Anda di halaman 1dari 14

Untuk menguji efektivitas vaksin cacar pada kelompok anak berumur 6 tahun,

seseorang seharusnya memasukkan kelompok yang masih rentan. Dengan demikian


dalam percobaan terhadap vaksin cacar, anak anak dengan antibody pada permulaan
percobaan dikeluarkan atau dihilangkan dari analis hasil karena mereka tidak
beresiko terhadap cacar. Sebaliknya, penyebut pada angka prevalensi memasukkan
semua orang yang terdapat pada populasi Karena penyebut ,mengandung kasus
lama dan baru.
Penyebut. Pada keadaan tertentu lebih dari satu kejadian dapat terjadi pada
satu orang yang dalam periode waktu yang tetap. Hal ini memberikan perubahan
pada dua tipe angka kejadian dari kumpulan yang sama. Sebagai contoh, karena
seseorang dapat menderita pilek lebih dari satu kali dalam satu tahun, dua angka
kejadian berikut dapat dibentuk.
jumlah orang yang menderita pilek
jumlah orang yang beresiko

dalam periode satu tahun

jumlah kasus pilek


jumlah orang yang beresiko dalam periode satu tahun
setiap angka memberikan hasil yang berbeda. Pertama memberikan
probabilitas bahwa setiap orang akan menderita pilek dalam waktu 1 tahun. Angka
kedua menceritakan kepada kita tentang jumlah kasus pilek yang diharapkan pada
kelompok orang dalam tahun tersebut. Ketika jumlah orang dan jumlah kejadian
berbeda, penyebut harus dispesifikasikan dengan jelas. Tanpa spesifikasi ini
umumnya diasumsikan bahwa penyebut mengarah pada jumlah orang dan angka
kejadian mewakili pernyataan probabilitas atau resiko per orang.
Penggunaan Kejadian dan Prevalensi

Seperti disebutkan sebelumnya, angka kejadian dan prevalensi digunakan


untuk tujuan berbeda. Angka kejadian adalah alat dasar untuk studi etiologi penyakit
akut dan kronik

karena merupakan indicator langsung resiko penyakit. Angka

kejadian tinggi sama artinya dengan resiko tinggi suatu penyakit. Sebaliknya,
prevalensi tinggi tidak menggambarkan resiko tinggi ; hanya mencerminkan
ketahanan, mungkin berhubungan dengan peningkatan pelayanan kesehatan.
Sebaliknya, prevalensi

rendah mencerminkan proses

kematian cepat atau

penyembuhan penyakit yang cepat. Sama halnya dengan kejadian yang rendah.
Keterbatasan data prevalensi untuk studi etiologi diakibatkan oleh fakta bahwa dalam
survey prevalensi penyebab dan efek diobservasi secara simultan dalam gambaran
yang seketika. Untuk menentukan penyakit terdahulu penting untuk menetapkan
suatu urutan waktu dan memperlihatkan bahwa variable independen yang
diasumsikan atau variabel yang mendahului variable dependen. Hubungan sementara
ini tidak bias ditetapkan dengan data cross sectional.
Penting untuk mengingat keterbatasan ini karena sering lebih menarik untuk
menggunakan data prevalensi untuk menyimpulkan penyebab, karena lebih mudah
diperoleh dibandingkan data kejadian. Hal ini benar karena prevalensi dapat
ditentukan dari satu survey sedangkan pengukuran kejadian, jika diinginkan tepat,
membutuhkan setidaknya dua set observasi ; pertama survey untuk menentukan
setiap individu memiliki penyakit atau pernah memilikinya, kemudian survey
kembali orang yang tak berpenyakit untuk melihat berapa banyak yang menjadi sakit
sejak penentuan awal.
Perbedaan yang nyata yang dapat diperoleh dari data kejadian dan prevalensi
akan diperlihatkan pada contoh materi yang berasal dari studi penyakit jantung
Framingham. Jika seseorang menentukan frekuensi penyakit jantung koroner (PJK)
berdasar jenis kelamin, kesan yang diberikan oleh data prevalensi (Tabel 7-1) cukup
berbeda dengan yang diberikan oleh data kejadian (Tabel 7-2).
Jika hanya angka prevalensi yang tersedia, akan terlihat PJK terjadi dengan
frekuensi yang sama pada laki-laki dan perempuan (angka 5 per 1000 untuk kedua

jenis kelamin). Tetapi, gambaran kejadian mengindikasikan resiko 20 kali lebih tinggi
pada laki-laki dibandingkan pada perempuan. Penjelasan untuk ketidakcocokan ini
terletak pada bagian lain penyakit pada laki-laki muda dan perempuan muda. Pada
laki-laki PJK bermanifestasi sebagai infarksi miokardial dan kematian tiba-tiba. Pada
perempuan penyakit ini berbentuk serangan kejut, yaitu serangan dengan skit pada
dada dalam waktu singkat yang biasanya tidak membahayakan hidup. Dengan waktu
penyakit yang lebih lama pada perempuan, prevalensi sebenarnya sama pada kedua
jenis kelamin meskipun kejadian lebih tinggi pada laki-laki. Perlu diperhatikan bahwa
angka kejadian dengan perbedaan umur menurun sesuai bertambahnya umur. Rasio
kejadian pria pada wanita hanya 3,3 pada usia 40 sampai 49 dan 2,0 untuk usia 50
sampai 59.
Tabel 7-1 Prevalensi Penyakit Jantung Koroner Pada Pengujian Awal terhadap
4469 orang yang berusia 30-62 tahun, Studi Farmingham.
Jumlah
yang diuji
1083

Laki-laki Angka per Jumlah Perempuan Angka per Rasio angka


Jumlah
1000 yang diuji
Jumlah
1000
prevalensi
penderita PJK
penderita PJK
pria/perempu
an
5
5
1317
7
5
1.0

941

43

2024

48

46

1128

21

2445

28

19

2.4

Tabel 7-2 kejadian Penyakit Jantung Koroner (PJK) selama periode delapan
tahun pada 4995 orang berusia 30 -59 tahun terhadap usia bebas PJK pada pengujian
awal.
Umur Jumlah Laki-laki Angka Jumlah Perempuan Angka Rasio angka
(tahun) yang
Jumlah per 1000 yang
Jumlah
per 1000 prevalensi
diuji
penderita
diuji penderita PJK
pria/perempua
PJK
n
30-39
825
20
24.2
136
1
1.0
24.3
40-49

770

51

66.3

955

19

9.9

3.3

50-59

617

81

131.3

792

53

66.9

2.0

Total

2212
152
2783
73
Selain keterbatasan, gambaran prevalensi berguna untuk menentukan

seberapa luas masalah penyakit dan karenanya berguna untuk perencanaan rasional
fasilitas dan pelayanan yang diberikan, seperti jumlah tempat tidur rumah sakit yang
dibutuhkan, jumlah kunjungan klinis, kebutuhan tenaga manusia dan seterusnya.
Lebih lanjut, untuk control penyakit, dibutuhkan informasi mengenai factor yang
menghasilkan kronik atau kejadian kembali penyakit yang berkembang. Karena
prevalensi mencerminkan durasi seperti halnya kejadian, maka dapat digunakan
untuk memonitor program kontrol kondisi kronik seperti penyakit jiwa.
ANGKA KASAR, SPESIFIK DAN PENYESUAIAN
Setiap angka dapat dinyatakan dalam populasi total atau subgroup (angka
spesifik). Angka

yang dinyatakan dalam populasi total juga dalam bentuk kasar

atau disesuaikan.
Angka kasar adalah angka rangkuman berdasarkan jumlah kejadian aktual
(seperti kelahiran dan kematian) dalam suatu populasi total dalam waktu tertentu.
Angka disesuaikan adalah angka rangkuman ramalan yang dibentuk untuk
memungkinkan perbandingan antar kelompok yang berbeda dalam beberapa
karakteristik yang penting. Sebagai contoh, angka penyesuaian umur adalah angka
total yang telah distandarisasi untuk distribusi umur sedemikian rupa, dalam efeknya,
sehingga independen struktur umur populasi tertentu telah dipelajari.
ANGKA KASAR
Ada dua bentuk angka kasar yang sering digunakan dalam mendeskripsikan
suatu populasi. Yaitu angka kelahiran kasar dan angka kematian kasar. Didefinisikan
sebagai :

Angka kelahiran kasar =

Jumlah kelahiran hidup orang yang tinggal pada suatu


daerah dalam satu tahun kalender
Populasi rata-rata di daerah itu dalam satu tahun

x 1000

Angka kematian kasar =

Jumlah kematian orang yang tinggal pada suatu


daerah dalam satu tahun kalender
Populasi rata-rata di daerah itu dalam satu tahun

Meskipun gambaran singkat

x 1000

ini memperlihatkan populasi total tidak

mendekati pembilang untuk kelahiran karena hanya meningkat pada wanita pada
umur memberikan hal yang sama, untuk inspeksi angka kematian, populasi total
bukan merupakan pembilang ideal. Karena orang dengan kelompok umur yang
berbeda mempunyai perbedaan resiko kematian, perbedaan antar populasi pada
komposisi umur akan menciptakan perbedaan pada angka kasar bahkan pada angka
spesifik untuk variasi subgroup umur.
Meskipun terdapat keterbatasan, angka kelahiran dan kematian kasar tetap
digunakan secara meluas, sebagian karena merupakan angka rangkuman dan sebagain
karena dapat dibentuk dari informasi yang terbatas. Sebgai contoh, angka kelahiran
kasar hanaya membuthkan pebngetahuan jumlah kelahiran dlam waktu satu tahun dan
populai total dalam daerah itu. Pengukuran kelahiraqn terbatas pada wanita dengan
usia menyusui anak akan membutuhkan informasi tambahan tentang komposisi umu
r danjenismkelamin populasi. Untuk itu angka kelahiran dan kematian kasar berlanjut
digunakan untuk perbandingan internasional dan sementara fertilitas dan kesehatan.
Angka Spesifik
Untuk memahami aspek epidemiologi penyakit dan dinamika populai, angka
spesifik detrail dan komponen demografi lain seperti jenis kelamin atau ras
dibutuhkan. Kurva mortalitas

bentuk J yang diberikan pada gambar 3-1

mengilustrasikan variasi yang besar pada angka kematian pada umur yang berbeda.
Rumusan dasar untuk angka spesifik dapat diperlihatkan pada contoh angka spesifik
berdasarkan umur berikut.

Angka spesifik
berdasarkan umur
(umur 25-34)

Jumlah kematian orang yang tinggal pada suatu


daerah dalam satu tahun kalender
Populasi rata-rata di daerah itu dalam satu tahun x

x 100

Ditransfer kedalam jumlah aktual, 37.249 kematian pada populasi sebesar


23.684.000 orang yang berusia 25 sampai 34 tahun di Ameriaka Serikat pada tahun
1968 menghasilkan angka kematian spesifik umur sebesar 157,3 per 100.00.
sebaliknya, angka kematian spesifik umr untuk yang berusia 65-74 tahun adalah
3848.5 per 100.000.
Angka Disesuaikan
Semnetara angka spesifik

memberikan informasi yang berharga, ada

kebutuhan untuk tipe rangkuman angka yag tidak memberikan kerterbatasan angka
kasar, angka itu itu adalah angka disesuiakan atau distandarisasi. Seperti angka
kasar, angka disesuaikan memberikan ringkasan gambaran populsi total, tetapi
prosedur statistik dilakukan untuk menghilangkan efek perbedaan komposisi untuk
setiap perbandingan. Umur adalah variabel yang sering disesuaikan karena efeknya
yang kuat pada morbiditas dan mortalitas. Meskipun penjelasan berikut mengenai
penyesuaian umur, harus dingat bahwa sewaktu-waktu perlu untuk menyesuiakan
variabel selain umur, seperti jenis kelamin atau ras.
Ada dua metode dasar untuk menahan komposisi umur pada suatu populasi
tetap konstan. Pada metode langsung, angka spesifik- umur diobsevasi pada dua atau
lebih populasi studi yang dipergunakan untuk struktur populasi yang dipilih yang
dikenal sebagai populasi standar. Setiap perbedaan yang kemudian ditemukan pada
angka distandarisai ini harus berhubungan dengan perbedaan angka spesifik umur.
Metode tidak langsung digunakan untuk membandingkan dua populasi pada
suatu populasi yang angka spesifiknya tidak diketahui, atau jika diiketahui merupakan
variabel berlebih karena jumlahnya kecil. Pada metode ini angka yang lebih stabil

pada populasi besar digunakan pada kelompok studi yang kecil. Perbandingan
kematian yang diharapkan dengan demikian diperoleh dengan jumlah tepat yang
diobsevasi pda poulasi kecil memberikanukuran yang disebut rasio mortalitas
standarisasi (RMS) :
Kematian yang diobservasi
Rasio mortalitas standar

Kematian yang diharapkan

Banyak tabel dan gambar di buku ini memperlihatkan rasio mortalitas dan
morbiditas yang di standarisasi. Sebagai contoh, Tabel 5-4 angka spesfifk umur non
perokko digunakan pada distibusi umur kategori merokok untuk mendapatkan angka
kematian diobservasi dibagi dengan kematian yang

diharapkan untuk setiap

kelompok menghasilkan rasio mortalitas standarisasi untuk kelompok tersebut. Pada


data Framingjharam (Gambar 1-2, 13-2) angka kejadian spesfiik umur stroke atau
PJK unuk studi total cohort digunakan untuk distribusi umur setiap subkelompok
(yaitu tidak ada hiepertensi, ada hipertensi) untuk memperoleh kasus yang diharapkan
dan kemudian rasio morbiditas distandarisasi.
Seringkali arah atau besarnya perbedaan angka tidak konsisten pada semua
kelompok. Pada keadaan ini, keseluruhan angka rangkuman akan menutupi beberapa
rincian perbandingan. Sebagai contoh, Gambar 7-1 memperlihatakan angka kematian
spesifik umur yag lebih tinggi pada orang berkulit hitam dibandingkan berkult putih
di Amerika Serikat pada semuaumur sampai 80 tahun. Setelah itu gambarnya terbalik
dan kulit putih memiliki angka yang lebih tinggi. Karena garisnya akan berbeda untuk
kelompok umur berbeda, seseorang harus memeriksa angka speifik-umur sebelum
melakukan penyesuaian umur.
Tabel 7-3 merangkum keuntungan dan kerugian tiga jenis angka yang telah
dibahas, kasar, spesifik dan disesuaikan.

Tabel 7-3 Keuntungan dan Kerugian Angka Kasar, Spesifik dan Disesuaikan
Keuntungan
Kerugian
Angka rangkuman detail.
Karena
populasi
Mudah
dihitung
untukkomposisinya
bervariasi.
perbandingan
internsionalPerbedaan pada angka kasar
(sering digunakan meskipunsulit dintrepetasi
terbatas)

Angka kasar

Angka spesifik

Angka disesuaikan

Subkelompok homogen
Membingungkan
untuk
Angak yang rinci bergunamembandinmgkan banyak
untuk tujuan epdemiologi
subkelompok
dari
dua
Dan kesehatan masayrakat populasi atau lebih
Angka fiksi
Merupakan
rangkumanPerbesaran absolut bergatung
perbedaan
komposisipada populasi standar yang
kelompok
dipindahlkandipilih.
memungkinkan
Trend berlawanan pada
perbandingan yang tidak bias subkelompok yang tertutupi

SUMBER KESALAHAN UTAMA PADA PENGUKURAN PENYAKIT


Pada semua studi ilmiah seseorang harus memperhatikan kemungkinan
kesalahan pada pengukuran yang dibuat. Ada dua kesalahan daasar yang sering
dilakukan, acak dan sistematik.
Kesalahan acak mengarah pada fluktuasi sekitar nilai yang benar karena
variabilitas sampling. Kesalahan sistematik, juga dikenal sebagai bias, dapat
didefiniskan sebagai perbedaan antara nilai sebenarnya dan yang benar-benar
diperoleh berkaitan dengan semua kasus dibandingkan variabilitas sampling. Dari dua
sumber kesalahan ini, kesalahan sistematik umumnya lebih penting dan sering terjadi.
Sebagai

contoh

sederhana

kesalahan

sistematik,

mempertimbangkan

pengaruh alat pengukur yang tidak memadai,. Jika sebuah penggaris tidak dikalibrasi
dengan baik, akan terus terjadi kesalahan pengukuran dan ini akan terjadi pada arah
yang sama. Cara untuk mendeteksi kesalahan seperti ini yaitu membandingkan
dengan hasil yang diperoleh suatu standar independen (misalnya,pengagris yang

dikalbrasi secara benar). Beberapa sumber bias, kebanyakan kesalahan yag tak
terlihat dibanding kesalahan kalibrasi alat, secara khusus kemungkinannya terjadi
pada studi epidemiologi, dan untuk itu akan dibahasa secara singkat.
Penggunaan Sampel Non acak pada Populasi Target
Karena kita lebih tertarik pada kesimpulan tentang populasi dalam studi
epidemiologi, penting untuk mempelajari keseluruhan populasi atau sampel
yangmemusakan dari populasi tersebut.
Kesikmpulan akan tidak benar jika prosedur pengambilan sampel tidak
memberikan perkembangan estimasi yang akurat populasi yang diteliti. Contoh jenis
kesalahan ini diberikan oleh poling Literacy Digest pada tahun 1936. Poling yang
terkenal ini bermusuhan untuk meramalkan hasil pemilihan umum presiden dimana
Franklin D. Roselvelt melawan Alfred London. Orang yang bertanggung jawab
terhadap kesalahan poling memprediksi kemenangan bagi kandidat Partai Republik.
Roosevelt sebenarnya

memenangkan Pemilu dengan sulit. Mengapa pelaksana

poling melakukan kesalahan ? Masalahnya terletak pada fakta bahwa mereka


memperoleh sampel orang untuk ditanyai dari daftar telepon. Orang yang memiliki
telepon adalah warga negara makmur yang lebih menyukai untuk memilih kandidat
dari Partai Republik . Dengan demikian sampel tidak mewakili keseluruhan pemilih.
Hal yang sama pada epidemiologi, banyak informasi mengenai kesehatan
berasal dari sampel non acak suatu populasi dari temuan berdasarkan studi autopsy
dari data perusahaan asuransi, dari kelompok pekerjaan khusus. Usaha kedepan
dalam rangka mengurangi jenis bias ini dicapai dengan menggunakan sampel
berdasarkan populasi untuk menggantikan atau melengkapi data yang diperoleh dari
sampel non acak populasi.
Nonpartisipasi Segmen Kelompok Target.
Masalah lain dalam membuat kesimpulan suatu populasi timbul dari fakta
beberapa orang di desain sebagai kelompok target yang mundur untuk berpartisipasi

atau tidak bersedia untuk ikut serta dalam studi. Jika nonpartisipan lebih atau kurang
sehat, secara rata-rata dibanding partisipan, kurang atau lebih kelihatannya memiliki
paparan spesifik berhubungan dengan penggunaan studi sehingga bias akan terjadi.
Masalah ini menghantui semua jenis studi. Pada survei rumah tangga, jika
seseorang tidak berada di rumah, maka akan terlihat sesuai dan tidak berbahaya untuk
menggantinya dngan keluarga disebelahnya. Hal ini akan membuat sampel tidak
reprenstatif karena fakta terhadap sutua rumah tangga mungkin berhubungan degan
penyakit, status pekerjaan, gaya hidup dan seterusnya. Untuk itu perlu dibuat
kunjugan beberapa kali untuk melengkapi studi.
Non partisipasi dan nonresponden khususnya menganggu pada survei
surat.kecuoli jikka survei itu menarik bagi responden, atau didukung oleh organisasi
yang memiliki repuasti tinggi dimata orang yuan disurvei.
Perbedaan natara partsipa dan nonpartispasn telah diperlihatkan berulangulang pada survei berdasarkan pengujian klinis. Sebagai contoh pada studi
Framingharm terhadap penyakit jantung arteriosclerosis angka responden awal lebih
dari 30 %. Pada tindak lanjut, nonresponden pria dan wanita ditemukan memiliki
angka kematian lebih tinggi dibanding responden.
Gambar 7-2 memberikan ilsutrasi hubunga sistematik antara kecenderungan
untuk berpartisipasi dengan penyakit. Gambar tersebut memperlihatkan jumlah
penyakit yang tidak tercakupi oleh penilaian skrining berdasarkan urutan kemunculan
kelompok sukarelawan yang diuji. Sukarelawan yang muncul belakangan memiliki
tuberkolosis yanglebih tinggi dibandingkan kelompok responden yang lebih awal.
Hubungan yang berlawanan ditemukan pada kasus pneumoconiosis (penyakit paruparu yang berkaitan dengan paapran debu di tempat kerja). Kondisi ini lebih umum
terjadi pada responden awal. Faktanya satu Inggris dan kedua Wals, membuat hal ini
kelihatannya tidak ada bias yang terjadi.
Data ini menggambarkan bahwa perluasan dan arah bias yang diakibatkan
oleh nonpartispasi tidak dapat diestimasi a priori tetapi harus ditentukan secara
empiris. Bagaimanapun, kelihatannya menjadi hal yang benar bahwa orang yang

memiilki tingkat pendidikan rendah cenderung partispasinya rendah pada survei


medis dibanding yang memiliki latar belakang pendidikan yang lebih baik.
Ada beberapa pendekatan untuk mengurangi bias dari nonpartispasi. Pertama,
usaha yang cerdas harus dibuat untuk menjaga nonpartisipasi pada tingkat minimum.
Partisipasi harus tepat dan tanpa rasa sakit. Jadwal yang fleksibel dan penggunaan
van pengujian bergerak telah didapatkan berguna. Jumlah rencana pemanggilan
kembali untuk survei wawancara rumahtangga harus ditetapkan dan tersedia anggaran
untuk studi. Kedua, sejauh mungkin kelompok final nonresponden harus dievaluasi
untuk melihat jika mereka berbeda dalam karakteristik demografi dan status
kesehatan dengan responden
Hal ini bisa dilakukan dengan mencari catatan kematian atau catatan rumah
sakit atau usaha yang luar biasa (seperti menelpon dan kunjungan rumah yang
berulang-ulang)

untuk

memperoleh

beberapa

informasi

dasar

subsampel

nonpartisipasi. Terakhir, analisis dapat dilakukan berdasarkan asumsi ekstrim, yaitu


semua atau tidak ada nonresponden yang memiliki penyakit atau beresiko. Nilai
kemingkinan maksimum dan minimum untuk setiap item diperoleh dengan cara ini
untuk menetapkan batasan terluar variasi disekeliling nilai yang sebenarnya.
Variasi Dalam Membuat Dan Mencatat Observasi
Studi epidemiologi biasanya membutuhkan observasi orang dalam jumlah
yang besar. Hal ini membuat perlunya untuk mengumpulkan data dari banyak
pengamat, biasanya bekerja pada institusi yang berbeda atau negara yang berbeda.
Pendekatan utama untuk mengurangi variasi ini terletak pada standarisasi metode dan
pelatihan pengamat untuk melakukan prosedur dan pencatatan observasi, dan
penggunaan pengamat yang banyak dan berganda.
Variabilitas hasil yang berhubungan dengan beragamnya pengamat (variasi
observer), telah menjadi perhatian dalam beberapa decade. Dorongan utama untuk
mewaspadai fenomena ini diopelajari pada akhir tahun 1940 oleh Yerhalmy untuk
membandingkan nilai berbeda pada tipe sianr x dada untuk penggunaan skrining

massa.. beberapa macam film hasil telah dikembangkan baru-baru ini dan diharapkan
memberikan cara yang termurah untuk melalukan sinar-x dalam jumlah yangbesar
dibandingkan film satandar (1947). Tetapi, tidak diketahui apakah hasilnya daapt
diandalkan. Untuk menguji hal ini 1200 orang di sinari dengan 4 teknik berbeda .
Hasil filmnya dibaca secara independen oleh lima ahli. Yerushalmy menyimpulkan
bahwa keempat teknik ini pada dasarnya sama untuk kasus tuberkolosis yang
ditemukan pada survei kerja massa (1947). Secara mengejutkan, variasi dalam
pembacaan untuk setiap teknik terlalu besar yang pengaruhnya melebihi variasi
dinatra teknik tersebut. Salah satu kesimpulan dari studi ini dalah untuk rekomendasi
bahwa survei film akan dibaca ssecara independen oleh sekurang-kurangya dua
pengamat untuk semua orang yang difilmnya dibaca sebagai penderita tuberkolosis.
Oleh pembaca lain akan dipanggil kembali untuk studi selanjutnya.
Pada tahu sejak studi ini dilakuka, fenomena variabilitas dinatra pengamat
telah direkomendasikan untuk berbagai macam data medis ; pengujian fisik, tes
laboratorium. Demsontasi variasi pengamat ini telah membangkitkan kewaspadaan
yang tinggi terhadap kebutuhan pelatihan yang seksama pada partisipan studi untuk
spesifikasi kriteria yang digunkan dalam klasifikasi subjek dan untuk pengembangan
protokol standar dan peralatan yang kuat untuk aplikasi teknik buta ganda kapan saja
dimungkinkan.
Variasi Dalam Persepsi Penyakit Dan Perilaku Penyakit
Salah satu faktor yang berkontribusi pada statistik mortalitas yang bias adalah
periaku penyakit. Hal ini didefinisikan (Mechanic ,1962) sebagai cara dalam
memahami gejala yang timbul mungkin berbeda diterima, dievaluasi dan ditindaki
(atau tidak ditindaki) berdasarkan jenis orang yang berbeda perbedaan persepsi
penyakit dan tindakan yang mengikutinya akan mempengaruhi semua macam data
mortalitas, dari yang berdasarkan survei rumah tangga sampai yang berasal dari data
rumah sakit.

Gejala ancaman hidup ha,poir selalu mengarah pada tindakan khusus.


Sebagaimana orangbergerak sepanjang spektrum dari gejala yang oarah menuju
ringan, bagian dari situasi pada bantuan media yang dicari menurun dan sebaliknya
faktor pada individu dan keadaan lingkungan dianggap sebagai hal yang penting
untuk ditingkatkan dalam menentukan apakah tidakan lperlu dilakuakan atau tidak.
Demikian hal yang sama pada pnyakit, seperti infeksi pernaapsan parah meungkin
memberikan beberapa hasil. Individu yang terpengaruh mungkin melakukan
aktivitasnya sehari-hari dan tidak mencari saran medis ; yang lain mungkin lanjut
bekerja, tapi mengunjungi dokter; yang ketiga mungkin tidak hanya mencari
keonsultasi dokter, tetapilibur bekerja. Contoh pertama, penyakit

tidak akan

diketahui kecuali oleh dirinya sendiri ; kedua dan ketiga akan berkontribusi pada
statistik morbiditas, tetapi dengan luas yang berbeda. Hanya yang ketiga yang
berkontribusi pada hari libur, ukuran ketidakmmapuan. Sementara itu dasar
variabilitas tidak dikuarkan pada saat itu, kita hanya mencatat apakah pencarian
bantuianmedis akan tergantung pada bebrapa faktor. Diantaranya adalah riwayat
masalah seseorang , latar belakang bidaya, etnik dan keluarga, sebagaimana faktor
situai spertiapakah seseorang dari sipil atau anggota militer ; kebiasaan
pengaturannay dalam peralatan medis.
Pengukuran pemakaian perawatan medismenjadi penting dalam ha kmereka.
Tetapi, berdasarkan pertimbangan yang baru saja dibahas, mereka memiliki
kelemahan sebagai alat untuk studi etiologi. Ketika hipotesis etiologi telah diuji,
penting untuk waspada terhadap kontribusi potensial perilaku penyakit pada data.
Variasi dalam Kemampuan Sumber Daya Pengobatan.
Perbedaan area dalam kemampuan fasilitas pengobatan daapt mengacaukan
data. Sebagi contoh, tingkat rumah sakit yang lebih tinggi mungkin mencerminkan
ketersediaan tempat tidur rumah sakit sama baiknya dengan perluasan penyakit. Hal
ini terlihat jelas pada gambar 7-3, yang membandingkan tingkat rumah sakit kelas

satu untuk psikosis tertentu untuk kota Hagerwstown, Maryland dan beberpa kota
kecil dimana Hagerstown berlokasi, dalam dua kali periode (Silverman, 1968).
Terlihat bahwa terdapat peningkatan tajam dalam izin masuk untuk psikosis
Hagerstown pada periode kedua yang dibandingkan dengan Kota Washington,
dimana pada dekade sebelumnya angkanya sama. Untuk mengintrepetasikan hal ini
secara benar penting untuk mengetahui bahwa pada tahun 1959 rumah sakit jiwa
swasta dibuka di Hagerstown yang menarik orang-orang dari area lokal sekitarnya.
RANGKUMAN
Bab ini telah membahas alat metodologi dasar yang dikembangkan untuk
menjamin pengukuran tidak bias dan analisis penyakit. Kejadian dan prevalensi
adalah ukuran mendasar morbiditas. Angka ini, sebagaimana angka kematian, akan
dinyatakan sebagai angka total (kasar atau disesuaikan) atau sebagai angka spesifik.
Kebutuhan untuk penyesuian untuk mencegah perbandingan yang bias populasi yang
memiliki perbedaan komposisi ditekankan ; umur adalah faktor yang biasanya
disesuikan. Sumber kesalahan pengukuran yang penting telah diidentifikasi dan
dibahas.