Anda di halaman 1dari 6

ANALISIS DAN INTERPRETASI DATA EPIDEMIOLOGI

Definisi Surveilans

Surveilans adalah pengumpulan, analisis, dan interpretasi data terkait


kesehatan yang dilakukan secara terus menerusdan sistematis yang kemudian
didiseminasikan (disebarluaskan) kepada pihak-pihak yang bertanggung jawab
untuk digunakan dalam pencegahan penyakit (mengurangi morbiditas dan
mortalitas) dan memperbaiki masalah kesehatan lainnya. Surveilans memantau
terus-menerus kejadian dan kecenderungan penyakit, mendeteksi dan memprediksi
outbreak pada populasi, mengamati faktor-faktor yang mempengaruhi kejadian
penyakit, seperti perubahan-perubahan biologis pada agen, vektor, dan reservoir.
Selanjutnya surveilans menghubungkan informasi tersebut kepada pembuat
keputusan agar dapat dilakukan langkah-langkah pencegahan dan pengendalian
penyakit. Surveilans harus cukup akurat dengan analisis data yang lengkap.
Surveilans kesehatan masyarakat merupakan instrumen penting untuk mencegah
outbreak penyakit dan mengembangkan respons segera ketika penyakit mulai
menyebar. Informasi dari surveilans juga penting bagi kementerian kesehatan,
kementerian keuangan, dan donor/stakeholder, untuk memonitor sejauh mana
populasi telah terlayani dengan baik. Surveilans berbeda dengan pemantauan
(monitoring) biasa. Surveilans dilakukan secara terus menerus tanpa terputus
(kontinu), sedang pemantauan dilakukan intermiten atau episodik. Dengan
mengamati secara terus-menerus dan sistematis maka perubahan-perubahan
kecenderungan penyakit dan faktor yang mempengaruhinya dapat diamati atau
diantisipasi, sehingga dapat dilakukan langkah-langkah investigasi dan
pengendalian penyakit dengan tepat.

Analisa dan Interpretasi Data Surveilans

Analisis data adalah suatu tahap mengorganisir data sesuai dengan pola,
kategori, dan unit-unit deskriptif tertentu. Sedangkan interpretasi adalah proses
memberi arti dan signifikansi terhadap analisis yang dilakukan, menjelaskan pola-
pola deskriptif, mencari hubungan dan keterkaitan antar deskripsi-deskripsi data
yang ada (Barnsley & Ellis, 1992).
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.
a) 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 minggu-minggu paling baru selalu akan berada di bawah
perkiraan, memberikan grafis rasa-salah 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 dapat diterapkan. Analisis data surveilans membutuhkan metode
yang tepat yang menjelaskan waktu dan tempat 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.

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.

b) 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

c) Analisis Data Menurut Orang

Analisis ini menggunakan data umur, jenis kelamin, rasa tau entitas, status ,
pekerjaan, tingkat pendapatan, dan pendidikan. Semua data dari orang
tersebut harus terlengkapi untuk dapat mengetahui sebab kasus terjadi.

Pengujian Hipotesis Terkait Orang:

o 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).

o Perbandingan berarti
o 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