsi opioid intraoperatif (p = 0,011, RR: 1,78, 95% CI: 1,14 – 2,78). Kesimpulan: Faktor prediktor nyeri pascabedah pada penelitian ini adalah tingkat kecemasan prabedah, jenis pembedahan, durasi pembedahan, dan konsumsi opioid intraoperatif. Persamaan regresi disusun berdasarkan empat faktor prediktor tersebut.

---

Background: The prevalence of postoperative pain at RSUPN dr. Cipto Mangunkusumo in 2017 showed moderate pain intensity (57.4%) and severe pain (20.4%). This study aims to determine predictors of moderate and severe postoperative pain, analyze relationships, and develop a prediction model for moderate and severe postoperative pain. Methods: This study used a prospective cohort design on 135 patients undergoing surgery at RSUPN dr. Cipto Mangunkusumo who met the inclusion criteria. Each predictor factor was analyzed using bivariate analysis followed by multivariate analysis using logistic regression. The prediction score system was summarized from the results of the multivariate analysis. Results: The risk ratio (RR) for each predictor identified from bivariate analysis were: preoperative anxiety level (RR: 3.32, 95% CI: 1.28 – 8.56), surgery duration over 90 minutes (RR: 7.23, 95% CI: 1.85 – 28.29), major surgery (RR: 2.69, 95% CI: 1.58 – 4.57), intraoperative opioid consumption (RR: 2.67, 95% CI: 1.68 – 4.25), and type of anesthesia (RR: 2.37, 95% CI: 1.06 – 5.33). Multivariate analysis showed that significant predictors for moderate to severe postoperative pain were preoperative anxiety level (p = 0.085, RR: 2.23, 95% CI: 0.87 – 5.54), surgery duration (p = 0.056, RR: 3.92, 95% CI: 0.96 – 15.96), major surgery (p = 0.061, RR: 1.63, 95% CI: 0.97 – 2.72), and intraoperative opioid consumption (p = 0.011, RR: 1.78, 95% CI: 1.14 – 2.78). Conclusion: Predictors of postoperative pain in this study are preoperative anxiety level, type of surgery, surgery duration, and intraoperative opioid consumption. The regression equation is based on these four predictor factors.