Mahasiswa ITS Ciptakan Aplikasi untuk Pasien Gagal Ginjal
Jum'at, 04 Februari 2022 - 21:00 WIB
loading...
A
A
A
“Oleh karena itu, kami mengusung judul penelitian Mobile Virtual Assistant Pendeteksi Dini Risiko Komplikasi Continuous Ambulatory Peritoneal Dialysis pada Penyandang Gagal Ginjal Kronis Berbasis Machine Learning, yang juga kami sebut sebagai SahabatCAPD,” tutur mahasiswi Departemen Teknik Informatika ini.
Aplikasi SahabatCAPD memiliki tiga konsep fungsionalitas utama. Pertama, logbook sebagai pengganti buku catatan dialisis pada pasien yang lebih efektif dan sistematis dalam memberikan follow up data ke tenaga medis.
Kedua, chatbot sebagai sistem virtual assistant ketika pasien membutuhkan edukasi mengenai CAPD. Ketiga, model deteksi dini komplikasi berbasis machine learning.
Aplikasi SahabatCAPD memungkinkan pasien terhubung dengan tenaga medis, sehingga follow up data penggantian cairan akan lebih mudah dimonitoring. Hal ini ditujukan untuk memudahkan tenaga medis mencegah komplikasi sedini mungkin. Baca juga: Mahasiswa UI Tawarkan 4 Solusi Penyempurnaan Aplikasi PeduliLindungi
“Yang mulanya pasien harus membawa buku catatan ke rumah sakit, sekarang monitoring dapat ditinjau langsung dari jauh,” papar mahasiswi asal Kota Pasuruan ini.
Secara akurasi kesesuaian solusi image processing terhadap indikasi dan komplikasi, model memiliki akurasi mencapai 94,7 %. Selain itu, SahabatCAPD juga telah diujikan kepada lima pasien GGK sesuai dengan standar System Usability Scale (SUS) dan mendapat skor 80.
“Selama tujuh hari penggunaan aplikasi, pasien secara rutin meng-update data penggantian cairan dengan lancar,” ungkapnya.
Menurut Fiqey, timnya juga menguji aplikasi berdasarkan salah satu standar medis yang ada. Yaitu uji laboratorium dari Nilai Cells Count Leukosit.
“Hasilnya, perbandingan antara diagnosis hasil aplikasi dan uji lab memiliki kecocokan yang sesuai,” bebernya.
Aplikasi SahabatCAPD memiliki tiga konsep fungsionalitas utama. Pertama, logbook sebagai pengganti buku catatan dialisis pada pasien yang lebih efektif dan sistematis dalam memberikan follow up data ke tenaga medis.
Kedua, chatbot sebagai sistem virtual assistant ketika pasien membutuhkan edukasi mengenai CAPD. Ketiga, model deteksi dini komplikasi berbasis machine learning.
Aplikasi SahabatCAPD memungkinkan pasien terhubung dengan tenaga medis, sehingga follow up data penggantian cairan akan lebih mudah dimonitoring. Hal ini ditujukan untuk memudahkan tenaga medis mencegah komplikasi sedini mungkin. Baca juga: Mahasiswa UI Tawarkan 4 Solusi Penyempurnaan Aplikasi PeduliLindungi
“Yang mulanya pasien harus membawa buku catatan ke rumah sakit, sekarang monitoring dapat ditinjau langsung dari jauh,” papar mahasiswi asal Kota Pasuruan ini.
Secara akurasi kesesuaian solusi image processing terhadap indikasi dan komplikasi, model memiliki akurasi mencapai 94,7 %. Selain itu, SahabatCAPD juga telah diujikan kepada lima pasien GGK sesuai dengan standar System Usability Scale (SUS) dan mendapat skor 80.
“Selama tujuh hari penggunaan aplikasi, pasien secara rutin meng-update data penggantian cairan dengan lancar,” ungkapnya.
Menurut Fiqey, timnya juga menguji aplikasi berdasarkan salah satu standar medis yang ada. Yaitu uji laboratorium dari Nilai Cells Count Leukosit.
“Hasilnya, perbandingan antara diagnosis hasil aplikasi dan uji lab memiliki kecocokan yang sesuai,” bebernya.
Lihat Juga :
