Hasil Pencarian  ::  Simpan CSV :: Kembali

"Penyakit jantung merupakan salah satu penyebab kematian utama di dunia, khususnya negara berkembang. Deteksi dini terhadap masalah jantung sangat diperlukan. Variabilitas Laju Jantung VLJ telah digunakan oleh berbagai disiplin ilmu untuk memprediksi morbiditas dan mortalitas, serta untuk mendeteksi disfungsi dari saraf otonom. Belum ada alat elektrokardiografi EKG genggam yang terintegrasi analisis VLJ. Tujuan dari riset ini adalah untuk menghasilkan alat EKG genggam yang memiliki kemampuan untuk melakukan analisis VLJ dari bank data MIT-BIH. Alat EKG genggam yang digunakan merupakan pengembangan dari Sparkfun Single Lead Heart Rate Monitor AD8232 . Ada 3 buah elektroda yang digunakan, komponen Analog to Digital Converter ADC yang digunakan adalah ADS1115, pengolahan data dilakukan pada Raspberry Pi, dan menggunakan layar LCD Nokia 5110. Untuk membenamkan proses akuisisi sinyal EKG, deteksi R, analisis VLJ, hingga tampilan hasil analisis VLJ pada layar LCD, digunakan bahasa pemrograman Python. Riset ini menghasilkan alat EKG genggam dengan implementasi analisis VLJ. Hasil akurasi VLJ pada alat EKG genggam dibandingkan perangkat lunak HRVAS Ramshur, 2010 adalah 100 untuk parameter rerata RR, dan 94.7 untuk parameter rasio LF/HF.

---

Heart disease is one of the leading causes of death in the world, especially in developing countries. Early detection of heart problems is necessary. Heart rate variability HRV has been used by various disciplines to predict morbidity and mortality, as well as to detect dysfunction of autonomic nerves. No integrated electrocardiographic ECG instrument has been integrated in HRV analysis yet. The purpose of this research is to produce a handheld ECG device that has the ability to perform HRV analysis from a MIT BIH databank. The ECG handheld device used is the development of the Sparfun Single Lead Heart Rate Monitor AD8232. There are 3 electrode used, Analog to Digital Converter ADC component used is ADS1115, data processing is done on Raspberry Pi, and using Nokia 5110 LCD screen. To immerse the acquisition process of ECG signal, detection R, VLJ analysis, VLJ analysis on LCD display, used Python programming language. This research produces a handheld ECG device with HRV analysis implementation. HRV accuracy results in handheld ECG device versus HRVAS software Ramshur, 2010 were 100 for the mean RR parameter, and 94.7 for LF HF ratio parameters."

"Latar belakang: Pasien sindom koroner akut (SKA) dengan gejala ansietas berisiko mengalami luaran negatif yang dimediasi oleh disfungsi otonom yang dapat dinilai dengan variabilitas denyut jantung (VDJ). Penurunan VDJ ditemukan baik pada pasien SKA maupun ansietas. Penelitian ini bertujuan untuk mengetahui perbedaan nilai VDJ pada pasien SKA dengan gejala ansietas dibandingkan dengan tanpa gejala ansietas dan menentukan korelasi antara nilai VDJ dengan gejala ansietas. Metode: Penelitian ini merupakan studi potong lintang. Subjek penelitian diambil dari data penelitian utama pada pasien SKA yang dirawat di ruang intensif rawat jantung RSCM periode April-September 2021 secara total sampling. Gejala ansietas dinilai dengan kuesioner. Hospital Anxiety and Depression Scale (HADS). Data VDJ yang diambil adalah domain waktu (SDNN, RSSMD) dan frekuensi (LF, HF, rasio LF/HF). Uji Mann-Whitney dilakukan untuk perbedaan nilai VDJ antara subjek dengan gejala ansietas dibanding tanpa gejala ansietas, uji Spearman untuk korelasi antara nilai VDJ dengan gejala ansietas, dan analisis multivariat untuk faktor perancu. Hasil: Tujuh puluh subjek SKA yang dilibatkan terdiri dari 23 subjek dengan gejala ansietas dan 47 subjek tanpa gejala ansietas. Tidak didapatkan perbedaan nilai VDJ (SDNN, RMSSD, LF, HF, rasio LF/HF) antara subjek dengan gejala ansietas dibanding tanpa gejala ansietas secara statistik. Setelah mengontrol variabel perancu, gejala ansietas memiliki korelasi dengan SDNN (r = -0,563; p<0,001) yang dipengaruhi oleh usia (p<0,004); sementara nilai LF (r = -0,63; p< 0,001) dipengaruhi oleh usia (p = 0,007) dan penyekat beta (p = 0,030). Kesimpulan: Tidak didapatkan perbedaan nilai VDJ antara pasien SKA dengan gejala ansietas dibanding tanpa gejala ansietas yang bermakna secara statistik, namun terdapat penurunan nilai SDNN, HF, dan rasio LF/HF pada kelompok dengan gejala ansietas yang lebih besar. Terdapat korelasi antara nilai VDJ (SDNN dan LF) dengan gejala ansietas pada pasien SKA.

---

Background: Acute coronary syndrome (ACS) patients with anxiety symptoms are at high risk of developing poor outcomes mediated by autonomic dysfunction that can be assessed with heart rate variability (HRV). Reductions in HRV are reported not only in ACS but also in anxiety. This study aims to compare HRV of ACS subjects with and without anxiety and to determine the correlation between HRV and anxiety symptoms.

Methods: This research is a cross-sectional study. The study subjects were taken from the primary research data of ACS patients treated at the ICCU of RSCM from April to September 2021 by total sampling. Anxiety symptoms are assessed with Hospital Anxiety and Depression Scale (HADS) questionnaire. HRV analysis consist of time (SDNN, RSSMD) and frequency (LF, HF, LF/HF ratio) domain. Data were analyzed using Mann- Whitney test for differences in HRV between ACS subjects with anxiety symptoms compared to those without anxiety symptoms, Spearman's test for the correlation between HRV and anxiety symptoms, and multivariate analysis for confounding factors.

Results: Seventy ACS subjects involved consisted of 23 subject with anxiety symptoms and 47 without anxiety symptoms. There was no statistical difference in comparison of HRV (SDNN, RMSSD, LF, HF, LF/HF ratio) between anxiety symptoms compare to those without anxiety symptoms. After controlling for confounding variables, SDNN has a correlation with anxiety symptoms (r = -0,563; p<0,001) which was influenced by age (p<0,004); while the LF has a correlation (r = -0,63; p< 0,001) which are influenced by age (p = 0,007) and beta blockers (p = 0,030).

Conclusion: There was no significant difference in HRV values (SDNN, RMSSD, LF, HF, ratio LF/HF) between ACS patients with anxiety symptoms compared to those without anxiety symptoms. There was a correlation between HRV (SDNN and LF) and anxiety symptoms. "

"Cardiovascular diseases (CVD) merupakan salah satu penyebab utama kematian di dunia. WHO memperkirakan angka 17,9 juta kematian pada tahun 2021 disebabkan oleh CVD. Di Indonesia sendiri, prevalensi penyakit jantung mencapai angka 1,5% atau sekitar 2,7 juta orang pada tahun 2018. CVD mencakup berbagai macam jenis penyakit jantung. Salah satu tipe penyakit jantung tersebut adalah congestive heart failure. Congestive heart failure (CHF) adalah kondisi dimana jantung tidak dapat memompa darah yang cukup ke seluruh bagian tubuh. CHF dapat terjadi dikarenakan melemahnya kemampuan otot jantung untuk memompa darah sehingga mempengaruhi heart rate atau detak jantung manusia. Heart rate dapat direpresentasikan menggunakan sinyal yang dapat diukur menggunakan alat rekaman electrocardiogram (ECG/EKG). EKG adalah rekaman aktivitas elektrik jantung yang ditangkap melalui bagian permukaan tubuh. Heart rate variability (HRV) diketahui berkorelasi dengan berbagai penyakit jantung dan salah satunya adalah CHF. Dengan berkembangnya teknologi, terdapat beberapa penelitian mengenai implementasi artificial intelligence (AI) untuk mendeteksi keberadaan CHF menggunakan model machine learning dan HRV sebagai fitur bagi model. Pada penelitian ini, akan dibangun dan dievaluasi kinerja model XGBoost untuk mendeteksi eksistensi penyakit CHF pada short-term HRV dari rekaman EKG 5 menit. Dataset yang digunakan berasal dari empat database yang berbeda yang diambil dari situs PhysioNet, yaitu NSRDB dan NSR2DB sebagai kelas sehat dan CHFDB dan CHF2DB sebagai kelas CHF. Masing-masing database memiliki rekaman long-term EKG. Seluruh rekaman tersebut dilakukan segmentasi selama 5 menit pada 2 jam pertama rekaman. Dari hasil segmentasi rekaman 5 menit tersebut akan dihitung nilai HRV yang akan menjadi fitur bagi model XGBoost. XGBoost dilatih menggunakan kombinasi teknik Grid Search dan K-Fold Cross Validation dengan nilai 𝐾 = 10. Terdapat 4 metrik yang dijadikan objektif optimisasi Grid Search, yaitu akurasi, sensitivitas, spesifisitas, dan skor AUC. XGBoost yang dilatih dengan mengoptimasi akurasi berhasil mencapai nilai akurasi sebesar 0,954, sensitivitas sebesar 0,935, spesifisitas sebesar 0,96, dan skor AUC sebesar 0,947. XGBoost yang dilatih dengan mengoptimasi sensitivitas berhasil mencapai nilai akurasi sebesar 0,966, sensitivitas sebesar 0,977, spesifisitas sebesar 0,963, dan skor AUC sebesar 0,97. XGBoost yang dilatih dengan mengoptimasi spesifisitas berhasil mencapai nilai akurasi sebesar 0,962, sensitivitas sebesar 0,931, spesifisitas sebesar 0,971, dan skor AUC sebesar 0,951. Kemudian XGBoost yang dilatih dengan mengoptimasi skor AUC berhasil mencapai nilai akurasi sebesar 0,955, sensitivitas sebesar 0,935, spesifisitas sebesar 0,962, dan skor AUC sebesar 0,948.

---

Cardiovascular diseases (CVD) is one of the major causes of death in the world. WHO estimated that 17.9 million of deaths during 2021 are caused by CVD. In Indonesia alone, the prevalence of heart diseases reached 1.5% or around 2,7 million people in 2018. CVD consists of various types of heart disease. Congestive heart failure is one of them. Congestive heart failure (CHF) is a condition where the heart cannot pump enough blood for the entire body. CHF can occur due to a weakening of the heart muscle's ability to pump blood, thereby affecting the human heart rate. Heart rate can be represented using signal that can be measured using electrocardiogram (ECG/EKG) recording. EKG is a recording of the heart's electrical activity captured through the surface of the body. Heart rate variability (HRV) have been known to be correlated with various heart diseases with CHF is one of it. With the advance of technology, there have been various research regarding the implementation of artificial intelligence (AI) to detect the presence of CHF using machine learning model and HRV as features for the model. In this research, we built and evaluated the performance of XGBoost model to detect the existence of CHF on short-term HRV from 5 minutes EKG recording. The dataset came from four different databases that can be accessed from PhysioNet website. Those are NSRDB and NSR2DB datasets to represent healthy class and CHFDB and CHF2DB to represent CHF class. Each database contains long-term EKG. All records are segmented by 5 minutes on the first 2 hours of the recording. HRV metrics are calculated from those 5 minutes segments to become features for the XGBoost model. XGBoost was trained using a combination of Grid Search and K-Fold Cross Validation techniques with 𝐾 = 10. There are 4 metrics that become the objective scoring function for the Grid Search. Those are accuracy, sensitivity, specificity, and AUC score. XGBoost trained to optimize accuracy managed to achieve 0.954 accuracy, 0.935 sensitivity, 0.96 specificity, and 0.947 AUC score. XGBoost trained to optimize sensitivity managed to achieve 0.966 accuracy, 0.977 sensitivity, 0.963 specificity, and 0.97 AUC score. XGBoost trained to optimize specificity managed to achieve 0.962 accuracy, 0.931 sensitivity, 0.971 specificity, and 0.951 AUC score. Lastly, XGBoost trained to optimize AUC score managed to achieve 0.955 accuracy, 0.935 sensitivity, 0.962 specificity, and 0.948 AUC score."

"Latar belakang: Angka morbiditas dan mortalitas meningkat pada pasien fibrilasi atrium (FA) yang mengalami gagal jantung akut. Pada pasien irama sinus, left atrial volume index (LAVI) dan heart rate variability (HRV) merupakan prediktor kuat terjadinya komplikasi kardiovaskular. Penelitian LAVI dan HRV pada pasien FA hingga saat ini belum konklusif.Tujuan: Mengetahui hubungan LAVI dan HRV dengan kejadian gagal jantung akut pada pasien FAMetode: Studi kohort retrospektif dengan populasi terjangkau pasien dewasa FA di Rumah Sakit dr. Cipto Mangunkusumo (RSCM) 1 Januari 2020 hingga 31 Desember 2021 yang berasal dari registri Optimal INR measures for Indonesians (OPTIMA). Data sekunder LAVI diukur dengan ekokardiografi dan parameter HRV terdiri dari standar deviation of NN intervals (SDNN), root mean square of successive differences (RMSSD), rasio low frequency dan high frequency (LF/HF) diukur menggunakan alat HRV portabel. Pasien diikuti hingga 30 Januari 2023, luaran dinilai dengan melihat catatan medik atau melalui telepon.Hasil: Dilakukan analisis pada 144 sampel. Proporsi kejadian gagal jantung akut sebesar 15,3%. Tidak terdapat hubungan antara SDNN dengan kejadian gagal jantung akut (RR 1,75; IK95% 0,260 – 11,779, p=0,565). Tidak terdapat hubungan antara LF/HF dengan kejadian gagal jantung akut (RR 2,865; IK 95% 0,765 – 10,732, p=0,118). Terdapat hubungan antara LAVI dengan kejadian gagal jantung akut (adjusted RR 2,501; IK 95% 1,003 – 6,236, p=0,049). Diabetes melitus dan hipertensi merupakan faktor perancu pada penelitian ini.Kesimpulan: Peningkatan LAVI berhubungan dengan kejadian gagal jantung akut pada pasien FA. HRV tidak berhubungan dengan kejadian gagal jantung akut pada pasien FA.

---

Background Morbidity and mortality rates increase in patients with atrial fibrillation (AF) who experience acute heart failure. In patients with sinus rhythm, left atrial volume index (LAVI) and heart rate variability (HRV) are strong predictors of cardiovascular complications. Research on LAVI and HRV in AF patients has so far not been conclusive.

Objectives: To determine the relationship between LAVI and HRV and the incidence of acute heart failure in AF patients.

Methods: A retrospective cohort study was conducted with an accessible population of adult AF patients at RSCM from January 1, 2020, to December 31, 2021, originating from the Optimal measures INR for Indonesians (OPTIMA) registry. LAVI was measured by echocardiography, and HRV parameters consist of the standard deviation of NN intervals (SDNN), the root mean square of successive differences (RMSSD), and the ratio of low frequency and high frequency (LF/HF) measured using a portable ECG device. Patients were followed until January 30, 2023, and outcomes were assessed by looking at medical records or by telephone.

Result: A total of 144 subjects were analysed. The proportion of acute heart failure is 15.3%. There was no relationship between SDNN and the incidence of acute heart failure (RR 1.75; 95% CI 0.260–11.779, p=0.565). There was no relationship between LF/HF and the incidence of acute heart failure (RR 2.865; 95% CI 0.765–10.732, p=0.118). There is a relationship between LAVI and the incidence of acute heart failure (adjusted RR 2.501; 95% CI 1.003–6.236, p = 0.049). DM and hypertension were confounding factors in this study.

Conclusion: The elevation of LAVI is associated with the incidence of acute heart failure in AF patients. HRV is not associated with the incidence of acute heart failure in AF patients."

"Latar Belakang: COVID-19 dapat menimbulkan konsekuensi kesehatan jangka panjang yang serius, yang disebut Post-COVID-19 Syndrome (SPC). Saat ini, bukti dan pemahaman yang tersedia tentang manajemen SPC masih terbatas. Oleh karena salah satu gejala SPC dikaitkan dengan gejala psikis, maka psikoterapi dipercaya memiliki peran dalam penatalaksanaan SPC. Tujuan: Mengetahui efektivitas psikoterapi suportif pada pasien SPC di RSUPN dr. Cipto Mangunkusumo. Metode: Penelitian ini merupakan penelitian klinis acak tersamar tunggal menggunakan kontrol sebelum-setelah intervensi. Peserta secara acak dibagi menjadi dua kelompok: kelompok psikoterapi yang terdiri dari 40 peserta dan kelompok edukasi yang terdiri dari 37 peserta. Setiap kelompok diberikan psikoterapi atau edukasi berbasis internet tiga kali seminggu dalam bentuk kelompok yang terdiri dari 6-8 peserta. Kuesioner Symptom Checklist-90 digunakan untuk mengevaluasi gejala psikis dan somatik. Variabilitas Denyut Jantung (VDJ) dan Rasio Limfosit Neutrofil (RNL) juga dinilai. Analisis data dilakukan dengan menggunakan uji Mann-Whitney atau uji T tidak berpasangan. Hasil: Perbaikan skor SCL-90 ditemukan sebesar 17,51 (SD 30,52) pada kelompok psikoterapi dan 19,79 (SD 35,11) pada kelompok edukasi (p = 0,771). Baik psikoterapi maupun edukasi meningkatkan RNL sebanyak 0,03 (IQR -0,17 – 0,27) pada kelompok psikoterapi dan 0,085 (IQR -0,385 – 0,41) pada kelompok edukasi (p = 0,534). Baik psikoterapi maupun edukasi juga menurunkan VDJ sebesar 3,83 (RIK -7,245 – 5,605) pada kelompok psikoterapi dan 0,705 (RIK -6,49 – 4,462) pada kelompok edukasi (p = 0,827). Simpulan: Baik psikoterapi suportif kelompok dan edukasi berbasis internet memperbaiki secara bermakna gejala psikis dan somatik pasien SPC, meskipun tidak didapatkan perbedaan bermakna antara kelompok psikoterapi dan edukasi. Baik psikoterapi suportif kelompok dan edukasi berbasis internet tidak memperbaiki RNL dan VDJ. Saran dilakukan penelitian lebih lanjut dengan melakukan penambahan frekuensi sesi psikoterapi kelompok berbasis internet kepada pasien SPC dan dilaksanakan pada pagi hari untuk mencapai hasil yang lebih optimal.

---

Background: COVID-19 can have serious long term health consequences, which is called Post-COVID-19 Syndrome (PCS). Currently, the available evidence and understanding of PCS management is limited. Because one of the symptoms of PCS is associated to psychological symptoms, psychotherapy is believed to have a role in the management of PCS. Objective: To identify the effectiveness of supportive psychotherapy in PCS patients at Cipto Mangunkusumo National General Hospital. Methods: This study was a single blind randomized clinical trial using a pre-and post-test with control group study design. Participants were randomly divided into two groups: a psychotherapy group with 40 participants and an education group with 37 participants. Each group was given internet-based psychotherapy or education three times a week in a form of group consisting of 6-8 participants. Symptom Checklist-90 questionnaire was used to evaluate somatic and psychological symptoms. Heart rate variability and neutrophil lymphocyte ratio were also investigated. Data analysis was performed using either the Mann-Whitney test or the independent T test. Results: An improvement in the SCL-90 score was found to be 17.51 (SD 30.52) in the psychotherapy group and 19.79 (SD 35.11) in the education group (p = 0.771). Both psychotherapy and education increased NLR by 0.03 (IQR -0.17 – 0.27) in the psychotherapy group and 0.085 (IQR -0.385 – 0.41) in the education group (p = 0.534). Both psychotherapy and education also decreased HRV by 3.83 (RIK -7.245 – 5.605) in the psychotherapy group and 0.705 (RIK -6.49 – 4.462) in the education group (p = 0.827). Conclusion: Both internet-based group supportive psychotherapy and education improved psychological and somatic symptoms in PCS patients, although there was no significant difference between supportive psychotherapy and education groups. Both internet-based group supportive psychotherapy and education did not improve NLR and HRV. Suggestions for further research regarding adding frequency of internet-based group psychotherapy in PCS patients and held in the morning to achieve more optimal results."

"Penyakit kardiovaskular merupakan penyebab utama kematian global, termasuk di Indonesia. Evaluasi kesehatan dini, menggunakan heart rate variability (HRV) melalui pengukuran root mean square of successive RR interval differences (RMSSD) dan percentage of successive RR intervals that differ by more than 50 𝑚𝑠 (pNN50), menjadi penting untuk merefleksikan respons relaksasi, stres, kualitas tidur, dan aktivitas fisik. Evaluasi ini sebaiknya dilakukan saat seseorang masih dalam kondisi sehat. Sejalan dengan itu, penelitian ini bertujuan mengevaluasi kesehatan pasien dengan irama jantung normal melalui metode clustering pada variabel RMSSD, pNN50, dan usia, yang diambil dari rekaman elektrokardiogram milik online database Physionet. Setiap cluster yang terbentuk dapat memberikan informasi unik, memungkinkan penentuan risiko penyakit kardiovaskular serta penanganan yang tepat. Namun, karena pola data yang digunakan tidak jelas, mengandung outlier, dan berdimensi rendah, maka dilakukan perbandingan antara metode Hierarchical clustering dan Gaussian Mixture Models (GMM) clustering yang mampu mengatasi hal tersebut. Mengingat GMM clustering yang sangat sensitif terhadap inisialisasi awal, penelitian ini menggunakan dua pendekatan inisialisasi, yaitu acak dan K-Means. Penentuan metode terbaik dilakukan dengan mempertimbangkan metrik evaluasi (efektivitas) dan waktu komputasi metode (efisiensi). Hasil penelitian menunjukkan bahwa GMM clustering dengan inisialisasi K-Means adalah metode terbaik dengan membentuk tiga cluster. Meskipun alat EKG menilai pasien dalam kondisi sehat, namun analisis clustering dapat mengungkapkan informasi penting, terutama bagi pasien yang teridentifikasi memiliki tingkat HRV yang relatif rendah.

---

Cardiovascular diseases are a leading cause of global mortality, including in Indonesia. Early health evaluation, utilizing heart rate variability (HRV) through root mean square of successive RR interval differences (RMSSD) and percentage of successive RR intervals that differ by more than 50 𝑚𝑠 (pNN50) measurements, is crucial to reflect responses to relaxation, stress, sleep quality, and physical activity. This evaluation is ideally conducted while an individual is still in a healthy condition. In line with that, this research aims to evaluate the health of patients with a normal sinus rhythm through clustering methods on variables like RMSSD, pNN50, and age, extracted from electrocardiogram recordings from the online Physionet database. Each cluster can provide unique information, enabling the identification of cardiovascular disease risks and appropriate interventions. However, due to unclear data patterns, the presence of outliers, and is low-dimensiona, a comparison is made between Hierarchical clustering and GMM methods, capable of addressing these issues. Given GMM clustering's sensitivity to initializations, this study employs two approaches, random and K-Means. The determination of the best method is based on considerations of evaluation metrics (effectiveness) and computational time (efficiency). Research results indicate that GMM clustering with K-Means initialization is the most effective and efficient method, forming three clusters. Despite ECG assessments indicating healthy conditions, clustering analysis can reveal crucial information, especially for patients identified with relatively low HRV levels."

"Latar belakang. Kondisi iskemia pada penyakit jantung koroner (PJK) berkorelasi dengan disfungsi sistem saraf otonom. Revaskularisasi melalui percutaneous coronary intervention (PCI) dapat mengembalikan keseimbangan fungsi saraf otonom dan memperbaiki prognosis. Di sisi lain, perasaan cemas yang muncul menjelang prosedur PCI, dapat memicu hiperaktivitas simpatis. Tujuan penelitian ini adalah untuk mengetahui pengaruh ansietas terhadap perbaikan heart rate variability (HRV), sebuah teknik non-invasif untuk mengevaluasi aktivitas sistem saraf otonom; setelah tindakan PCI. Metode. Studi dengan desain potong lintang, korelasi pretest-posttest; melibatkan 44 subjek dengan PJK stabil yang menjalani PCI elektif di Pelayanan Jantung Terpadu, Rumah Sakit Umum Pusat Nasional Cipto Mangunkusumo. Pengukuran HRV dilakukan sebelum PCI, kemudian diulang pasca tindakan PCI. Ansietas dinilai menggunakan kuesioner hospital anxiety depression score (HADS). Pengolahan data serta analisis statistik dilakukan dengan bantuan software SPSS 20.0. Hasil. Sebanyak 54,5% subjek mengalami ansietas saat akan menjalani PCI. Pada kelompok tanpa ansietas, ditemukan perbaikan signifikan pada parameter HRV sebelum-setelah PCI; yaitu SDNN [standard deviation of normal to normal intervals] (Median = 26,19 vs. Median = 39,60 ; Z = -3,621 ; p < 0,001) dan parameter RMSSD [root mean square of the successive differences] (Median = 21,90 vs. Median = 30,99; Z = -2,501; p = 0,012). Sementara itu, tidak didapatkan perbaikan bermakna parameter HRV sebelum-setelah PCI, pada kelompok ansietas. Terdapat perbedaan bermakna pada kenaikan nilai SDNN antara kelompok tanpa ansietas dibandingkan dengan kelompok ansietas ansietas (Median = 9,11 vs. Median = 2,83 ; U = 154,00 ; p = 0,043). Simpulan. Ansietas yang terjadi sebelum PCI elektif dapat menghambat perbaikan HRV pasca tindakan sehingga mempengaruhi prognosis penyakit. Diperlukan penelitian lanjutan mengenai peranan terapi ansietas menjelang PCI dihubungkan dengan luaran klinis serta prognosis pasca PCI.

---

Background. Chronic ischemic condition in coronary artery disease (CAD) was associated with autonomic dysfunction. Percutaneous coronary intervention (PCI) could restore perfusion so that improving autonomic balance and disease prognosis. On the other hand, pre-PCI anxiety was known to produce sympathetic hyperactivity. The aim of this study was to determine whether pre-PCI anxiety may influence heart rate variability (HRV) improvement, a noninvasive technique for the evaluation of the autonomic nervous system activity; after successful PCI.

Methods. A cross sectional studies, pretest-posttest correlation; enclose 44 patients with stable CAD undergoing PCI in Integrated Heart Service, Cipto Mangunkusumo National Hospital. HRV measurement was done before and after PCI. Anxiety symptoms was collected using hospital anxiety depression score (HADS) questionnaires. Data input and statistical analysis was carried out using SPSS 20.0 for Windows.

Results. As many as 54.5% stable CAD patients undergoing elective PCI experienced anxiety symptoms. In the anxiety group, there were significant post-PCI improvement of SDNN [standard deviation of normal to normal intervals] (Median = 26.19 vs. Median = 39.60; Z = -3.621; p < 0.001) and RMSSD [root mean square of the successive differences] (Median = 21.90 vs. Median = 30.99; Z = -2.501; p = 0.012). Post-procedure HRV improvement was not significant in patients with anxiety symptoms. There was significant difference of the SDNN improvement between non-anxiety and anxiety patients (Median = 9.11 vs. Median = 2.83; U = 154.00; p = 0.043).

Conclusions. Pre-PCI anxiety may affect HRV improvement after revascularization thus influence disease prognosis. Further studies are needed to determine the impact of pre-PCI anxiety treatment on cardiac outcomes."

"Alat kesehatan di Indonesia masih dipenuhi oleh lebih dari 70% alat kesehatan impor. Selain itu, transaksi alat kesehatan dalam negeri dalam e-katalog pada tahun 2019-2020 yang masih rendah (12%) menandakan masih besarnya ketergantungan terhadap alat kesehatan impor. Upaya Kementerian Kesehatan Republik Indonesia untuk mengatasi hal tersebut adalah dengan menerbitkan Peraturan Menteri Kesehatan Nomor 20 Tahun 2017 yang mewajibkan penerapan Cara Pembuatan Alat Kesehatan yang Baik (CPAKB), paling lambat 4 tahun sejak peraturan tersebut diterbitkan. Hingga tahun 2022, jumlah sarana produksi alat kesehatan yang memiliki sertifikat CPAKB hanya 30,52%. Tujuan penelitian ini adalah untuk menganalisis implementasi kebijakan Cara Pembuatan Alat Kesehatan yang Baik tahun 2022. Penelitian dilakukan secara kualitatif dengan menggunakan teknik wawancara mendalam terhadap informan dari pemerintah, asosiasi, dan industri alat kesehatan di Indonesia, serta telaah dokumen. Penelitian menggunakan model implementasi kebijakan Grindle dan Van Meter Van Horn yang dimodifikasi dalam kerangka segitiga kebijakan Walt-Gilson. Hasil penelitian adalah ukuran dan tujuan kebijakan, kepentingan yang dipengaruhi, dan manfaat kebijakan sudah jelas, namun terkendala dari sumber daya keuangan yang masih terbatas. Lingkungan ekonomi, sosial, dan politik berpengaruh terhadap pelaksanaan kebijakan. Karakterisitik lembaga pelaksana mendukung implementasi kebijakan, namun strategi para pelaksana masih belum dilaksanakan secara optimal. Disposisi pelaksana masih kurang dan komunikasi kebijakan perlu ditingkatkan. Dari sisi aktor/pelaksana kebijakan, masih terdapat keterbatasan jumlah sumber daya manusia untuk menerapkan kebijakan. Kesimpulan dari penelitian ini adalah secara umum kebijakan sudah terlaksana dengan baik, namun masih terdapat beberapa kendala pada pelaksanaannya. Penelitian ini merekomendasikan perlunya penguatan kebijakan-kebijakan yang mendorong penerapan CPAKB dan dukungan dari para pelaksana kebijakan, terutama terkait penguatan kebijakan izin edar alat kesehatan dalam negeri dimana CPAKB dijadikan persyaratan wajib dalam pengajuan izin edar.

---

Medical devices in Indonesia are still fulfilled by more than 70% of imported medical devices. In addition, domestic medical device transactions in e-catalogs in 2019-2020 were still low (12%) indicating that there was still a large dependence on imported medical devices. The effort of the Ministry of Health of the Republic of Indonesia to overcome this is by issuing Minister of Health Regulation Number 20 of 2017 which requires the application of Good Medical Device Manufacturing Practices (CPAKB), no later than 4 years after the regulation was issued. Until 2022, the number of medical device production facilities that have CPAKB certificates is only 30.52%. This study aimed to analyze the implementation of the Good Medical Device Manufacturing Practice policy in 2022. The research was conducted qualitatively using in-depth interviews with informants from the government, associations, and the medical device industry in Indonesia, as well as document reviews. This research uses the policy implementation model of Grindle and Van Meter Van Horn which is modified within the framework of the Walt-Gilson policy triangle. The results of the research are that the standard and objectives of the policy, the interests affected, and the benefits of the policy are clear, but are constrained by limited financial resources. The economic, social, and political environment influences policy implementation. The characteristics of implementing agencies support policy implementation, but the strategies of implementing agencies have not been implemented optimally. The disposition of implementers is still lacking and policy communication needs to be improved. In terms of actors/policy implementers, there is still a limited number of human resources to implement policies. This study concludes that in general the policy has been implemented well, but there are still obstacles in its implementation. This study recommends the need to strengthen policies that encourage the implementation of CPAKB and support from policy implementers, especially related to strengthening the policy for registration of distribution permits for domestic medical devices where CPAKB must be a mandatory requirement in the application."

"Pervasive computing merupakan suatu teknologi yang menyatu dengan lingkungan user. Pervasive computing menghubungkan berbagai informasi yang independen dari suatu divais baik yang diam maupun yang bergerak dengan tujuan untuk memberikan layanan seperti komputasi, penginderaan atau layanan komunikasi kepada sekelompok user secara transparan yang biasanya dapat diatur secara personal dengan tetap menjaga keamanan dan privasi dari usernya. User interface pada sistem ini akan dunstal pada handheld user. Bahasa pemrograman yang digunakan dalam pembuatan user interface ini adalah Java 2 Micro Edition (J2ME), yaitu bahasa pengembangan dari Java yang disesuaikan dengan keterbatasan resources dari handheld. Handheld user yang dimaksud adalah smartphone yang dilengkapi dengan koneksi bluetooth. Alasan pemilihan smartphone sebagai user interface sistem dikarenakan saat ini banyak user yang mengenal penggunaan smartphone ini dari segala batasan umur. VeRAS memenuhi requirement untuk pervasive computing secara umum yang menuntut agar interaksi user dengan sistem dibuat seminimal mungkin, namun sistem tetap dapat berbuat semaksimal untuk user dan tetap mempertahankan prinsip pembuatan user interface yang baik. Hal ini dibuktikan dengan berjalannya fitur profile pada sistem, sehingga sistem dapat melakukan keinginan user pada jam tertentu, jika user telah berada pada area jangkauan bluetooth server. Selain itu dengan user interface VeRAS yang sederhana, user terbukti dapat mengendalikan dengan mudah TV dan lampu pada rumah. Pada analisa kinerja sistem terbukti bahwa sistem memerlukan waktu sekitar 15 detik untuk mendeteksi keberadaan user dan terhubung dengan user. Namun setelah seluruh sistem terhubung, sistem dapat berjalan secara real time.

---

Pervasive computing is a technology that is embedded to the user environment. Pervasive computing connects all kinds of independent information from a device either it is static or mobile to give services such as computing, sensing, or transparent communication services to a group of user and usually can be managed personally to keep the privacy of its users. User interface on this system are installed on user's handholds. The programming language that is used on creating this user interface is Java 2 Micro Edition (J2ME), which is a development of JA VA programming language that has been adjusted to cope with the resource limitation of handheld. The handheld that were referred here are smart phones that have been equipped with Bluetooth connection. Smart phones are selected as the user interface for this system because its familiarity to users from all ages. VeRAS meets the requirements of pervasive computing generally, which demands minimum user interaction to the system, but maintain its maximum benefit for the user while holds the principal of good user interface. This is proven by the profile feature of the system so that VeRAS accomplish user tasks on specific time, given the user is within the server's Bluetooth area. The simple yet intituitive VeRAS user interface is capable of controlling lamps and TV easily The system performance analysis shows that the system requires around 15 seconds to detect user's present and establishes connection. However, if the whole system has already connected, the system performs in real time manner."

"Sejak tahun 2019 hingga saat ini virus Covid-19 sudah menjadi permasalahan diberbagai penjuru dunia. Penyebaran virus yang dapat terjadi hanya dengan kontak fisik dengan cairan tubuh orang yang terjangkit mengakibatkan angka penyebaran virus Covid-19 sangat tinggi. Pasien yang terpapar virus ini juga dikatakan sangat banyak, sedangkan pemerintah masih belum dapat menyelesaikan permasalahannya. Setiap harinya, setidaknya ada 1000 orang lebih yang terpapar virus ini. Sulitnya penanggulangan dan penanganan terhadap pasien menjadi masalah juga. Terdapat pasien yang harus mendapatkan penangan intensif dan juga ada pasien yang hanya memerlukan isolasi mandiri. Pasien yang melakukan isolasi mandiri, juga harus mendapatkan pengawasan kondisi kesehatannya karena di khawatirkan terjadi penurunan kondisi kesehatan. Alat pengawas pasien covid-19 dengan penggunaan sensor global positioning system yang berbasis internet of things diharapkan dapat mempermudah mengetahui kondisi dan juga lokasi dari pasien tersebut. Penggunaan alat ini dapat mengurangi kontak langsung dengan pasien, sehingga tetap dapat dilakukan social distancing antara satgas covid dan pasien. Dengan menggunakan alat ini, Satuan tugas (satgas) Covid-19 dapat memantau kondisi suhu, detak jantung, dan SPO2 dari pasien yang terjangkit. Fitur pencari lokasi diperlukan untuk meminimalisir pasien yang kabur dari tempat isolasi, karena maraknya kasus pasien kabur dari tempat isolasi

---

Since 2019 until now the Covid-19 virus has become a problem throughout the world. The spread of the virus that can occur only by physical contact with the body fluids of an infected person results in a very high rate of spread of the Covid-19 virus. The number of patients exposed to this virus is also said to be very large, while the government is still unable to solve the problem. Every day, there are at least 1000 people who are exposed to this virus. The difficulty of handling and handling patients is also a problem. There are patients who must receive intensive care and there are also patients who only need self-isolation. Patients who are self-isolating must also get their health condition monitored because they are worried that their health condition will decline. The Covid-19 patient monitoring tool with the use of a global positioning system sensor based on the internet of things is expected to make it easier to find out the condition and location of the patient. The use of this tool can reduce direct contact with patients, so social distancing can still be carried out between the COVID-19 task force and patients. Covid-19 task force can also monitor the temperature, heart rate, and SPO2 conditions of infected patients. The location finder feature is needed to minimize patients escaping from the isolation area, because of the many cases of patients escaping from the isolation area.

"