<![CDATA[Nyeri merupakan pengalaman sensorik dan emosional yang kompleks, sering kali sulit diukur secara objektif, terutama pada pasien yang tidak mampu berkomunikasi secara verbal. Penilaian nyeri yang tepat sangat penting untuk memberikan intervensi medis yang cepat dan efektif. Namun, pendekatan konvensional yang bergantung pada pelaporan diri memiliki keterbatasan pada populasi tertentu seperti anak-anak, pasien ICU, dan penderita gangguan kognitif. Oleh karena itu, penelitian ini bertujuan untuk mengevaluasi efektivitas tanda-tanda fisiologis dalam mendeteksi rasa sakit melalui tinjauan literatur sistematis. Metode penelitian dilakukan menggunakan protokol PRISMA dengan strategi pencarian berbasis kerangka kerja PICO. Artikel diperoleh dari database PubMed, Scopus, dan Google Scholar dengan kriteria inklusi mencakup publikasi tahun 2014–2024, bahasa Inggris, dan akses terbuka. Dari 141 artikel, 16 memenuhi kriteria untuk dianalisis lebih lanjut. Hasil menunjukkan bahwa sinyal fisiologis seperti Electrodermal Activity (EDA), elektrokardiogram (EKG), dan tingkat respirasi memiliki potensi tinggi dalam mendeteksi rasa sakit, terutama ketika dikombinasikan dengan teknologi pembelajaran mesin. Perangkat wearable seperti jam tangan pintar juga terbukti efektif dalam pemantauan nyeri real-time. Meski demikian, akurasi model multimodal masih memerlukan peningkatan lebih lanjut. Kesimpulannya, tanda fisiologis memberikan pendekatan objektif dan menjanjikan untuk deteksi nyeri, khususnya bagi pasien non-verbal. Penelitian selanjutnya disarankan untuk mengembangkan model multimodal yang lebih akurat dan komprehensif guna meningkatkan kualitas perawatan pasien berbasis teknologi.]]>
