Anda di halaman 1dari 19

Ada dua desain umum studi cross-sectional.

Yang pertama adalah


survei yang dilakukan untuk menentukan prevalensi penyakit atau fisiologis
status populasi pekerja, atau beberapa subset daripadanya, di
satu titik waktu. Jenis studi cross-sectional dapat disebut
survei satu kali. Pendekatan kedua, survei dicabut, adalah
perpanjangan survei satu kali di mana kesehatan selanjutnya (dan
paparan) penilaian yang dibuat pada tenaga kerja. Umum
unsur semua studi cross-sectional adalah bahwa hasil kesehatan
jumlah kasus penyakit yang ada dalam populasi pada suatu titik
pada waktunya. Harus diakui bahwa penyakit istilah digunakan secara longgar
di sini untuk mencakup penyakit yang sebenarnya (misalnya, penyakit jantung iskemik),
gejala (misalnya, mati rasa pada ekstremitas), dan fisiologis negara
(Misalnya, menghitung diferensial sel darah putih).
Meskipun studi cross-sectional dapat dianggap sebagai varian
desain epidemiologi lainnya, mereka memiliki karakteristik yang membedakan:
selalu melibatkan pengukuran prevalensi penyakit lebih
dari kejadian. Prevalensi penyakit menunjukkan jumlah kasus yang ada dalam populasi.
Prevalensi titik mengacu pada prevalensi
diperkirakan pada satu titik waktu (misalnya, jumlah pekerja dengan
bronkitis kronis ditentukan selama survei yang dilakukan pada tahun 1988).
Prevalensi periode menunjukkan jumlah kasus yang ada selama
beberapa interval waktu (misalnya, jumlah pekerja dengan carpal tunnel
sindrom selama tahun 1974-1988). Prevalensi periode jarang
diduga dalam epidemiologi kerja. Selain itu, interpretasi
periode prevalensi tidak jelas karena merupakan campuran dari
prevalensi titik awal dan tingkat insiden berikutnya. Dengan demikian, kita
akan membatasi perhatian kita ke titik prevalensi, selanjutnya disebut

hanya sebagai prevalensi.


Prevalensi dihitung sebagai jumlah kasus dibagi dengan
jumlah pekerja dalam penelitian ini. Dengan demikian, prevalensi adalah proporsi.
Tingkat prevalensi istilah kadang-kadang digunakan, meskipun beberapa penulis
(Misalnya, Elandt-Johnson, 1975) cadangan tingkat istilah untuk nomor
kasus baru terjadi dari waktu ke waktu. Lazim, atau yang sudah ada, kasus
termasuk kasus yang berkembang selama periode waktu yang berbeda tetapi
di mana individu yang masih hidup dan terus mainfcst penyakit
pada saat studi cross-sectional. Ada hubungan langsung
antara kejadian penyakit, durasi penyakit, dan prevalensi
(Freeman dan Hutchison, 1980).
Studi prevalensi sangat berharga bagi nonfatal, degeneratif
penyakit tanpa poin dari onset. Perawatan medis untuk seperti
penyakit (misalnya, bronkitis kronis) seringkali tidak dicari sampai penyakit
telah menjadi relatif maju (Kelsey et al., 1986). Prevalensi penyakit
akan terbesar bagi penyakit yang relatif sering terjadi
dalam angkatan kerja (yaitu, tingkat kejadian yang tinggi) dan bertahan untuk waktu yang
lama
waktu. Penyakit ketekunan berarti bahwa penyakit ini tidak cepat
fatal pada dirinya sendiri, tidak secara rutin mengakibatkan komplikasi fatal,
dan bukan kondisi sementara dengan hanya periode singkat dari aktivitas.
Kebanyakan penelitian prevalensi terbatas pada pekerja aktif, dan dengan demikian akan
tidak mendeteksi penyakit yang mengakibatkan penghentian cepat kerja.
Osteoarthritis adalah contoh dari kondisi yang lazim di beberapa
pekerjaan yang melibatkan tekanan muskuloskeletal berulang dan
Oleh karena itu akan cocok untuk studi cross-sectional. Akut
leukemia myelogenous, sebaliknya, akan hampir mustahil untuk

menyelidiki dalam studi cross-sectional.


2.1. Survei One-Time
Jenis yang paling umum dari studi cross-sectional adalah survei satu kali
di mana prevalensi penyakit pada populasi pekerja diukur pada satu titik waktu.
Gambar 7-1 menunjukkan bagaimana lima pekerja hipotetis
akan diklasifikasikan dalam studi cross-sectional yang dilakukan pada tahun
1988.
Pekerja A, B, dan C berada di "terkena" kategori, sedangkan pekerja
D dan E adalah "non-terpapar." Dalam sebuah studi cross-sectional, semua
pekerja kecuali C akan dimasukkan karena pekerja C sebelumnya
kerja kiri. Di antara terkena, pekerja B akan diklasifikasikan
sebagai kasus, tapi Seorang pekerja tidak akan, karena penyakitnya tidak
hadir pada saat penelitian. Di antara non-terbuka, pekerja
D akan menjadi kasus. Dengan demikian, perbandingan sederhana terpajan dan
tidak terpajan
akan menyarankan prevalensi yang sama, meskipun fakta bahwa
insiden penyakit lebih besar di antara terkena. Kami membahas
bias jenis ini kemudian dalam bab ini.
2.2. Survei diulang
Survei diulang, kadang-kadang disebut studi panel, adalah serangkaian cross
sectional
Studi yang dilakukan dari waktu ke waktu, biasanya pada kelompok yang sama
pekerja. Tujuan dari survei diulang adalah untuk mengevaluasi perubahan
status kesehatan dalam kaitannya dengan perubahan eksposur. Desain sebuah
Survei diulang digambarkan pada Gambar 7-2. Karena survei diulang
melibatkan tindak lanjut dari kelompok pekerja, dapat dianggap sebagai
kasus khusus dari penelitian kohort prospektif. Survei berulang terutama
berguna untuk studi variabel fisiologis, seperti pulmo-nary fungsi atau tekanan
darah, yang berubah selama beberapa
tahun dapat menunjukkan tahap awal proses penyakit.

Ketika perubahan fisiologis adalah hasil studi, pendekatan terbaik


adalah untuk memasukkan mata pelajaran yang sama dalam survei diulang.
Namun, beberapa
survei diulang termasuk pendaftar baru atau bahkan dapat dilakukan
pada kelompok yang sama sekali baru dari pekerja. Dalam contoh terakhir,
Penelitian cross-sectional asli direplikasi. Orang mungkin memilih untuk meniru
sebuah studi cross-sectional pada kelompok yang berbeda (s) pekerja jika
tujuan penelitian adalah untuk memperkirakan prevalensi penyakit atau fisiologis
Fungsi dalam keadaan paparan berubah. Sebagai contoh,
jika pada tahun 1960 kita telah mempelajari prevalensi hipertensi
antara pekerja yang terpapar tingkat tinggi racun kardiovaskular dan
eksposur telah berkurang selanjutnya, maka mungkin saja diinginkan
untuk melakukan survei prevalensi baru pada tahun 1988 pada kelompok yang
berbeda
pekerja. Hipertensi, jika tidak diobati, adalah kondisi persisten;
dengan demikian, termasuk pekerja dari survei awal akan mencegah kita
dari menentukan efek paparan diturunkan.
Apabila hasil kesehatan tidak dianggap persisten, termasuk
subyek yang sama dalam survei diulang pada umumnya lebih valid
daripada memilih mata pelajaran baru, karena sebagian besar pembaur bisa
dihilangkan
jika pengukuran individu dalam dua (atau lebih) survei dapat
dihubungkan. Mempelajari mata pelajaran yang sama berulang-ulang mungkin
juga advan-tageous dalam hal efisiensi statistik karena biasanya kurang
variabilitas dalam pengukuran dalam individu dibandingkan antara kelompok
(Berry, 1974).
3. SUMBER KESEHATAN DAN SAMBUNGAN DATA
3.1. Hasil Data Kesehatan
Keuntungan utama dari studi cross-sectional adalah bahwa spektrum yang luas
hasil kesehatan dapat dipelajari. Ini span berkisar dari

penyakit klinis (misalnya, infark miokard) yang juga mungkin


termasuk dalam kelompok atau kasus-kontrol studi untuk fisiologis halus
perubahan (misalnya, tingkat enzim hati) yang hanya dapat dideteksi dengan
khusus
teknik laboratorium. Akibatnya, ada beragam
sumber dan metode yang digunakan untuk memperoleh informasi hasil
kesehatan
(Tabel 7-3). Sumber khas termasuk pemeriksaan fisik, radiografi
survei, laporan laboratorium, catatan medis, asuransi
klaim, dan kuesioner diberikan kepada pekerja. Data dari
lebih dari satu sumber ini termasuk dalam banyak cross-sectional
studi, terutama ketika ada beberapa hasil kesehatan
bunga atau ketika hasil kesehatan utama memerlukan konfirmasi
Data dari beberapa sumber untuk mendirikan diagnosis. Silikosis, yang
Bukti pelengkap dari radiografi, pemeriksaan fisik,
dan pengujian fungsi paru diperlukan untuk membentuk tegas
diagnosis, adalah salah satu contohnya.
3.2. data eksposur
Sumber data eksposur yang berguna untuk studi cross-sectional
tergantung pada sifat dari hasil kesehatan diselidiki.
Sebagai contoh, dalam sebuah studi tentang hubungan antara paparan timbal
bersamaan dan fungsi ginjal, udara dan konsentrasi mungkin kemih
timbal adalah faktor paparan yang relevan. Sebaliknya, kita
mungkin tertarik untuk mengetahui tidak hanya "saat ini" eksposur
para pekerja tetapi juga paparan kumulatif mereka untuk memimpin. Oleh
karena itu,
kami akan melengkapi data eksposur saat ini dengan indeks
seumur hidup bekerja paparan timbal yang berasal dari kompilasi masa lalu
bekerja informasi sejarah.
Beberapa sumber yang paling berguna dari data eksposur saat ini dan

pengukuran terakhir industri kesehatan, sejarah pekerjaan, sampel biologis


dari senyawa atau metabolit mereka, dan kuesioner diberikan
untuk pekerja atau pengawas mereka (Tabel 7-4). Bila mungkin,
diinginkan untuk mencoba untuk menguatkan pengukuran paparan atau
laporan dari lebih dari satu sumber.
4. PILIHAN TOPIK PILIHAN
Ada beberapa pilihan untuk memilih pekerja untuk dimasukkan dalam
Penelitian cross-sectional. Pendekatan yang ideal adalah untuk mempelajari
semua yang aktif dan
pensiunan yang pernah bekerja di pabrik atau industri, tetapi
ini jarang praktis. Pendekatan yang paling lengkap dan layak
biasanya untuk mencakup semua pekerja aktif di pabrik atau industri.
Lainnya, strategi yang lebih ketat yang mencakup subset pekerja
dipilih berdasarkan karakteristik paparan atau, lebih jarang,
untuk memilih pekerja sehubungan dengan pengalaman kesehatan. keuntungan
dan kelemahan dari berbagai pilihan seleksi busur dipertimbangkan dalam
mengikuti diskusi.
4.1. Tanaman-atau Industri Studi Lebar
Termasuk semua pekerja aktif bekerja di pabrik atau industri analog
untuk melakukan penelitian kohort pada seluruh tenaga kerja. Ini
Pendekatan dibenarkan ketika data kesehatan busur direkam secara rutin untuk
semua
pekerja, seperti dari pemeriksaan pra kerja dan selanjutnya.
Sebuah Ditanam atau industri survei lebar umumnya meningkat ketika data
paparan juga diperoleh kering ditabulasikan untuk semua karyawan
(Misalnya, dosimetri radiasi di PLTN). Namun, kecuali dalam
tenaga kerja kecil kurang dari, katakanlah, 100 pekerja, pendekatan ini bisa
menjadi mahal, terutama ketika rumit dan
prosedur diagnostik atau laboratorium mahal diperlukan.

Pembenaran lain untuk termasuk semua pekerja, bahkan ketika kesehatan


Data tidak tersedia, adalah ketika industri yang diteliti
melibatkan eksposur terhadap bahaya dikenal. Penelitian cross-sectional maka
menjadi berpotensi manfaat langsung kepada pekerja dengan melayani sebagai
berarti skrining penyakit dan rujukan untuk pengobatan untuk diidentifikasi
kasus.
Seperti penelitian kohort, kadang-kadang mungkin disarankan untuk membatasi
subjek dalam penelitian cross-sectional untuk pekerja dengan minimum
Durasi kerja jika ada alasan untuk percaya bahwa paparan
Efek memerlukan induksi minimum atau waktu latency. Tidak termasuk
pekerja jangka pendek dengan kemungkinan atipikal sosiodemografi characteristics adalah alasan lain untuk memaksakan kerja minimum
kriteria durasi dalam beberapa studi. Dalam penelitian yang diuraikan dalam
Contoh
7.3, para peneliti memilih sepuluh tahun minimum kerja di
pertambangan kriteria inklusi karena dianggap bahwa pernapasan
efek dianggap diperlukan eksposur berkepanjangan.
4.2. Seleksi Status Exposure
Paling sering, para pekerja yang dipilih untuk studi cross-sectional pada
berdasarkan status eksposur mereka. Artinya, pekerja dengan eksposur tertentu
profil dalam pabrik atau industri yang ditargetkan untuk studi. Di
Contoh 7.1 kita melihat bahwa tukang las yang dipilih secara khusus karena
eksposur mereka dan dibandingkan dengan pekerja lain diasumsikan
non-terkena las asap. Isolasi kelompok paparan tertentu
bunga, termasuk pekerja non-terbuka, bisa lebih costand
waktu-efisien daripada mempelajari seluruh tenaga kerja. Atau,
himpunan bagian dari pekerja yang terpapar dapat dipilih dari survei tanamanlebar
untuk penyelidikan medis yang lebih intensif. Dalam contoh terakhir

Survei keseluruhan akan berfungsi sebagai mekanisme penyaringan penyakit.


Desain penelitian cross-sectional, dimana sampel subyek
dipilih berdasarkan tingkat paparan dari kolam yang lebih besar dari pekerja,
merupakan strategi yang efisien dalam hal memfasilitasi mengevaluasi eksposurgradien respon, terutama ketika pekerja dari seluruh yang
berbagai eksposur adalah sampel.
Contoh 7.4 dan 7.5 juga menggambarkan dua metode paparan
klasifikasi. Dalam studi tukang las (lihat Contoh 7.4), paparan
klasifikasi dibuat berdasarkan tingkat diukur pada saat
penelitian, sedangkan dalam studi pekerja kehutanan (lihat Contoh
7.5), paparan kumulatif digunakan untuk mengkategorikan pekerja. Secara
umum,
eksposur saat ini lebih relevan daripada paparan kumulatif
dalam studi gejala sisa jangka pendek, dan eksposur kumulatif
yang lebih tepat untuk efek tertunda atau progresif.
4.3. Seleksi Status Penyakit
Pemilihan subjek untuk studi cross-sectional juga dapat dibuat dengan
sehubungan dengan status penyakit. Berikut penelitian yang digunakan adalah
desain kasus kontrol
yang terbatas pada kasus-kasus umum. Dalam situasi ini, kasus penyakit
antara tenaga kerja dibandingkan dengan noncases sehubungan dengan
eksposur. Sebagai contoh, kita dapat membandingkan profil pemaparan
sekelompok pekerja dengan neuropati perifer dengan perbandingan
kelompok pekerja lain bebas dari penyakit. Seperti dalam casecontrol khas
Penelitian, yang cocok di pembaur dapat diterapkan.
4.4. Perbandingan Populasi
Mengingat hanya desain cross-sectional paling khas, dimana
pemilihan subjek berdasarkan status paparan, ada beberapa pilihan
pilihan untuk populasi perbandingan (Tabel 7-8). Seperti
Studi kohort, kita dapat mengklasifikasikan kelompok pembanding baik sebagai

populasi eksternal atau internal.


Perbandingan eksternal
Data dari survei prevalensi populasi umum dapat membentuk dasar
untuk perbandingan prevalensi penyakit atau distribusi variabel fisiologis
dengan populasi penelitian. Sebagai contoh, Nasional
Kesehatan dan Gizi Pemeriksaan Survei yang dilakukan pada sampel
dari populasi Amerika Serikat (Pusat Nasional untuk Statistik Kesehatan, 1973)
telah menghasilkan sejumlah besar data pada kardiovaskular
penyakit, tekanan darah, diabetes, dan kondisi lainnya. Perbandingan
terhadap populasi umum dapat dibuat untuk seluruh tenaga kerja
atau himpunan bagian dari pekerja yang ditunjuk sesuai dengan eksposur
tingkat. Perbandingan prevalensi penyakit dengan populasi umum
mungkin bias oleh Sehat Pekerja Efek dalam banyak cara yang sama
bahwa perbandingan kematian dengan populasi perbandingan eksternal
sering bias dalam penelitian kohort. Bahkan, penyakit yang sama
yang biasanya lebih sering terjadi pada kohort industri kematian
penelitian (misalnya, penyakit pernapasan kronis) juga kurang umum di antara
populasi pekerja dalam studi prevalensi (Sterling dan
Weinkam, 1985). Sehat Pekerja Effect bahkan mungkin lebih kuat
dalam studi prevalensi karena mereka biasanya hanya mencakup aktif
pekerja yang dipekerjakan.
Sumber lain data perbandingan eksternal diterbitkan laboratorium
nilai untuk variabel fisiologis. Contohnya termasuk paru
nilai fungsi, jumlah sel darah diferensial kering distribusi sel darah putih,
nilai lipid serum, dan berbagai kimia darah. Ini
Data yang digunakan untuk mewakili "normatif" nilai-nilai, memberikan cither
rentang normal atau, dalam beberapa kasus, diperkirakan nilai bagi individu
berdasarkan jenis kelamin, etnis, variabel antropometri, atau merokok
kebiasaan.

Satu harus berhati-hati tentang mengandalkan dipublikasikan normatif


Data untuk perbandingan ketika sumber busur data referensi tidak
ditentukan secara eksplisit. Seringkali tidak ada cara untuk mengetahui
karakteristik
dari populasi dari mana data tersebut dihasilkan. Beberapa
sumber data ini termasuk relawan sehat (sering,
mahasiswa kedokteran), donor darah, dan pasien yang menerima rutin
pemeriksaan medis. Survei yang dilakukan pada kelompok-kelompok yang dipilih
secara acak dari populasi umum adalah sumber yang lebih baik dari "eksternal
nilai acuan dari yang dijelaskan sebelumnya.
Pekerja dari industri lain juga dapat dipilih sebagai eksternal
kelompok pembanding. Strategi yang paling diinginkan adalah untuk memilih
perbandingan
grup dari industri yang mempekerjakan pekerja dengan sosiodemografi
karakteristik yang mirip dengan orang-orang dari kelompok terpapar
tetapi bebas dari paparan bunga dan dari eksposur lainnya
yang dapat menyebabkan hasil kesehatan yang diteliti. Sebagai contoh, jika kita
sedang mempelajari efek neurobehavioral antara pekerja yang terpapar
pelarut organik dalam pabrik cat, maka yang cocok
kelompok pembanding eksternal mungkin pekerja di beberapa pabrik lainnya
yang tidak terkena pelarut atau logam neurotoksik (misalnya, memimpin
pekerja pabrik baterai akan dihilangkan dari pertimbangan).
Perbandingan internal
Kelompok pembanding internal dipilih dari antara angkatan kerja
termasuk dalam penelitian cross-sectional digunakan terutama untuk memeriksa
gradien prevalensi menurut tingkat eksposur. Metode untuk
pengelompokan populasi penelitian dalam studi cross-sectional adalah
sama seperti yang dijelaskan dalam Bab 5 untuk studi kohort, dan karena itu
tidak akan mengulangi. Perbedaan utama antara sub-kohort

analisis dan subkelompok analisis dalam studi cross-sectional adalah


bahwa, dalam kasus yang paling umum, analisis sub-kohort membutuhkan
atribusi
orang-time ke setiap strata paparan dicapai, sedangkan di
Studi cross-sectional subkelompok paparan diperlakukan sebagai tetap
kategori (seperti eksposur hanya dinilai pada satu titik waktu), sehingga
menyederhanakan analisis jauh.
Kita telah melihat contoh perbandingan internal dalam
Studi oleh Sjogren dan Ulfvarsori (1985) tukang las (lihat Contoh
7.4) dan Miyashita et al. (1983) dari gergaji operator (lihat Contoh
7.5). Dalam studi terakhir perbandingan itu dengan kehutanan lainnya
pekerja tanpa gergaji paparan, meskipun kita mungkin juga mempertimbangkan
pekerja dengan 0-2,500 kumulatif orang-jam rantai
melihat pekerjaan sebagai kategori referensi internal lain (lihat Tabel 7-7).
Biasanya, hal ini sangat diinginkan untuk memilih kelompok pembanding internal
yang
karena perbandingan prevalensi dengan pekerja non-terpapar cenderung
akan kurang dipengaruhi oleh Sehat Pekerja Effect, sumber
bias seleksi, dan membingungkan. Sejumlah kecil non-terpapar
pekerja mungkin memerlukan penggunaan perbandingan eksternal,
namun demikian.
5, METODE ANALISIS DATA
Pada bagian ini kami akan menjelaskan metode untuk analisis cross-sectional
Data penelitian. Metode untuk membandingkan prevalensi penyakit yang
diuraikan pertama. Selanjutnya, kita mempertimbangkan teknik analitik yang
berguna untuk
membandingkan distribusi variabel fisiologis, termasuk perubahan
dari waktu ke waktu yang akan diukur dalam survei diulang.
5.1. Perbandingan Prevalensi

Tabel 7-11 menampilkan tata letak data dasar untuk studi cross-sectional
membandingkan prevalensi penyakit antara kelompok paparan. Format data ini
merupakan tabel empat kali lipat untuk strata z'th beberapa
perancu (misalnya, umur).
Jika kita menunjukkan prevalensi penyakit tertentu dalam penelitian ini
penduduk menurut P, maka dapat ditampilkan (Rothman, 1986) bahwa
Penyakit rata prevalensi odds sama dengan tingkat kejadian (/) kali
Durasi (D) ketika tingkat kejadian konstan dari waktu ke waktu:
Dengan demikian, kemungkinan prevalensi [ekspresi (7.1)] adalah hasil dasar
mengukur dalam studi cross-sectional karena berbanding lurus
dengan kejadian penyakit yang menarik intrinsik. Oleh karena itu, prevalensi
odds ratio, yang merupakan rasio odds prevalensi di
terkena peluang prevalensi di non-terkena, adalah dasar
efek ukuran dalam studi cross-sectional. Ini berarti bahwa metode
untuk memperkirakan odds rasio dalam studi kasus-kontrol (lihat Bab
6) juga dapat diterapkan dalam studi cross-sectional. Secara khusus, prevalensi
odds ratio dapat dihitung dengan menggunakan Mantel-Haenszel
Metode (Mantel dan Haens / el, 1959) seperti yang diberikan dalam ekspresi
(6.6).
Juga, interval kepercayaan berbasis tes (Miettinen, 1976) [ekspresi
(6.3)], yang menggunakan Mantel-Haenszel chi-square [rumus (6.2)],
bisa digunakan. Sebuah metode alternatif untuk kepercayaan estimasi interval
diberikan oleh Robins et al. (1986) [ekspresi (6,8)], dapat digunakan
bukan metode berbasis tes. Karena prosedur ini telah
dibahas dalam Bab 6, kita berkonsentrasi di sini pada metode yang melibatkan
prevalensi sendiri, yang mendekati kemungkinan prevalensi saat
Penyakit ini jarang terjadi.
Prevalensi antara terkena (T3), dan non-terpapar (P0)
masing-masing adalah,

Perbandingan prevalensi dapat mengambil bentuk perbedaan atau rasio


langkah-langkah. Prevalensi perbedaan (PD) hanya ekspresi (7,2) Ekspresi (7.3), atau
Rasio prevalensi (PR) adalah hasil bagi dari dua prevalensi:
Untuk menggambarkan perhitungan untuk kasus yang paling sederhana ini,
pertimbangkan
data prevalensi bronkitis kronis di kalangan tukang las (Sjogren dan
Ulf'varson, 1985) dari Tabel 7-1. Di antara tukang las aluminium
Prevalensi adalah 4/59 atau 6,78 kasus per 100 pekerja, dan prevalensi
antara pekerja non-terpapar dari industri yang sama adalah 2 /
64, atau 3,13 per 100. Dengan demikian, perbedaan prevalensi adalah 6,78-3,13
== 3.65, dan rasio prevalensi adalah 6.78 / 3.13 = 2.17.
Tindakan Ringkasan Effect
Hal ini biasanya menarik untuk menghitung perbedaan prevalensi tunggal atau
Rasio di strata pembaur sehingga untuk menyederhanakan presentasi
hasil. Satu prosedur menggabungkan perbedaan prevalensi
di strata untuk mendapatkan ukuran ringkasan adalah untuk menghitung
tertimbang
rata-rata perbedaan, di mana bobot adalah invers dari
varians dari perbedaan prevalensi-strata tertentu. Perkiraan
dari varians dari perbedaan prevalensi (Rothman, 1986)
diberikan sebagai
di mana notasi berikut bahwa Tabel 7-11. Prevalensi Ringkasan
Perbedaan (SPD) kemudian menjadi
dimana W, adalah invers dari varians dari lapisan-spesifik
PD ,. Interval kepercayaan untuk varians tertimbang prevalensi terbalik
Perbedaan (Kleinbaum et al., 1982) diberikan sebagai
dimana W, adalah invers-strata tertentu dari varians; dan

Z adalah standar normal menyimpang (misalnya, Z = \ 0,96 untuk 95-persen


keyakinan
Interval).
Satu dapat menghitung perkiraan Mantel-Haenszel dari SPR
(Greenland dan Robins, 1985) menurut berikut
ekspresi:
Interval kepercayaan untuk SpRM ^ H dapat diperoleh dengan menghitung
varians dari ln (SPRM_H) dan eksponensial. Perkiraan
rumus untuk variansi ln (SPRM_H) (Greenland dan Robins,
1985) adalah
Interval kepercayaan untuk SpRM H kemudian
Bila ada lebih dari dua atau tiga pembaur, yang stratified
Metode analisis yang dijelaskan di sini mungkin sulit untuk menerapkan
karena jumlah kecil di beberapa strata. Dalam situasi ini, matematika
pemodelan dapat digunakan (lihat Bab 8). Pendekatan terbaik
adalah model peluang prevalensi menggunakan regresi logistik, seperti yang
dilakukan
untuk data kasus-kontrol.
5.2. Perbandingan Distribusi Variabel fisiologis
Dalam beberapa penelitian cross-sectional hasil kesehatan terus
didistribusikan variabel fisiologis bukan hanya kehadiran
atau tidak adanya penyakit atau gejala. Sesuai statistik
prosedur analisis dijelaskan dalam buku teks standar pada regresi
analisis (Snedecor dan Cochran, 1967; Kleinbaum dan Kupper,
1978; Draper dan Smith, 1981). Pembaca disebut ini
teks untuk mendapatkan pemahaman yang komprehensif tentang teknik-teknik
khusus
dan sifat matematika yang mendasarinya. Bagian berikut
merangkum beberapa metode praktis untuk analisis data yang

diperoleh dalam studi cross-sectional kerja dari fisiologis


variabilitas.
Satu-Time Data Survei
Dalam situasi yang paling sederhana yang akan membandingkan distribusi
fisiologis
variabel (misalnya, fungsi paru) antara pekerja yang terpapar
dan kelompok pembanding. Satu umum, dan berguna, pertama
pendekatan adalah untuk membandingkan nilai rata-rata antara kelompok. Jika
uji statistik yang diinginkan, maka i-uji Student untuk tak tertandingi atau
Data cocok, tergantung pada pekerja apakah terbuka dan perbandingan
kelompok telah cocok, dapat dihitung. Ekstensi
Z-test untuk beberapa kategori paparan analisis varians
(Draper dan Smith, 1981), di mana tes keseluruhan signifikansi (Uji F)
dilakukan antara sarana semua kelompok.
The / analisis-test dan varian F-test hanya cocok ketat
untuk data terdistribusi normal. Beberapa variabel fisiologis tidak
terdistribusi normal, tetapi transformasi logaritmik dari data
dapat membuat lebih banyak data terdistribusi normal.
Metode umum untuk meneliti hubungan antara
paparan dan variabel hasil kesehatan kontinyu adalah beberapa linear
analisis regresi. Model regresi mengambil bentuk
dimana Y merupakan variabel hasil, X, busur eksposur
dan variabel pengganggu, R, adalah koefisien mereka, dan e adalah
Istilah kesalahan acak. Bn adalah istilah intercept yang hanya rata-rata
nilai variabel hasil untuk seluruh kelompok yang akan
terlihat jika tidak ada variabel eksposur atau salah satu pembaur
memiliki efek apapun. Koefisien menunjukkan jumlah perubahan
dalam variabel hasil per unit perubahan dari eksposur atau perancu.

Dengan demikian, model regresi memperkirakan dampak dari masing-masing


independen
variabel (X,) disesuaikan dengan dampak dari semua variabel lain
dalam model.
Bentuk paling sederhana dari ekspresi (7.12) adalah Y = Bn + BTX, di mana
X dapat mengambil nilai-nilai baik 1 untuk terbuka dan 0 untuk non-terpapar.
(Kami telah menghilangkan istilah error di sini.) Jika X diperlakukan sebagai
kontinyu
variabel (misalnya, ppm trichloroethylene), maka interpretasi
B, adalah perubahan tambahan untuk variabel hasil per unit
paparan (dalam hal ini, per ppm trichloroethylene). Seperti yang telah kita
terlihat, kadang-kadang hanya mungkin untuk menetapkan peringkat paparan
ordinal.
Jika, misalnya, kita membandingkan nilai hasil kesehatan
antara empat kelompok paparan, maka kita akan membutuhkan tiga variabel X
(X ,, X2, dan X3), masing-masing nilai asumsi 0 atau 1 untuk terkena atau
non-terkena tingkat tertentu. Jadi, jika kita memiliki empat kategori
trichloroethylene- <1.0, 1,0-2,4, 2,5-4,9, dan> 5 ppm-kita
akan membangun tiga istilah paparan dalam model regresi X ,,
X2, dan X: i. Dengan demikian, seorang pekerja di kategori terendah akan
ditugaskan
nilai 0 untuk ketiga X istilah, seorang pekerja di kategori kedua (1.02,4 ppm) akan diberi nilai 1 untuk X! dan 0 untuk masing-masing
istilah X lainnya, dan sebagainya. Koefisien untuk salah satu dari persyaratan X
kemudian akan menunjukkan perbedaan berarti antara tingkat itu
dan tingkat eksposur terendah.
Berulang-Analisis Data Survei
Jenis yang paling sederhana dari survei diulang adalah ketika kesehatan
Data yang diperoleh dari mata pelajaran yang sama pada dua titik waktu. Ini
Desain yang paling berlaku untuk pengukuran variabel fisiologis

(Data kontinu). Hal ini juga memungkinkan untuk memperoleh biner berulang
data (misalnya, gejala pernapasan), tapi ini jarang dilakukan dalam kerja
epidemiologi. Oleh karena itu, kita akan fokus pembahasan pada
survei diulang variabel fisiologis.
Biasanya, desain survei diulang menilai perubahan fisiologis
fungsi dari waktu ke waktu, seperti yang digambarkan oleh Contoh 7.2 tentang
Fungsi paru-paru pada petugas pemadam kebakaran (Peters et al., 1974).
Perbandingan antara dua titik dalam waktu membutuhkan dipasangkan
pengukuran yang
perbedaan dihitung untuk setiap individu. Desain dipasangkan,
dimana setiap mata pelajaran berfungsi sebagai perbandingan sendiri, memiliki
keuntungan
mengendalikan untuk pembaur dari faktor pribadi (misalnya,
kebiasaan merokok). Selanjutnya, perbedaan variabel fisiologis
biasanya dapat didistribusikan bahkan ketika variabel sendiri
tidak. Sebagai contoh, jumlah trombosit dapat log didistribusikan secara normal
dalam sampel pekerja, namun perbedaan antara nilai yang terukur
di dua titik waktu akan diharapkan untuk mendekati normal
distribusi yang lebih erat. Pengecualian untuk generalisasi ini terjadi
ketika perubahan variabel dari waktu ke waktu dalam arah diprediksi, terlepas
status paparan. Fungsi paru, misalnya,
menurun seiring dengan usia; dengan demikian, dipasangkan perbedaan fungsi
paru
pengukuran yang dilakukan pada dua titik dalam waktu tidak lebih normal
didistribusikan dari nilai ditentukan pada satu waktu.
Sebuah langkah survei diulang hanya dapat mencakup satu kelompok terpapar
namun masih memberikan estimasi perubahan valid, asalkan hasilnya
variabel tidak diharapkan untuk mengubah arah diketahui. Akan Tetapi,
jika diketahui bahwa variabel dapat berubah dari waktu ke waktu, terlepas dari
paparan (misalnya, usia atau efek musiman), maka lebih baik untuk memiliki

kelompok pembanding yang benar dari siapa berulang pengukuran juga


diperoleh pada waktu yang sama sebagai kelompok terpapar. Hal ini analog
untuk memilih kelompok plasebo terkontrol dalam terapi klinis
trial. Bila hanya satu kelompok terpapar dievaluasi berulang kali, itu harus
diasumsikan bahwa perubahan yang diharapkan dari variabel hasil adalah
nol. Secara umum, perkiraan yang lebih baik dari perubahan berarti yang
diharapkan bisa
diperoleh dari perubahan berarti yang terjadi di antara perbandingan
kelompok. Data yang diterbitkan pada variabel fisiologis dapat digunakan untuk
menghasilkan nilai-nilai diprediksi jika tidak mungkin untuk mengidentifikasi
cocok
perbandingan kelompok, dalam hal perubahan dapat dinyatakan
sebagai persentase dari yang diperkirakan.
Hal ini juga diakui bahwa ketika pengukuran ulang dilakukan
untuk variabel fisiologis, kedua dan pengukuran berikutnya untuk
orang dengan nilai-nilai awalnya ekstrim cenderung untuk berkumpul ke arah
Rata-rata kelompok. Fenomena ini dikenal sebagai regresi untuk mean
(Davis, 1976). Regresi untuk mean hanya menimbulkan masalah untuk data
interpretasi dalam survei diulang ketika subjek dengan nilai-nilai ekstrim
yang istimewa dipilih untuk pengukuran berulang. (Ini adalah
sering dilakukan dalam program skrining penyakit dan pengobatan rujukan,
seperti survei tekanan darah.) Bias dari regresi untuk mean
secara efektif dihilangkan ketika pengukuran ulang dilakukan
terlepas dari nilai awal.
Sebuah survei diulang menggabungkan pengukuran yang dilakukan pada lebih
dari dua titik waktu membutuhkan perhitungan yang lebih rumit
yang dapat dicapai dengan menggunakan analisis regresi. Pada prinsipnya, ini
Analisis melibatkan komputasi kemiringan regresi waktu pada hasil
variabel untuk setiap pekerja, memperoleh kemiringan rata-rata untuk

kelompok, dan membandingkan hasil ringkasan ini dengan referensi yang


Kelompok (Draper dan Smith, 1981; Donner, 1984).