Langsung ke konten utama

Kelebihan berat badan dan obesitas

Untuk mengetahui apakah individu mengalami kelebihan berat badan adalah dengan menghitung indeks massa tubuh (IMT) menggunakan rumus berat badan (kg) dibagi dengan tinggi badan (m) kwadrat, sehingga satuan IMT adalah kg/m2. Terdapat dua jenis penggolongan hasil perhitungan IMT, yaitu menurut WHO (World Health Organization) dan asia pasifik

Pada 2018, penduduk dewasa Indonesia yang memiliki IMT kelebihan berat badan adalah 13,6 dan obesitas adalah 21,8%, sehingga total penduduk dewasa yang memiliki IMT kelebihan berat badan dan obesitas adalah 35,4%, artinya sekitar 1 dari 3 penduduk dewasa mengalami masalah kelebihan gizi

Kecenderungan individu untuk mengalami kelebihan berat badan dan obesitas berkaitan dengan beberapa faktor sosio-demografi seperti:

  • Lebih umum dijumpai di perkotaan daripada pedesaan
  • Pekerjaan yang tak menuntut banyak gerak 
  • Aktivitas fisik yang lebih rendah pada waktu luang
  • Perempuan
  • Tingkat kesejahteraan rumah tangga
  • Jenis industri tempat bekerja
Menurut hasil studi yang dilakukan Fakultas Kedokteran Universitas Indonesia, prevalensi obesitas pada pekerja di industri minyak dan gas lebih tinggi dari pada populasi umum. 

Obesitas bukan penyakit akibat kerja, tetapi karena tingginya prevalensi kelebihan berat badan dan obesitas menimbulkan tantangan bagi praktisi kesehatan kerja untuk juga mengatasi permasalahan ini. Paling tidak terdapat empat topik yang saling berhubungan patut dipertimbangkan, yaitu:
  1. Obesitas memiliki biaya sosial yang sangat besar dalam hal kesejahteraan yang lebih rendah dan hilangnya nyawa manusia
  2. Perawatan dan pengobatan individu dengan gangguan yang berhubungan dengan obesitas membutuhkan biaya yang sangat besar
  3. Obesitas berdampak negatif pada pengeluaran bisnis dengan menurunkan produktivitas pekerja dan meningkatkan permintaan akan layanan pendukung dan manajemen disabilitas. 
  4. Lingkungan tempat kerja dapat berkontribusi pada peningkatan kelebihan berat badan dan obesitas, akan tetapi juga dapat memberikan kemungkinan untuk mengatasi masalah tersebut.

Dampak kesehatan langsung dari obesitas antara lain:
  • Obesitas merupakan faktor risiko yang signifikan untuk penyakit kardiovaskular dan kematian
  • Obesitas meningkatkan prevalensi dan keparahan faktor risiko kardiovaskular seperti:
    • diabetes tipe II
    • kolesterol nonHDL tinggi
    • kolesterol HDL rendah, 
    • hipertensi sistolik dan diastolik
  • Obesitas terkait dengan peningkatan risiko kejadian koroner (serangan jantung) yang fatal, terlepas dari faktor risiko lainnya. Akibatnya, obesitas berkontribusi secara signifikan terhadap morbiditas dan mortalitas kardiovaskular pada populasi pekerja.
  • Obesitas merupakan faktor risiko berbagai gangguan serius lainnya:
    • perlemakan hati dan sirosis 
    • gagal ginjal kronis 
    • osteoartritis 
    • apnea tidur obstruktif
Hasil penelitian terkait dampak negatif obesitas bagi tempat kerja antara lain:
  • Obesitas terkait dengan tingkat ketidakhadiran yang jauh lebih tinggi (yaitu kehilangan lebih banyak hari kerja) dan presenteeism. Pekerja obesitas mengambil lebih banyak cuti sakit, istirahat sakit lebih lama, dan kehilangan lebih banyak produktivitas daripada pekerja non-obesitas. 
  • Obesitas juga meningkatkan biaya kompensasi pekerja. Pekerja obesitas mengajukan lebih banyak klaim kompensasi, memiliki klaim lebih mahal, dan melewatkan lebih banyak hari kerja daripada pekerja non-obesitas. 

Beberapa kondisi kerja yang dicurigai mendorong terjadinya obesitas adalah  stres di tempat kerja, kerja shift, dan jam kerja yang panjang; akan tetapi belum ada bukti ilmiah yang konklusif. 

Obesitas di tempat kerja merupakan masalah kesehatan masyarakat, bukan merupakan penyakit akibat kerja. Profesional kesehatan kerja harus terlibat secara aktif dalam masalah ini. Ada banyak strategi intervensi yang tersedia, misalnya dengan menerapkan program untuk mendukung penurunan berat badan dan mempertahankan berat badan yang direkomendasikan, serta mendorong olahraga dan mempromosikan pola makan yang sehat. 

Komentar

Postingan populer dari blog ini

Statistik data hasil pemantauan pajanan lingkungan kerja

Data hasil pemantauan dapat diinterpretasikan dengan hanya membandingkan hasil perhitungan statistik deskriptif dengan NAB (Nilai Ambang Batas) jika semua data yang ada lebih rendah dari 0,1 NAB atau di atas NAB. Tetapi ketika data hasil pemantauan mendekati atau mencakup NAB, maka statistik inferensial seperti persentil ke-95 harus dihitung untuk membantu dalam pengambilan keputusan.  Statistik deskriptif yang harus secara rutin dihitung untuk semua data pajanan adalah: Pajanan maksimum Pajanan minimum Rentang pajanan Persen pajanan lebih besar dari NAB Rata-rata pajanan Simpang baku pajanan Rata-rata dari pajanan transformasi log alami Simpang baku dari pajanan transformasi log alami Rata-rata geometris Simpang baku geometris Statistik inferensial Persentil ke-95 Upper tolerance limit Exceedance fraction

Persentil ke-95

Perhatikan ilustrasi berikut ini untuk memahami apa yang dimaksud dengan persentil ke-95. Misalkan: setiap tahun, seorang pekerja bekerja 100 hari. Berapa hari yang dapat diterima untuk pajanan melebihi NAB tanpa respirator jika kita mengumpulkan data pemantauan personal pada pekerja tersebut selama 100 hari?  Kita tentu mengharapkan bahwa selama 100 hari bekerja tersebut, pajanan yang melebihi NAB tanpa respirator adalah 0 hari. Target jumlah hari dengan pajanan yang melebihi NAB tanpa respirator berdasarkan konsensus profesional adalah tidak lebih dari 5 hari dari 100 hari , yaitu persentil ke-95 . Jadi 5/100 (5 hari dari 100 hari) di atas NAB dan 95/100 (95 hari dari 100 hari) di bawah NAB.  Dari keterangan di atas: Persentil ke-95 adalah persentase hari di mana pajanan berada di bawah NAB Exceedance fraction 5% adalah persentase hari di mana pajanan berada di atas NAB Dalam praktik sehari-hari tidak mungkin kita melakukan pengukuran pajanan personal setiap hari. Dari be...

Interpretasi hasil biomonitoring

S ecara konvensional, konsentrasi biomarker urin (misalnya: S-PMA, HA, dan MHA) dikoreksi terhadap tingkat hidrasi untuk menghasilkan konsentrasi biomarker terkoreksi. Rumus yang digunakan adalah: Untuk dapat menggunakan rumus tersebut maka terdapat syarat yang harus dipenuhi, yaitu konsentrasi kreatinin urin antara 0,3 – 3 g/l .  Pada rumus di atas, konsentrasi kreatinin urin sebagai penyebut, dengan demikian jika penyebut semakin kecil maka hasil bagi semakin besar dan sebaliknya jika penyebut semakin besar maka hasil bagi semakin kecil. Dengan perkataan lain, jika konsentrasi kreatinin urin lebih kecil dari 0,3 g/l maka konsentrasi biomarker terkoreksi akan lebih besar dari seharusnya dan sebaliknya jika konsentrasi kreatinin urin lebih besar dari 3 g/l maka konsentrasi biomarker terkoreksi akan lebih kecil dari seharusnya. Hal ini berpotensi menimbulkan kesalahan dalam interpretasi data hasil pengukuran biomarker tersebut. Perlu juga diketahui bahwa rumus tersebut mengasumsikan...