TUJUAN PEMBELAJARAN
Pengantar
EPIDEMIOLOGI
Istilah epidemiologi berasal dari istilah Yunani logos (studi), demo (orang), dan
epi (pada) secara literal, “studi tentang apa yang ada pada orang-orang.”
Epidemiologi adalah berkaitan dengan distribusi dan faktor penentu kesehatan dan
penyakit, morbiditas, cedera, cacat, dan kematian dalam populasi. Populasi dalam
konteks ini mengacu pada orang-orang dengan karakteristik umum seperti jenis
kelamin, usia, dan tempat tinggal. Meskipun penyelidikan epidemiologi
memeriksa kondisi dalam kelompok populasi, itu Penting untuk diingat bahwa
populasi terdiri dari individu, yang masing-masing adalah seseorang dengan
kondisi tertentu. Epidemiologi adalah studi tentang distribusi dan determinan yang
terkait dengan kesehatan keadaan atau peristiwa dalam populasi tertentu dan
penerapan studi ini untuk meningkatkan kesehatan. Epidemiologi adalah disiplin
kuantitatif berdasarkan prinsip statistik dan metodologi penelitian. Studi
epidemiologi telah memberikan kontribusi yang signifikan untuk identifikasi
faktor risiko, seperti merokok dan kanker paru-paru. Selain itu, epidemiologi studi
mengidentifikasi faktor risiko yang dapat dimodifikasi untuk penyakit jantung
yang menghasilkan gaya hidup perubahan untuk individu bersama dengan
perubahan dalam kebijakan kesehatan masyarakat. Jadi, epidemiologi metode
penelitian adalah alat yang ampuh untuk menyelidiki peristiwa yang berhubungan
dengan kesehatan. Studi epidemiologi awal terutama berkaitan dengan kontrol
epidemi (wabah penyakit di luar tingkat yang diharapkan dalam suatu populasi).
John Snow’s studi epidemi kolera di London pada tahun 1853 adalah klasik dalam
sejarah epidemiologi. Pada saat itu, cara penularan kolera tidak diketahui. Snow
menduga itu disebarkan oleh air yang terkontaminasi. Menerapkan prinsip-prinsip
epidemiologi, Snow ditentukan bahwa tingkat kematian dari kolera paling tinggi
di daerah yang dilayani oleh dua spesifik sistem pemompaan air. Dia belajar
bahwa air dari sistem ini berasal bagian dari Sungai Thames ke mana limbah
London dibuang. Jadi ini ahli epidemiologi awal mampu mengidentifikasi cara
penularan waterborne kolera dan menentukan langkah-langkah untuk
mengendalikan penyebarannya (Snow, 1936). Banyak studi epidemiologi
memiliki fokus morbiditas / mortalitas penyakit; namun, dimensi kesehatan dan
kesejahteraan melampaui komponen-komponen ini. Epidemiologi seperti yang
dilakukan saat ini telah memperluas ruang lingkupnya untuk mencakup
penyelidikan gaya hidup, strategi promosi kesehatan, cedera, kondisi lingkungan,
dan faktor lainnya itu mempengaruhi kesehatan. Praktisi kesehatan masyarakat
menggunakan pengetahuan yang diperoleh dari epidemiologi proses untuk
memandu pengambilan keputusan dan bantuan dalam mengembangkan dan
mengevaluasi intervensi untuk promosi kesehatan dan pencegahan penyakit.
Epidemiologi proses analog dengan proses keperawatan dalam analisis kritis yang
diperlukan untuk mendapatkan wawasan lebih jauh tentang masalah kesehatan
masyarakat dan masyarakat.
Epidemiologi Deskriptif
Epidemiologi Analitik
DEMOGRAFI
Pengukuran Demografi
Insidensi
Insiden kondisi kesehatan atau penyakit apa pun mengacu pada jumlah orang di
populasi yang mengembangkan kondisi selama jangka waktu tertentu. Insidensi
tingkat mengukur tingkat di mana orang-orang tanpa penyakit mengembangkan
penyakit selama jangka waktu tertentu (yaitu, jumlah kasus baru penyakit dalam
suatu populasi selama periode waktu). Secara matematis, tingkat insiden selama
periode waktu adalah diekspresikan sebagai:
X 100,000
X 100,000
Prevalensi, oleh karena itu, memeriksa tingkat morbiditas dalam suatu komunitas
dan dipengaruhi dengan tingkat kasus baru, jumlah kasus yang ada, pengobatan
baru yang efektif modalitas, dan kematian. Ini dapat diklasifikasikan sebagai
periode prevalensi (keberadaan) selama periode waktu, seperti 32% anak-anak di
Camp North mengalami diare antara 10 Juni dan 25 Juni) atau prevalensi titik
(titik waktu tertentu, seperti 10% anak-anak di Camp North mengalami diare pada
15 Juni).
X 100
Menilai = X K
4,048,000
Interpretasi Tarif
Tarif dapat dibagi menjadi tiga kategori: mentah, spesifik, dan disesuaikan. Tarif
dihitung untuk populasi secara keseluruhan adalah harga minyak mentah. Saat
menghitung kematian di populasi total, terlepas dari usia, tingkat yang diperoleh
adalah angka kematian kasar atau tingkat kematian kasar. Dengan angka kematian
kasar, tidak ada tunjangan untuk usia distribusi populasi atau perbandingan antar
populasi dengan berbeda kelompok umur. Sub kelompok populasi mungkin
memiliki perbedaan yang tidak diungkapkan oleh tingkat minyak mentah. Tarif
yang dihitung untuk subkelompok adalah tarif khusus. Tarif khusus terkait dengan
demografi faktor-faktor seperti usia, ras, dan jenis kelamin, atau mereka dapat
merujuk ke seluruh populasi tetapi spesifik untuk beberapa penyebab kematian
atau penyakit. Misalnya, untuk menghilangkan efek dari struktur usia yang
berbeda dalam populasi perbandingan, tingkat kematian spesifik usia akan sesuai.
Angka kematian untuk penyakit tertentu seperti penyakit jantung berhubungan
dengan penyebab kematian tertentu, subkelompok atau apapun usia, ras, jenis
kelamin, agama, atau untuk seluruh penduduk. Informasi yang diperoleh dari
tingkat tertentu dapat membantu identifikasi kelompok dengan peningkatan risiko
dalam populasi dan memfasilitasi perbandingan antara populasi yang memiliki
demografi berbeda komposisi. Dalam membandingkan populasi dengan distribusi
yang berbeda dari suatu faktor yang diketahui mempengaruhi kondisi kesehatan
yang menarik, penggunaan tarif yang disesuaikan mungkin tepat. Sebuah
Ukuran Kesetaraan
Risiko Relatif
Untuk menentukan apakah suatu hubungan atau asosiasi ada antara kondisi
kesehatan dan faktor yang dicurigai, perlu untuk membandingkan risiko
mengembangkan kondisi kesehatan untuk populasi yang terpapar pada faktor
dengan risiko untuk populasi tidak terkena faktor tersebut. Risiko relatif (RR)
menyatakan rasio risiko insidensi tingkat dari mereka yang terpapar (misalnya,
perokok) dan mereka yang tidak terpapar dengan faktor yang dicurigai (mis.,
bukan perokok). Risiko relatif menunjukkan manfaat yang mungkin bertambah
pada orang jika faktor risiko dihapus. Dalam situasi ini, perhitungan risiko relatif
menggambarkan seberapa besar risiko perokok meningkat dibandingkan dengan
bukan perokok. Risiko relatif hanya berlaku untuk studi yang menentukan
kejadian (data prospektif). Resiko relatif digunakan untuk membuat kesimpulan
kausal, seperti merokok menyebabkan kanker paru-paru. Resiko relatif dapat
dihitung sebagai berikut:
RR =
Konsep risiko relatif berlaku ketika satu kelompok orang dengan jelas terkena dan
lainnya tidak terkena faktor eksternal seperti asap rokok, olahraga, atau makanan
tinggi lemak jenuh. Namun, mungkin membingungkan untuk melihat risiko relatif
yang diterapkan faktor internal seperti usia, ras, atau jenis kelamin. Namun
demikian, seperti dapat dilihat di Contoh berikut, orang-orang juga "terkena"
faktor intrinsik yang mungkin membawa sebagai banyak risiko sebagai yang
ekstrinsik.
RR = = 3,61
Dengan kata lain, risiko kematian akibat pembunuhan adalah tiga setengah kali
lebih besar untuk wanita kulit hitam daripada wanita kulit putih. Jelas, ras adalah
faktor risiko. Ras tidak dapat diubah, tetapi informasi yang disediakan oleh
analisis ini dapat digunakan untuk merencanakan layanan perlindungan bagi
penduduk dengan risiko terbesar.
Odds Ratio
TABEL 3.2
a/b ad
c/d bc
Contoh yang sering dikutip dalam literatur epidemiologi adalah sindrom syok toksik
(TSS). Ketika TSS, penyakit parah yang melibatkan demam tinggi, muntah, diare,
ruam, dan hipotensi atau syok, pertama kali terjadi, tidak praktis atau etis
pertimbangkan kasus hanya secara prospektif. Oleh karena itu, kasus-kasus yang ada
dibandingkan retrospektif dengan kasus atau kontrol yang tidak ada. Studi awal
mencatat hubungan antara TSS dan penggunaan tampon dan menyarankan bahwa
pengguna merek tertentu superabsorben tampon mungkin berisiko sangat tinggi. Untuk
memperjelas masalah ini, para peneliti menganalisis data dari kasus dan kontrol TSS,
semuanya menggunakan tampon. Data TSS dalam Tabel 3.2 dapat digunakan untuk
menghitung odds ratio untuk pengguna merek spesifik tampon.
Ad 30(84)
Odds ratio = = =7
Bc 30(12)
Sebuah rasio odds 1,0 menyiratkan bahwa peluang eksposur sama dan
menunjukkan itu paparan tertentu bukan merupakan faktor risiko untuk penyakit
studi. Pengguna yang spesifik merek tampon adalah tujuh kali lebih mungkin
untuk mengembangkan TSS daripada tampon pengguna merek lain. Berdasarkan
hasil penelitian, merek itu dihapus dari pasar.
Rasio odds yang tinggi atau risiko relatif harus diperhatikan dengan perhatian
yang tepat; namun, temuan tidak harus mengaburkan potensi keterlibatan faktor-
faktor lain. Seperti yang diilustrasikan pada Tabel 3.2, 12 orang dalam sampel
memiliki TSS meskipun mereka tidak menggunakan spesifik merek tampon.
Dengan kata lain, produk ini bukan satu-satunya penyebab TSS. Selanjutnya
penelitian menunjukkan bahwa bahan superabsorben tertentu dalam tampon atau
tertentu aspek tampon menggunakan pertumbuhan asuh Staphylococcus aureus,
organisme kausal yang mungkin di TSS (Pusat Pengendalian dan Pencegahan
Penyakit [CDC], 1980, 1981, 1983; Davis, Chesney, Ward, LaVenture, & Tim
Investigasi dan Laboratorium, 1980). Attributable Risk dan Attributable Risk
Persentase Ukuran lain dari risiko adalah attributable risk (AR), yang mengukur
perbedaan antara tingkat insiden untuk mereka yang terpapar dan mereka yang
tidak terkena faktor risiko. Ukuran ini memperkirakan risiko berlebih yang
disebabkan oleh paparan faktor risiko. Saya tmenunjukkan penurunan potensial
dalam tingkat insiden keseluruhan jika faktor tersebut dihilangkan.AR dihitung
dengan mengurangi insiden di antara mereka yang tidak terpapar terhadap
risikofaktor (bukan perokok) dari mereka yang terpapar (perokok):
AR
= 100
Resiko relatif dan odds ratio memberikan perkiraan titik (angka) yang
mengidentifikasi apakah mereka yang berada di kelompok yang terpapar akan
mengembangkan penyakit atau kondisi bila dibandingkan kepada mereka yang
tidak terekspos. Untuk menerapkan estimasi titik untuk keputusan masyarakat
kesehatan, penting untuk memahami hubungan perkiraan titik ke nomor satu
(1.0), dan kisaran angka dalam interval keyakinan (CI). Perkiraan titik adalah
perhitungan matematis yang berasal dari data, seperti a risiko relatif atau rasio
odds. Hubungan estimasi titik, seperti risiko relatif dari 3.0, ke nomor satu (1.0)
memungkinkan Anda untuk menentukan apakah suatu asosiasi ada antara paparan
dan kondisinya. Seperti yang Anda pelajari sebelumnya, risiko 1,0 berarti orang
itu tidak memiliki risiko tambahan. Risiko kurang dari 1.0 menunjukkan beberapa
perlindungan dari paparan dan risiko relatif di atas 1.0 menunjukkan peningkatan
risiko penyakit atau kondisi dari eksposur. Setelah menetapkan estimasi titik dan
posisi risiko relatif dalam hubungan ke 1,0, Anda juga harus menilai CI atau
kisaran perkiraan titik di sekitar risiko relatif. Sebagian besar penelitian
melaporkan 95% CI. Hubungannya signifikan secara statistik hanya jika seluruh
CI di atas atau di bawah 1.0 (Brucker, 2005). Misalnya, risiko relatif mungkin 5,0,
tetapi 95% CI dilaporkan sebagai 0,45 hingga 10,8. CI melintasi, atau melingkupi,
angka 1.0. Karena itu, asosiasi tidak signifikan. Namun, itu risiko relatif 0,21
dengan 95% CI 0,10-0,45 akan menjadi signifikan secara statistik, karena CI tidak
menyeberang atau mencakup 1.0. Dalam sebuah studi oleh McFarlane, Campbell,
Sharps, dan Watson (2002), rasio odds untuk pembunuhan atau percobaan
pembunuhan wanita yang disalahgunakan selama kehamilan adalah 3,08 dengan
CI 95% dari 1,86 menjadi 5,10. CI melakukannya tidak termasuk 1.0; Oleh karena
itu, para wanita yang disalahgunakan selama kehamilan adalah tiga kali lipat
cenderung dibunuh atau melakukan upaya yang dilakukan pada hidup mereka
dibandingkan dengan wanita tidak disalahgunakan selama kehamilan.
Variabel dependen adalah hasil atau hasil yang dipelajari oleh peneliti. Itu
variabel dependen dapat berubah (misalnya, status kesehatan, pengetahuan, dan
perilaku). Itu variabel independen adalah dugaan "penyebab" atau kontributor
variasi dalam ketergantungan variabel. Misalnya, dalam studi penyakit jantung
yang dikutip sebelumnya (CDC, 1993), aktivitas fisik, variabel independen,
berkontribusi terhadap penyakit jantung, variabel tak bebas. Variabel independen
dapat menjadi peristiwa yang terjadi secara alami atau Fenomena seperti tingkat
aktivitas fisik yang biasa, paparan radiasi ultraviolet, dan jenis pekerjaan, atau
mungkin intervensi terencana seperti latihan program, obat-obatan, dan kelompok
pendukung. Variabel independen mungkin juga menjadi kualitas intrinsik seperti
usia, ras, jenis kelamin, atau gen. (Perhatikan bahwa ini intrinsik kualitas,
meskipun mereka tidak dapat bervariasi dalam individu, dapat bervariasi dari
orang ke orang; dengan demikian, mereka dipelajari sebagai variabel independen.)
2. Asosiasi itu konsisten. Hubungan yang sama ada berulang di lain studi, di
pengaturan lain, dan dengan populasi lain. Semakin banyak asosiasi muncul
dalam berbagai keadaan, semakin mungkin menjadi kausal di alam.
3. Asosiasi itu sudah benar secara temporal. Penyebab hipotetis dari kondisi
kesehatan harus terjadi sebelum timbulnya kondisi (yaitu, paparan risiko faktor
harus mendahului timbulnya penyakit). Kriteria ini sangat penting. Ini adalah
variabel pertama dan terpenting - jika paparan tidak mendahului awitan, fakta
yang tersisa tidak relevan karena tidak dapat dipaparkan menyebabkan penyakit.
5. Asosiasi bukan hasil dari variabel perancu. Meski tidak semua berpotensi
variabel intervening diidentifikasi, penjelasan alternatif untuk asosiasi diperiksa
dengan cermat sebelum mempertimbangkan kausal hubungan.
6. Asosiasi itu masuk akal dan konsisten dengan pengetahuan saat ini. Setiap
penyakit atau asosiasi sebab-akibat cedera harus kongruen dan kompatibel dengan
arus pengetahuan dan informasi biomedis dan ilmiah. Ini tergantung pada keadaan
informasi ilmiah pada waktu tertentu. Suatu asosiasi yang bertentangan
pandangan ilmiah saat ini harus dievaluasi dengan sangat hati-hati. Namun,
asosiasi mungkin tidak konsisten dengan pengetahuan saat ini hanya karena
pengetahuan saat ini tidak semaju penemuan baru.
Sensus
Sensus mungkin merupakan sumber data kesehatan yang paling komprehensif
untuk Amerika Serikat. Setiap 10 tahun, Biro Sensus menyebutkan AS. populasi
dan survei untuk demografi dasar. Data sensus memberikan kekayaan sebesar
informasi tentang karakteristik komunitas seperti usia, ras, dan jenis kelamin,
bersama dengan faktor-faktor lain seperti pekerjaan, pendapatan, migrasi, dan
pendidikan. Secara tradisional, ahli epidemiologi telah menggunakan sensus
penduduk sebagai sumber yang dapat dipercaya untuk penyebut dalam
perhitungan tarif. Informasi sensus dianalisis dan dilaporkan untuk negara secara
keseluruhan dan secara progresif daerah yang lebih kecil sampai ke kotamadya,
saluran sensus, dan blok. Hasil juga dilaporkan di daerah yang dikenal sebagai
wilayah statistik metropolitan standar (SMSA). Data sensus tersedia online di
http://www.census.gov. Hanya jumlah terbatas pertanyaan diajukan untuk seluruh
populasi. Lebih rinci survei diambil dari sampel terpilih dari populasi. Meskipun
data sensus bersifat komprehensif, bias terjadi. Misalnya, orang dapat menjawab
pertanyaan pribadi secara tidak jujur. Mungkin lebih signifikan, sensus kurang
mewakili penduduk berpenghasilan rendah, minoritas, dan transien. Orang-orang
ini lebih sulit untuk ditemukan, dihitung, dan cenderung kurang menanggapi
sensus survei.
Statistik Vital
Vital record linkage menghubungkan data dan informasi yang terkandung dalam
dua atau lebih medis, morbiditas, atau catatan kematian, dan catatan kejadian
penting lainnya. Rekam hubungan sistem menyediakan sumber informasi yang
sangat baik tentang program penyakit, demografi data, pemanfaatan layanan
perawatan kesehatan, kesuburan, masalah kesehatan ibu, anak masalah kesehatan,
pelacakan penyakit kronis, dan riwayat alami penyakit tertentu atau kejadian
terkait morbiditas. Hubungan catatan difasilitasi oleh munculnya modern
komputer. Sistem ini menawarkan sumber informasi yang berpotensi kaya dan
mungkin memfasilitasi penelitian tentang langkah-langkah kesehatan masyarakat.
Catatan medis dan rumah sakit memberikan informasi yang berharga untuk
kesehatan masyarakat penelitian. Pertama, catatan-catatan ini, bagaimanapun,
tidak memberikan perwakilan yang lengkap atau gambar kesehatan masyarakat
yang valid. Tidak semua klien dengan masalah kesehatan menerima perhatian
medis, jadi catatan medis jelas bias. Kedua, dokumentasi medis tidak selalu
lengkap. Akhirnya, pasien yang dirawat di rumah sakit juga lebih mungkin untuk
memiliki penyakit yang hidup berdampingan. Fenomena ini, yang disebut bias
Berkson, menciptakan kemungkinan menemukan hubungan yang salah antara
kedua penyakit.
Rekaman otopsi
Rekaman otopsi memiliki bias inheren yang sangat parah: Pasien mungkin telah
sakit parah kematian itu terjadi. Otopsi tidak dilakukan untuk semua kematian.
Rekaman otopsi termasuk jumlah yang tidak proporsional dari kasus kematian
yang kejam dan orang-orang untuk siapa penyebab kematian tidak diketahui
hingga setelah otopsi (misalnya, manifestasi penyakit tidak biasa). Orang-orang
yang tidak memberi sanksi otopsi tidak terwakili. Faktor-faktor ini mempengaruhi
validitas dan keterwakilan dari temuan dari setiap penelitian yang digunakan
catatan otopsi.
● Diagnosis pasti dan fasilitas perawatan tersedia, baik melalui agen penyaringan
atau melalui rujukan
● Grup yang sedang diperiksa beresiko untuk penyakit (dengan kata lain, grup
cenderung memiliki prevalensi penyakit yang tinggi)
Uji Reliabilitas
Tes skrining yang andal menghasilkan hasil yang sama bahkan ketika diberikan
oleh yang berbeda screeners. Pelatihan untuk semua personil skrining yang
terlibat dalam tes sangat penting. Kekurangan keandalan dapat menunjukkan
bahwa screeners sedang melakukan tes dalam cara yang tidak konsisten.
Agar valid, tes skrining harus membedakan dengan benar antara orang-orang yang
memiliki kondisi dan mereka yang tidak. Kemampuan untuk membedakan ini
diukur dengan sensitivitas dan spesifisitas tes, seperti yang ditunjukkan pada
Tabel 3.3. Kepekaan adalah kemampuan tes untuk mengidentifikasi orang yang
memiliki penyakit dengan benar (yaitu, untuk menyebut "positif" positif yang
sebenarnya). Tes dengan sensitivitas tinggi akan memiliki sedikit kesalahan
negatif. Kekhususan adalah kemampuan tes untuk mengidentifikasi orang yang
tidak memiliki penyakit, atau untuk menyebut negatif "negatif" sejati. Jika tes
tidak spesifik, orang yang melakukannya sebenarnya tidak memiliki penyakit
yang akan dirujuk untuk tes diagnostik tambahan. Sebuah tes dengan spesifisitas
tinggi memiliki beberapa kesalahan positif. Idealnya, sensitivitas dan spesifisitas
tes skrining harus 100%; dalam praktek, namun, tes skrining bervariasi dalam hal
ini. Seperti yang ditunjukkan pada Tabel 3.3, sensitivitas, atau true-positive rate,
adalah pelengkap dari tingkat false-negatif, dan spesifisitas, atau
Tabel 3.3
Total penyakit
Negatif palsu
Total penyakit
Positif palsu
PENELITIAN KESEHATAN
Segitiga Epidemiologi
Agen
Tuan rumah
Karakteristik tuan rumah (populasi bayi) akan menjadi bidang penilaian kedua.
Penilaian ini melibatkan pemeriksaan bayi lahir dan pola kematian di hal usia,
etnis, jenis kelamin, dan berat lahir. Karakteristik ini telah ditunjukkan menjadi
faktor risiko penting untuk kematian bayi. Dengan mempelajari faktor-faktor ini,
mungkin mungkin untuk mengidentifikasi kelompok bayi yang berisiko tinggi
mengalami kematian.
Lingkungan Hidup
Terakhir, lingkungan dinilai. Sang ibu adalah bagian penting dari bayi lingkungan
prenatal dan pascanatal. Oleh karena itu, para peneliti akan menganalisis kelahiran
dan pola kematian bayi menurut faktor-faktor seperti usia ibu, etnis, paritas
(jumlah kelahiran hidup sebelumnya), perawatan prenatal, dan pendidikan atau
sosial ekonomi status. Analisis faktor-faktor ini, yang juga terkait dengan
kematian bayi, akan membantu memberikan identifikasi lebih lanjut dari
kelompok berisiko. Kondisi lain di lingkungan juga perlu dipertimbangkan.
Misalnya, memiliki migrasi ke komunitas dari area lain meningkat? Memiliki
morbiditas atau mortalitas dewasa, khususnya di antara wanita hamil, meningkat?
Apakah ada perubahan dalam layanan kesehatan, kebijakan, personil, pendanaan,
atau faktor lain yang dapat mempengaruhi kesehatan bayi?
Aplikasi praktis
Analisis ketiga bidang ini — agen, tuan rumah, dan lingkungan — harus
disediakan informasi mengenai kelompok berisiko untuk meningkatkan kematian
bayi dan sarana mengurangi faktor risiko. Dengan demikian, segitiga
epidemiologi, meskipun dirancang dengan orientasi penyakit menular, dapat
memberikan panduan yang berguna untuk belajar masalah multifaset kematian
bayi, bersama dengan masalah kesehatan lainnya.
Dalam studi epidemiologi, variabel dapat dipertimbangkan dalam hal orang (siapa
dipengaruhi), tempat (di mana terpengaruh), dan waktu (ketika terpengaruh)
hubungan. Itu Model orang-tempat-waktu meneliti karakteristik orang-orang yang
terkena dampak (the host dalam model segitiga), tempat (lingkungan) atau lokasi,
dan periode waktu terlibat (yang bisa berhubungan dengan agen, tuan rumah, atau
lingkungan). Dalam mempelajari bayi mortalitas menurut model ini, bayi dan
faktor ibu dianggap sebagai ciri "orang." Aspek "tempat" adalah faktor-faktor
seperti apakah masyarakat pedesaan atau urban dan makmur atau miskin. Aspek
"waktu" termasuk musiman atau spesifik usia pola atau tren dalam kefanaan.
Web of Causation
Jaringan sebab-akibat (MacMahon & Pugh, 1970) memandang kondisi kesehatan
sebagai hasil bukan dari faktor individu tetapi dari hubungan timbal balik yang
kompleks dari banyak faktor selalu terlibat dalam penyebab hasil tertentu.
Jaringan sebab-akibat berusaha untuk mengidentifikasi semua kemungkinan
pengaruh pada proses kesehatan dan penyakit. Menciptakan web mengidentifikasi
penyebab langsung dari berbagai kondisi, faktor yang berkontribusi pada hal-hal
tersebut penyebab, faktor yang memengaruhi masing-masing faktor ini, dan
seterusnya. Sinergisme dan Faktor-faktor dalam Web Pusat dari model sebab-
akibat adalah konsep sinergisme, di mana keseluruhannya lebih dari jumlah
bagian yang terpisah. Misalnya, efek infeksi Shigella bayi, dikombinasikan
dengan efek kemiskinan, remaja, dan pendidikan rendah tingkat ibu, lebih
merusak kesehatan bayi daripada jumlah dari efek dari faktor risiko individu.
Penggunaan jaringan sebab-akibat dapat menghasilkan studi mortalitas bayi yang
lebih luasn dari satu dipandu oleh model lain. Idealnya, peneliti menggunakan
model ini terlebih dahulu mengidentifikasi semua faktor yang terkait dengan
kematian bayi. Selanjutnya, mereka mengidentifikasi faktor-faktor yang terkait
untuk masing-masing faktor ini. Dua langkah komprehensif ini memberikan garis
besar untuk jaring penyebab kematian bayi. Akhirnya, para peneliti memeriksa
hubungan antara semua komponen yang diidentifikasi dari web dan upaya untuk
menentukan titik intervensi yang paling layak untuk meningkatkan kematian bayi
di masyarakat. Gambar 3.2 menggambarkan jaring penyebab kematian bayi.
Aplikasi praktis
Dalam bab ini, Anda telah belajar tentang demografi (ilmu luas populasi) dan
epidemiologi (ilmu pengetahuan khusus tentang kesehatan penduduk). Kami
sudah berdiskusi contoh bagaimana dua ilmu ini dapat memandu praktik
keperawatan kesehatan masyarakat. Sekarang, Anda harus dapat menerapkan
prinsip-prinsip epidemiologi dan demografi kepada Anda praktik kesehatan
masyarakat. Untuk informasi lebih rinci tentang epidemiologi dan demografi,
baca bagian Referensi dan Bacaan Lebih Lanjut di bagian akhir bab, dan Sumber
Daya Internet yang dapat ditemukan di situs web thePoint
(http://thepoint.lww.com/Anderson6e).
CaticaIThinkingQuestions
c. Apa artinya IMR dan MMR tentang status kesehatan Centerville dan Anderson
County?
2. Pilih masalah kesehatan seperti asma, kekerasan dalam rumah tangga, atau
penyakit kardiovaskular, yang mempengaruhi banyak orang. Gambarkan jaringan
sebab-akibat itu menghubungkan berbagai faktor yang dapat menyebabkan
kondisi kesehatan ini. Mengenali di mana perawat kesehatan masyarakat dapat
campur tangan.
4. Tingkat insiden dan prevalensi memberikan informasi yang berbeda tentang hal
yang sama Kondisi kesehatan.
a. Tingkat mana yang memberikan informasi paling berguna tentang risiko
penyakit?vJelaskan jawabanmu.
b. Jika Anda adalah seorang administrator lembaga kesehatan, dalam situasi apa
yang akan terjadi harga bermanfaat bagi Anda?
c. Dalam situasi apa saja tingkat prevalensi akan membantu masyarakat tim
kesehatan?
c. Apakah risiko kenaikan berat badan meningkat atau menurun untuk seseorang
yang makan dua atau lebih kali seminggu di restoran cepat saji?
d. Berapa besar peningkatan risiko dibandingkan dengan rata-rata orang: 2,5 kali,
2,5%, atau 25%?
●REFERENCES
Davis, J. P., Chesney, P. J., Ward, P. J., LaVenture, M., & Tim Investigasi dan
Laboratorium. (1980). Toxic shock syndrome: Fitur epidemiologi, kekambuhan,
faktor risiko, dan pencegahan. Jurnal Kedokteran New England, 303, 1429–1435.
McFarlane, J., Campbell, J., Sharps, P., & Watson, K. (2002). Abuse selama
kehamilan dan femicide: Implikasi mendesak untuk kesehatan wanita. Obstetri
dan Ginekologi Internasional, 99 (7), 27–36.
MacMahon, B., & Pugh, T. F. (1970). Epidemiologi: Prinsip dan metode. Boston,
MA: Little, Brown, & Co. Sinauer, N., Bowling, J. M., Moracco, K. E., Runyan,
C. W., & Butts, J. D. (1999). Perbandingan di antara pembunuhan wanita yang
terjadi di daerah pedesaan, menengah, dan perkotaan di North Carolina. Studi
Pembunuhan, 3 (2), 107–128.
Snow, J. (1936). Salju di kolera, menjadi cetak ulang dua makalah oleh John
Snow, M.D., bersama dengan biografi
memoir oleh B. W. Richardson, M.D., dan pengantar oleh Wade Hampton Frost,
M.D. New York: Dana Persemakmuran.
■FARTHERREADINGS
Chernick, K. M., & Friis, R. (2003). Biostatistik pengantar untuk ilmu kesehatan.
Hoboken, NJ: Wiley.
Cravens, G., & Mair, J. L. (1977). Kematian hitam. New York: Dutton.
Fowler, J., Jarvis, P., & Chevannes, M. (2002). Statistik praktis untuk perawatan
dan perawatan kesehatan. New York:Wiley.
Friis, R., & Penjual, T. (2009). Epidemiologi untuk praktik kesehatan masyarakat
(edisi ke-4). Sudsbury, MA: Jones & Bartlett.
Merril, R., & Timmreck, T. (2006). Pengantar epidemiologi. Boston, MA: Jones
& Bartlett.
Selvin, S. (2004). Analisis statistik data epidemiologi (edisi ke-3). New York:
Oxford University Press.