Impact and Effectiveness of Electronic Health Record Use in Monitoring and Management of Respiratory Diseases: A Systematic Literature Review / A Dampak dan Keefektivitasan Penggunaan Rekam Medis Elektronik dalam Pemantauan serta Manajemen Penyakit Pernapasan: Sebuah Tinjauan Literatur Sistematis

Chronic and acute respiratory diseases such as asthma, COPD, COVID-19, ARDS, and acute respiratory infections (ARI) pose a substantial global health burden. Conventional surveillance systems are reactive and limited in early detection. Electronic Health Records (EHRs) offer great potential as a longitudinal data source for more effective respiratory disease monitoring and management. This systematic review aims to evaluate the impact and effectiveness of EHR use in monitoring disease trends, early detection, and optimizing clinical management of patients with various respiratory conditions. This systematic review followed the PRISMA 2020 guidelines. Literature searches were conducted in PubMed, Scopus, Web of Science, and Google Scholar (2016--2025). The research question was formulated using the PICO framework. A total of 40 articles meeting the inclusion criteria were analyzed thematically. The majority of studies originated from high-income countries (USA, UK, Denmark, Netherlands, Spain, Australia), with diverse study designs (retrospective cohort 35%, model development 25%, cluster RCT 5%). Types of EHR interventions included real-time surveillance systems, NLP/AI-based prediction models, CDSS, and data quality evaluations. EHRs were shown to detect SARI case surges up to 8 days earlier, predict ARDS with an AUROC of 0.84, reduce unnecessary antibiotic prescribing by 12--16%, and extract asthma symptoms with an F1-score >0.95. However, significant challenges remain regarding data quality (completeness <50% for some variables) and geographic gaps (no studies from Indonesia). EHRs, particularly when integrated with NLP and artificial intelligence, are effective for surveillance, early detection, and clinical management of respiratory diseases. However, data quality challenges and the lack of evidence from developing countries still need to be addressed. Data standardization, interoperability investments, and technology adaptation for local contexts such as Indonesia are required.

Penyakit pernapasan kronis dan akut seperti asma, PPOK, COVID-19, ARDS, dan ISPA menimbulkan beban kesehatan global yang substansial. Sistem surveilans konvensional bersifat reaktif dan terbatas dalam deteksi dini. Rekam Medis Elektronik (RME) menawarkan potensi besar sebagai sumber data longitudinal untuk pemantauan dan manajemen penyakit pernapasan yang lebih efektif. Tinjauan sistematis ini bertujuan untuk mengevaluasi dampak dan keefektivitasan penggunaan RME dalam pemantauan tren penyakit, deteksi dini, serta optimalisasi manajemen klinis pada pasien dengan berbagai kondisi pernapasan. Tinjauan sistematis ini mengikuti pedoman PRISMA 2020. Pencarian literatur dilakukan pada basis data PubMed, Scopus, Web of Science, dan Google Scholar (2016--2025). Pertanyaan penelitian dirumuskan menggunakan kerangka PICO. Sebanyak 40 artikel yang memenuhi kriteria inklusi dianalisis secara tematik. Mayoritas studi berasal dari negara berpenghasilan tinggi (AS, Inggris, Denmark, Belanda, Spanyol, Australia), dengan desain yang beragam (kohort retrospektif 35%, pengembangan model 25%, RCT klaster 5%). Jenis intervensi RME meliputi sistem surveilans real-time, model prediksi berbasis NLP/AI, CDSS, serta evaluasi kualitas data. RME terbukti mendeteksi lonjakan kasus SARI hingga 8 hari lebih cepat, memprediksi ARDS dengan AUROC 0,84, menurunkan peresepan antibiotik tidak perlu 12--16%, serta mengekstraksi gejala asma dengan F1-score >0,95. Namun, tantangan kualitas data (kelengkapan <50% pada beberapa variabel) dan kesenjangan geografis (tidak ada studi dari Indonesia) masih signifikan. RME, terutama jika diintegrasikan dengan NLP dan kecerdasan buatan, terbukti efektif untuk surveilans, deteksi dini, dan manajemen klinis penyakit pernapasan. Namun, tantangan kualitas data dan keterbatasan bukti dari negara berkembang masih perlu diatasi. Diperlukan standarisasi data, investasi interoperabilitas, serta adaptasi teknologi untuk konteks lokal seperti Indonesia.