Publisher

RESCOLLACOMMRESCOLLACOMM

Journal International Journal of Quantitative Research and ModelingInternational Journal of Quantitative Research and Modeling Abstract

Demam berdarah dengue (DHF) tetap menjadi salah satu penyakit menular vektor yang paling umum di Indonesia, dengan Kota Bandung secara konsisten melaporkan angka kejadian tahunan yang tinggi. Model regresi hitungan telah diterapkan secara luas dalam epidemiologi penyakit; bagaimanapun, banyak studi yang menggunakan regresi Poisson tanpa menguji overdispersion, yang melanggar asumsi modeling fundamental ketika varians melebihi rata-rata. Studi ini mengusulkan kerangka kerja Regresi Binomial Negatif (NBR) yang menggabungkan secara bersama-sama variabel iklim (curah hujan bulanan, suhu rata-rata, kelembaban relatif) dan kofaktor sociodemographic (densitas populasi, indeks kualitas drainase, penutup vegetasi) untuk memodelkan hitungan kasus DHF mingguan di seluruh 30 kecamatan Kota Bandung dari tahun 2019 hingga 2023. Overdispersion secara resmi dinilai menggunakan uji Cameron-Trivedi. Rasio Tingkat Kejadian (IRRs) dan interval kepercayaan 95% diperkirakan untuk semua prediktor. Pemilihan model dilakukan melalui AIC, BIC, dan uji rasio kemungkinan terhadap baseline Poisson. Hasil menunjukkan overdispersion yang signifikan (parameter dispersi ̅ ), mengonfirmasi kesesuaian NBR dibandingkan regresi Poisson. Curah hujan bulanan ( , ), kasus tertunda satu minggu ), dan kepadatan populasi muncul sebagai prediktor positif yang signifikan, sedangkan indeks kualitas drainase adalah protektif. Model NBR mencapai AIC yang jauh lebih rendah (2810 vs 3240) dan BIC (2820 vs 3245) dibandingkan dengan Poisson. Temuan ini memberikan bukti kuantitatif untuk pengawasan spatiotemporal DHF dan dapat memandu alokasi sumber daya pengendalian vektor yang ditargetkan di Jawa Barat perkotaan.

Conclusion

Studi ini menunjukkan bahwa Regresi Binomial Negatif (NBR) secara signifikan lebih unggul daripada model Poisson untuk data hitungan DHF mingguan di Kota Bandung, seperti yang ditunjukkan oleh nilai AIC/BIC yang lebih rendah, log-kemungkinan yang lebih tinggi secara signifikan, dan deviasi Pearson yang cukup.Uji overdispersion Cameron-Trivedi secara resmi memberikan dasar statistik untuk pemilihan model daripada mengandalkan inspeksi ad hoc dari hubungan varians-rata-rata, yang mewakili kemajuan metodologis atas studi DHF perkotaan sebelumnya di Indonesia.Efek positif yang signifikan dari kasus tertunda (baik Lag-1 dan Lag-2) mengonfirmasi sifat self-exciting dari transmisi dengue, yang konsisten dengan model kompartemen yang mengintegrasikan dinamika populasi vektor.Temuan ini implikasi bahwa deteksi dini dan respons cepat dalam jendela dua minggu adalah kritis untuk mengganggu cascadenya.Otoritas kesehatan harus mengintegrasikan data pengawasan kasus secara real-time sebagai masukan untuk skor risiko prediktif.Indeks Kualitas Drainase yang inovatif menunjukkan asosiasi protektif yang signifikan.Meskipun kualitas drainase bukan variabel konvensional dalam model regresi dengue, IRR negatif yang signifikan menunjukkan bahwa intervensi tingkat infrastruktur mungkin memiliki manfaat epidemiologis yang dapat diukur di luar efek langsung yang ditangkap oleh suhu dan curah hujan saja.Studi masa depan harus memvalidasi metodologi konstruksi DQI dan mengeksplorasi efek tumpah ruah spasial di sub-distrik yang berdekatan.Tutupan vegetasi tidak mencapai signifikansi statistik dalam model penuh ( ), yang mungkin mencerminkan kolinearitas dengan suhu atau resolusi spasial yang kasar dari perkiraan NDVI yang berasal dari citra satelit pada tingkat sub-distrik.Pekerjaan masa depan dapat menggunakan data vegetasi resolusi tinggi pada skala lingkungan.Temuan ini memberikan bukti yang dapat diterapkan untuk alokasi sumber daya di sistem kesehatan masyarakat Kota Bandung.Sub-distrik dengan IRR yang diprediksi tinggi dan skor kualitas drainase yang rendah harus diprioritaskan untuk intervensi pengendalian vektor pra-musim, terutama pada bulan Oktober-November sebelum transmisi puncak.Arah penelitian masa depan termasuk ekstensi binomial negatif yang tidak terinflasi, formulasi hierarkis Bayesian dengan efek acak spasial, dan integrasi dengan model prakiraan iklim untuk prediksi risiko wabah DHF prospektif.

Future Research

Untuk penelitian lanjutan, disarankan untuk menguji efektivitas intervensi infrastruktur tingkat kota dalam mengurangi kasus DHF. Studi ini dapat mengeksplorasi apakah perbaikan kualitas drainase di seluruh kota dapat mengurangi angka kejadian DHF secara signifikan. Selain itu, penelitian dapat dilakukan untuk mengevaluasi efektivitas kampanye pendidikan kesehatan masyarakat dalam meningkatkan kesadaran dan praktik pencegahan DHF. Studi ini dapat menilai apakah intervensi perilaku, seperti penggunaan kelambu dan penghindaran gigitan nyamuk, dapat mengurangi risiko infeksi DHF di antara populasi yang rentan. Selain itu, penelitian dapat dilakukan untuk mengidentifikasi faktor-faktor lingkungan dan sosial yang berkontribusi terhadap perbedaan risiko DHF di antara sub-distrik. Studi ini dapat membantu mengidentifikasi daerah-daerah dengan risiko tinggi dan mengembangkan strategi intervensi yang ditargetkan. Akhirnya, penelitian dapat dilakukan untuk mengeksplorasi potensi penggunaan model prediktif yang lebih canggih, seperti model machine learning atau jaringan saraf tiruan, untuk memprediksi wabah DHF di masa depan. Studi ini dapat membantu otoritas kesehatan dalam merencanakan dan mengimplementasikan strategi pencegahan yang lebih efektif.

Metadata

File size	749.71 KB
Pages	7
DMCA	Report