Anda di halaman 1dari 5

Analisa dan Interpretasi Data Surveilans Analisis data diperlukan untuk menjamin bahwa sumber data dan proses

pengumpulan data adalah adekuat. Untuk menganalisis data surveilans kita harus memperhatikan beberapa hal berikut: 1. Apa keistimewaan atau kekhasan data yang didapat? 2. Memulai dari data yang paling sederhana ke data yang paling kompleks 3. Menyadari bila ketidaktepatan dalam data menghalangi analisis-analisis yang lebih canggih. Jika ada data yang bias maka data tersebut tidak perlu digunakan. 4. Sifat data surveilans 5. Perubahan dari waktu ke waktu 6. Beberapa sumber-sumber informasi 7. Masalah kualitas dan kelengkapan 8. Butuh pengetahuan yang mendalam tentang sistem evaluasi

Langkah-langkah dalam Analisis Surveilans: 1. Kualitas Data Langkah pertama dalam menganalisis data surveilans berfokus pada kualitas data. Ini berbeda dengan proses evaluasi yang memberikan pengetahuan yang mendalam tentang proses pengumpulan data dan keterbatasan potensi data. Frekuensi distribusi dari setiap variabel yang melihat, untuk mengidentifikasi nilai-nilai yang hilang, tarik digit, kesalahan logis seperti tetanus neonatal mempengaruhi orang dewasa, dan bias yang terkait dengan kurangnya representasi dari data: * * * Kasus dalam sistem pengawasan mungkin lebih parah daripada kasus di masyarakat karena bias pelaporan Kasus dari perkotaan mungkin lebih mewakili kasus dari daerah pedesaan dengan cakupan miskin fasilitas kesehatan Sumber tertentu pemberitahuan tidak dapat diwakili, seperti dokter umum, penyedia layanan kesehatan dari sektor swasta.

Cepat melihat data dapat membantu Anda untuk mengidentifikasi keterbatasan yang Anda perlu memperhitungkan saat meringkas temuan Anda. 2. Analisis Deskriptif

Merupakan bentuk analisis data penelitian untuk menguji generalisasi hasil penelitian berdasarkan satu sample. Analisis Data Menurut Waktu Analisis ini membandingkan jumlah kasus yang diterima selama interval waktu tertentu dan membandingkan jumlah kasus selama periode waktu sekarang dengan jumlah yang dilaporkan selama interval waktu yang sama dalam periode waktu tertentu. Data yang diterima dalam sistem surveilans sering disebut sebagai sinyal. Tujuan dari analisis deskriptif karakteristik waktu adalah untuk menggambarkan trend, variasi musiman, dan kecelakaan atau wabah potensial dalam residu. Tanggal onset adalah yang terbaik satu menggambarkan peristiwa kesehatan. Namun, karena keterlambatan dalam pelaporan, jumlah kasus dengan onset pada mingguminggu paling baru selalu akan berada di bawah perkiraan, memberikan grafis rasasalah dari tren menurun. Melihat tanggal pemberitahuan tidak menyampaikan masalah ini. Namun, wabah terdeteksi mungkin terjadi beberapa minggu lalu, dan dengan demikian data tidak mewakili gambaran yang benar dari penyakit di masyarakat. Namun, sebagian besar waktu lebih baik untuk menggunakan tanggal pemberitahuan karena akan memungkinkan perbandingan dengan tahun sebelumnya tanpa mengoreksi penundaan. Epidemiologi sering hanya mampu mendeteksi wabah pemberitahuan bukan wabah penyakit. Ini menekankan kebutuhan untuk melaporkan tepat waktu ketika mencari sinyal peringatan dini, tanpa menunggu konfirmasi jika akan memakan waktu, atau untuk penyelidikan penuh. Metodologi Pertimbangan Ketika Pengujian untuk hipotesis Waktu:

Data surveilans bukan hasil dari kasus sampling. Hal ini seharusnya mewakili semua kasus yang terjadi, untuk menjadi lengkap. Dengan demikian, tes statistik tradisional tidak dapat diterapkan, dan perbedaan dari satu kasus secara teoritis signifikan. Namun, data surveilans dapat dilihat sebagai sampel dari waktu ke waktu, di mana tren penyakit ini menggambarkan kelompok individu. Jenis analisis ini disebut analisis ekologi. Unit-unit waktu tidak independen. Musiman dan trend sekuler mempengaruhi proses analisis. Kasus X acara kesehatan yang terjadi di musim panas tidak dapat ditafsirkan sebagai kasus X yang terjadi di musim dingin, karena penyakit yang paling menular dipengaruhi oleh musim. Independensi antara "unit statistik" yang tidak terpenuhi, tes digunakan pada sampel tidak metode yang dapat diterapkan. yang Analisis data surveilans dan tempat membutuhkan ketergantungan. Pengujian Hipotesis untuk Waktu: Ketika memulai pengujian hipotesis untuk hipotesis waktu, kita harus pastikan dulu bahwa setiap pengganggu telah dihapus. Jika populasinya tidak stabil, maka sinyal harus dinyatakan dalam tingkat untuk mewakili dinamika benar penyakit dalam populasi. Ketika populasi stabil, jumlah dapat digunakan untuk jangka waktu beberapa tahun. Akuntansi ketergantungan waktu, yaitu tren dan musim, berarti untuk menghapusnya sebelum menerapkan uji statistik. Cara termudah adalah dengan membatasi analisis untuk periode sebanding tahun-tahun sebelumnya, dengan asumsi bahwa tidak ada kecenderungan dalam data. Ini adalah apa yang dilakukan secara rutin dalam sistem surveilans membandingkan jumlah kasus untuk minggu-minggu terakhir dengan minggu yang sama dari tahun sebelumnya. Namun, banyak informasi yang hilang dalam proses. Pemodelan data memungkinkan untuk menghapus ketergantungan waktu dengan mengurangi kecenderungan linier, biasanya garis regresi linier, dan menghapus musim dengan mengurangi kurva sinus. tepat menjelaskan waktu

Hipotesis yang diuji adalah sebagian besar waktu apakah ada kasus yang lebih dari yang diharapkan, sebagai sinyal untuk wabah sumber titik potensial, atau apakah tren dari waktu ke waktu berubah, seperti apa yang membuat seseorang menjadi transmisi orang lain dari penyakit. Analisis Data Menurut Tempat Yaitu dengan mengetahui tempat pemajan terjadi, bukan tempat laporan berasal, mengetahui kemungkinan sumber-sumber pencegahan akan menjadi sasaran yang efektif, menggunakan computer dan perangkat lunak untuk pemetaan spasial, memungkinkan analisis yang lebih canggih. Analisis deskriptif karakteristik tempat mengacu pada kasus pemetaan. Jika jumlah kasus aktual digunakan, peta dot density paling cocok. Namun, tingkat sering digunakan untuk menjelaskan populasi yang mungkin berbeda di seluruh wilayah geografis. Peta ini disebut daerah-peta atau peta choropeth. Setiap kali struktur penduduk mungkin berbeda di seluruh wilayah geografis, harga standar perlu digunakan untuk membandingkan pola penyakit. Sistem Sentinel biasanya tidak dapat diwakili pada batas-batas administratif. Sebuah teknik pemetaan tertentu digunakan, yang disebut peta isolrate. Peta ini mirip dengan yang digunakan untuk menunjukkan tingkat hujan di suatu negara, yang diukur melalui stasiun cuaca yang mirip dengan lokasi sentinel dalam epidemiologi. Sistem informasi geografis telah semakin banyak digunakan di tahun terakhir. Mereka menyediakan kemampuan untuk secara tepat menemukan kasus di peta. Namun, penggunaannya terbatas dalam pengawasan karena kebanyakan sistem di seluruh dunia tidak merekam informasi ini secara rutin. Koordinat kasus dapat diekstraksi dari alamat. Proses ini disebut geo-coding.

Pengujian Hipotesis Tempat: o Hapus pembaur (standardisasi) o Deteksi cluster

o Tak terduga acara: dot-peta o Uji korelasi spasial dengan tetangga terdekat o Acara dengan data historis dasar o Uji korelasi spasial dengan analisis kedekatan o Risiko faktor identifikasi o Overlaying eksposur dan hasil o Uji untuk cross-korelasi Analisis Data Menurut Orang Analisis ini menggunakan data umur, jenis kelamin, rasa tau entitas, status perkawinan, pekerjaan, tingkat pendapatan, dan pendidikan. Semua data dari orang tersebut harus terlengkapi untuk dapat mengetahui sebab kasus terjadi. Pengujian Hipotesis Terkait Orang: * Chi square untuk menguji hubungan atau pengaruh dua buah variabel nominal dan mengukur kuatnya hubungan antara variabel yang satu dengan variabel nominal lainnya (C = Coefisien of contingency). * * Perbandingan berarti koefisien korelasi adalah nilai yang menunjukkan kekuatan dan arah hubungan linier antara dua peubah acak (random variable).

sumber : http://element.esaunggul.ac.id/course/view.php?id=2937