DATAANALISIS DALAM STUDI EPIDEMIOLOGI

SUMMARY
Pendahuluan: Tujuan penting dari penelitian epidemiologi adalah untuk mengidentifikasi faktor
risiko penyakit. Bergantung pada pertanyaan khusus yang diajukan, studi kohort, studi kasus-
kontrol, atau studi cross-sectional dilakukan.

Metode: Metode analisis data dalam berbagai jenis studi epidemiologi diilustrasikan melalui
contoh-contoh dengan data fiktif. Langkah-langkah penting dari frekuensi dan efek akan
diperkenalkan. Model regresi yang berbeda akan disajikan sebagai contoh metode analitik yang
kompleks.

Hasil: Pengukuran frekuensi penting dalam studi kohort adalah insidensi dan mortalitas. Ukuran
efek penting seperti risiko relatif (RR), rasio bahaya (SDM), rasio kejadian terstandarisasi (SIR),
rasio kematian terstandarisasi (SMR), dan rasio odds (OR) juga dapat dihitung. Dalam studi kasus-
kontrol atau cross-sectional, OR dapat dihitung sebagai ukuran efek. Dalam studi cross-sectional,
prevalensi adalah ukuran frekuensi yang paling penting. Interpretasi pengukuran frekuensi dan
efek yang berbeda akan dibahas.

Kesimpulan: Langkah-langkah yang akan dihitung dan analisis yang akan dilakukan dalam studi
epidemiologis tergantung pada pertanyaan penelitian yang diajukan, jenis studi, dan data yang
tersedia.

Epidemiologi digunakan untuk menggambarkan distribusi penyakit dalam populasi dan

untuk menganalisis penyebab penyakit ini. Salah satu tujuan penting adalah untuk
mengidentifikasi faktor-faktor risiko dan untuk mengukur signifikansinya. Suatu faktor risiko
dapat memengaruhi kemungkinan suatu penyakit tertentu berkembang. Faktor risiko meliputi:

1. Pengaruh lingkungan (misalnya, paparan radon)

2. Predisposisi (misalnya, gen), atau

3. Karakteristik perilaku (misalnya, asupan hormon).

Penelitian epidemiologis menggunakan berbagai jenis studi (1-3), tergantung pada pertanyaan
yang diajukan. Yang paling penting adalah:

● Studi kelompok

● Studi kasus-kontrol, dan

● Studi cross-sectional

Dalam studi kohort, orang yang terpapar faktor risiko spesifik dibandingkan dengan
orang yang tidak terpapar faktor-faktor ini. Terjadinya penyakit atau kematian pada kedua
kelompok ini diamati secara prospektif. Data dari studi kohort memungkinkan estimasi tingkat
kejadian dan tingkat kematian sebagai ukuran deskriptif frekuensi, serta relative risk (RR) or
hazard ratio (HR) sebagai ukuran efek komparatif, Standardized incidence ratios (SIR) or
standardized mortality ratios (SMR) digunakan untuk perbandingan dengan populasi umum.

Dalam studi case-control, orang yang menderita penyakit yang diteliti dibandingkan
dengan kontrol yang tidak memiliki penyakit. Eksposur dicatat secara retrospektif. Odds Ratio
(OR) dihitung sebagai ukuran efek komparatif.

Dalam studi cross-sectional, paparan dan status penyakit (exposure and disease) diperiksa
untuk sampel dari populasi tertentu pada titik waktu yang sama. Prevalensi berbagai penyakit dan
faktor risiko, serta OR dapat ditentukan.

Estimasi efek, seperti relative risk (RR), biasanya dihitung dengan model regresi, dengan
mempertimbangkan faktor-faktor yang mempengaruhi. Ini mengarah pada pernyataan tentang
sejauh mana perubahan frekuensi penyakit karena faktor risiko tertentu. Untuk menilai apakah
efek yang diamati signifikan secara statistik, harus dengan confidence interval (CI), misalnya,
dipertimbangkan untuk semua perkiraan efek (4). Jika harus dibuat pernyataan tentang jumlah
kasus penyakit yang disebabkan oleh faktor risiko, maka Risk Difference (RD) dipertimbangkan.

MATERIAL AND METHODE

Studi tentang hubungan antara terapi penggantian hormon (Hormon Replacement Therapy
: HRT) dan kanker payudara akan digunakan untuk menggambarkan perbedaan dalam analisis dari
berbagai jenis studi. Berbagai artikel dan buku pelajaran dapat direkomendasikan untuk bacaan
lebih lanjut (3, 5-10).
 Apa pun desain penelitiannya, populasi penelitian harus dijelaskan terlebih dahulu
(deskripsi). Misalnya, usia dapat diberikan sebagai nilai rata-rata dan standar deviasi (untuk
distribusi normal), atau sebagai median dan rentang, atau dalam histogram. Studi tentang kanker
payudara dan HRT biasanya juga memeriksa faktor-faktor yang mempengaruhi seperti status
menopause, riwayat keluarga, status perkawinan dan pendidikan. Variabel-variabel ini harus
dimasukkan dalam analisis, karena mereka mungkin merupakan faktor risiko untuk kanker
payudara dan berpotensi sebagai pembaur. Faktor risiko juga dapat menjadi pengubah efek.
Modifikasi efek berarti bahwa pengaruh satu faktor (misalnya, HRT) pada suatu penyakit
(misalnya, kanker payudara) dimodifikasi oleh adanya faktor lain (misalnya, merokok). Dengan
kata lain, ada interaksi antara kedua faktor tersebut. Efeknya harus diperiksa dalam berbagai
subkelompok (stratifikasi), masing-masing dengan analisis yang sama.

Rencana analisis harus disiapkan ketika studi sedang direncanakan dan ini harus mencakup
deskripsi rinci tentang desain studi dan analisis data yang direncanakan.

Contoh: studi kohort

Antara 1996 dan 2001, Million Women Study di Britania Raya mencakup 828 923 wanita
pascamenopause yang berusia antara 50 hingga 64 tahun dan tanpa kanker payudara (13).
Terjadinya kanker payudara pada kelompok ini kemudian dipantau dengan bantuan Registry
Kanker (follow-up).

Insidensi dan Mortalitas

Insiden ini menggambarkan jumlah orang dalam populasi tertentu yang mengembangkan
penyakit untuk pertama kalinya selama periode waktu tertentu. Perbedaan dibuat antara kejadian
kumulatif dan tingkat kejadian (kepadatan insiden). Cumulative incidence and incidence rate

Merupakan hal yang menentukan untuk perkiraan kejadian kumulatif (Gambar) bahwa
semua peserta penelitian berisiko terkena kanker payudara pada awal pengamatan. Insiden
kumulatif juga sering ditafsirkan sebagai risiko bahwa seseorang mengembangkan penyakit
tertentu dalam periode waktu tertentu. Wanita yang sudah jatuh sakit dikeluarkan dari perhitungan
kejadian kumulatif. Mereka dapat digunakan untuk menghitung prevalensi kanker payudara pada
populasi penelitian (Gambar).

Tingkat kejadian mempertimbangkan periode di mana setiap individu sebenarnya berisiko

terkena kanker payudara dan dapat dipantau. Periode ini ditetapkan sebagai orang-tahun (tahun-
tahun dimana peserta studi berkontribusi pada studi kohort) dan ditambahkan untuk seluruh
kelompok yang diperiksa. Tidak semua wanita berisiko terkena kanker payudara selama periode
penelitian. Salah satu alasannya mungkin karena mereka sudah meninggal karena sebab lain
sebelum akhir penelitian. Jika setiap peserta dapat diikuti selama periode penelitian, tingkat
kejadian adalah sama dengan kejadian kumulatif.

Angka kematian dihitung dari jumlah kematian, bukan dari jumlah penyakit baru
(Gambar). Untuk kematian spesifik penyakit (dalam hal ini, akibat kanker payudara), semata-mata
kematian akibat penyakit tertentu (dalam hal ini, akibat kanker payudara) dihitung. Kasus-fatalitas
adalah ukuran kematian akibat penyakit tertentu (Gambar).

Relative Risk (RR) dan Risk Difference (RD) — Kalkulasi RR dan RD ditunjukkan pada
Gambar. RR dihitung dengan membagi risiko penyakit untuk orang yang terpapar dengan risiko
penyakit untuk orang yang tidak terpapar. Untuk menghitung RD, kedua risiko ini dikurangi

Standardized incidence ratio (SIR) and standardized mortality ratio (SMR) —Tujuan
perhitungan SIR atau SMR adalah untuk membandingkan insiden atau mortalitas dalam kohort
dengan populasi umum. Ini diselidiki apakah insiden atau kematian dalam kelompok berbeda dari
nilai-nilai untuk populasi umum. Dihitung berapa banyak kasus atau kematian yang diperkirakan
terjadi dalam kohort jika insidensi atau mortalitasnya sama dengan populasi umum (Tabel 1a / b).
SIR atau SMR dihitung dengan membagi jumlah kasus yang diamati (atau jumlah kematian) dalam
kelompok dengan jumlah kasus yang diharapkan (atau jumlah kematian) (Gambar).

Regression Model — Perbandingan antara pengguna dan non-pengguna HRT hanya

diizinkan jika tidak ada perbedaan antara kelompok-kelompok ini, kecuali yang berkaitan dengan
paparan. Ini berarti bahwa kedua kelompok ini harus setara sehubungan dengan faktor-faktor lain
yang relevan dengan kanker payudara, seperti usia.

Faktor-faktor pengaruh ini dipertimbangkan dalam analisis data dengan menggunakan

analisis subkelompok atau dengan penyesuaian dalam model regresi (5, 6, 15, 16). Prinsip analisis
regresi adalah untuk menyelidiki pengaruh umum dari beberapa faktor pengaruh potensial pada
parameter target. Sebagai contoh, Cox Regression atau Poisson Regression dapat digunakan
untuk analisis data studi kohort, tergantung pada parameter target (5, 15) (Tabel 2).

Dalam Cox Regression, parameter target adalah waktu hingga terjadinya suatu peristiwa
(misalnya, penyakit atau kematian). Data disensor, artinya tidak semua peserta dapat diamati
sepanjang durasi studi. Cox Regression menggunakan model hazard proporsional untuk
menghitung Hazard Ratio (HR). Asumsi yang mendasarinya adalah bahwa risiko pada kedua
kelompok berbeda oleh faktor tertentu. Interpretasi HR dan RR serupa. The Million Women Study
tidak hanya mempertimbangkan asupan HRT, tetapi juga faktor-faktor lain, seperti usia.

Jika modifikasi efek (interaksi) diperiksa, interaksi ini dipertimbangkan dalam model
regresi (istilah interaksi). Pendekatan ini dapat digunakan untuk mengungkapkan interaksi antara
berbagai faktor (10). Regresi Poisson digunakan jika parameter target adalah jumlah pengamatan
peristiwa langka, misalnya, jumlah kasus kanker payudara dalam periode yang ditentukan. Model
regresi logistik juga dapat digunakan dalam studi kohort (lihat di bawah).

Contoh: Case Control Study

Sebagai bagian dari studi besar oleh WHO, studi kasus-kontrol dilakukan di Swiss pada
pengaruh asupan HRT pada perkembangan kanker payudara (17). Antara tahun 1990 dan 1995,
230 pasien kanker payudara dan 507 kontrol (pasien dengan diagnosis lain) berusia antara 24 dan
75 tahun terdaftar dalam penelitian ini di Rumah Sakit Universitas Lausanne dan bertanya tentang
asupan HRT mereka.

Untuk variabel target biner dari studi kasus-kontrol (penyakit ya / tidak), regresi logistik
adalah model statistik yang paling cocok untuk memperkirakan OR (Gambar, Tabel 2). Dalam
contoh ini, model multivariat digunakan untuk mempertimbangkan faktor risiko potensial
tambahan untuk kanker payudara (17). Tidaklah mungkin untuk menghitung RR dalam studi
kasus-kontrol, karena tidak ada kejadian yang dapat dihitung (14). OR dapat diartikan sebagai RR,
jika penyakitnya jarang.
Contoh: studi cross-sectional

Dalam studi cross-sectional di AS, 800 wanita berusia antara 50 dan 70 tahun dipilih secara
acak dari catatan administrasi praktik perawatan primer (18). Mereka kemudian mengirim
kuesioner tentang asupan HRT. Hasil utama di sini bukanlah diagnosis kanker payudara (ya /
tidak), tetapi asupan HRT (ya / tidak).

Prevalensi dapat dihitung dalam studi cross-sectional sebagai ukuran frekuensi (Gambar).
Prevalensi menggambarkan seberapa sering penyakit tertentu atau faktor risiko tertentu terjadi
pada suatu populasi pada suatu titik waktu tertentu. Prevalensi OR dapat dihitung dalam studi
cross-sectional sebagai ukuran efek. Perlu ditekankan bahwa prevalensi OR hanya dapat diartikan
sebagai RR ketika prevalensi rendah.

Interpretasi estimasi dan Confidence Interval (CI)

Berbagai perkiraan efek yang dijelaskan di atas menyatakan tingkat perubahan dalam
frekuensi penyakit karena faktor risiko tertentu. Nilai 1 berarti bahwa orang yang terpapar
memiliki risiko jatuh sakit yang sama dengan orang yang tidak terpapar. Jika nilainya di atas 1, ini
berarti bahwa faktor risiko ini meningkatkan frekuensi penyakit. Jika nilainya kurang dari 1, faktor
tersebut dianggap protektif. Dengan kata lain, faktor ini mengurangi risiko penyakit. Confidence
Interval (CI) dan nilai-p perlu dipertimbangkan untuk semua perkiraan efek, untuk membantu
menilai apakah efek yang diamati signifikan secara statistik (4).

Confidence Interval (CI) mencakup nilai sebenarnya dengan probabilitas spesifik,

biasanya 95%. Jika interval kepercayaan tidak termasuk 1, estimasi efek dianggap signifikan
secara statistik (4). Jika harus dibuat pernyataan tentang jumlah kasus penyakit yang disebabkan
oleh faktor risiko, Risk Difference (RD) dihitung. Jika RD adalah 0, ini berarti bahwa tidak ada
perbedaan antara orang yang terpapar dan tidak terpapar
RESULT

Studi kohort

Insidens — Dalam studi kohort, 7140 dari 828 923 wanita pascamenopause
mengembangkan kanker payudara dalam periode pengamatan enam tahun (13). Ini sesuai dengan
kejadian kumulatif untuk periode ini 861 per 100.000, atau rata-rata 144 per 100.000 per tahun
(Gambar). 828 923 wanita dapat diamati untuk periode rata-rata 2,6 tahun, atau 2 155.200 orang-
tahun secara keseluruhan. Oleh karena itu, tingkat kejadiannya adalah 331 per 100.000 orang-
tahun.

Relative Risk (RR) dan Risk Difference (RD) — Kalkulasi RR mentah (tidak
disesuaikan) ditunjukkan pada Gambar. Karena RR mentah tidak memungkinkan kesimpulan
akhir, analisis data biasanya menyajikan perkiraan yang disesuaikan dari model regresi berganda
(lihat di bawah).

Standardized incidence ratio (SIR) and standardized mortality ratio (SMR) —SIR
dan SMR tidak dihitung dalam Studi Million Women. Karena alasan ini, parameter berikut
digunakan untuk menjelaskan estimasi ini (Tabel 1a / b):

1. Distribusi usia fiktif dalam kohort Studi Sejuta Perempuan

2. Insiden dan mortalitas kanker payudara pada populasi umum (19)
3. Jumlah yang diharapkan dari kasus kanker payudara dan kematian akibat kanker payudara.

4246 kasus kanker payudara diamati pada wanita yang terpajan dalam 2,6 tahun,
memberikan SIR 1,43, yang dihitung dari formula pada Gambar. Dengan demikian, dengan asumsi
di atas, 1,43 kali lebih banyak kasus kanker payudara akan terjadi pada wanita yang terpajan dalam
kohort daripada yang diharapkan pada populasi umum.

Untuk perhitungan SMR, diasumsikan bahwa 780 wanita yang terpapar meninggal karena
kanker payudara dalam waktu 2,6 tahun, memberikan SMR sebesar 1,25. Ini ditafsirkan secara
analog dengan SIR.

Regresi - Setelah disesuaikan dengan faktor-faktor lain dalam contoh ini, regresi Cox
memberikan HR signifikan secara statistik 1,66 dengan interval kepercayaan 95% 1,60-1,72 untuk
wanita yang saat ini menggunakan HRT, dibandingkan dengan wanita yang belum pernah
menggunakan HRT (13). HR ini berarti bahwa wanita yang saat ini menggunakan HRT memiliki
risiko 1,66 kali lipat terkena kanker payudara.

Studi kasus-kontrol

Perhitungan OR yang tidak disesuaikan dijelaskan pada Gambar. Namun, karena OR yang tidak
disesuaikan tidak memungkinkan kesimpulan akhir, publikasi pada penelitian ini hanya
menyajikan OR yang disesuaikan (17). OR disesuaikan untuk faktor risiko potensial lebih lanjut
dan faktor pelindung untuk kanker payudara, menggunakan model regresi logistik, menghasilkan
OR 1,2 (95% CI: 0,8-1,8). Meskipun ini meningkat, secara statistik tidak signifikan.

Studi cross-sectional

Dalam studi cross-sectional, prevalensi HRT adalah 48% pada wanita berusia 50 hingga 59 tahun.
Jika pengaruh usia terhadap asupan HRT diperiksa, OR yang disesuaikan usia untuk usia 55 hingga
59 tahun dibandingkan dengan usia 50 hingga 54 tahun adalah 1,3 (95% CI: 0,8-2,2). Di sini,
"kasus" adalah wanita yang menggunakan HRT dan "mengontrol" non-pengguna. Kelompok
wanita berusia 55 hingga 59 tahun menggunakan HRT 1,3 kali lipat lebih sering daripada wanita
berusia 50 hingga 54 tahun. Namun demikian, hasilnya tidak signifikan secara statistik.

DISCUSSION
Pemilihan desain penelitian memiliki pengaruh yang menentukan pada analisis penelitian.
Langkah-langkah efek penting telah disajikan dalam studi epidemiologis. Penekanannya adalah
pada pengukuran frekuensi deskriptif insiden, mortalitas, prevalensi dan efek komparatif
mengukur RR, OR, SIR, dan SMR. Langkah-langkah efek komparatif ini sebagian besar
ditentukan oleh analisis regresi.
Dalam studi kohort, RR membuat pernyataan tentang tingkat perubahan dalam probabilitas
pengembangan penyakit karena faktor risiko yang ditentukan. Diambil bersama dengan interval
kepercayaan, RR menunjukkan relevansi faktor risiko untuk penyakit ini. OR hanya merupakan
perkiraan RR untuk penyakit langka. RD tergantung pada frekuensi penyakit. Dengan cara ini,
pernyataan dapat dibuat tentang jumlah kasus penyakit yang disebabkan oleh faktor risiko yang
ditentukan. RR dan RD harus dievaluasi sangat berbeda ketika mengkomunikasikan risiko.
Metode-metode ini juga dapat digunakan dalam epidemiologi klinis. Ini dapat menyelidiki
intervensi spesifik, mis., Terapi atau prosedur diagnostik, sebagai faktor-faktor pengaruh. Dalam
studi kohort, kontrol kasus dan cross-sectional, faktor-faktor yang mempengaruhi hanya diamati,
tanpa ada intervensi yang terjadi. Namun demikian, analisis statistiknya serupa.
Apa pun jenis penelitiannya, perencanaan dan prosedur penelitian harus selalu menghindari
berbagai bentuk bias, seperti kesalahan sistematis (misalnya, pemilihan populasi penelitian) dan
faktor perancu (12). Jika ini tidak berhasil, masalah ini harus dipertimbangkan selama analisis
data, jika memungkinkan. Selain itu, kemungkinan interaksi (modifikasi efek) diperiksa.
Perencanaan terperinci harus dilakukan sebelumnya dan protokol analitik yang ditetapkan secara
tertulis sebelumnya. Ini adalah persyaratan penting jika penelitian ini ingin memberikan jawaban
yang memadai untuk pertanyaan yang diajukan