TUGAS 3 - SAMPLING

Incidence Rate 2 Populasi

Desri Maulina Sari Ikes Dwiastuti Lhuri Dwianti Rahmartani Siti Novy R

Konsep utama

Bagaimana cara menentukan besar sampel (jumlah orang) yang harus difollow-up untuk memperoleh estimasi IR (l) dalam dua populasi? Bagaimana cara menentukan besar sampel (jumlah orang) yang harus difollow-up untuk memperoleh estimasi IR (l) dalam dua populasi dengan mempertimbangkan masa follow-up?

Pembahasan

Biasanya seorang peneliti akan tertarik untuk membandingkan insidensi dari dua populasi. Dalam hal ini biasanya tujuannya adalah untuk menguji hipotesis nol Ho: 1 = 2 (atau Ho : 1- 2=0)dan bukannya mengestimasi perbedaan dengan presisi yang telah ditentukan. Jadi rumus besar sampelnya akan dibangun hanya untuk pengujian hipotesis saja.

Pembahasan (..lanjut)

Marilah kita gunakan suatu keadaan dimana tiap-tiap subjek diikuti sampai kejadian yang ingin diteliti diamati. Hipotesis nolnya dirumuskan sebagai Ho: 1 - 2 =0 dan hipotesis alternatif uji dua sisinya adalah Ha: 1 - 2 0 dimana 1 dan 2 keduanya ditentukan dibawah Ha Metodologi untuk memilih nilai 1 dan 2 sama dengan yang digunakan dalam kasus sampel tunggal. Statistik ujinya adalah :

Dimana Dengan mengandaikan ukuran sempel kedua kelompok sama besar. Kita harus mencari n sedemikian sehingga :

Pembahasan (..lanjut)

Dengan menggunakan cara yang sama yang di gunakan untuk membangun rumus (7) untuk besar sempel untuk pengujian hipotesis untuk proporsi dua populasi,dan gambar 4 (dengan mengganti P1-P2 Dengan 1 - 2) akan memberikan:

0 Area dimana kita gagal menolak Ho C 1 - 2 Area dimana kita menolak Ho

Pembahasan (..lanjut)

Kemudian, untuk mencari n, diperoleh :

Tabel 17a-17i memberikan besar sampel berdasar rumus (17) besar sampel yang sesuai terletak dalam tabel, pada titik potong antara baris yang mewakili 2 dan kolom yang mewakili 1 untuk dan yang tertentu

Pembahasan (..lanjut)

Jika akan diambil besar (n1 & n2) yang tidak sama, maka rumus (17) akan berubah menjadi rumus 17a

Dengan Tabel 17a-17i mencakup keadaan yang paling sering terjadi pada k=1

Contoh I.6.3

Misalnya suatu hazard penyakit yang disebabkan oleh pemaparan suatu bahan kimia di suatu industri diperkirakan sebesar 0,10 dan industri saingannya menggunakan suatu teknik dengan hazard penyakit yang diperkirakan sekitar 0,05. berapa orang yang diperlukan untuk diikuti dalam tiap pemaparan industri untuk menguji apakah ada perbedaan hazard penyakit pada kedua industri dengan tingkat kemaknaan 5% dan kekuatan uji 80%? Penyelesaian : dik : dengan menggunakan rumus 17, maka diperoleh

Jadi, paling sedikit 37 subyek yang harus diikuti dalam tiap kelompok sampai kejadian/kegagalan terjadi. Angka ini dapat ditemukan sebagai entry pertama dalam tabel 17 e

Table 17e: Sample Size for test of Equality of Incidence Densities (level of significance:5%; power: 80%; two-sided)

a 0,05 0,10

0 0,05 0,10 37 37 0,90 0,95

0,90 0,95 5376

5376

Pembahasan (..lanjut)

Cara lainnya adalah dengan memulai penelitian pada waktu yang sudah ditetapkan, memberi kesempatan untuk masuk ke dalam penelitian sepanjang periode, dan menghentikan pemasukan pasien dan mengikutinya selama T tahun. Ini akan mengendalikan lama waktu penelitian tetapi kita harus berpikir tentang bagaimana memperhitungkan observasi yang censored sehingga kejadian penyakit tak dapat diamati. Modifikasi rumus 17,

dan untuk mencari n menggunakan rumus, berikut (Rumus 18):

Contoh I.6.4

Menggunakan data pada contoh I.6.3 dengan tambahan pembatasan bahwa penelitian itu akan berhenti dalam 5 tahun. Kita ingin menguji melawan hipotesis alternatif Berapa orang yang harus diikuti ? Penyelesaian: dik:

Langkah 1: menghitung fungsi masing-masing a. f( :0,075) = 0,0753x 5/ [(0,075x5) -1+ e-(0,075x5)] = 0,0339 b. f( ) = 0,0469 c. f( ) = 0,0217

Langkah 2: menghitung jumlah n :

dengan membatasi lama penelitian menjadi 5 tahun kita membutuhkan lebih banyak subyek (214) dalam tiap kelompok daripada contoh yang sebelumnya. Alasannya adalah bahwa rata-rata waktu untuk mengalami kejadian sakit (failure) adalah 10 tahun dibawah Ho dan 20 tahun dibawah Ha. Angka kelangsungan hidup adalah terlalu tinggi untuk disebut realistis untuk penelitian 5 tahun.

Contoh I.6.5

Misalnya rata-rata bertahan hidup untuk pasien yang menderita penyakit tertentu dan menerima pengobatan standar adalah 2 tahun tetapi ada pengobatan baru yang akan segera diijinkan untuk beredar jika dapat dibuktikan bahwa obat ini akan menaikkan rata-rata bertahan hidup paling tidak 1 tahun. Berapa banyak subyek yang diperlukan untuk suatu penelitian 5 tahun? Penyelesaian Dik :

Jadi diperlukan 164 subyek dalam tiap kelompok, tetapi jika follow-up adalah uncensored maka diperlukan 100 subyek dalam tiap kelompok.

Contoh I.6.4 dan I.6.5 menunjukkan bahwa lama penelitian yang direncanakan tidak bisa dipilih dengan mengabaikan sama sekali waktu survival yang mungkin akan diperoleh.

Pembahasan (..lanjut)

Rumus 18 dikembangkan untuk mencakup keadaan dimana subyek dimasukkan ke dalam penelitian untuk T1 tahun dan lama waktu total penelitian T tahun, rumus berikut ini digunakan untuk mencari n (Rumus 19):

dimana,

Contoh I.6.6

Misalnya, dalam contoh I.6.5 subyek dimasukkan dalam penelitian untuk 2,5 tahun dan kemudian diikuti selama 2,5 tahun berikutnya. Berapa orang yang harus dimasukkan dalam penelitian ini? Penyelesaian : Dik :

Jadi hanya diperlukan 100 subyek dalam tiap kelompok jika rancangan penelitian yang dipilih mengijinkan untuk mengikuti subyek selama 2,5 tahun setelah suatu periode penyertaan (entry) selama 2,5 tahun.

Penghematan jumlah subyek dapat diperoleh karena semua subyek sedang dikuti untuk paling tidak 2,5 tahun, yang merupakan waktu bertahan hidup dibawah Ho dan Ha. Jadi kita mengharapkan untuk mengdapatkan lebih banyak kegagalan atau kejadian. Presisi penelitian ini tergantung dari jumlah kejadian yang diharapakan, rancangan yang menghasilkan kejadian yang terbanyak dengan periode pemasukan dan periode follow up yang terpendek akan memerlukan jumlah subyek total yang paling sedikit. Penyusunan rumus-rumus untuk besar sampel yang melibatkan angka insiden dibangun sepenuhnya dalam area penelitian survival

Akhirnya penggunaan incidence density ratio (IDR) sebagai suatu ukuran untuk membandingkan dua populasi, dalam kondisi tertentu akan menjadikan suatu pendekatan untuk resiko relatif. Dalam notasi bab ini pengujian hipotesis bahwa dengan pengujian hipotesis bahwa IDR = 1 / 2 =1
1

sama persis

Besar sampel yang didasarkan atas teori distribusi

ln (IDR) = ln ( 1) ln ( 2) Tidak akan berbeda secara bermakna dengan besar sampel yang diperoleh dari persamaan (17) (18) (19) yang nampak cukup akurat untuk sebagian besar penerapan dalam penelitian.

Referensi

Lemeshow, S., Hosmer Jr, D.W., Klar, J., Lwanga S.K., 1990. Adequacy of Sample Size in Health Studies. World Health Organization.