Studi Kasus Kontrol Berpasangan

Materi Kuliah Perancangan Kajian Epidemiologi

(IPH 616)
Pengertian: Pemadanan (matching) adalah
retriksi parsial dalam seleksi subyek
Tujuan:
Membuat perkiraan asosiasi yang disesuaikan
(adjusted)
Meningkatkan presisi dan efisiensi untuk besaran
sampel tertentu
Pengertian dan tujuan
3
Confounding
Exposure Outcome
Peubah ketiga
Berasosiasi dengan paparan
- tanpa konsekuensi menjadi paparan
Berasosiasi menjadi outcome
- Tidak berasosiasi dengan paparan
4
Matching
Memastikan bahwa faktor perancu (confounding) terdistribusi
secara merata di setiap kelompok studi
Kontrol dipilih dengan cara memadankan terhadap karakteristik
yang spesifik dengan kasus
Kelompok unexposed dipilih dengan cara memadankan terhadap
karakteristik yang spesifik dengan kelompok exposed
Memeperoleh suatu data set yang seimbang, sehingga dapat:
Mencegah confounding (jika dipadankan dengan confounder)
Meningkatkan presisi studi
5
Jenis
Individual matching
Kontrol dipilih secara individu untuk setiap kasus
dengan memadankannya dengan peubah pemadan
tertentu
Pasangan individu (1:1)
Pemilihan kontrol lebih dari satu per kasus (1:n)
Frequency matching
Jumlah kontrol dipilih dalam suatu kategori peubah
pemadan sesuai dengan jumlah kasus
Pemadanan dilakukan dengan menggunakan kelompok
suatu subyek
6
Individual matching
Echovirus meningitis outbreak, Germany, 2001
Kajian kasus kontrol berpadanan1:1
Source: A Hauri, RKI Berlin
Controls

Exposed Unexposed Total
Exposed 194 46 240
Cases
Unexposed 6 29 35
Total 200 75 275

7
Individual matching
Echovirus meningitis outbreak, Germany, 2001
Kajian kasus kontrol berpadanan1:1
Source: A Hauri, RKI Berlin
Controls

Exposed Unexposed Total
Exposed 194 46 240
Cases
Unexposed 6 29 35
Total 200 75 275

Concordant
pairs
Discordant pairs
8
Individual matching
Controls

Exposed Unexposed Total
Exposed 194 46 240
Cases
Unexposed 6 29 35
Total 200 75 275


Cases Controls Total
Exposed 240 200 240
Unexposed 35 75 35
275 275 550

Matched 2x2 table
Unmatched 2x2 table
x
9
Individual matching: Analisis
Masing-masing pasangan dianggap satu strata
Hitung Mantel-Haenszel odds ratio
Nomenclature tabel 2x2 berpadanan
Controls

Exposed Unexposed
Exposed e f
Cases
Unexposed g h

=
] [
] [
i
i
MH
n c b
n d a
OR
10
Situasi e

Case Control Total ad/T bc/T
Exposed 1 1 2
0/2 0/2
Unexposed 0 0
0
Total 1 1 2

Individual matching: Analisis
Controls

Exposed Unexposed
Exposed e f
Cases
Unexposed g h


11
Situation f

Case Control Total ad/T bc/T
Exposed 1 0 1
Unexposed 0 1
1
1/2 0/2
Total 1 1 2

Individual matching: Analisis
Controls

Exposed Unexposed
Exposed e f
Cases
Unexposed g h


12
Situation g

Case Control Total ad/T bc/T
Exposed 0 1 1
Unexposed 1 0
1
0/2 1/2
Total 1 1 2

Individual matching: Analisis
Controls

Exposed Unexposed
Exposed e f
Cases
Unexposed g h


13
Situation h

Case Control Total ad/T bc/T
Exposed 0 0 0
Unexposed 1 1
2
0/2 0/2
Total 1 1 2

Individual matching: Analisis
Controls

Exposed Unexposed
Exposed e f
Cases
Unexposed g h


14
Individual matching: Analisis

ad/N bc/N
Situation e 0 0
Situation f 1/2 0
Situation g 0 1/2
Situation h 0 0


exposed control where pairs discordant
exposed case where pairs discordant

=
g
f
0h 1/2g 0f 0e
0h 0g 1/2f 0e
=
+ + +
+ + +
=

] [
] [
i
i
MH
n c b
n d a
OR
Individual matching: Analisis
g
f
0h 1/2g 0f 0e
0h 0g 1/2f 0e
=
+ + +
+ + +
=

] [
] [
i
i
MH
n c b
n d a
OR

exposed control where pairs discordant
exposed case where pairs discordant

=
g f
g f
+

=
2
2
) (
_
Mantel-Haenszel _
2
test untuk padanan 1:1 = McNemars Test
16
Individual matching: Analisis
Controls

Exposed Unexposed Total
Exposed 194 46 240
Cases
Unexposed 6 29 35
Total 200 75 275

7.67
6
46

g
f
OR
MH
= = = _
2
= (46 6)
2
/(46 + 6)= 30.77
17
Pemadanan kasus terhadap n kontrol
Prinsipnya sama dengan pemadanan 1:1
Istilah:
Pasangan (pair) (1 kasus, 1 kontrol)
Triplet (1 kasus, 2 kontrol) 2 pasangan
Quadruplet (1 kasus, 3 kontrol) 3 pasangan
dst.
Analisis stratifikasi dengan menggunakan
pasangan-pasangan tersebut
Conditional logistic regression analysis
18
Pemadanan kasus terhadap n kontrol
Quadruplets


Control1 Control2 Control3 C+/Ctrl - C-/Ctrl+
Case 1 + + 2 0
Case 2 + 0 1
Case 3 + 3 0
Case 4 + + + 1 0
Total

6 1

1
6

exposed control where pairs discordant
exposed case where pairs discordant
= =

MH
OR
19
Frequency matching: Analisis
Age (yrs) Cases
Controls,
matched
0-14 10 10
15-29 15 15
30-44 35 35
>44 25 25
Total 85 85

20
Frequency matching: Analisis
Age (yrs) Cases
Controls,
matched
0-14 10 10
15-29 15 15
30-44 35 35
>44 25 25
Total 85 85

Stratum 2
15-29 yrs Cases Controls Total
Exp 7 5 12
N_exp 8 10 18
Total 15 15 30

Stratum 1
0-14 yrs Cases Controls Total
Exp 6 1 7
N_exp 4 9 13
Total 10 10 20

Stratum 3
Stratum 4
21
Mengapa dilakukan analisis stratifikasi?
Matching menghilangkan confounding, tetapi
memunculkan faktor confounding yang baru
Kontrol tidak lagi representatif (selection bias)
Kasus dan kontrol hampir mirip. Dengan
menghilangkan faktor pemadan, OR biasanya
underestimate
Matched design = matched analysis
Matching dilakukan jika peubah yang digunakan
untuk pemadanan (extraneous variable) adalah
confounder.
Jika terdapat hubungan yang kuat antara
extraneous variable dengan peubah exposure
overmatching
karena distribusi exposure pada kelompok kasus
dan kontrol akan memiliki kesamaan yang lebih
besar dibandingkan dengan populasi sumbernya.
Overmatching
23
Overmatching
20 kasus cryptosporidiosis
? Berasosiasi dengan kedatangan di kolam
renang setempat
2 Studi kasus kontrol berpadanan
Kontrol dari tempat latihan umum yang
sama dengan kasus (general practice (GP)
dan tgl lahir yang hampir sama
Kontrol adalah teman kasus
24
Overmatching
Controls

Exposed Unexposed
Exposed 1 15
Cases
Unexposed 1 3

GP, age-matched
OR = f/g = 15/1 = 15
Controls

Exposed Unexposed
Exposed 13 3
Cases
Unexposed 1 3

Friend-matched
OR = f/g = 3/1 = 3
Ukuran contoh studi berpadanan 1:1
) (
0 1 1 0
q p q p
m
n
+
=
Keterangan:
2
2
1
1 (
2
|
.
|

\
|

(

+
=
P
P P z
z
m
|
o
P = R/(1 + R), R = prakiraan odds ratio
p
1
= p
0
R/[1 + p
0
(R-1)]
p
0
= proporsi kontrol yang terpapar variabel yang diteliti pada populasi sasaran
q
0
= 1 - p
0
q
1
= 1 p
1
26
Keuntungan
Metode yang bermanfaat dalam kajian kasus
kontrol untuk mengoptimumkan sumber daya.
Dapat mengendalikan faktor yang komplek,
seperti lingkungan, genetik, dll.
Dapat meningkatkan efisiensi studi
Mengatasi masalah data yang langka dengan cara
menyeimbangkan strata
Memaksimumkan informasi jika ukuran sampel kecil
Kadang-kadang lebih mudah untuk
mengidentifikasi kontrol
Sampel acak tidak mungkin dilakukan
27
Kekurangan
Tidak dapat menguji asosiasi dengan peubah
pemadan
Jika tidak ada kontrol yang teridentifikasi, maka
data kasus akan hilang
Overmatching terhadap exposure akan
menyebankan OR berbias mendekati 1
Analisis statistika yang lebih rumit
Kadang-kadang sulit untuk mendapatkan
kontrol yang sesuai
28
Take-home messages
Merupakan teknik yang bermanfaat jika digunakan dengan
bijaksana
Data set yang seimbang, meningkatkan presisi, mencegah
confounding
Dapat mengendalikan faktor yang komplek, yang kemungkinan
sulit diukur
Jangan melakukan pemadanan karena pertimbangan
kemudahan
Rutin
Malas untuk memperoleh contoh acak dari populasi sumber
Ingin menghindarkan ukuran contoh yang besar
Jika melakukan pemadanan, maka pemadanan dilakukan
dengan menggunakan confounder