Akses terbuka Jurnal SINTA 1
Mid Upper Arm Circumference (MUAC) Accuracy in Detecting Acute Malnutrition in Children under 5 Years: A Literature Review: Akurasi Mid Upper Arm Circumference (MUAC) dalam Mendeteksi Malnutrisi Akut pada Anak di bawah 5 Tahun: A Literature Review
Akurasi Mid Upper Arm Circumference (MUAC) dalam Mendeteksi Malnutrisi Akut pada Anak di bawah 5 Tahun: A Literature Review: Tinjauan Literatur: Akurasi MUAC dalam Mendeteksi Malnutrisi Akut
Amerta Nutrition · Vol. 7 No. 2SP (2023) · hlm. 328–335
- ISSN
- 2580-9776, 2580-1163
- Terbit
- 2023-12-31
- Penerbit
- Universitas Airlangga
- Bahasa
- eng
Abstrak
Inggris
Background: Fast and accurate detection of acute malnutrition is important to prevent death. The use of Mid Upper Arm Circumference (MUAC) can be an alternative but its accuracy is still being explored because many differences in research results are found. Objectives: This literature aimed to identify the accuracy (sensitivity and specificity) and optimal MUAC cut-off in detecting acute malnutrition in children under 5 years. Methods: Search for articles using Google Scholar and Pubmed with the keywords "MUAC” "children” "acute malnutrition”. Selection based on the question "How is the sensitivity and specificity of MUAC in detecting acute malnutrition in children under 5 years” with inclusion criteria articles for the last 10 years, fully accessible and free of charge. Excluding non-English articles and type review articles. Six articles were found that further review. Discussion: The sensitivity of the MUAC indicator by World Health Organization in detecting acute malnutrition is smaller than its specificity. The lowest sensitivity of MUAC in detecting severe (<11.5 cm) and moderate (11.5-12.5 cm) acute malnutrition is in Nepal, namely 13.6% and 21% respectively. Based on the results of analysis using the ROC curve in each article, it was found that the optimal MUAC cut-off varied in detecting cases of acute malnutrition. Conclusions: The MUAC cut-off accuracy recommended by the World Health Organization to identify severe and moderate acute malnutrition is not optimal. Therefore, further studies are needed in each country to determine the optimal cut-off that is appropriate for the region according to the age group and problem classification.
Bahasa Indonesia
Latar Belakang: Deteksi awal kasus malnutrisi akut secara akurat, penting untuk mencegah kematian. Penggunaan Mid Upper Arm Circumference (MUAC) dapat menjadi alternatif, namun keakuratannya masih terus digali sebab ditemukan banyak perbedaan hasil penelitian. Tujuan: Penulisan literature review ini bertujuan untuk mengidentifikasi akurasi (sensitivitas dan spesifisitas) serta cut-off optimal MUAC dalam mendeteksi malnutrisi akut pada anak di bawah 5 tahun. Metode: Pencarian artikel menggunakan dua pangkalan data elektronik yaitu Google Scholar dan Pubmed dengan kata kunci "MUAC” "children” "acute malnutrition”. Penyeleksian dilakukan berbasis pertanyaan "Bagaimana sensitivitas dan spesifisitas MUAC dalam mendeteksi malnutrisi akut pada anak dibawah 5 tahun” dengan kriteria inklusi yaitu artikel 10 tahun terakhir (2013-2023), dapat diakses penuh serta tidak berbayar, lalu mengecualikan artikel tidak Bahasa Inggris dan jenis review article. Berdasarkan hasil pencarian didapatkan 6 artikel yang layak untuk dilakukan tinjauan lebih lanjut Ulasan: Nilai sensitivitas indikator MUAC yang telah ditetapkan oleh organisasi kesehatan dunia untuk mendeteksi malnutrisi akut lebih kecil dibanding nilai spesifisitasnya. Sensitivitas MUAC terendah dalam mendeteksi malnutrisi akut berat (<11,5cm) maupun sedang (11,5-12,5 cm) ialah di Nepal, yaitu masing-masing 13,6% dan 21%. Berdasarkan hasil analisis menggunakan ROC curve pada masing-masing artikel, ditemukan cut-off optimal MUAC yang bervariasi dalam mendeteksi kasus malnutrisi akut. Kesimpulan: Akurasi cut-off MUAC yang direkomendasikan oleh organisasi kesehatan dunia belum optimal untuk mengidentifikasi malnutrisi akut pada anak dibawah 5 tahun. Oleh karena itu, diperlukan studi lebih lanjut pada setiap negara untuk menetapkan cut-off optimal di wilayahnya sesuai kelompok umur maupun klasifikasi masalah.
Kata kunci
Jaringan kolaborasi para penulis
40 penulis · 116 tautan kepenulisan bersama · 39 lintas organisasi · menampilkan 40 yang paling banyak terhubung
Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.
- Universitas Airlangga
- Rumah Sakit Dokter Soetomo
- Regional Government of Trenggalek
- State University of Malang
- Al-Saeed University
- University of Indonesia
- City St George's, University of London
- Organisasi lain
- Afiliasi tidak diketahui
- Organisasi berbeda
- Organisasi sama
- Afiliasi tidak diketahui
- Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
| Rekan penulis | Organisasi | Artikel bersama |
|---|---|---|
| Trias Mahmudiono | Universitas Airlangga | 2 |
| Alfadhila Khairil Sinatrya | Universitas Airlangga | 2 |
| Nur Mufida Wulan Sari | Regional Government of Trenggalek | 2 |
| Angelina Audina | Universitas Airlangga | 1 |
| Emyr Reisha Isaura | Universitas Airlangga | 1 |
| Ulfa Al Uluf | Universitas Airlangga | 1 |
| Maya Fernandya Siahaan | Universitas Airlangga | 1 |
| Auni Rahmatika | Universitas Airlangga | 1 |
| Wilis Cahyaning Ayu | Universitas Airlangga | 1 |
| Devina Nathania | Universitas Airlangga | 1 |
| Rahmatya Ikhwanurrosida | State University of Malang | 1 |
| Annis Catur Adi | Universitas Airlangga | 1 |
| Rachmahnia Pratiwi | Universitas Airlangga | 1 |
| Kamila Dwi Febrianti | Universitas Airlangga | 1 |
| Wizara Salisa | Universitas Airlangga | 1 |
| Riza Khoiriyah | Universitas Airlangga | 1 |
| Achmad Dzulkifli | Universitas Airlangga | 1 |
| Achidah Nur Syahdana | Afiliasi tidak diketahui | 1 |
| Allisa Nadhira Permata Arinda Putri | Universitas Airlangga | 1 |
| Alinda Rahmani | Afiliasi tidak diketahui | 1 |
| Yusrita Anidha | Universitas Airlangga | 1 |
| Wilis Cahyaning Ayu | Universitas Airlangga | 1 |
| Haitham Taleb Salem Mohammed | Universitas Airlangga | 1 |
| Lamia A. S. Ali | Universitas Airlangga | 1 |
| Hebah Hamood Moqbel | Al-Saeed University | 1 |
| Abdulhakeem Ali Alarabi | Afiliasi tidak diketahui | 1 |
| Shakib Abdulbasit Al-Maamari | Afiliasi tidak diketahui | 1 |
| Hario Megatsari | Universitas Airlangga | 1 |
| Erni Astutik | Universitas Airlangga | 1 |
| Mursyidul Ibad | Universitas Nahdlatul Ulama Surabaya | 1 |
| Rita Damayanti | University of Indonesia | 1 |
| Dian Kusuma | City St George's, University of London | 1 |
| Susy Katikana Sebayang | Universitas Airlangga | 1 |
| Erwin Astha Triyono | Rumah Sakit Dokter Soetomo | 1 |
| Lailatul Fitria | Universitas Airlangga | 1 |
| Armedy Ronny Hasugian | National Research and Innovation Agency | 1 |
| Nono Tri Nugroho | Rumah Sakit Dokter Soetomo | 1 |
Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.