Penjaminan mutu diagnostik

Sistem Manajemen Mutu II, Pertemuan 14

Bramadi Arya, S.Si., M.Biotech.

Program Studi D4 Teknologi Laboratorium Medik, Universitas Syedza Saintika

Yang kita kerjakan hari ini

Sub-CPMK-14 (RPS): Melakukan kuis tentang penjaminan mutu pelayanan kesehatan dan laboratorium untuk diagnostik penyakit menular dan tidak menular.

1. Penjaminan mutu di sepanjang alur diagnostik.
2. Penyakit menular: data nyata dari TB, HIV, dan hepatitis.
3. Penyakit tidak menular: HbA1c dan kolesterol.
4. Komunikasi hasil kritis dan dua kasus.
5. Kuis.

Selamat datang di pertemuan 14. Hari ini kita menerapkan semua yang sudah dipelajari pada dua kelompok penyakit. Ada kuis di akhir. Tidak ada praktikum, jadi simulasi pengendalian mutu diganti diskusi kasus.

Dari produk ke hasil di tangan dokter

• Pertemuan 13: reagen dan bahan yang masuk dikendalikan.
• Hari ini: bagaimana mutu dijaga sampai hasil dipakai untuk keputusan klinis.

Penjaminan mutu tidak berhenti di alat, tetapi sampai hasil dipahami dokter.

Kalimat kutipan adalah pembacaan saya sebagai penutup tema. Ajak mahasiswa mengingat alur pra-analitik, analitik, dan pasca-analitik dari pertemuan sebelumnya.

Penjaminan mutu mencakup seluruh alur

Tahap	Contoh kendali mutu
Pra-analitik	Persiapan pasien, identifikasi, kondisi sampel
Analitik	Kontrol internal, uji profisiensi, verifikasi metode, kalibrasi
Pasca-analitik	Validasi hasil, pelaporan, komunikasi hasil kritis, rekam medis

Ini kerangka umum yang kita pakai sejak awal. Minta mahasiswa menyebut contoh di tiap baris dari pengalaman mereka. Rangkuman ini pengetahuan umum, bukan kutipan satu sumber.

Penyakit menular: tantangan mutu

• Hasil memengaruhi pengobatan dan pencegahan penularan.
• Hasil positif palsu dan negatif palsu sama-sama berbahaya.
• Banyak pemeriksaan memakai tes cepat atau PCR di berbagai tingkat layanan, jadi mutu harus terjaga lintas tempat.
• Uji profisiensi dan pemantauan antar laboratorium menjadi penting.

Foto: Wikimedia Commons

Ini kerangka umum. Tekankan bahwa negatif palsu pada TB atau HIV berarti pasien tidak diobati dan terus menularkan, sedangkan positif palsu berarti pasien diobati tanpa perlu dan menanggung stigma. Slide berikutnya memberi data nyata.

Contoh TB: bahan kontrol untuk Xpert MTB/RIF

• Uji profisiensi adalah komponen penting sistem penjaminan mutu metode deteksi.
• Panel yang lazim memakai isolat M. tuberculosis sehingga butuh laboratorium BSL-3 dan pengiriman yang rumit.
• Guan dkk. membuat panel dari inang nonpatogen, selesai kurang dari tujuh hari, stabil lebih dari 15 bulan pada 4 derajat Celsius.
• Pilot di 11 laboratorium Shanghai menemukan dua laboratorium dengan hasil tidak cocok, akibat beda prosedur dan sampel hilang.

Guan dkk., 2023

Foto: Wikimedia Commons

Pesan utama: panel yang baik bukan hanya menilai alat, tetapi menunjukkan prosedur laboratorium yang kurang tepat.

Contoh HIV: salah diagnosis terjadi, tetapi bisa dicegah

• Tinjauan sistematis WHO terhadap 64 studi tentang mutu tes HIV, sebagian besar dari Afrika.
• Positif palsu (30 studi): median 3,1% dari diagnosis positif (IQR 0,4 sampai 5,2%).
• Negatif palsu (28 studi): median 0,4% (IQR 0 sampai 3,9%).
• Pada orang yang sudah dalam perawatan atau terapi ARV, salah diagnosis berkisar 0,1 sampai 6,6%.

Angka 3% terdengar kecil, tetapi berarti 3 dari 100 orang dinyatakan HIV padahal tidak.

Johnson dkk., 2017

Johnson dkk. (2017), J Int AIDS Soc 20(Suppl 6):21755, ditulis oleh tim WHO. Kesimpulan penulis: salah diagnosis “do occur but are preventable”. Angka positif palsu dihitung terhadap 16.777 diagnosis positif, negatif palsu terhadap 55.626 hasil negatif. Ajak mahasiswa membayangkan dampak sosial positif palsu: pasien memulai ARV seumur hidup, menanggung stigma, dan pasangan ikut terdampak.

Sebaran positif palsu antarstudi

Angka positif palsu pada 30 studi (43 laporan). Setiap baris adalah satu laporan dengan interval kepercayaannya.

Johnson dkk., 2017, Gambar 2, CC BY 3.0 IGO

Tunjukkan bahwa sebagian besar studi berada di bawah 5%, tetapi ada beberapa yang jauh lebih tinggi. Tanyakan: apa yang berbeda di tempat dengan angka tinggi? Jawabannya ada di slide berikut. Gambar diunduh dengan get_images.py.

Mengapa salah diagnosis HIV terjadi

Penyebab	Jumlah studi	Contoh
Strategi atau algoritme tes kurang tepat	37	Satu tes cepat untuk memastikan positif, strategi tiebreaker
Kesalahan pengguna	25	Membaca hasil terlalu cepat, salah meneteskan buffer
Manajemen dan supervisi lemah	21	Kit kedaluwarsa, stok habis, petugas kurang terlatih
Faktor lain	18	Reaksi silang, infeksi dini, tes ulang pada pasien ARV
Kesalahan administrasi	16	Salah label, sampel tertukar, pencatatan buruk
Garis reaktif lemah	14	Garis samar yang sulit ditafsirkan

Johnson dkk., 2017

Hubungkan dengan pertemuan sebelumnya: salah label dan sampel tertukar adalah materi pertemuan 9, supervisi dan pelatihan adalah sumber daya pada pertemuan 1. Langkah pencegahan yang diusulkan penulis: algoritme yang divalidasi secara nasional, tes ulang sebelum memulai ARV, pelatihan dan sertifikasi petugas, ikut EQA, SOP di tingkat layanan, dan pembaca kedua untuk garis samar. Untuk algoritme Indonesia, rujuk pedoman Kementerian Kesehatan yang berlaku.

Contoh hepatitis: EQA tes molekuler HBV dan HCV

• Program EQA di Chongqing, Tiongkok, berjalan 2009 sampai 2024.
• Peserta HBV-DNA bertambah dari 45 menjadi 110 laboratorium.
• Ketepatan hasil HBV-DNA naik dari 85,37% (2009) menjadi 98,18% (2024).
• Ketepatan hasil HCV-RNA naik dari 66,67% (2014) menjadi 96,67% (2024).

EQA yang berjalan bertahun-tahun memperlihatkan arah perbaikan mutu lintas laboratorium.

Guo dkk., 2025

Guo dkk. (2025), Practical Laboratory Medicine 46:e00485. Hati-hati menafsirkan: data ini menunjukkan perbaikan seiring waktu, tetapi bukan bukti bahwa EQA satu-satunya penyebab. Ajak mahasiswa menyebut faktor lain, misalnya alat dan reagen yang makin baik.

Penyakit tidak menular: tantangan mutu

• Hasil dipakai untuk diagnosis dan pemantauan jangka panjang.
• Perubahan kecil antar pemeriksaan bisa berarti secara klinis, jadi presisi dan bias harus terkendali.
• Standardisasi antar laboratorium dan antar waktu menjadi kunci.
• Hipertensi didiagnosis dari pengukuran tekanan darah; laboratorium berperan pada pemeriksaan penunjang seperti fungsi ginjal dan elektrolit.

Berbeda dengan penyakit menular yang sering ya atau tidak, penyakit tidak menular memakai angka yang dipantau selama bertahun-tahun. Hipertensi disebut di RPS; tekankan bahwa diagnosisnya bukan dari hasil laboratorium.

Contoh diabetes: HbA1c dan ketertelusuran

• Metode acuan IFCC memakai spektrometri massa dan elektroforesis kapiler.
• Hasil metode bersertifikat NGSP tetap tertelusur ke DCCT dan ke acuan IFCC.
• Hubungan satuan: NGSP (%) = 0,09148 × IFCC (mmol/mol) + 2,152.

NGSP: IFCC Standardization of HbA1c

Foto: Wikimedia Commons

Ini contoh nyata ketertelusuran metrologi dari pertemuan 9. Latihan hitung: HbA1c 53 mmol/mol setara sekitar 7,0 persen.

Contoh kolesterol: target mutu yang tertulis

Kriteria	Target NCEP	Batas sertifikasi CDC
Bias	≤ 3,0%	≤ 3,3%
Impresisi (CV antar-run)	≤ 3,0%	≤ 3%
Galat total satu pengukuran	8,9%	≤ 8,9%

Mutu kolesterol tidak dinilai dengan perasaan, tetapi dengan batas bias dan CV yang tertulis.

CDC CRMLN, Protokol Sertifikasi Kolesterol Total, 2022

Target NCEP berasal dari Laboratory Standardization Panel (Myers dkk. 1989; Cooper dan Myers 1990), seperti dikutip dalam protokol CDC. Galat total 8,9% diturunkan dari bias 3% dan CV 3%. CDC memberi kelonggaran tambahan 0,3% pada bias untuk sertifikasi. Hubungkan dengan pertemuan 11: verifikasi presisi dan bias.

Komunikasi hasil kritis: apa yang terbukti efektif

• Tinjauan CDC (Laboratory Medicine Best Practices) menilai sembilan studi tentang pelaporan nilai kritis.
• Pusat panggilan (call center) direkomendasikan: pelaporan lewat pusat panggilan lebih cepat daripada cara manual pada sekitar 88,6% kejadian.
• Notifikasi otomatis lewat sistem informasi: bukti belum cukup untuk direkomendasikan atau ditolak.
• Setiap pelaporan dicatat: siapa melapor, kepada siapa, kapan.

CDC LMBP, 2012

Ringkasan CDC LMBP berdasarkan tinjauan Liebow dkk. (2012). Untuk pusat panggilan, rerata odds ratio 22,1 (IK 95% 17,1 sampai 28,6) dari empat studi di Amerika Serikat. Butir terakhir tentang pencatatan adalah praktik umum dan menyambung ke pertemuan 10. Tanyakan: apakah laboratorium tempat PKL kalian punya daftar nilai kritis, dan siapa yang dihubungi?

Kasus A: HbA1c rendah, glukosa tinggi

Perempuan 76 tahun dengan diabetes tipe 2 lebih dari 15 tahun datang untuk kontrol rutin tanpa keluhan. Glukosa plasma puasa 190 mg/dL, tetapi HbA1c (HPLC) hanya 4,1%. Pemeriksaan ulang: glukosa 236 mg/dL, HbA1c 4,5%. Selama empat tahun, HbA1c selalu di bawah 5%.

1. Tahap mana yang kalian curigai lebih dulu?
2. Pemeriksaan apa yang kalian sarankan?
3. Bagaimana glikemia pasien ini sebaiknya dipantau?

Guedes dkk., 2017

Guedes dkk. (2017), J Med Case Rep. Jawaban dari kasus: kromatogram HPLC menunjukkan puncak abnormal 32,8% yang keluar lebih awal dari A0. Sekuensing gen beta-globin memastikan hemoglobin Himeji (heterozigot c.422C>A). Penulis menduga HbA1c rendah palsu terutama karena umur eritrosit memendek. Alternatif pemantauan: fruktosamin atau albumin terglikasi, ditambah pemantauan glukosa mandiri. Penulis menyarankan curiga varian hemoglobin bila HbA1c di luar batas wajar, berubah besar setelah ganti metode, atau tidak sejalan dengan glukosa. Ini kasus analitik yang tidak terdeteksi QC, karena QC tidak membawa varian pasien.

Kasus B: dua hasil tes cepat HIV yang tidak sejalan

Dua pasien dari sebuah klinik satelit dinyatakan reaktif oleh tes cepat, tetapi hasil di laboratorium rujukan nonreaktif. Kedua tes dikerjakan petugas yang sama pada sore hari, dengan kit dari lot yang baru datang.

1. Dari enam kelompok penyebab pada Johnson dkk., mana yang paling mungkin?
2. Data apa yang kalian minta untuk membuktikannya?
3. Apa tindakan untuk kedua pasien, dan apa perbaikan untuk sistem?

Skenario ini disusun untuk latihan berdasarkan pola penyebab pada Johnson dkk. (2017), bukan laporan kasus tunggal. Arahkan ke kemungkinan kesalahan pengguna (membaca terlalu cepat, garis samar), masalah lot atau penyimpanan kit, dan algoritme yang memakai satu tes untuk memastikan positif. Tindakan pasien: jangan menyampaikan diagnosis sebelum algoritme lengkap, tes ulang. Tindakan sistem: pembaca kedua, pelatihan ulang, cek lot dengan kontrol, ikut EQA.

Kuis: soal 1 sampai 4

1. Sebut tiga tahap alur penjaminan mutu dan satu contoh kendali di masing-masing.
2. Mengapa negatif palsu pada TB berbahaya?
3. Apa fungsi panel uji profisiensi selain menilai alat?
4. Apa arti ketertelusuran HbA1c ke acuan IFCC?

Beri waktu sekitar dua menit. Jawaban di slide kunci.

Kuis: soal 5 sampai 8

5. Hasil HbA1c 53 mmol/mol kira-kira berapa persen NGSP?
6. Sebutkan dua penyebab salah diagnosis HIV yang paling sering dilaporkan.
7. Berapa batas bias dan CV kolesterol total menurut NCEP?
8. Menurut tinjauan CDC, cara pelaporan nilai kritis apa yang direkomendasikan?

Soal 5 membutuhkan rumus di slide diabetes. Boleh memakai kalkulator.

Kunci jawaban kuis

1. Pra-analitik (identifikasi), analitik (kontrol internal), pasca-analitik (komunikasi hasil kritis).
2. Pasien tidak diobati dan terus menularkan.
3. Mengungkap prosedur laboratorium yang kurang tepat.
4. Hasil bisa dibandingkan antar laboratorium karena tertelusur ke acuan yang sama.
5. Sekitar 7,0%.
6. Strategi atau algoritme tes yang kurang tepat, dan kesalahan pengguna.
7. Bias ≤ 3,0% dan CV ≤ 3,0%.
8. Pusat panggilan (call center).

Hitung soal 5 bersama: 0,09148 dikali 53 sama dengan sekitar 4,85, ditambah 2,152 menjadi sekitar 7,0. Terima jawaban dengan kata sendiri selama maknanya sama.

Penilaian pertemuan ini

• Teknik penilaian: kuis.
• Yang dinilai: pemahaman prinsip penjaminan mutu, ketepatan analisis kasus penyakit menular dan tidak menular, akurasi jawaban kuis, keterlibatan diskusi.

RPS TLM OBE-139b, Sub-CPMK-14

Sampaikan ke mahasiswa bahwa praktikum diganti diskusi karena mata kuliah ini tanpa praktikum.

Benang merah

• Pertemuan 15: observasi penerapan sistem manajemen mutu, mengaitkan semua materi.
• UAS di pertemuan 16 menutup mata kuliah ini.

Ingatkan bahwa pertemuan 15 adalah kesempatan menghubungkan semua materi. Cakupan UAS sebaiknya dikonfirmasi ke dosen koordinator.

Ringkasan

• Penjaminan mutu mencakup pra-analitik, analitik, dan pasca-analitik.
• Pada penyakit menular, mutu kontrol dan uji profisiensi mencegah salah diagnosis.
• Pada penyakit tidak menular, standardisasi dan ketertelusuran menjaga hasil dapat dibandingkan.
• Komunikasi hasil dan rekaman adalah bagian dari mutu.

Minta satu mahasiswa merangkum.

Rujukan

• Johnson CC, Fonner V, Sands A, dkk. To err is human, to correct is public health: a systematic review examining poor quality testing and misdiagnosis of HIV status. J Int AIDS Soc. 2017;20(Suppl 6):21755. doi:10.7448/IAS.20.7.21755
• Guan Z, Han X, Huang W, dkk. Construction and application of a heterogeneous quality control library for the Xpert MTB/RIF assay in tuberculosis diagnosis. Front Cell Infect Microbiol. 2023;13:1128337. doi:10.3389/fcimb.2023.1128337
• Guo Y, Wang K, Wang L, dkk. External quality assessment for nucleic acid quantitative testing of human hepatitis B and hepatitis C virus in Chongqing, China: 2009-2024. Pract Lab Med. 2025;46:e00485. doi:10.1016/j.plabm.2025.e00485
• Guedes V, Bettencourt-Silva R, Queirós J, dkk. Hemoglobin Himeji and inconsistent hemoglobin A1c values: a case report. J Med Case Rep. 2017. doi:10.1186/s13256-017-1377-1
• CDC. Cholesterol Reference Method Laboratory Network: Total Cholesterol Certification Protocol. 2022. cdc.gov
• CDC Laboratory Medicine Best Practices. Effective practices for the timely and accurate reporting of laboratory testing critical values. 2012. cdc.gov
• NGSP. IFCC Standardization of HbA1c: Overview. ngsp.org/ifcc.asp

Terima kasih

Istilah: Uji profisiensi (EQA)

Penilaian mutu dari pihak luar. Penyelenggara mengirim sampel yang nilainya tidak diketahui peserta. Laboratorium memeriksanya seperti sampel pasien, lalu hasilnya dibandingkan dengan nilai target atau dengan hasil laboratorium lain. Di Indonesia dikenal sebagai Pemantapan Mutu Eksternal (PME).

Contoh: Laboratorium menerima serum kontrol dari penyelenggara PME tiga kali setahun, memeriksa glukosa dan kolesterolnya, lalu mengirim hasilnya untuk dinilai.

Istilah: Nilai kritis

Hasil pemeriksaan yang menunjukkan keadaan yang dapat mengancam jiwa sehingga harus segera dilaporkan kepada dokter atau perawat, bukan menunggu laporan rutin.

Contoh: Kalium 7,0 mmol/L langsung ditelepon ke ruang rawat, lalu dicatat siapa yang menerima dan jam berapa.

Istilah: Positif palsu dan negatif palsu

Positif palsu adalah hasil positif pada orang yang sebenarnya tidak sakit. Negatif palsu adalah hasil negatif pada orang yang sebenarnya sakit.

Contoh: Tes cepat HIV reaktif, tetapi pemeriksaan lanjutan sesuai algoritme menyatakan negatif: itu positif palsu.

Istilah: BSL-3

Laboratorium dengan tingkat keamanan hayati 3, untuk bekerja dengan kuman yang menular lewat udara dan dapat menyebabkan penyakit serius, misalnya kultur M. tuberculosis.

Contoh: Biakan TB untuk panel uji profisiensi biasanya harus dibuat di laboratorium BSL-3.

Istilah: Median dan IQR

Median adalah nilai tengah data setelah diurutkan. IQR (rentang antarkuartil) adalah rentang yang memuat 50% data bagian tengah.

Contoh: Data 2, 3, 5, 8, 20 punya median 5; nilai 20 tidak menarik median seperti ia menarik rerata.

Istilah: Strategi tiebreaker

Pada tes HIV bertahap, bila dua tes pertama memberi hasil berbeda, tes ketiga dipakai sebagai “penentu”. Cara ini dinilai meningkatkan risiko positif palsu.

Contoh: Tes 1 reaktif, tes 2 nonreaktif, lalu tes 3 reaktif dan pasien dinyatakan positif; padahal hasil seharusnya ditindaklanjuti sesuai algoritme yang divalidasi.

Istilah: Presisi dan impresisi

Presisi adalah kedekatan hasil pengukuran berulang satu sama lain. Impresisi adalah kebalikannya, yaitu besarnya sebaran, dan biasanya dinyatakan dengan SD atau CV.

Contoh: Sampel yang sama diperiksa lima kali memberi 99, 100, 101, 100, 100: presisinya baik.

Istilah: Bias

Selisih antara rerata hasil pengukuran dan nilai benar atau nilai target. Bias menunjukkan kesalahan sistematik.

Contoh: Bahan acuan bernilai 200 mg/dL, rerata hasil kita 206 mg/dL, jadi bias +6 mg/dL atau +3%.

Istilah: NGSP dan IFCC

NGSP adalah program standardisasi HbA1c yang mengaitkan hasil laboratorium dengan studi klinis DCCT. IFCC adalah federasi internasional kimia klinik yang menetapkan metode acuan HbA1c. Hasil NGSP dinyatakan dalam persen, IFCC dalam mmol/mol.

Contoh: HbA1c 53 mmol/mol (IFCC) setara sekitar 7,0% (NGSP).

Istilah: Koefisien variasi (CV)

Simpangan baku dibagi rerata, dikali 100%. CV menyatakan presisi dalam persen sehingga bisa dibandingkan antar konsentrasi atau antar metode.

Contoh: Rerata 100 mg/dL dan SD 2 mg/dL memberi CV 2%.

Istilah: Galat total

Gabungan bias dan impresisi dalam satu hasil pemeriksaan. Salah satu rumus yang sering dipakai: galat total = |bias| + 1,96 × CV.

Contoh: Bias 3% dan CV 3% memberi galat total sekitar 3 + 1,96 × 3 = 8,9%.

Istilah: HPLC

High performance liquid chromatography: teknik yang memisahkan komponen sampel berdasarkan waktu keluarnya dari kolom. Untuk HbA1c, HPLC memisahkan fraksi-fraksi hemoglobin.

Contoh: Puncak tidak biasa pada kromatogram HPLC menjadi petunjuk adanya varian hemoglobin.