Oleh: Rama Cristo
===============
2. Dosen Senior Pada Fakultas Kesehatan Masyarakat & Ilmu Kedokteran Universidade da Paz (UNPAZ), pengampu 3 Matakuliah, yaitu: Fisika Kesehatan, Anatomi Fisiologi Manusia dan Kesehatan Reproduksi Manusia.
Prefasi Untuk Seri 3
================
Seri ini adalah seri terakhir. Melalui 2 seri sebelumnya, saya menyoroti (mengkritisi) keseluruhan eksistensi data lama (hasil penelitian tahun 2020) dan segala kelemahannya. Sementara pada seri ke-3 ini, saya hanya menyampaikan 13 rekomendasi, dengan merujuk kepada sejumlah referensi, sebagaimana bisa Anda baca di bawah.
Untuk daftar pustaka, pada seri ke 3 ini, saya menggunakan terminologi "Referensi". Bukan "Bibliografi". Ada perbedaan mendasar antara terminologi Referensi dan Bibliografi. Kita boleh menggunakan "Referensi", jika semua sumber yang ada dalam daftar, ada kutipan langsungnya dalam naskah. Jika tidak semua sumber dalam daftar, dikutip secara langsung di dalam naskah yang kita tulis, maka kita menggunakan "Bibliografi". Pada seri 3 ini saya menggunakan APA Style. Sementara pada dua seri sebelumnya, saya menggunakan Harvard Style.
APA = American Psychological Association.
Semua foto yang dilampirkan di dalam seri 3 ini adalah foto-foto yang memvisualisasikan Seminariu Internasional, 1 Desember 2022, yang diorganisir oleh SUN (Scaling Up Nutrition) Timor Leste, dan dihadiri oleh Assisten Sekjen PBB, Mrs. Gerda Verbug, Menteri Kesehatan Timor Leste, dr. Odete Freitas Belo, MPH, Direktur SUN Timor Leste dan Delegasi dari Perguruan Tinggi di Timor Leste.
Semoga bermanfaat. TUHAN YESUS memberkati kita semua. Amen.
1. Perbarui Basis Data Secara Berkala:
================================
Data malnutrisi dan stunting di Timor Leste, sebaiknya diperbarui secara berkala, minimal setiap 1-2 tahun, untuk memastikan bahwa informasi yang digunakan dalam pengambilan keputusan dan perumusan kebijakan adalah yang paling relevan dan akurat. Menurut Haddad et al. (2015, p.12), "regular updates to nutritional data are essential for effective policy-making and timely interventions."
Penggunaan teknologi canggih, seperti sistem surveilans digital, aplikasi mobile, dan analitik big data, dapat meningkatkan kecepatan dan akurasi pengumpulan data. Headey et al. (2020, p.520) menyatakan bahwa "advanced technologies in data collection enable real-time monitoring of nutritional indicators, facilitating timely and targeted interventions."
3. Pengembangan Kapasitas Penelitian Lokal:
======================================
Pemerintah harus mendorong pengembangan kapasitas penelitian di tingkat lokal untuk memastikan bahwa data yang dihasilkan oleh para peneliti benar-benar mencerminkan kondisi spesifik daerah. "Building local research capacity is crucial for generating context-specific data that accurately reflects local realities" (Jones, Acharya, and Galway, 2016, p.1262).
4. Kolaborasi dengan Institusi Penelitian Global:
=======================================
Pemerintah perlu memperkuat kolaborasi dengan institusi penelitian global untuk memperoleh data yang lebih komprehensif dan membandingkan situasi nasional dengan tren internasional. "Collaboration with global research institutions can enhance access to the latest methodologies and technologies in data collection" (Black et al., 2013, p.430).
Setiap perencanaan kebijakan terkait dengan kesehatan dan gizi anak harus didasarkan pada data terbaru. "Policies based on outdated data risk being ineffective or even counterproductive in addressing current nutritional challenges" (Victora et al., 2008, p.345).
6. Evaluasi Kebijakan dan Program Berdasarkan Data Terbaru:
==================================
Program intervensi yang sudah berjalan perlu dievaluasi secara berkala menggunakan data terbaru untuk mengukur dampaknya. "Regular evaluation of intervention programs using up-to-date data is vital for measuring impact and ensuring continued relevance" (Headey et al., 2020, p.521).
Lembaga penelitian dan akademisi harus aktif mengadvokasi penggunaan data terbaru kepada pengambil kebijakan dan publik. "Advocacy for the use of the latest data in decision-making processes is crucial for ensuring that policies are informed by the most current evidence" (Haddad et al., 2015, p.15).
8. Membangun Sistem Data yang Terintegrasi:
======================================
Pemerintah perlu membangun sistem data yang terintegrasi antara berbagai sektor seperti kesehatan, pendidikan, ekonomi dan pertanian. "An integrated data system across sectors is essential for a comprehensive understanding of nutritional challenges" (Black et al., 2013, p.434).
9. Fokus pada Data Longitudinal:
===========================
Data longitudinal yang mengikuti individu atau populasi dari waktu ke waktu lebih berguna dalam memahami tren dan dampak jangka panjang. "Longitudinal data provides valuable insights into the long-term effects of nutritional interventions" (Victora et al., 2008, p.348).
Investasi dalam infrastruktur data seperti perangkat lunak analitik dan sistem penyimpanan data akan meningkatkan kualitas dan keamanan data. "Strengthening data infrastructure is key to ensuring high-quality and secure data for policy-making" (Jones, Acharya, and Galway, 2016, p.1265).
11. Menggunakan Pendekatan Multi-disiplin:
=====================================
Pendekatan multi-disiplin dalam analisis data yang melibatkan ahli dari berbagai bidang dapat memberikan pemahaman yang lebih komprehensif. "A multidisciplinary approach to data analysis enriches understanding and improves policy outcomes" (Haddad et al., 2015, p.18).
12. Transparansi dan Aksesibilitas Data:
=================================
Data yang dikumpulkan harus transparan dan dapat diakses oleh semua pemangku kepentingan untuk mendorong akuntabilitas. "Transparency and accessibility of data are fundamental for accountability in policy implementation" (Black et al., 2013, p.437).
13. Peningkatan Kualitas dan Akurasi Data:
===================================
Penggunaan metode yang lebih baik dalam pengumpulan dan analisis data akan meningkatkan kualitas dan akurasi data yang digunakan dalam pengambilan kebijakan. "Improving data quality and accuracy through advanced methodologies is essential for reliable policy decisions" (Headey et al., 2020, p.523).
Referensi
========
Black, R. E., Victora, C. G., Walker, S. P., Bhutta, Z. A., Christian, P., de Onis, M., Ezzati, M., Grantham-McGregor, S., Katz, J., Martorell, R., & Uauy, R. (2013). Maternal and child undernutrition and overweight in low-income and middle-income countries. The Lancet, 382(9890), 427-451.
Haddad, L., Achadi, E., Bendech, M. A., Ahuja, A., Bhatia, K., Bhutta, Z. A., Bhatnagar, A., Blössner, M., Borghi, E., Eriksen, K., et al. (2015). The global nutrition report 2015: Actions and accountability to advance nutrition and sustainable development. Washington, DC: International Food Policy Research Institute.
Headey, D., Heidkamp, R., Osendarp, S., Ruel, M., Scott, N., Black, R., Shekar, M., Bouis, H., Flory, A., & Gillespie, S. (2020). Impacts of COVID-19 on childhood malnutrition and nutrition-related mortality. The Lancet, 396(10250), 519-521.
Jones, A. D., Acharya, Y., & Galway, L. P. (2016). Urbanicity gradients are associated with the household- and individual-level double burden of malnutrition in Sub-Saharan Africa. Journal of Nutrition, 146(6), 1257-1267.
Obridge Essays. (2024). The Difference Between Reference and Bibliography. Available at: obridgeessays.com. Obridge Essays. (Accessed 19 Aug. 2024).
Victora, C. G., Adair, L., Fall, C., Hallal, P. C., Martorell, R., Richter, L., & Sachdev, H. S. (2008). Maternal and child undernutrition: Consequences for adult health and human capital. The Lancet, 371(9609), 340-357.
Bersambung;
Tidak ada komentar:
Posting Komentar