PENDEKATAN MODEL DINAMIK DALAM MENGESTIMASI KEJADIAN DIABETES MELLITUS TIPE 2 DI SULAWESI SELATAN
DYNAMIC MODEL APPROACH IN ESTIMATING THE OCCURRENCE OF TYPE 2 DIABETES MELLITUS IN SOUTH SULAWESI
Bohari1, Saifuddin Sirajuddin1, Masni2 1.
2.
Bagian Gizi, Fakultas Kesehatan Masyarakat, Universitas Hasanuddin Bagian Biostatistik dan KKB, Fakultas Kesehatan Masyarakat, Universitas Hasanudin
Alamat Korespondensi: Bohari Jln. Gusung Jihad, Kel. Maccini Sombala, Kec.Tamalate, Makassar Hp: 085253587076 Email:
[email protected]
Abstrak Estimasi kejadian Diabetes Mellitus (DM) tipe 2 dimasa yang akan datang merupakan aspek penting untuk perencanaan kebijakan kesehatan masyarakat. Penelitian bertujuan untuk mengestimasi kejadian DM tipe 2 pada 22 tahun mendatang dan menemukan strategi yang paling sesuai dalam menekan laju peningkatan kejadian DM tipe 2 di Sulawesi Selatan. Desain penelitian adalah cross sectional menggunakan data Riset Kesehatan Dasar (Riskesdas) Sulawesi Selatan tahun 2013, khususnya anggota rumah tangga (ART) usia 45+ tahun. Populasi adalah seluruh data hasil Riskesdas Sulawesi Selatan tahun 2013. Sampel penelitian yaitu data yang terkait dengan variabel penelitian yaitu jumlah DM tipe 2, prevalensi obesitas, konsumsi makanan/minuman manis, asin, dan berlemak, buah dan sayur, dan aktivitas fisik. Analisis data yaitu analisis sistem dinamis dengan menggunakan program powersim. Pemodelan dinamik diawali dengan membangun sebuah Causal loop dan Diagram Alir Model Kejadian DM. Hasil penelitian menunjukkan bahwa pada 22 tahun yang akan datang diestimasikan kejadian DM meningkat sebesar 10,2x lipat dari 692 orang (5,47%) di tahun 2013 menjadi 7056 orang (14,93%) di tahun 2035 jika faktor risiko DM tidak dikontrol. Peningkatan kejadian DM dapat dicegah dengan mengontrol berbagai faktor risiko yaitu kontrol obesitas mencegah DM sebanyak 1293 orang, aktivitas fisik mencegah DM sebanyak 1015 orang, konsumsi buah & sayur mencegah DM sebanyak 3033 orang, pengontrolan dengan konsumsi buah, sayur dan aktivitas fisik mencegah DM sebanyak 3096 orang, dan konsumsi buah, sayur, aktivitas fisik dan obesitas mencegah DM sebanyak 3297orang. Disimpulkan bahwa penduduk Sulawesi Selatan usia 45+ tahun yang DM ditahun 2035 sebesar 14,93%, dan strategi yang paling sesuai dalam menekan laju peningkatan kejadian DM adalah dengan mengombinasikan pengontrolan konsumsi buah, sayur, aktivitas fisik, dan obesitas. Kata Kunci : Estimasi, Model Dinamik, Diabates Mellitus
Abstract Incident estimation of type 2 Diabetes Mellitus (DM) in the future is a vital aspect of public health policy planning. The study aimed to estimate the incidence of type 2 diabetes in the next 22 years (from 2013 to 2035) and to find the most appropriate strategy to reduce the rate of increase in the incidence of type 2 diabetes in South Sulawesi. The research was an observational analytic study with cross sectional design using Basic Health Research of South Sulawesi in 2013, especially the members of household who were above 45 years old. The populations were all data taken from the results of Basic Health Research of South Sulawesi in 2013. The research sample was the data associated with the research variables are the number of type 2 diabetes, the obesity prevalence , consumption of foods / drinks sweet, salty, and fatty foods, fruits and vegetables, and physical activity. Data analysis was the analysis of dynamic systems using the program powersim. Dynamic modeling was started with causal loop and Flowchart Model incident DM. Model validation was to compare the result of simulation with real data of DM Type2. The results showed that in 22 years from now estimated incidence of diabetes increased by 10,2x fold from 692 people (5.47%) in the years 2013 to 7,056 people (14.93%) in 2035 if it was not controlled diabetes risk factors. The increase of the occurrence of DM can be avoided by controlling various risk factors, i.e. to control obesity that can prevent 1.293 people from DM, to do physical activities that can prevent 1015 people from DM, to consume fruits and vegetables that can prevent 3033 people from DM, the combination of consuming fruit, vegetables, and physical activities that can prevent 3096 people from DM, and to consume fruit, vegetables, do physical activities, and control obesity that can prevent 3297 people from DM. The most appropriate strategies in controlling the increase of DM are to consume fruits, vegetables, do enough physical activities, and control obesity. Keywords: Estimation, Dynamic Model, Diabates Mellitus
PENDAHULUAN Diabetes Mellitus (DM) kini menjadi salah satu penyakit tidak menular (PTM) yang paling umum di seluruh dunia. DM juga termasuk penyebab utama kematian di sebagian besar negara maju dan negara berkembang. Komplikasi dari DM, seperti arteri koroner dan penyakit pembuluh darah perifer, stroke, neuropati diabetes, amputasi, gagal ginjal dan kebutaan yang mengakibatkan peningkatan kecacatan, harapan hidup berkurang dan biaya kesehatan yang sangat besar untuk semua lapisan masyarakat. DM telah menjadi salah satu masalah kesehatan masyarakat yang paling berpengaruh pada abad ke-21 (Richard et al., 2011). Data Badan Kesehatan Dunia tahun 2000 di dunia terdapat 171 juta penderita DM dan akan meningkat dua kali, menjadi tiga ratus enam puluh enam juta pada tahun 2030. Indonesia sebagai bagian dari region Asia Tenggara termasuk urutan ke 2 terbanyak penduduknya yang menderita DM setelah India. Jumlah penderita DM di India sebanyak 31.705.000 (tahun 2000) yang diproyeksikan mencapai 79.441.000 pada tahun 2030, sedangkan prevalensi DM di Indonesia mencapai jumlah 8.426.000 (tahun 2000) yang diproyeksikan mencapai 21.257.000 pada tahun 2030. Artinya, terjadi kenaikan tiga kali lipat dalam waktu 30 tahun (WHO, 2000). Hasil Riset Kesehatan Dasar (Riskesdas) tahun 2013 menunjukkan kencenderungan prevalensi DM di Indonesia meningkat sebesar 1% yaitu dari 1,1% di tahun 2007 menjadi 2.1% di tahun 2013. Adapun proporsi DM pada umur 15 tahun yaitu sebesar 6,9%. Sulawesi Selatan juga mengalami peningkatan sebesar 2,6% dari 0,8% di tahun 2007 menjadi 3,4% di tahun 2013 dan merupakan salah satu provinsi dengan prevalensi DM tertinggi ke 3 di Indonesia (LitbangKementerian Kesehatan RI, 2013). Memperkirakan kejadian dan dampak DM pada masa yang akan datang merupakan aspek penting untuk perencanaan kesehatan masyarakat, hal ini disebabkan prevalensi diabetes mellitus semakin meningkat dari tahun ke tahun (Rosella, 2009). Pada saat ini terdapat beberapa penelitian tentang model yang digunakan untuk memprediksi risiko kejadian DM di beberapa negara. Di Thailand faktor prediktor risiko DM yaitu umur, jenis kelamin, indeks massa tubuh (IMT), obesitas sentral, hipertensi, riwayat keluarga diabetes (Aekplakorn et al., 2006). Di India faktor prediktor risiko yang digunakan adalah umur, obesitas sentral, aktivitas fisik, riwayat keluarga diabetes (Mohan et al., 2005). Penelitian di Indonesia menemukan ada dua model prediksi kejadian diabetes melitus tipe 2 di daerah urban Indonesia yaitu berdasarkan kegemukan,
tingkat pendidikan, pekerjaan, dan umur serta berdasarkan obesitas sentral, tingkat pendidikan, pekerjaan, dan umur (Irawan, 2010). Pengendalian DM dilakukan melalui pencegahan dan penanggulangan faktor risiko. Pada penelitian ini dibangun sebuah model dinamik dengan memperhitungkan faktor risiko dan protektif yang bermakna pada studi pendahuluan, dan faktor risiko yang secara substansi menurut teori yang ada mempunyai hubungan dengan kejadian DM. Tujuan dari model dinamik adalah untuk peramalan dan perencanaan kebijakan. Sistem dinamik dibangun berdasarkan filosofi kausal (sebab akibat) adalah mendapatkan pemahaman yang mendalam tentang tata cara kerja suatu sistem. Penelitian langsung pada sistem yang ada untuk memahami perilaku dalam berbagai kondisi memang mungkin dilakukan, tetapi pada kenyataannya sistem yang ada ternyata tidaklah sederhana sehingga untuk dapat melakukan penelitian langsung akan memakan biaya yang besar dan tidak praktis. Selain itu sesuai dengan definisi dan pengertian model, bahwa model merupakan representasi ideal suatu sistem real untuk menjelaskan perilaku sistem tersebut (Simatupang, 1995). Permasalahan pada penelitian ini yaitu Sulawesi Selatan termasuk salah satu provinsi dengan prevalensi DM tertinggi ke 3 di Indonesia dan berbagai penelitian epidemiologi menunjukkan adanya kecenderungan peningkatan angka kejadian DM tipe-2 di Sulawesi Selatan khususnya daerah urban seperti kota Makassar dan faktor risiko yang semakin tahun semakin meningkat serta mengingat bahwa DM akan memberikan dampak terhadap kualitas sumberdaya manusia dan peningkatan biaya kesehatan yang cukup besar. Penelitian ini bertujuan untuk mengestimasi kejadian DM tipe 2 pada 22 tahun mendatang (2013 – 2035) dan menemukan strategi yang paling sesuai dalam menekan laju peningkatan kejadian DM tipe 2 di Sulawesi Selatan.
BAHAN DAN METODE Lokasi Penelitian Penelitian ini dilakukan di Sulawesi Selatan yang dipilih secara purposive. Pemilihan Sulawesi Selatan didasarkan bahwa Sulawesi Selatan termasuk salah satu provinsi dengan prevalensi DM tertinggi ke III di Indonesia, Sulawesi Tengah ditingkat pertama dan Sulawesi Utara ditingkat ke dua serta berbagai penelitian epidemiologi menunjukkan adanya
kecenderungan peningkatan angka kejadian DM tipe-2 di Sulawesi Selatan khususnya daerah urban seperti kota Makassar. Jenis dan Desain Penelitian Jenis penelitian adalah obsevasional analitik dengan desain Cross Sectional dimana menggunakan data hasil Riset Kesehatan Dasar (Riskesdas) Sulawesi Selatan tahun 2013, khususnya anggota rumah tangga (ART) usia 45+ tahun. Populasi dan Sampel Populasi dari penelitian ini adalah seluruh data hasil riskesdas tahun 2013. Adapun sampel penelitian yaitu seluruh data yang terkait dengan variabel penelitian yaitu jumlah DM tipe 2 di Sulawesi Selatan, faktor risiko DM tipe 2 yaitu obesitas (IMT), konsumsi makanan/minuman manis, konsumsi makanan asin, konsumsi makanan berlemak, konsumsi buah, konsumsi sayur, aktivitas fisik. Pengumpulan Data Data yang digunakan dalam penelitian ini adalah data sekunder yaitu Riskesdas tahun 2013. Riskesdas merupakan survei yang dilakukan secara cross sectional yang bersifat deskriptif. Desain Riskesdas terutama dimaksudkan untuk menggambarkan masalah kesehatan penduduk Indonesia, secara menyeluruh, akurat, dan berorientasi pada kepentingan pada pengambil keputusan di berbagai tingkat administratif. Berbagai ukuran sampling error termasuk di dalamnya standard error, relative standard error, confidence interval, design effect, dan jumlah sampel tertimbang akan menyertai setiap estimasi variabel. Analisis Data Analisis data yaitu analisis sistem dinamik dengan menggunakan program powersim. Waktu estimasi yang dilakukan adalah pada 22 tahun (2013 – 2035) yang akan datang di Sulawesi Selatan. Pemodelan dinamik diawali dengan membangun sebuah Causal loop dan Diagram Alir Model Kejadian DM (Gambar 1 & Gambar 2). Validasi model yaitu membandingkan hasil simulasi dengan data riil presentasi DM tipe 2 (Litbang-Kementerian Kesehatan RI, 2013), dengan syarat yang harus dipenuhi bahwa perbedaan rata-rata peningkatan kelipatan penderita DM hasil simulasi tidak boleh lebih dari 50% dibandingkan dengan data riil presentasi DM.
HASIL PENELITIAN Karaktersitik Variabel Penelitian Tabel 1 menunjukkan karakteristik nilai variabel berdasarkan jenis simulasi pada penderita DM dan Bukan Penderita DM. Pada simulasi I menunjukkan bahwa nilai variabel obesitas lebih tinggi pada penderita DM dibandingkan dengan bukan penderita DM, simulasi II besar nilai variabel obesitas pada penderita DM hampir sama pada bukan penderita DM, simulasi III menunjukkan bahwa nilai variabel mets aktivitas fisik lebih tinggi pada penderita DM, simulasi IV nilai variabel konsumsi buah dan sayur lebih tinggi pada penderita DM, simulasi V yaitu nilai variabel konsumsi buah, sayur dan aktivitas fisik lebih tinggi pada penderita DM, dan simulasi VI yaitu nilai variabel konsumsi buah, sayur dan aktivitas fisik lebih tinggi pada penderita DM sedangkan nilai variabel obesitas hampir sama besar. Jumlah Penderita DM (Simulasi I – VI) Tabel 2 menunjukkan bahwa pada 22 tahun yang akan datang diestimasikan kejadian DM meningkat 10,2x lipat dari 692 orang (5,47%) di tahun 2013 menjadi 7.056 orang (14,93%) di tahun 2035 dengan rata-rata kelipatan peningkatan pertahun sebesar 0,46x lipat jika tidak ada kontrol pada faktor risiko DM. Estimasi kejadian DM berdasarkan jenis kontrol pada faktor risiko menunjukkan bahwa simulasi VI merupakan simulasi yang mengestimasi kejadian DM lebih sedikit dibandingkan dengan simulasi lainnya yaitu hanya 3.759 orang (8,55%) pada tahun 2035.
PEMBAHASAN Penelitian ini menunjukkan bahwa kejadian DM pada 22 tahun yang akan datang (2013 – 2035) diestimasikan mengalami peningkatan sebesar 10,2x lipat dari 692 orang pada tahun 2013 meningkat menjadi 7056 orang pada tahun 2035 dengan rata-rata peningkatan tiap tahun sebesar 0,46x lipat. Jika dibandingkan dengan presentasi penderita DM usia 15+ tahun di Sulawesi Selatan yaitu mengalami peningkatan sebesar 4,25x lipat dari 0,8% (tahun 2007) menjadi 3,4% (tahun 2013) dengan rata-rata peningkatan tiap tahun sebesar 0,85x lipat. Perbedaan antara hasil simulasi dan data riil dengan presentasi sebesar 45,8% (perbedaan tidak boleh lebih dari 50%) menunjukkan bahwa model tersebut logis, meski masih terdapat kekurangan variabel yang mempengaruhi kejadian DM. Hal ini dapat dipahami karena keterbatasan informasi terhadap variabel-variabel lainnya seperti faktor genetik, asupan zat gizi, tekanan darah, perilaku merokok, obesitas sentral, pelayanan kesehatan, dll.
Pada tingkat makro, peningkatan kejadian DM tipe 2 dikaitkan dengan urbanisasi dan transisi lingkungan, termasuk perubahan pola kerja dari kerja berat menjadi pekerjaan yang ringan (sedentary), peningkatan penggunaan komputer dan mekanik, dan meningkatnya penggunaan alat transportasi. Pertumbuhan ekonomi dan transisi lingkungan telah menyebabkan perubahan drastis dalam produksi pangan, pengolahan, sistem distribusi dan meningkatnya aksesibilitas makanan yang tidak sehat (Popkin et al., 2012). Pria dan wanita di seluruh dunia telah mengalami peningkatan berat badan, sebagian besar sebagai akibat dari perubahan pola diet dan penurunan tingkat aktivitas fisik (Ezzati et al., 2013). Hasil temuan tersebut sesuai dengan hasil simulasi II yaitu dengan menurunkan prevalensi obesitas sebesar 4% dari 17,3% kondisi awal (tahun 2013) menjadi 13,3% pada penderita DM menunjukkan bahwa kejadian DM pada tahun 2035 tetap tinggi yaitu sebesar 5.763 orang (12,54%) dibandingkan dengan simulasi I (tidak ada kontrol pada faktor risiko DM) sebesar 7.056 orang (14,93%) dengan selisih 1.293 orang. Adapun hasil simulasi III menunjukkan kejadian DM dapat menurunkan pada 22 tahun yang datang sebanyak 1015 orang, sedangkan hasil simulasi IV dengan meningkatkan konsumsi makanan sumber serat yaitu buah 2 porsi dan sayur menjadi 3 porsi dapat menurunkan kejadian DM yang lebih besar yaitu 3.033 orang pada 22 tahun mendatang dibandingkan dengan hanya kontrol obesitas dan aktivitas fisik secara terpisah. Tingginya kejadian DM pada tahun 2035 menunjukkan masalah yang serius. Selain obat, yang terpenting bagi penderita DM, yakni merancang kembali pola hidup (gaya hidup), terutama pola makan dan olahraga. Maka dari itu diperlukan kombinasi pengontrolan terhadap bebera faktor risiko DM yang sesuai dalam menekan laju peningkatan kejadian DM. Hasil simulasi V menunjukkan bahwa dengan meningkatkan konsumsi makanan sumber serat (buah dan sayur) dan aktivitas fisik (mets aktivitas fisik) dapat menurunkan kejadian DM sebesar 3.096 orang (menurun 43,8%). Kemudian, hasil simulasi VI yaitu meningkatkan konsumsi makanan sumber serat (buah dan sayur), aktivitas fisik (mets aktivitas fisik), dan kontrol obesitas dapat menurunkan kejadian DM sebesar 3.297 orang (menurun 46,7%). Hasil simulasi II – VI menunjukkan bahwa kontrol faktor risiko DM yang sesuai dalam menekan laju peningkatan kejadian DM yaitu terdapat pada simulasi VI yaitu dengan meningkatkan konsumsi makanan sumber serat (buah dan sayur), dan aktivitas fisik, serta prevalensi obesitas diturunkan dapat menurunkan jumlah penderita DM sebesar 46,7% pada 22 tahun yang akan datang.
Penelitian Wolfram et al (2011), menunjukkan bahwa dengan meningkatkan konsumsi sayuran, biji-bijian, dan serat larut dan tidak larut dikaitkan dengan metabolisme glukosa yang lebih baik pada individu diabetes dan nondiabetes, perbaikan sensitivitas insulin dan homeostasis glukosa yang lebih jelas pada responden dengan pola makan nabati dibandingkan responden dengan diet yang umum. Percobaan klinis secara acak membandingkan modifikasi intensif gaya hidup, perawatan standar ditambah metformin, dan perawatan standar ditambah plasebo untuk mencegah atau menunda perkembangan diabetes tipe 2 pada individu berisiko tinggi (DPP Research Group, 1999). Intervensi gaya hidup yang difokuskan pada peningkatan diet sehat, meningkatkan aktivitas fisik, dan mengatasi hambatan dalam kepatuhan diet. Lima puluh persen (50%) peserta memenuhi tujuan penurunan berat badan sebesar 7%, dan tujuh puluh empat persen (74%) memenuhi tujuan aktivitas fisik 150 menit per minggu pada akhir intervensi selama 24 minggu. DPP menurunkan insiden diabetes sebesar 58% pada kelompok intervensi gaya hidup, dibandingkan dengan kelompok metformin yang menurun sebesar 31% selama rata-rata 2,8 tahun masa tindak lanjut (Knowler et al., 2002). Hasil penelitian ini menyoroti keunggulan modifikasi gaya hidup untuk mengurangi risiko diabetes dan terus mendorong konsumsi buah yang lebih besar dan sayuran (terutama sayuran berdaun hijau) sebagai komponen penting dari diet yang sehat. Konsumsi buah dan sayuran yang kurang terkait dengan kesehatan yang buruk dan peningkatan risiko penyakit tidak menular. Diperkirakan 6,7 juta kematian di seluruh dunia dikaitkan dengan konsumsi buah dan sayuran yang tidak memadai pada tahun 2010 (Lim et al., 2012). Asupan serat juga dapat membantu mengatur insulin yang dapat mempengaruhi risiko diabetes tipe 2, dan bersama-sama dengan kandungan air yang tinggi dari buah-buahan dan sayuran, dapat membantu mengurangi risiko kelebihan berat badan dan obesitas dengan memberi rasa kenyang dan mengurangi rasa lapar sehingga membatasi asupan energi secara keseluruhan (Weickert et al, 2008’ Tohill, 2005).
KESIMPULAN DAN SARAN Disimpulkan bahwa penduduk Sulawesi Selatan usia 45+ tahun yang mengalami DM ditahun 2035 sebesar 14,93%, dan strategi yang paling sesuai dalam menekan laju peningkatan kejadian DM adalah dengan mengombinasikan pengontrolan konsumsi buah, sayur, aktivitas
fisik, dan obesitas. Adapun saran penelitian yaitu sksesibilitas dan keterjangkauan penduduk terhadap buah, sayur, kacang-kacangan perlu ditingkatkan guna mendukung konsumsi masyarakat terhadap bahan makanan tersebut serta meningkatkan aktivitas fisik dengan cara olahraga secara teratur.
DAFTAR PUSTAKA Aekplakorn W BP, Woodward M, Sritara P, et al. (2006). A risk score for predicting incident diabetes in the Thai population. Diabetes Care 29, 1872-1877. DPP Research Group. (1999). Design and methods for a clinical trial in the prevention of type 2 diabetes. Diabetes Care; 22:623–634. Ezzati M, Riboli E, et al. (2013). Behavioral and dietary risk factors for noncommunicable diseases. N Engl J Med;369: 954–64. Irawan. (2010). Prevalensi Dan Faktor Risiko Kejadian Diabetes Melitus Tipe 2 Di Daerah Urban Indonesia (Analisa Data Sekunder Riskesdas 2007) (Thesis). Depok: Universitas Indonesia. Knowler WC, Barrett-Connor E, Fowler SE, et al. (2002). Reduction in the incidence of type 2 diabetes with lifestyle intervention or metformin. N Engl J Med 346:393–403. Lim SS, Vos T, Flaxman AD, et al. (2012). A comparative risk assessment of burden of disease and injury attributable to 67 risk factors and risk factor clusters in 21 regions, 1990-2010: a systematic analysis for the Global Burden of Disease Study 2010. Lancet; 380(9859):222460. Litbang-Kementerian-Kesehatan RI. (2013). Penyajian Pokok-Pokok Hasil Riset Kesehatan Dasar 2013. Jakarta: Badan Penelitian dan Pengembangan Kesehatan Kementerian Kesehatan RI. Mohan, Deepa M, Somannavar S, et al. (2005). A simplified Indian Diabetes Risk Score for screening for undiagnosed diabetic subjects. J Assoc Physicians India 53, 759-763. Popkin BM, Adair LS, et al. (2012). Global nutrition transition and the pandemic of obesity in developing countries. Nutr Rev; 70: 3–21. Richard Sicree JS, Paul Zimmet, et al. (2011). The Global Burden: Diabetes and Impaired Glucose Tolerance: IDF Diabetes Atlas fourth edition. Rosella. (2009). A population based approach to diabetes mellitus risk prediction: Methodological advances and practical applications, University Of Toronto Simatupang. (1995). Pemodelan sistem. 1 ed. Klaten: Penerbit Nindita. Tohill. (2005). Dietary intake of fruit and vegetables and management of body weight. Geneva, World Health Organization. Weickert MO, Pfeiffer AF, et al. (2008). Metabolic effects of dietary fiber consumption and prevention of diabetes. Journal of Nutrition; 138(3):439-42 WHO. (2000). Prevention of Diabetes Mellitus. Technical Report Series 844, Geneva. Wolfram T, Ismail-Beigi F. (2011). Efficacy of high-fiber diets in the management of type 2 diabetes mellitus. Endocr Pract;17(1):132-42
Lampiran
+
+
+
Loop 1
+
Loop 2
+
Loop 5
+ -
Loop 4 Loop 3
-
+
+
Gambar 1 Causal Loop Diabates Mellitus
Gambar 2 Diagram Alir Model Kejadian DM
+
Tabel 1 Karakterstik Variabel Berdasarkan Simulasi I – VI SIMULASI I DM Bukan DM
SIMULASI II DM Bukan DM
SIMULASI III DM Bukan DM
0,52
0,44
0,52
0,44
0,52
0,44
2
0,44
2
0,44
2
0,44
1,19
1.19
1,19
1.19
1,19
1.19
3
1.19
3
1.19
3
1.19
0,49
0.67
0,49
0.67
0,49
0.67
0,49
0.67
0,49
0.67
0,49
0.67
0,35
0,37
0,35
0,37
0,35
0,37
0,35
0,37
0,35
0,37
0,35
0,37
0,44
0,47
0,44
0,47
0,44
0,47
0,44
0,47
0,44
0,47
0,44
0,47
Mets Aktivitas Fisik
1,95
2,09
1,95
2,09
2,5
2,09
1,95
2,09
2,5
2,09
2,5
2,09
Level Awal (orang)
692
11957
692
11957
692
11957
692
11957
692
11957
692
11957
17,3
13,5
13,3
13,5
17,3
13,5
17,3
13,5
17,3
13,5
13,3
13,5
Variabel Konsumsi Buah (porsi) Konsumsi Sayur (porsi) Konsumsi Makanan/Minuman Manis Konsumsi Makanan Asin Konsumsi Makanan Berlemak
Presentasi Obesitas IMT (%) Proyeksi penduduk usia 45+ (lakilaki+Perempuan) Laju Pertumbuhan Penduduk Sulawesi Selatan Delay (Dari Bukan DM Menjadi DM) (Tahun)
SIMULASI IV DM Bukan DM
SIMULASI V DM Bukan DM
SIMULASI VI DM Bukan DM
0,19
0,19
0,19
0,19
0,19
0,19
1,12
1,12
1,12
1,12
1,12
1,12
7
7
7
7
7
7
Tabel 2 Estimasi Kejadian Diabetes Mellitus (DM) Berdasarkan Hasil Simulasi I – VI Pada 22 Tahun Yang Akan Datang (2013 – 2035) Di Sulawesi Selatan Simulasi I Tahun
Simulasi II
Penderita DM
Penderita DM
Simulasi III Penderita DM
Simulasi IV Penderita DM
Simulasi V
Simulasi VI
Penderita DM
Penderita DM
Orang
%
Orang
%
Orang
%
Orang
%
Orang
%
Orang
%
2013
692
5,47
692
5,47
692
5,47
692
5,47
692
5,47
692
5,47
2014
739
5,5
728
5,43
730
5,44
707
5,28
706
5,27
703
5,25
2015
803
5,63
780
5,48
785
5,51
737
5,19
735
5,18
728
5,13
2016
884
5,84
847
5,61
856
5,67
780
5,19
777
5,17
766
5,1
2017
982
6,11
930
5,81
942
5,88
836
5,25
832
5,23
818
5,15
2018
1099
6,45
1029
6,06
1045
6,15
904
5,36
899
5,33
881
5,23
2019
1234
6,82
1143
6,35
1164
6,46
985
5,52
978
5,48
955
5,36
2020
1388
7,22
1273
6,66
1299
6,79
1077
5,7
1069
5,66
1041
5,52
2021
1562
7,66
1420
7,01
1452
7,16
1182
5,9
1172
5,86
1138
5,7
2022
1758
8,12
1583
7,37
1623
7,54
1298
6,12
1286
6,07
1247
5,9
2023
1976
8,59
1765
7,75
1813
7,94
1425
6,35
1411
6,29
1366
6,1
2024
2217
9,08
1965
8,13
2022
8,35
1565
6,59
1549
6,52
1496
6,31
2025
2485
9,59
2185
8,53
2252
8,77
1718
6,83
1699
6,76
1637
6,53
2026
2780
10,1
2426
8,93
2505
9,19
1882
7,07
1861
7
1790
6,75
2027
3104
10,62
2688
9,33
2781
9,62
2060
7,31
2035
7,23
1955
6,96
2028
3459
11,15
2974
9,74
3081
10,05
2252
7,55
2223
7,46
2132
7,18
2029
3849
11,68
3284
10,14
3409
10,49
2457
7,79
2425
7,69
2322
7,39
2030
4274
12,22
3621
10,55
3764
10,92
2677
8,02
2641
7,92
2525
7,6
2031
4740
12,76
3986
10,95
4150
11,35
2912
8,24
2872
8,14
2742
7,8
2032
5247
13,3
4380
11,35
4569
11,78
3164
8,47
3118
8,35
2973
8
2033
5800
13,84
4806
11,75
5022
12,21
3432
8,68
3381
8,56
3219
8,19
2034
6402
14,39
5266
12,14
5511
12,64
3718
8,89
3661
8,77
3481
8,37
2035
7056
14,93
5763
12,54
6041
13,06
4023
9,1
3960
8,97
3759
8,55
Kelipatan orang)
10,20
8,33
8,73
5,81
5,72
5,43
Rata-rata /tahun
0,46
0,38
0,40
0,26
0,26
0,25
