- Ambang suhu risiko ILI berbeda tiap wilayah, dari 11,8 derajat di Timur sampai 31,1 derajat di Tengah
- Suhu ekstrem menyumbang 3.128.629 kasus ILI berlebih di 139 kota
- 24 kota dengan kasus berlebih tertinggi menyumbang lebih dari 65 persen total kasus
- Abstrak dan Hasil naskah tidak sinkron soal arah kurva risiko di wilayah Barat Daya
Daftar Isi
Di sebagian kota Tiongkok, wabah flu justru memuncak bukan ketika udara dingin menusuk, melainkan ketika cuaca sedang panas-panasnya. Kebiasaan berpikir selama ini menempatkan suhu rendah sebagai musuh utama virus influenza, tapi data dari 333 kota menunjukkan sisi lain yang selama ini kurang diperhatikan: pada musim yang seharusnya jadi jeda flu, kenaikan suhu justru bisa mendorong kasus naik lagi.
Penelitian ini ditulis Shuhan Tang, Yi Yin, dan kolega dalam Heat effects on influenza-like illness and heterogeneity factors across regions: based on 333 cities in China, dimuat BMC Public Health volume 26, tahun 2026. Tim penulis berasal dari Nanjing Medical University, Chinese Center for Disease Control and Prevention, Xi’an Jiaotong University, dan The Hong Kong Polytechnic University.
Objeknya adalah data mingguan kasus influenza-like illness (ILI) dan suhu dari 333 kota di seluruh provinsi Tiongkok kecuali Tibet, dikumpulkan sepanjang 2010 sampai 2018, dengan fokus pada musim panas Mei-Oktober. Untuk menangkap perbedaan pola antarwilayah, penulis membagi negeri itu menjadi tujuh kawasan geografis—Utara, Selatan, Timur Laut, Timur, Barat Laut, Tengah, dan Barat Daya—lalu memodelkan hubungan suhu dan ILI di tiap kota sebelum menggabungkannya lewat meta-analisis per kawasan.
Ambang Suhu yang Berbeda di Tiap Wilayah
Setiap wilayah punya titik baliknya sendiri, yang disebut penulis sebagai suhu minimum risiko: titik di mana risiko ILI paling rendah, sebelum naik lagi begitu suhu terus bergerak. Di Timur, titik itu cuma 11,8 derajat Celsius, sementara di Tengah baru tercapai pada 31,1 derajat. Wilayah Utara, Timur Laut, Barat Laut, dan Barat Daya berkumpul di kisaran 14,7 sampai 17,0 derajat, sedangkan Selatan berada jauh lebih tinggi di 21,9 derajat.
Persoalannya, angka ambang itu tidak berdiri sendiri. Bentuk kurva risikonya pun berbeda-beda: Utara dan Barat Laut membentuk pola "V" lebar, naik baik saat suhu turun jauh di bawah ambang maupun naik jauh di atasnya. Timur Laut malah bergelombang membentuk pola "N", sementara Selatan justru bergerak berlawanan arah, membentuk pola "N" terbalik. Timur naik stabil begitu melewati 11,8 derajat, hanya sedikit menurun di suhu paling ekstrem.
Karena itu, gambaran "makin panas makin berisiko" tidak berlaku rata di seluruh negeri. Yang berlaku secara nasional, menurut meta-analisis gabungan seluruh 333 kota, ambang risiko keseluruhan berada di 8,4 derajat Celsius, jauh lebih rendah dari ambang tiap wilayah karena efek regional yang berlawanan arah saling meredam satu sama lain saat digabung.
Baca juga Ketika Kepercayaan pada Dokter Dalam Negeri Retak
Bagaimana Panas Membuka Jalan bagi Virus
Yang membuatnya rumit adalah menjelaskan kenapa udara panas, yang secara intuitif terasa tidak ramah bagi virus, malah bisa menaikkan risiko ILI. Tang, Yin, dan kolega menelusuri dua jalur sekaligus. Jalur pertama bersifat biologis: suhu panas diketahui menekan respons imun adaptif tubuh terhadap infeksi virus influenza, membuat orang lebih rentan tertular begitu terpapar.
Jalur kedua bersifat perilaku. Di cuaca panas, orang lebih banyak menyalakan pendingin ruangan di rumah dan tempat umum, dan ruang tertutup yang ramai serta jarang dibuka itu justru memudahkan virus berpindah antarorang. Suhu ruangan yang tetap rendah karena AC juga dikenal membantu virus bertahan lebih lama di udara. Ketika perbedaan suhu dalam dan luar ruangan cukup besar, perpindahan mendadak dari luar yang panas ke dalam yang dingin ber-AC turut disebut bisa menaikkan kerentanan seseorang terhadap infeksi.
Kedua jalur ini saling menguatkan, bukan berdiri sendiri-sendiri. Suhu tinggi melemahkan pertahanan tubuh pada saat yang sama ketika kebiasaan berteduh di ruang ber-AC justru mempertemukan lebih banyak orang dalam kondisi udara yang mendukung virus tetap aktif. Kombinasi keduanya, menurut penulis, menjelaskan kenapa negeri yang selama ini dikenal karena musim dinginnya yang keras ternyata juga punya musim panas yang tidak sepenuhnya aman dari flu.
Baca juga Tiga Tahun Tanpa Perubahan, Lalu Berobat ke Malaysia
Angka Beban di 139 Kota
Dari 333 kota yang diteliti, 139 di antaranya menunjukkan efek suhu tinggi yang jelas terhadap ILI, cukup kuat untuk dihitung beban kasusnya. Ketika suhu naik ke persentil ke-99 dari sebaran suhu masing-masing kota, total kasus ILI berlebih di 139 kota itu mencapai 3.128.629 kasus. Angka itu dihitung dengan membandingkan kasus aktual pada suhu ekstrem terhadap kasus yang diperkirakan terjadi bila suhu kota tetap berada di titik risiko minimumnya.
Beban itu tidak merata. Sebanyak 24 kota mencatat kasus berlebih 30.000 atau lebih, dan gabungan kota-kota ini saja menyumbang sekitar 2,04 juta kasus, atau lebih dari separuh total nasional. Sebanyak 42 kota berada di kelas menengah, 10.000 sampai 30.000 kasus, menyumbang sekitar 774.000 kasus. Kelompok terbesar dari segi jumlah kota, 73 kota, masing-masing mencatat kurang dari 10.000 kasus berlebih, dengan total gabungan sekitar 317.000 kasus.
Susunan ini menunjukkan sebagian kecil kota menanggung porsi beban yang jauh lebih besar dibanding jumlah kotanya. Dua puluh empat kota saja, kurang dari seperlima dari 139 kota yang dihitung, menyumbang lebih dari 65 persen total kasus berlebih. Median kasus berlebih di kelompok ini pun mencapai 54.828 per kota, jauh di atas median 3.739 pada kelompok kota dengan beban paling ringan.
Baca juga Seperenam Ruang Kuliah di Batam Diramal Kosong Terus
Siapa yang Paling Rentan
Persoalan berikutnya adalah menjelaskan kenapa efek panas ini berbeda-beda kekuatannya dari satu wilayah ke wilayah lain. Tang, Yin, dan kolega menguji tujuh faktor tingkat kota: lintang, PDB, jumlah penduduk, proporsi penduduk berpendapatan rendah, proporsi lansia usia 65 tahun ke atas, jumlah AC per 100 rumah tangga, dan jumlah rumah sakit. Ketujuh faktor ini diuji satu per satu, lalu digabung lewat seleksi bertahap untuk melihat kombinasi mana yang paling banyak menjelaskan variasi antarkota di tiap wilayah.
Proporsi lansia tampil sebagai modifier paling konsisten, berperan di semua wilayah kecuali Timur. Lansia dikenal punya ketahanan imun yang lebih rendah dan kemampuan beradaptasi terhadap panas yang lebih lemah, sehingga lebih rentan terkena dampak suhu tinggi. Lintang juga berulang kali muncul sebagai faktor penting, kemungkinan karena ia sekaligus mewakili variasi radiasi matahari, kelembapan, dan pola perilaku penduduk di garis lintang yang berbeda.
Kelas Ekonomi dan Akses ke Rumah Sakit
Di sisi lain, proporsi penduduk berpendapatan rendah memainkan peran penting terutama di Utara dan Selatan, dua wilayah yang risikonya justru meningkat pada suhu sekitar 22 sampai 28 derajat Celsius. Penulis menduga pola ini berkaitan dengan mobilitas dan kontak antarpekerja berpendapatan rendah di sektor pertanian atau musiman, yang cenderung lebih sering bergerak dan berinteraksi meski cuaca sedang panas.
“Amid global warming, the specific impact of high temperatures on the burden of influenza remains insufficiently studied and understood,” tulis Tang, Yin, dan kolega dalam naskah berbahasa Inggris itu. Kira-kira artinya, di tengah pemanasan global, dampak spesifik suhu tinggi terhadap beban penyakit influenza masih kurang diteliti dan dipahami.
Jumlah rumah sakit menjadi modifier penting khusus di Timur dan Selatan, dua wilayah dengan kurva risiko yang justru sedikit melandai di suhu paling ekstrem. Penulis mengaitkan ini dengan akses layanan kesehatan yang lebih baik, memungkinkan penduduk mengambil langkah pencegahan lebih cepat atau berobat lebih awal saat suhu sangat tinggi, sehingga meredam dampaknya. Sebaliknya, di Barat Laut yang fasilitas kesehatannya lebih timpang antarkota, jumlah rumah sakit justru ikut menjadi salah satu dari tujuh faktor yang menjelaskan heterogenitas efek panasnya.
Kejanggalan yang Bisa Diperiksa
Ada satu kejanggalan yang bisa dicek langsung oleh siapa pun yang membandingkan Abstrak dengan bagian Hasil di naskah ini. Bagian Abstrak menyebut wilayah Tengah dan Barat Daya sama-sama mengalami "risiko menurun seiring naiknya suhu, sebelum menunjukkan pertumbuhan minimal berikutnya". Kalimat itu memberi kesan keduanya berperilaku serupa, sama-sama melandai begitu suhu naik.
Namun bagian Hasil justru menempatkan Barat Daya dalam kelompok wilayah dengan ambang suhu sekitar 15 derajat bersama Utara, Timur Laut, dan Barat Laut—kelompok yang menurut naskah yang sama risikonya naik di ATAS ambang tersebut, bukan menurun. Kurva Barat Daya pada bagian Hasil pun dideskripsikan sebagai "relatively flat", relatif datar, bukan menurun seperti disebut di Abstrak.
Selisih penggambaran ini tidak dijelaskan di bagian mana pun dalam naskah. Pembaca yang cermat bisa memeriksanya sendiri dengan menyandingkan kalimat di Abstrak dan paragraf pembuka bagian Hasil, tanpa perlu membuka rujukan lain di luar naskah itu. Dua bagian yang seharusnya saling merangkum itu justru meninggalkan kesan yang berbeda soal satu wilayah yang sama.
Studi ini juga mencantumkan sejumlah keterbatasan yang membatasi seberapa jauh kesimpulannya bisa ditarik. Datanya berasal dari surveilans sentinel resmi, sehingga kasus yang tidak terlapor tidak ikut terhitung. ILI sendiri bukan diagnosis influenza yang dikonfirmasi laboratorium, melainkan definisi klinis yang bisa mencakup virus pernapasan lain, sehingga asosiasi suhu yang teramati berpotensi bercampur dengan respons patogen berbeda.
Analisisnya juga memakai data ILI yang digabung tanpa memisahkan subtipe influenza, padahal subtipe berbeda dikenal punya dinamika penularan yang tidak sama dan bisa bervariasi antarwilayah. Sebagai studi ekologis di level kota, asosiasi yang ditemukan pun belum tentu mencerminkan risiko tiap individu, dan kemungkinan perancu dari faktor yang tak terukur tidak bisa disingkirkan sepenuhnya.
Yang tersisa dari studi berskala hampir sembilan tahun dan ratusan kota ini adalah gambaran bahwa panas bukan sekadar latar cuaca bagi wabah flu. Ia tampil sebagai salah satu pengatur wabah itu sendiri, dengan kekuatan yang berbeda-beda tergantung siapa yang tinggal di wilayah itu dan seberapa siap layanan kesehatannya menghadapi musim panas yang makin sering datang.















