STUDI KASUS PEMBIAYAAN PELAKSANAAN PROGRAM TUBERKULOSIS SAAT PANDEMI COVID-19 DI KOTA MEDAN
Notice bibliographique
Résumé
Tuberkulosis (TB) masih menjadi penyakit global dengan tingkat morbiditas dan mortalitas dan yang tinggi (1,2 juta meninggal tahun 2019). Selain itu, dunia justru dihadapkan dengan permasalahan kesehatan baru yaitu coronavirus disease 2019 (COVID-19) yang mempengaruhi semua sektor kesehatan termasuk di Indonesia. Kota Medan memiliki kasus COVID-19 yang tinggi (90.717 kasus dengan 2.166 meninggal dunia). Peningkatan kasus COVID-19 memberikan dampak terhadap cakupan penemuan kasus dan keberhasilan pengobatan TB (35,2% dari target 65% tahun 2020). Adanya refocusing anggaran pengendalian TB menghambat realisasi pengadaan dan kegiatan yang telah direncanakan. Pelayanan TB di fasilitas kesehatan juga terganggu. Tujuan Penelitian ini untuk menganalisis pembiayaan pelaksanaan program Tuberkulosis saat adanya pandemi COVID-19 di Kota Medan.Penelitian menggunakan studi kasus dengan single case design (embedded) di Dinas Kesehatan Kota Medan dan BPJS Kesehatan Kota Medan. Subjek penelitian berjumlah 8 orang yang dipilih menggunakan teknik purposive sampling. Pengumpulan data lainnya lainnya dengan enam sumber bukti, yaitu dokumenentasi arsip, wawancara terfokus dan open- ended, observasi langsung, dan perangkat fisik. Data tersebut dianalisa menggunakan teknik pattern matching dan analisa deret waktu.Pembiayaan program TB saat pandemi COVID-19 tahun 2020 dan 2021 bersumber dari APBN, Global Fund Kemenkes, APBD Provinsi dan Kota, dan sektor swasta (USAID-TBPS, YKI, STPI – Penabuluh, dan sektor swasta lainnya). Pembiayaan tersebut mengalami refocusing anggaran di tahun 2021 yang menyebabkan beberapa kegiatan tidak bisa berjalan optimal, namun tahun 2021 adanya peningkatan sumber pembiayaan program TB. Sedangkan pembiayaan klaim INA CBG’s di rumah sakit untuk program TB juga mengalami penurunan tahun 2020 dan 2021. Sementara Pelaksaanan program TB saat adanya pandemi COVID-19 di Kota Medan mengalami beberapa kendala baik dari penjaringan TB, diagnosis TB dan pengobatan TB. Keterlibatan lintas sektor dalam setiap tahapan tersebut sejak tahun 2021 membuat pelaksanaan menjadi lebih optimal dalam upaya menguatkan sistem kesehatan baik di faskes primer maupun rujukan. Selain itu, pencapaian indikator angka penemuan kasus mengalami penurunan secara drastis dari sebelum adanya COVID-19. Angka Notifikasi Kasus yaitu 213 per 100.000 penduduk (2020) dan 206 per 100.000 penduduk (2021). Sementara Success Rate TB tidak terlalu terdampak telah mencapai 90%.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,008 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».