Mendiagnosis anak hiperaktif melibatkan evaluasi komprehensif pola perilaku, penilaian klinis, dan terkadang alat diagnostik canggih. Hiperaktif, sering dikaitkan dengan Attention Deficit Hyperactivity Disorder (ADHD), ditandai dengan aktivitas motorik yang berlebihan, impulsif, dan defisit perhatian. Gejala-gejala ini dapat menyebabkan ketidaksesuaian yang signifikan dalam pengaturan sosial dan pendidikan. Proses diagnostik beragam, melibatkan penilaian subjektif dan pengukuran objektif untuk memastikan akurasi dan keandalan.
Penilaian Perilaku dan Klinis
- Pola Perilaku: Hiperaktif diidentifikasi melalui pola perilaku yang persisten seperti gangguan, disorganisasi, dan impulsif. Perilaku ini tidak terkait dengan kurangnya kecerdasan atau pemahaman melainkan dengan ketidakmampuan untuk mempertahankan fokus dan mengendalikan impuls (Maksimochkina, 2023)].
- Pengecualian Gangguan Lainnya: Diagnosis melibatkan mengesampingkan kondisi lain seperti skizofrenia, gangguan mood, atau gangguan neurologis. Ini memastikan bahwa hiperaktif bukanlah gejala dari kondisi lain yang mendasarinya (Gittelman, 2009).
- Penggunaan Timbangan dan Tes: Skala dan tes khusus digunakan untuk mengevaluasi tingkat keparahan dan dampak hiperaktif. Alat-alat ini membantu membedakan antara variasi normal dalam tingkat aktivitas dan hiperaktivitas yang signifikan secara klinis(C, 2005).
Alat Teknologi dan Neuropsikologis
- Analisis EEG: Elektroensefalografi (EEG) digunakan untuk menganalisis pola aktivitas otak. Fitur non-linier seperti ukuran entropi dan Rasio Theta/Beta (TBR) diekstraksi untuk membedakan ADHD dari aktivitas otak normal. Metode ini telah menunjukkan akurasi tinggi dalam mengklasifikasikan ADHD, dengan beberapa penelitian mencapai akurasi hingga 99,58% (Rezaeezadeh et al., 2020) (Boroujeni et al., 2019).
- Sistem Pakar: Sistem ahli berbasis web yang menggunakan metode seperti Naive Bayes dapat membantu dalam mendiagnosis hiperaktif dengan memberikan penilaian probabilistik gejala. Sistem ini menawarkan antarmuka yang ramah pengguna untuk diagnosis pendahulu (Ervinaeni, 2019).
- Evaluasi Neuropsikologis: Evaluasi komprehensif mencakup tes neuropsikologis yang menilai fungsi kognitif dan perilaku. Tes ini membantu dalam memahami dasar-dasar neurobiologis hiperaktif dan dampaknya terhadap fungsi anak (Revol & Fourneret, 2002)].
Diagnosis Diferensial dan Komorbiditas
- Gangguan Tidur: Gangguan pernapasan tidur (SDB) dapat meniru gejala ADHD seperti kurangnya perhatian dan hiperaktif. Sangat penting untuk menyaring SDB pada anak-anak yang menunjukkan gejala seperti ADHD, karena pengobatan SDB dapat secara signifikan mengurangi gejala ini (Cherlopalle et al., 2015).
- Kondisi Komorbida: ADHD sering hidup berdampingan dengan kondisi lain, memerlukan penilaian menyeluruh untuk mengidentifikasi dan mengatasi semua faktor yang berkontribusi. Ini termasuk mengevaluasi ketidakmampuan belajar, gangguan mood, dan masalah perilaku lainnya (C, 2005).
Sementara fokus utamanya adalah pada mendiagnosis ADHD, penting untuk mempertimbangkan penyebab potensial hiperaktif lainnya. Kondisi seperti gangguan tidur, gangguan mood, dan ketidakmampuan belajar dapat muncul dengan gejala yang sama dan harus disingkirkan melalui evaluasi komprehensif. Selain itu, penggunaan alat diagnostik canggih seperti EEG dan sistem ahli dapat meningkatkan keakuratan diagnosis, tetapi mereka harus dilengkapi dengan penilaian klinis dan pengamatan perilaku untuk memberikan pemahaman holistik tentang kondisi anak.
Referensi
Friel, C., Leyland, A. H., Anderson, J., Tsompanidis, A., Brantsæter, A. L., & Dundas, R. (2024). Healthy Prenatal Dietary Pattern and Offspring Autism. JAMA Network Open. https://doi.org/10.1001/jamanetworkopen.2024.22815
Vecchione, R., Westlake, M., Bragg, M. G., Rando, J., Bennett, D. H., Croen, L., Dunlop, A. L., Ferrara, A., Hedderson, M. M., Kerver, J. M., Lee, B. K., Lin, P. D., Hertz‐Picciotto, I., Schmidt, R. J., Strakovsky, R. S., & Lyall, K. (2024). Maternal Dietary Patterns During Pregnancy and Child Autism-Related Traits in the Environmental Influences on Child Health Outcomes Consortium. Nutrients. https://doi.org/10.3390/nu16223802
Rodrigues, E. L., Figueiredo, P. S., Marcelino, G., Guimarães, R. de C. A., Pott, A., Santana, L. F., Hiane, P. A., Nascimento, V. A. do, Bogo, D., & Freitas, K. de C. (2023). Maternal Intake of Polyunsaturated Fatty Acids in Autism Spectrum Etiology and Its Relation to the Gut Microbiota: What Do We Know? Nutrients. https://doi.org/10.3390/nu15071551
Carneiro, A. L., & Souza, S. (2024). Hábitos alimentares durante a gestação: uma investigação sobre a possível influência no desenvolvimento do transtorno do espectro autista (tea). https://doi.org/10.69849/revistaft/fa10202408051533
Croen, L. A., Ames, J. L., Qian, Y., Alexeeff, S., Ashwood, P., Gunderson, E. P., Wu, Y. W., Boghossian, A. S., Yolken, R. H., Water, J. V. de, & Weiss, L. (2023). Inflammatory Conditions during Pregnancy and Risk of Autism and other Neurodevelopmental Disorders. Biological Psychiatry Global Open Science. https://doi.org/10.1016/j.bpsgos.2023.09.008
Li, W., Kong, Q.-Y., Tian, P., Wang, L., Jin, X., Zhao, J., Zhang, H., Chen, W., & Wang, G. (2024). Dietary nutrients that potentially mitigate autism spectrum disorder and dietary recommendations for children and pregnant women. Food Frontiers. https://doi.org/10.1002/fft2.380
Lyall, K., Rando, J., Wang, S., Hamra, G. B., Chavarro, J. C., Weisskopf, M. G., Croen, L. A., Fallin, D., Hertz-Picciotto, I., Volk, H. E., Schmidt, R. J., & Newschaffer, C. J. (2023). Examining Prenatal Dietary Factors in Association with Child Autism-Related Traits Using a Bayesian Mixture Approach: Results from 2 United States Cohorts. Current Developments in Nutrition. https://doi.org/10.1016/j.cdnut.2023.101978
Vecchione, R., Wang, S., Rando, J., Chavarro, J. E., Croen, L. A., Fallin, M. D., Hertz-Picciotto, I., Newschaffer, C. J., Schmidt, R. J., & Lyall, K. (2022). Maternal Dietary Patterns during Pregnancy and Child Autism-Related Traits: Results from Two US Cohorts. Nutrients. https://doi.org/10.3390/nu14132729
