ROI CDSS di Rumah Sakit: 3 Use Case Alert Obat, Koding ICD, dan Pathway Klinis
Vera MedMinutes, Content & Marketing MedMinutes
·
·
9 menit baca
Investasi CDSS *(Clinical Decision Support System)* sering terhenti di rapat direksi karena satu hal yang sama: tidak ada angka ROI yang konkret dan relevan untuk konteks JKN. Presentasi vendor memuat studi dari rumah sakit Amerika atau Eropa — angkanya besar, tapi tidak bicara tentang tarif paket INA-CBG, severity level, atau verifikasi klaim BPJS. Artikel ini menyajikan tiga formula kalkulasi berdasarkan use case nyata dalam konteks sistem JKN, sehingga Direktur RS punya data yang bisa dibawa ke rapat direksi, bukan sekadar brosur fitur.
## Mengapa ROI CDSS Berbeda dalam Sistem JKN
Di negara dengan sistem *fee-for-service*, ROI CDSS relatif mudah dihitung: setiap adverse drug event yang dicegah menghemat biaya perawatan tambahan yang ditanggung pasien atau asuransi secara langsung. Dalam sistem JKN berbasis paket INA-CBG, mekanismenya berbeda.
RS bukan penerima *reimbursement per tindakan*, melainkan penerima tarif tetap per episode yang dikelompokkan berdasarkan diagnosis dan prosedur. Artinya, ROI CDSS di Indonesia muncul dari tiga arah yang berbeda:
1. **Efisiensi input klinis** — mencegah adverse event yang memicu tindakan tambahan di luar tarif paket yang sudah ditetapkan
2. **Optimasi pendapatan klaim** — memperbaiki akurasi koding diagnosis sekunder yang menentukan *severity level* dan besaran tarif
3. **Efisiensi output** — memperpendek *length of stay* (LOS) dalam tarif paket yang sama sehingga menghasilkan margin operasional lebih baik
Ketiga mekanisme inilah yang membentuk tiga use case di bawah.
## Use Case 1 — Alert Interaksi Obat: Mencegah Cost Leakage Adverse Event Dalam sistem INA-CBG, RS menanggung selisih biaya apabila pasien mengalami komplikasi yang tidak tercakup dalam kelompok DRG awal. *Adverse drug event* (ADE) yang tidak dicegah adalah salah satu sumber *cost leakage* terbesar karena dapat memicu pemanjangan LOS, penambahan pemeriksaan penunjang, atau transfer ke level perawatan yang lebih tinggi — semua di luar komponen tarif paket yang diterima RS dari BPJS. Berdasarkan kajian *Making Healthcare Safer IV* yang dikompilasi oleh NCBI/AHRQ (2023), penerapan *computerized provider order entry* (CPOE) yang dilengkapi *clinical decision support* (CDS) alert mampu menurunkan tingkat kesalahan peresepan hingga **81%**. Kesalahan peresepan sendiri diperkirakan terjadi pada 4–6% dari total order obat di RS tanpa sistem bantuan keputusan. **Formula kalkulasi kasar:** Estimasi potensi loss ADE per bulan dapat dihitung dari volume order bulanan dikalikan estimasi error rate (4–5%), lalu dikalikan proporsi error yang berdampak klinis, kemudian dikalikan rata-rata biaya penanganan per kejadian ADE di RS tersebut. Di RS dengan volume order menengah ke atas, angka ini dengan cepat mencapai skala yang signifikan bahkan pada asumsi konservatif. **Catatan konfigurasi kritis:** Studi yang sama mencatat bahwa *alert override rate* dapat mencapai 90–96% apabila sistem tidak dikonfigurasi secara selektif. RS perlu stratifikasi alert — hanya DDI tingkat *major* atau *contraindicated* yang tampil secara interruptif, sementara interaksi tingkat minor muncul sebagai banner non-interruptif. Tanpa stratifikasi ini, dokter akan mengalami *alert fatigue* dan manfaat klinis sistem menjadi minimal.
## Use Case 2 — Rekomendasi Koding ICD: Optimasi Severity Level INA-CBG Di sistem INA-CBG, *severity level* (I, II, atau III) ditentukan oleh kombinasi diagnosis utama dan **diagnosis sekunder** yang mencerminkan komorbiditas dan komplikasi. Severity level II atau III menghasilkan tarif yang lebih tinggi dari level I — ini adalah mekanisme yang dirancang untuk mencerminkan beban klinis sesungguhnya, dan sepenuhnya legal selama berbasis dokumentasi klinis yang akurat. Masalah yang lazim: dokter sering tidak mendokumentasikan diagnosis sekunder secara lengkap karena tidak mengetahui dampaknya terhadap koding. Koder kemudian tidak dapat menaikkan severity level karena resume medis tidak cukup spesifik. Hasilnya adalah *undercoding* — RS mendapat tarif lebih rendah dari yang seharusnya, bukan karena fraud, melainkan karena dokumentasi yang tidak optimal. PERSI dalam *Workshop INACBG dan iDRG Guna Optimalisasi Klaim JKN Tanpa Fraud* (2025) secara konsisten menekankan bahwa optimasi koding diagnosis sekunder adalah sumber "pendapatan klaim yang tertinggal" terbesar di tim casemix. Workshop ini diselenggarakan secara reguler dengan peserta dari ratusan RS anggota PERSI karena persoalan ini terjadi secara luas. CDSS dengan fitur *ICD recommendation* menampilkan saran diagnosis sekunder yang relevan secara real-time berdasarkan kondisi klinis pasien yang sudah terdokumentasi, mendorong dokter untuk melengkapi komorbiditas yang sebenarnya ada sebelum resume diselesaikan. Studi *clinical documentation improvement* (CDI) berbasis AI di sistem RS besar menunjukkan koreksi pendapatan yang terukur per kunjungan pasien — konsisten dengan proyeksi yang dapat dihitung dari data klaim internal RS itu sendiri. **Formula kalkulasi kasar:** Ambil data klaim 3 bulan terakhir. Hitung berapa persen kasus rawat inap berada di severity level I padahal memiliki komorbiditas tercatat dalam rekam medis. Selisih tarif antara severity level I dan II bervariasi per DRG, tetapi pada DRG utama di RS tipe B ke atas angkanya konsisten signifikan. Kalikan jumlah kasus yang berpotensi naik severity dengan selisih tarif tersebut — itulah estimasi pendapatan klaim yang saat ini tertinggal setiap bulan. Transisi ke iDRG memperbesar relevansi use case ini. Sistem iDRG semakin mengandalkan CC (*Complication and Comorbidity*) dan MCC (*Major CC*) untuk menentukan pengelompokan, sehingga akurasi dokumentasi diagnosis sekunder menjadi bahkan lebih kritis dibandingkan INA-CBG generasi sebelumnya.
## Use Case 3 — Clinical Pathway Digital: Efisiensi LOS dalam Tarif Paket Dalam sistem paket INA-CBG, RS menerima tarif tetap per episode — tidak peduli pasien dirawat lima hari atau sembilan hari untuk diagnosis yang sama. Artinya, setiap hari rawat yang dapat dihemat dalam tarif paket yang sama menghasilkan tambahan margin operasional bagi RS, selama kualitas klinis dan keselamatan pasien terjaga. Clinical pathway yang diintegrasikan ke dalam SIMRS — bukan versi PDF statis yang tercetak di berkas fisik — memungkinkan: - Pengingat otomatis kepada dokter dan perawat untuk order pemeriksaan dan terapi sesuai jadwal pathway - Alert apabila pasien melampaui batas LOS yang ditetapkan pathway untuk DRG tersebut - Laporan kepatuhan real-time bagi Tim Mutu RS - Deteksi dini deviasi klinis yang dapat memicu eskalasi tidak terduga Tinjauan literatur yang dipublikasikan di *Jurnal Manajemen dan Administrasi Rumah Sakit Indonesia* (MARSI, 2024) menemukan bahwa dari 11 artikel yang meneliti implementasi clinical pathway di rumah sakit Indonesia, **9 di antaranya melaporkan penurunan biaya perawatan** melalui efisiensi lama hari rawat inap. Pada level global, meta-analisis Cochrane tentang clinical pathways (update 2024) menemukan 12 dari 16 studi melaporkan penurunan LOS yang signifikan, dengan rata-rata pengurangan **0,8–2,5 hari** per episode kasus. Hambatan terbesar adalah kepatuhan: penelitian yang sama menemukan **80% RS Indonesia memiliki kepatuhan clinical pathway di bawah 50%**. Clinical pathway yang hanya tersedia sebagai dokumen fisik atau form terpisah di sistem sulit diikuti dalam tekanan kerja harian. CDSS yang mengintegrasikan pathway secara langsung ke dalam alur input dokter adalah instrumen utama untuk meningkatkan kepatuhan ini dari angka baseline yang rendah. **Formula kalkulasi kasar:** Identifikasi 5–10 DRG teratas berdasarkan volume. Untuk setiap DRG, bandingkan LOS aktual rata-rata RS Anda dengan LOS referensi pathway standar. Selisih rata-rata dikalikan volume kasus per bulan dikalikan biaya operasional harian RS menghasilkan estimasi efisiensi yang dapat dicapai dengan peningkatan kepatuhan pathway sebesar 40–60%.
## Model Kalkulasi ROI Konsolidasi untuk Rapat Direksi Ketiga use case di atas tidak berjalan terpisah. Di RS yang mengimplementasikan CDSS secara menyeluruh, efeknya bersifat kumulatif. | Use Case | Sumber Penghematan | Mekanisme dalam JKN | |---|---|---| | Alert interaksi obat | Mencegah *cost leakage* ADE | Menghindari perpanjangan LOS dan tindakan tak terduga | | Koding ICD diagnosis sekunder | Tambahan pendapatan klaim legal | Optimasi severity level INA-CBG/iDRG | | Clinical pathway digital | Efisiensi margin per episode | LOS lebih pendek dalam tarif paket yang sama | Saat menyusun presentasi ROI untuk rapat direksi, empat langkah yang disarankan: 1. **Baseline audit** — ambil data klaim 3 bulan terakhir, hitung distribusi severity level dan LOS aktual per DRG utama 2. **Gap analisis** — identifikasi berapa persen kasus berada di severity level I padahal memiliki komorbiditas yang seharusnya menaikkan level; bandingkan LOS aktual dengan LOS pathway referensi 3. **Proyeksi konservatif** — hitung potensi peningkatan pendapatan hanya dari 30–50% gap yang dapat ditutup CDSS dalam 12 bulan pertama; pendekatan konservatif lebih meyakinkan direksi daripada angka optimistis 4. **Perbandingan biaya vs manfaat** — bandingkan total biaya lisensi dan implementasi CDSS dengan proyeksi tersebut untuk mendapatkan *payback period* Proyeksi yang berbasis data klaim internal RS sendiri selalu jauh lebih meyakinkan direksi dibandingkan benchmark nasional atau studi dari luar negeri yang tidak relevan secara konteks operasional. ## Dasar Hukum - **Permenkes 76/2016** tentang Pedoman INA-CBG dalam Program JKN — mengatur sistem koding dan pengelompokan kasus sebagai dasar pembayaran; diagnosis sekunder dan prosedur merupakan komponen pembentuk *severity level* yang menentukan tarif. - **Permenkes 27/2014** tentang Petunjuk Teknis Sistem INA-CBG — Lampiran II merinci mekanisme CC/MCC (*Complication and Comorbidity* / *Major CC*) dalam penetapan severity level rawat inap, yang menjadi basis optimasi koding diagnosis sekunder. - **Perpres 82/2018** tentang Jaminan Kesehatan — Pasal 54 mewajibkan FKRTL untuk menyelenggarakan kendali mutu dan kendali biaya, termasuk penerapan clinical pathway sebagai instrumen standarisasi pelayanan dalam konteks JKN. - **Permenkes 1438/2010** tentang Standar Pelayanan Kedokteran — Pasal 10–12 mewajibkan RS untuk menyusun dan menerapkan panduan klinis berbasis standar pelayanan, yang menjadi landasan legal implementasi clinical pathway digital terintegrasi.
## Use Case 1 — Alert Interaksi Obat: Mencegah Cost Leakage Adverse Event Dalam sistem INA-CBG, RS menanggung selisih biaya apabila pasien mengalami komplikasi yang tidak tercakup dalam kelompok DRG awal. *Adverse drug event* (ADE) yang tidak dicegah adalah salah satu sumber *cost leakage* terbesar karena dapat memicu pemanjangan LOS, penambahan pemeriksaan penunjang, atau transfer ke level perawatan yang lebih tinggi — semua di luar komponen tarif paket yang diterima RS dari BPJS. Berdasarkan kajian *Making Healthcare Safer IV* yang dikompilasi oleh NCBI/AHRQ (2023), penerapan *computerized provider order entry* (CPOE) yang dilengkapi *clinical decision support* (CDS) alert mampu menurunkan tingkat kesalahan peresepan hingga **81%**. Kesalahan peresepan sendiri diperkirakan terjadi pada 4–6% dari total order obat di RS tanpa sistem bantuan keputusan. **Formula kalkulasi kasar:** Estimasi potensi loss ADE per bulan dapat dihitung dari volume order bulanan dikalikan estimasi error rate (4–5%), lalu dikalikan proporsi error yang berdampak klinis, kemudian dikalikan rata-rata biaya penanganan per kejadian ADE di RS tersebut. Di RS dengan volume order menengah ke atas, angka ini dengan cepat mencapai skala yang signifikan bahkan pada asumsi konservatif. **Catatan konfigurasi kritis:** Studi yang sama mencatat bahwa *alert override rate* dapat mencapai 90–96% apabila sistem tidak dikonfigurasi secara selektif. RS perlu stratifikasi alert — hanya DDI tingkat *major* atau *contraindicated* yang tampil secara interruptif, sementara interaksi tingkat minor muncul sebagai banner non-interruptif. Tanpa stratifikasi ini, dokter akan mengalami *alert fatigue* dan manfaat klinis sistem menjadi minimal.
## Use Case 2 — Rekomendasi Koding ICD: Optimasi Severity Level INA-CBG Di sistem INA-CBG, *severity level* (I, II, atau III) ditentukan oleh kombinasi diagnosis utama dan **diagnosis sekunder** yang mencerminkan komorbiditas dan komplikasi. Severity level II atau III menghasilkan tarif yang lebih tinggi dari level I — ini adalah mekanisme yang dirancang untuk mencerminkan beban klinis sesungguhnya, dan sepenuhnya legal selama berbasis dokumentasi klinis yang akurat. Masalah yang lazim: dokter sering tidak mendokumentasikan diagnosis sekunder secara lengkap karena tidak mengetahui dampaknya terhadap koding. Koder kemudian tidak dapat menaikkan severity level karena resume medis tidak cukup spesifik. Hasilnya adalah *undercoding* — RS mendapat tarif lebih rendah dari yang seharusnya, bukan karena fraud, melainkan karena dokumentasi yang tidak optimal. PERSI dalam *Workshop INACBG dan iDRG Guna Optimalisasi Klaim JKN Tanpa Fraud* (2025) secara konsisten menekankan bahwa optimasi koding diagnosis sekunder adalah sumber "pendapatan klaim yang tertinggal" terbesar di tim casemix. Workshop ini diselenggarakan secara reguler dengan peserta dari ratusan RS anggota PERSI karena persoalan ini terjadi secara luas. CDSS dengan fitur *ICD recommendation* menampilkan saran diagnosis sekunder yang relevan secara real-time berdasarkan kondisi klinis pasien yang sudah terdokumentasi, mendorong dokter untuk melengkapi komorbiditas yang sebenarnya ada sebelum resume diselesaikan. Studi *clinical documentation improvement* (CDI) berbasis AI di sistem RS besar menunjukkan koreksi pendapatan yang terukur per kunjungan pasien — konsisten dengan proyeksi yang dapat dihitung dari data klaim internal RS itu sendiri. **Formula kalkulasi kasar:** Ambil data klaim 3 bulan terakhir. Hitung berapa persen kasus rawat inap berada di severity level I padahal memiliki komorbiditas tercatat dalam rekam medis. Selisih tarif antara severity level I dan II bervariasi per DRG, tetapi pada DRG utama di RS tipe B ke atas angkanya konsisten signifikan. Kalikan jumlah kasus yang berpotensi naik severity dengan selisih tarif tersebut — itulah estimasi pendapatan klaim yang saat ini tertinggal setiap bulan. Transisi ke iDRG memperbesar relevansi use case ini. Sistem iDRG semakin mengandalkan CC (*Complication and Comorbidity*) dan MCC (*Major CC*) untuk menentukan pengelompokan, sehingga akurasi dokumentasi diagnosis sekunder menjadi bahkan lebih kritis dibandingkan INA-CBG generasi sebelumnya.
## Use Case 3 — Clinical Pathway Digital: Efisiensi LOS dalam Tarif Paket Dalam sistem paket INA-CBG, RS menerima tarif tetap per episode — tidak peduli pasien dirawat lima hari atau sembilan hari untuk diagnosis yang sama. Artinya, setiap hari rawat yang dapat dihemat dalam tarif paket yang sama menghasilkan tambahan margin operasional bagi RS, selama kualitas klinis dan keselamatan pasien terjaga. Clinical pathway yang diintegrasikan ke dalam SIMRS — bukan versi PDF statis yang tercetak di berkas fisik — memungkinkan: - Pengingat otomatis kepada dokter dan perawat untuk order pemeriksaan dan terapi sesuai jadwal pathway - Alert apabila pasien melampaui batas LOS yang ditetapkan pathway untuk DRG tersebut - Laporan kepatuhan real-time bagi Tim Mutu RS - Deteksi dini deviasi klinis yang dapat memicu eskalasi tidak terduga Tinjauan literatur yang dipublikasikan di *Jurnal Manajemen dan Administrasi Rumah Sakit Indonesia* (MARSI, 2024) menemukan bahwa dari 11 artikel yang meneliti implementasi clinical pathway di rumah sakit Indonesia, **9 di antaranya melaporkan penurunan biaya perawatan** melalui efisiensi lama hari rawat inap. Pada level global, meta-analisis Cochrane tentang clinical pathways (update 2024) menemukan 12 dari 16 studi melaporkan penurunan LOS yang signifikan, dengan rata-rata pengurangan **0,8–2,5 hari** per episode kasus. Hambatan terbesar adalah kepatuhan: penelitian yang sama menemukan **80% RS Indonesia memiliki kepatuhan clinical pathway di bawah 50%**. Clinical pathway yang hanya tersedia sebagai dokumen fisik atau form terpisah di sistem sulit diikuti dalam tekanan kerja harian. CDSS yang mengintegrasikan pathway secara langsung ke dalam alur input dokter adalah instrumen utama untuk meningkatkan kepatuhan ini dari angka baseline yang rendah. **Formula kalkulasi kasar:** Identifikasi 5–10 DRG teratas berdasarkan volume. Untuk setiap DRG, bandingkan LOS aktual rata-rata RS Anda dengan LOS referensi pathway standar. Selisih rata-rata dikalikan volume kasus per bulan dikalikan biaya operasional harian RS menghasilkan estimasi efisiensi yang dapat dicapai dengan peningkatan kepatuhan pathway sebesar 40–60%.
## Model Kalkulasi ROI Konsolidasi untuk Rapat Direksi Ketiga use case di atas tidak berjalan terpisah. Di RS yang mengimplementasikan CDSS secara menyeluruh, efeknya bersifat kumulatif. | Use Case | Sumber Penghematan | Mekanisme dalam JKN | |---|---|---| | Alert interaksi obat | Mencegah *cost leakage* ADE | Menghindari perpanjangan LOS dan tindakan tak terduga | | Koding ICD diagnosis sekunder | Tambahan pendapatan klaim legal | Optimasi severity level INA-CBG/iDRG | | Clinical pathway digital | Efisiensi margin per episode | LOS lebih pendek dalam tarif paket yang sama | Saat menyusun presentasi ROI untuk rapat direksi, empat langkah yang disarankan: 1. **Baseline audit** — ambil data klaim 3 bulan terakhir, hitung distribusi severity level dan LOS aktual per DRG utama 2. **Gap analisis** — identifikasi berapa persen kasus berada di severity level I padahal memiliki komorbiditas yang seharusnya menaikkan level; bandingkan LOS aktual dengan LOS pathway referensi 3. **Proyeksi konservatif** — hitung potensi peningkatan pendapatan hanya dari 30–50% gap yang dapat ditutup CDSS dalam 12 bulan pertama; pendekatan konservatif lebih meyakinkan direksi daripada angka optimistis 4. **Perbandingan biaya vs manfaat** — bandingkan total biaya lisensi dan implementasi CDSS dengan proyeksi tersebut untuk mendapatkan *payback period* Proyeksi yang berbasis data klaim internal RS sendiri selalu jauh lebih meyakinkan direksi dibandingkan benchmark nasional atau studi dari luar negeri yang tidak relevan secara konteks operasional. ## Dasar Hukum - **Permenkes 76/2016** tentang Pedoman INA-CBG dalam Program JKN — mengatur sistem koding dan pengelompokan kasus sebagai dasar pembayaran; diagnosis sekunder dan prosedur merupakan komponen pembentuk *severity level* yang menentukan tarif. - **Permenkes 27/2014** tentang Petunjuk Teknis Sistem INA-CBG — Lampiran II merinci mekanisme CC/MCC (*Complication and Comorbidity* / *Major CC*) dalam penetapan severity level rawat inap, yang menjadi basis optimasi koding diagnosis sekunder. - **Perpres 82/2018** tentang Jaminan Kesehatan — Pasal 54 mewajibkan FKRTL untuk menyelenggarakan kendali mutu dan kendali biaya, termasuk penerapan clinical pathway sebagai instrumen standarisasi pelayanan dalam konteks JKN. - **Permenkes 1438/2010** tentang Standar Pelayanan Kedokteran — Pasal 10–12 mewajibkan RS untuk menyusun dan menerapkan panduan klinis berbasis standar pelayanan, yang menjadi landasan legal implementasi clinical pathway digital terintegrasi.
FAQ
### Apakah CDSS wajib dimiliki semua rumah sakit di Indonesia? Belum ada regulasi yang secara eksplisit mewajibkan implementasi CDSS bagi semua RS. Namun beberapa standar STARKES mengharuskan RS memiliki sistem kendali mutu klinis yang dapat mencakup fungsi-fungsi CDSS seperti clinical pathway digital dan sistem peringatan obat. RS yang sudah menerapkan RME secara penuh dan terintegrasi SatuSehat memiliki infrastruktur yang memadai untuk menambahkan lapisan CDSS tanpa investasi infrastruktur tambahan yang besar. ### Berapa lama waktu implementasi CDSS hingga RS merasakan ROI? RS umumnya mulai melihat perubahan pada data koding dan klaim dalam **3–6 bulan** pertama setelah go-live. Use case alert obat berdampak langsung sejak hari pertama operasional sistem karena setiap prescribing session sudah memuat alert. Sementara itu, ROI dari clinical pathway membutuhkan peningkatan kepatuhan dokter yang biasanya memerlukan 2–3 siklus audit internal — sekitar 3–4 bulan untuk mencapai tingkat kepatuhan yang menghasilkan perubahan LOS yang terukur. ### Bagaimana CDSS untuk koding ICD berbeda dari pelatihan koder biasa? Pelatihan koder meningkatkan kemampuan interpretasi retrospektif — koder yang lebih terampil mengkodekan resume yang sudah selesai ditulis dokter. CDSS koding ICD bekerja secara *prospektif*: sistem memberikan saran kepada dokter saat mengisi resume, mendorong dokumentasi yang lebih lengkap *sebelum* koder menyentuh berkas. Kedua pendekatan saling melengkapi. RS yang hanya mengandalkan pelatihan koder tanpa CDSS akan terus bergantung pada kemampuan koder untuk "menggali" informasi dari resume yang tidak lengkap — sebuah pekerjaan yang memiliki keterbatasan struktural. ### Apakah CDSS alert obat efektif jika dokter sering mengabaikan alert? Efektivitas alert sangat bergantung pada konfigurasi, bukan semata pada teknologinya. Sistem yang menampilkan semua DDI tanpa stratifikasi akan memicu *alert fatigue* dengan override rate yang tinggi. Konfigurasi yang disarankan adalah menampilkan hanya DDI tingkat *major* atau *contraindicated* secara interruptif (memblok order sampai dokter merespons), sementara DDI minor hanya muncul sebagai banner pasif. Dengan konfigurasi ini, setiap alert yang muncul memiliki relevansi klinis tinggi dan kepatuhan dokter meningkat signifikan. ### Apakah clinical pathway digital harus dibangun dari nol oleh SIMRS? Tidak harus. Banyak clinical pathway sudah tersedia dalam format standar dari KARS atau perhimpunan profesi seperti PAPDI dan IDI. RS dapat mengadopsi pathway standar ini ke dalam SIMRS dengan melakukan penyesuaian lokal — formularium obat, ketersediaan alat diagnostik, dan kapasitas SDM. Yang terpenting adalah pathway tersebut ter-*trigger* otomatis berdasarkan diagnosis masuk dan terintegrasi dengan modul order dokter, bukan hanya tersedia sebagai form terpisah yang harus dibuka secara manual.Dipercaya 50+ rumah sakit di 8+ provinsi
