Aplikasi BE-ALERT: Inovasi Deteksi Dini Gejala Stroke untuk Masyarakat

Nursalam Nursalam; Ilya Krisnana; Christine Aden; Luh Titi Handayani; Mariyam Mariyam; Pawestri Pawestri; Silvia Dewi Mayasari Riu; Sri Rusmini

doi:10.59837/jpmba.v3i7.3122

Authors

Nursalam Nursalam Universitas Airlangga, Indonesia
Ilya Krisnana Universitas Airlangga, Indonesia
Christine Aden Poltekkes Kemenkes Palangka Raya, Indonesia
Luh Titi Handayani Universitas Muhammadiyah Jember, Indonesia
Mariyam Mariyam Universitas Muhammadiyah Semarang, Indonesia
Pawestri Pawestri Universitas Muhammadiyah Semarang, Indonesia
Silvia Dewi Mayasari Riu Universitas Muhammadiyah Manado, Indonesia
Sri Rusmini Rumah Sakit Telogorejo Semarang, Indonesia

DOI:

https://doi.org/10.59837/jpmba.v3i7.3122

Keywords:

Apikasi BE-ALERT, deteksi dini, pendidikan kesehatan, stroke

Abstract

Stroke salah satu penyebab kematian dan kecacatan terbesar pada orang dewasa dan salah satu penyakit akut berat yang paling sering dibawa ke unit gawat darurat. Penanganan segera pada penderita stroke diperlukan untuk mengurangi risiko kerusakan permanen pada otak dan meningkatkan peluang pemulihan pasien. Deteksi dini stroke dapat mengurangi keterlambatan penanganan. Efektivitas deteksi dini tidak hanya bergantung pada layanan kesehatan, tetapi juga pada kemampuan keluarga sebagai pemberi perawatan primer di rumah. Tujuan pengabdian masyarakat untuk meningkatkan pengetahuan keluarga tentang deteksi dini stroke melalui pemberian pendidikan kesehatan dan pelatihan penggunaan aplikasi BE-ALERT untuk mendeteksi stroke. Sasaran pengabdian masyarakat adalah keluarga yang memiliki pasien stroke di RSD KRMT Wongsonegoro Semarang. Pengabdian masyarakat dilaksanakan pada rabu 16 Juli 2025 di RSD KRMT Wongsonegoro Semarang. Kegiatan diawali dengan perijinan, pengembangan aplikasi, dan pelaksanaan pendidikan kesehatan. Pendidikan kesehatan diakukan dengan metode ceramah, demonstrasi, dan tanya jawab. Media yang digunakan adalah link aplikasi. Pendidikan kesehatan diikuti oleh 30 keluarga yang memiliki pasien stroke. Materi yang disampaikan antara lain tentang stroke dan gejala stroke, dan cara penggunaan aplikasi BE-ALERT. Sebelum dan setelah diberikan pendidikan kesehatan dievaluasi menggunakan kuesioner. Hasil pengabdian masyarakat menunjukkan bahwa keluarga pasien 83,3% dewasa dan 56,7% laki-laki. Pengetahuan keluarga tentang gejala stroke pasien sebelum pendidikan kesehatan mayoritas kurang (70%) dan setelah pendidikan kesehatan 100% baik. Kemampuan keluarga pasien dalam penggunaan aplikasi BE-ALERT sebelum pendidikan kesehatan sebagian besar kurang (66,7%) dan setelah pendidikan kesehatan 100% baik.

Downloads

Download data is not yet available.

References

Andersson, J., Rejnö, Å., Jakobsson, S., Hansson, P. O., Nielsen, S. J., & Björck, L. (2024). Symptoms at stroke onset as described by patients: a qualitative study. BMC Neurology, 24(1), 1–8. https://doi.org/10.1186/s12883-024-03658-4

Chen, X., Zhao, X., Xu, F., Guo, M., Yang, Y., Zhong, L., Weng, X., & Liu, X. (2022). A Systematic Review and Meta-Analysis Comparing FAST and BEFAST in Acute Stroke Patients. Frontiers in Neurology, 12(January). https://doi.org/10.3389/fneur.2021.765069

Chouw, A., Triana, R., Dewi, N. M., Darmayanti, S., Rahman, M. N., Susanto, A., Putera, B. W., & Sartika, C. R. (2018). Ischemic Stroke: New Neuron Recovery Approach with Mesenchymal and Neural Stem Cells. Molecular and Cellular Biomedical Sciences, 2(2), 48. https://doi.org/10.21705/mcbs.v2i2.28

Degerli, A., Jäkälä, P., Pajula, J., Immonen, M., & López, M. B. (2024). MAMAF-Net: Motion-aware and multi-attention fusion network for stroke diagnosis. Biomedical Signal Processing and Control, 95(PA), 106381. https://doi.org/10.1016/j.bspc.2024.106381

Esbjörnsson, M., & Ullberg, T. (2022). Safety and usability of wearable accelerometers for stroke detection the STROKE ALARM PRO 1 study. Journal of Stroke and Cerebrovascular Diseases, 31(11), 1–9. https://doi.org/10.1016/j.jstrokecerebrovasdis.2022.106762

Liu, T., Pang, P. C. I., & Lam, C. K. (2024). Public health education using social learning theory: a systematic scoping review. BMC Public Health, 24(1).https://doi.org/10.1186/s12889-024-19333-9

Martínez-Sellés, M., & Marina-Breysse, M. (2023). Current and Future Use of Artificial Intelligence in Electrocardiography. Journal of Cardiovascular Development and Disease, 10(4). https://doi.org/10.3390/jcdd10040175

Ruksakulpiwat, S. (2021). Stroke Risk Screening Scales (SRSS): Identification of Domain and Item Generation. Journal of Stroke and Cerebrovascular Diseases, 30(6), 105740. https://doi.org/10.1016/j.jstrokecerebrovasdis.2021.105740

Silva, G. S., & de Andrade, J. B. C. (2024). Digital health in stroke: a narrative review. Arquivos de Neuro-Psiquiatria, 82(8). https://doi.org/10.1055/s-0044-1789201

Simanjuntak, G. V., Pardede, J. A., & Sinaga, J. (2022). Edukasi Metode Be-Fast Guna Meningkatkan Self Awareness Terhadap Deteksi Dini Stroke. Idea Pengabdian Masyarakat, 2(01), 41–44. https://doi.org/10.53690/ipm.v2i01.107

Thompson, A. N., Dawson, D. R., Legasto-Mulvale, J. M., Chandran, N., Tanchip, C., Niemczyk, V., Rashkovan, J., Jeyakumar, S., Wang, R. H., Cameron, J. I., & Nalder, E. (2023). Mobile Technology–Based Interventions for Stroke Self-Management Support: Scoping Review. JMIR MHealth and UHealth, 11(1), 1–19. https://doi.org/10.2196/46558