SCREENING

Arie J. Pitono
2017
PENDAHULUAN

• Screening = Penapisan, Penyaringan, Skrining ; Screening Test = Uji Tapis, Tes Skrining
• Penapisan adalah suatu cara untuk mengidentifikasi penyakit atau kelainan yang belum tampak
dengan menggunakan uji (tes), pemeriksaan, atau prosedur lain yang dapat diterapkan dengan
cepat.
• Uji tapis memilah orang-orang yang mungkin menderita penyakit dari orang-orang yang mungkin
tidak menderita penyakit.
• Sebuah uji tapis tidak dimaksudkan untuk mendiagnosis. Orang-orang dengan temuan positif
atau mencurigakan harus dirujuk untuk didiagnosis dan diberi pengobatan yang diperlukan.

© 2017 http://www.jarikecil.com 2
 Mausner & Kramer. 1985. Epidemiology – An Introductory Text.

© 2017 http://www.jarikecil.com 3
 • Uji tapis yang ideal :
– Cepat
– Murah
– Mudah
– Tidak membahayakan

© 2017 http://www.jarikecil.com 4
VALIDITAS UJI

• Validitas suatu uji didefinisikan sebagai kemampuan untuk membedakan siapa yang menderita
penyakit dan siapa yang tidak.
• Terdapat dua komponen validitas : sensitivitas dan spesifisitas.
• Sensitivitas suatu uji adalah kemampuan suatu uji untuk mengidentifikasi dengan tepat siapa yang
menderita penyakit.
• Spesifisitas suatu uji adalah kemampuan suatu uji untuk mengidentifikasi dengan tepat siapa yang
tidak menderita penyakit.

© 2017 http://www.jarikecil.com 5
Uji Dengan Hasil Dikotomus (Positif atau Negatif)

• Secara ideal, kita mengharapkan orang-orang yang menderita penyakit mendapakan hasil uji positif
(true positive) dan orang-orang yang tidak menderita penyakit mendapatkan hasil uji negatif (true
negative).
• Sayangnya, hal di atas sangat jarang terjadi. Sebagian orang yang tidak menderita penyakit
mendapatkan hasil uji positif (false positive) dan sebagian orang yang menderita penyakit
mendapatkan hasil uji negatif (false negative).

© 2017 http://www.jarikecil.com 6
 Keadaan Sebenarnya
Hasil Uji
Sakit Tidak Sakit
Sakit dan hasil uji positif Tidak sakit, tapi hasil uji positif
Positif
= True Positive ( TP ) = False Positive ( FP )
Sakit, tapi hasil uji negatif Tidak sakit dan hasil uji negatif
Negatif
= False Negative ( FN ) = True Negative ( TN )

TP TN
Sensitivitas = Spesifisitas =
TP + FN TN + FP

© 2017 http://www.jarikecil.com 7
 Contoh :

Keadaan Sebenarnya
Hasil Uji Tapis
Sakit Tidak Sakit Jumlah
Positif 80 100 180
Negatif 20 800 820
Jumlah 100 900 1.000

TP 80 80
Sensitivitas = = = = 80 %
TP + FN 80 + 20 100

TN 800 800
Spesifisitas = = = = 89 %
TN + FP 800 + 100 900

© 2017 http://www.jarikecil.com 8
 • Untuk menghitung sensitivitas dan spesifisitas suatu uji, kita harus mengetahui siapa yang “benar-
benar” menderita penyakit dan siapa yang tidak dengan cara membandingkan hasil yang didapat
dengan suatu gold standard (baku emas).
• Gold standard adalah suatu metode, prosedur, atau pengukuran yang diterima secara luas sebagai
yang terbaik yang tersedia.
• Namun biasanya, gold standard merupakan pemeriksaan yang lebih invasif, lebih mahal, atau
memerlukan waktu pemeriksaan yang lama.

© 2017 http://www.jarikecil.com 9
 • False positive perlu mendapat perhatian, karena :
– Semua orang yang mendapatkan hasil uji positif akan diperiksa dengan uji yang lebih canggih dan
mahal. Hal ini menjadikan beban pada sistem kesehatan.
– Kegelisahan dan kecemasan pada orang-orang yang mendapatkan hasil uji positif. Banyak orang
yang mendapat “cap” positif pada uji tapis tidak pernah hilang walaupun hasil pada uji berikutnya
negatif.
• False negative perlu mendapat perhatian, karena :
– Jika seseorang menderita penyakit namun diinformasikan bahwa hasil ujinya negatif, dan jika
penyakit tersebut adalah penyakit serius namun dapat diobati, hal ini dapat berakibat fatal.
– Jika penyakit yang diderita adalah penyakit menular, penyakit tersebut dapat menular kepada orang
lain.

© 2017 http://www.jarikecil.com 10
Uji Dengan Variabel Kontinyu

• Pada uji dengan variabel kontinyu, seperti tekanan darah atau kadar gula darah, tidak ada hasil
“positif” atau “negatif”, sehingga diperlukan penentuan cut-off level : hasil uji di atasnya
dikategorikan sebagai positif dan hasil uji di bawahnya dikategorikan sebagai negatif.
• Sama seperti uji dengan hasil dikotomus, secara ideal kita mengharapkan uji dangan sensitivitas
100 % dan spesifisitas 100 %. Namun dalam praktik, hal ini tidak pernah terjadi dan biasanya
sensitivitas berbanding terbalik dengan spesifisitas.

© 2017 http://www.jarikecil.com 11
 • Gambar A menunjukkan suatu populasi dengan 20 orang diabetik dan 20 orang non-diabetik yang
di-screening menggunakan uji kadar gula darah dengan skala yang ditunjukkan pada aksis vertikal.
• Dapat terlihat bahwa walaupun kadar gula darah cenderung lebih tinggi pada kelompok diabetik
dibandingkan dengan kelompok non-diabetik, namun tidak ada kadar yang dengan jelas membatasi
kedua kelompok, terdapat tumpang tindih antara kelompok diabetik dan non-diabetik pada setiap
kadar gula darah.

© 2017 http://www.jarikecil.com 12
 • Apabila ditentukan cut-off level relatif tinggi : ( Gambar B )
– banyak orang yang diabetik tidak teridentifikasi sebagai positif,
sebagian besar orang yang non-diabetik teridentifikasi sebagai
negatif
– sensitivitas = 25 % (5/20), spesifisitas = 90 % (18/20)

• Apabila ditentukan cut-off level relatif rendah : ( Gambar C )

– sangat sedikit orang yang diabetik yang terdiagosis salah,
sebagian besar orang yang non-diabetik teridentifikasi sebagai
positif
– sensitivitas = 85 % (17/20), spesifisitas = 30 % (6/20)

© 2017 http://www.jarikecil.com 13
 • Kesulitan pada dunia nyata adalah, bahwa tidak terdapat garis vertikal yang
membatasi orang yang diabetik dengan orang yang non-diabetik, dan pada
kenyataannya mereka berbaur. ( Gambar D )

• Selain itu, mereka juga tidak dapat dibedakan dengan lingkaran merah
ataupun biru. ( Gambar E )

© 2017 http://www.jarikecil.com 14
 • Maka, bila digunakan cut-off level yang tinggi ( Gambar F ), semua orang
yang memiliki hasil pemeriksaan di bawah garis diyakini tidak memiliki
penyakit dan tidak akan diikuti lebih lanjut.

• Bila digunakan cut-off level yang rendah ( Gambar G ), semua orang yang
memiliki hasil pemeriksaan di atas garis akan kembali untuk pemeriksaan
lebih lanjut.

© 2017 http://www.jarikecil.com 15
 • Jadi, pemilihan cut-off level tinggi atau rendah tergantung pada pertimbangan efek false positive
dan false negative.

© 2017 http://www.jarikecil.com 16
 • Contoh lain :

© 2017 http://www.jarikecil.com 17
KOMBINASI UJI

• Untuk meningkatkan sensitivitas dan spesifisitas dapat digunakan kombinasi uji yang dapat
dilakukan secara seri atau paralel.
• Kombinasi uji secara seri :
– Dua uji atau lebih dilakukan secara berturut-turut
– Uji pertama memiliki sensitivitas tinggi, uji kedua memiliki spesifisitas tinggi
– Tujuan cara ini adalah untuk meningkatkan spesifisitas
• Kombinasi uji secara paralel :
– Dua uji atau lebih dilakukan secara bersamaan tanpa memperhatikan hasil uji sebelumnya.
– Tujuan cara ini adalah untuk meningkatkan sensitivitas

© 2017 http://www.jarikecil.com 18
NILAI PREDIKTIF UJI

• Terdapat dua komponen nilai prediktif uji :

– Positive Predictive Value ( PPV )
– Negative Predictive Value ( NPV )

© 2017 http://www.jarikecil.com 19
 Keadaan Sebenarnya
Hasil Uji
Sakit Tidak Sakit
Positif TP FP
Negatif FN TN

TP TN
Positive Predictive Value ( PPV ) = Negative Predictive Value ( NPV ) =
TP + FP TN + FN

© 2017 http://www.jarikecil.com 20
 Contoh :

Keadaan Sebenarnya
Hasil Uji
Sakit Tidak Sakit Jumlah
Positif 80 100 180
Negatif 20 800 820
Jumlah 100 900 1.000

TP 80 80
PPV = = = = 44 %
TP + FP 80 + 100 180

TN 800 800
NPV = = = = 98 %
TN + FN 800 + 20 820

© 2017 http://www.jarikecil.com 21
 • Tidak seperti sensitivitas dan spesifisitas uji yang dapat menggambarkan karakteristik uji yang
digunakan, predictive value dipengaruhi oleh dua faktor :
– Prevalensi penyakit pada populasi, dan
– Jika penyakit jarang terjadi, spesifisitas uji yang digunakan.

© 2017 http://www.jarikecil.com 22
 Keterkaitan Antara Prevalensi Penyakit dengan Positive Predictive Value
Contoh : Suatu uji dengan sensitivitas 99 % dan spesifisitas 95 %
Prevalensi
Hasil Uji Sakit Tidak Sakit Jumlah PPV
Penyakit
Positif 99 495 594
99
1% Negatif 1 9.405 9.406 = 17%
594
Jumlah 100 9.900 10.000

Prevalensi
Hasil Uji Sakit Tidak Sakit Jumlah PPV
Penyakit
Positif 495 475 970
495
5% Negatif 5 9.025 9.030 = 51%
970
Jumlah 500 9.500 10.000

© 2017 http://www.jarikecil.com 23
RINGKASAN

Keadaan Sebenarnya
Hasil Uji
Sakit Tidak Sakit
Sakit dan hasil uji positif Tidak sakit, tapi hasil uji positif
Positif
= True Positive ( TP ) = False Positive ( FP )
Sakit, tapi hasil uji negatif Tidak sakit dan hasil uji negatif
Negatif
= False Negative ( FN ) = True Negative ( TN )
TP TP
Sensitivitas = Positive Predictive Value ( PPV ) =
TP + FN TP + FP

TN TN
Spesifisitas = Negative Predictive Value ( NPV ) =
TN + FP TN + FN

© 2017 http://www.jarikecil.com 24
 Nilai Menjawab Pertanyaan

Sensitivitas Berapa besar orang yang menderita penyakit akan teridentifikasi ?

Spesifisitas Berapa besar orang yang tidak menderita penyakit akan teridentifikasi ?

Positive Predictive Value

Bila hasil uji positif, berapa peluang pasien ini menderita penyakit ?
( PPV )
Negative Predictive Value
Bila hasil uji negatif, berapa peluang pasien ini tidak menderita penyakit ?
( NPV )

© 2017 http://www.jarikecil.com 25
 KEPUSTAKAAN

• Budiarto E, Anggraeni D. 2001. Pengantar Epidemiologi. Jakarta : EGC.

• Gordis L. 2009. Epidemiology, Fourth Edition. Philadelphia : Saunders
Elsevier.
• Porta M, Greenland S, Last JM (Eds.). 2008. A Dictionary of Epidemiology,
Fifth Edition. Oxford : Oxford University Press.

© 2017 http://www.jarikecil.com 26