Bab 4

Terjadinya Penyakit:
II. Kematian dan Ukuran Dampak
Penyakit Lainnya

Anda tidak mati karena dilahirkan, atau karena hidup, atau karena usia tua. Anda mati karena sesuatu… Tidak ada
yang namanya kematian alami: Tidak ada yang terjadi pada seseorang yang alami, karena kehadirannya
mempertanyakan dunia. Semua manusia harus mati: tetapi bagi setiap orang kematiannya adalah kecelakaan dan,
bahkan jika dia mengetahuinya dan menyetujuinya, pelanggaran yang tidak dapat dibenarkan.

- Simone de Beauvoir, menulis tentang kematian ibunya, di Kematian yang Sangat Mudah 1

Tujuan Pembelajaran pengganti untuk tingkat insiden bila penyakit yang sedang dipelajari
adalah yang parah dan mematikan. Bab ini akan membahas ekspresi
■ Untuk membandingkan berbagai ukuran kematian, termasuk
kuantitatif dari mortalitas dan penggunaan pengukuran tersebut dalam
angka kematian, kasus fatalitas, kematian proporsional, dan
studi epidemiologi.
tahun potensi kehilangan nyawa.

■ Untuk menunjukkan kapan kematian dapat mendekati risiko UKURAN MORTALITAS

penyakit.
■ Untuk memperkenalkan masalah yang muncul dalam
membandingkan kematian di dua atau lebih populasi.
■ Untuk menentukan, menghitung, dan menafsirkan angka
kematian langsung dan tidak langsung yang disesuaikan dengan usia.
■ Untuk memperkenalkan ukuran lain dari dampak
penyakit.
Kematian sangat menarik karena beberapa alasan. Pertama-tama,
kematian adalah pengalaman pamungkas yang ditakdirkan untuk
dimiliki setiap manusia. Kematian jelas sangat penting bagi setiap
orang termasuk pertanyaan tentang kapan dan bagaimana kematian
akan terjadi dan apakah ada cara untuk menundanya. Dari sudut
pandang mempelajari kejadian penyakit, menyatakan kematian secara
kuantitatif dapat menunjukkan perbedaan risiko kematian akibat
penyakit antara orang-orang di wilayah geografis dan subkelompok
yang berbeda dalam populasi. Tingkat kematian dapat berfungsi
sebagai ukuran keparahan penyakit, dan dapat membantu kita
menentukan apakah pengobatan suatu penyakit menjadi lebih efektif
dari waktu ke waktu. Selain itu, mengingat masalah yang sering
muncul dalam mengidentifikasi kasus baru suatu penyakit, angka
kematian dapat menjadi penyebabnya
Gambar 4-1 menunjukkan jumlah kematian akibat kanker hingga
tahun 2011 di Amerika Serikat. Jelas, mutlak jumlah orang yang
meninggal akibat kanker terlihat meningkat secara signifikan
sepanjang tahun 2011, tetapi dari grafik ini, kami tidak dapat
mengatakan bahwa risiko kematian akibat kanker meningkat,
karena satu-satunya data yang kita miliki dalam grafik ini adalah
jumlah kematian (pembilang); kami tidak memiliki penyebut
(populasi berisiko). Jika, misalnya, ukuran file
Populasi AS juga meningkat pada tingkat yang sama, risiko
kematian akibat kanker tidak berubah.
Untuk alasan ini, jika kita ingin mengatasi risiko kematian, kita harus
berurusan dengan tarif. Gambar 4-2 menunjukkan angka kematian untuk
beberapa jenis kanker pada pria dari tahun 1930 sampai 2007. Peningkatan
paling dramatis adalah kematian akibat kanker paru-paru. Peningkatan ini
jelas merupakan proporsi epidemi dan, tragisnya, kanker paru-paru
merupakan penyebab kematian yang dapat dicegah. Untungnya, sejak
pertengahan 1990-an, angka kematian akibat kanker paru-paru telah
menurun, sejajar dengan penurunan sebelumnya pada pria yang merokok.
Kanker lain juga menarik. Kematian akibat kanker prostat juga memuncak
pada pertengahan 1990-an, dan sejak itu terus menurun. Kanker usus besar
dan rektum telah menurun selama bertahun-tahun. Tingkat

61
62 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI
Gambar 4-1. Tren jumlah kematian akibat kanker diamati di Amerika Serikat
pada awal dan pertengahan abad ke-20 dan diramalkan hingga tahun 2011. (Data
dari American Cancer Society.)
kematian akibat kanker perut telah menurun drastis sejak tahun 1930,
meskipun penjelasan tepatnya tidak diketahui. Telah dikemukakan
bahwa penurunan tersebut mungkin disebabkan oleh peningkatan
ketersediaan lemari es, yang menurunkan kebutuhan untuk
menghisap makanan dan dengan demikian menurunkan paparan
manusia terhadap karsinogen yang dihasilkan dalam proses merokok.
Penyebab lain yang mungkin adalah kebersihan yang lebih baik, yang
mungkin telah mengurangi insiden Helicobacter pylori infeksi yang
telah terlibat dalam etiologi (atau penyebab) kanker perut.
Gambar 4-3 menunjukkan presentasi serupa untuk kematian akibat
kanker pada wanita untuk periode 1930 sampai
Gambar 4-2. Angka kematian akibat kanker untuk pria, Amerika Serikat, 1930 - 2007 (usia disesuaikan dengan 2000 penduduk standar AS). (Dari Masyarakat Kanker Amerika, Fakta
& Angka Kanker 2011. Berdasarkan Data Kematian AS, 1960 hingga 2007, Kematian AS Vol. 1930 hingga 1959. Pusat Statistik Kesehatan Nasional, Pusat Pengendalian dan
Pencegahan Penyakit.)
2007. Kematian akibat kanker payudara pada dasarnya tetap pada
tingkat yang sama selama bertahun-tahun tetapi telah menurun sejak
awal 1990-an hingga 2007. Perubahan dalam kejadian kanker payudara
perlu dipelajari. Namun, studi seperti itu sulit dilakukan, karena dengan
kampanye pendidikan publik yang agresif yang mendorong wanita untuk
melakukan mamogram dan melakukan pemeriksaan payudara sendiri,
banyak kanker payudara yang mungkin terdeteksi hari ini yang mungkin
tidak terdeteksi beberapa tahun yang lalu. Namun demikian, bukti yang
tersedia menunjukkan bahwa kejadian sebenarnya dari kanker payudara
pada wanita mungkin telah meningkat selama bertahun-tahun dan
menurun dari 2001 hingga 2007.
Kematian akibat kanker rahim telah menurun, mungkin karena
deteksi dan diagnosis dini. Kematian akibat kanker paru-paru pada
wanita meningkat, dan kanker paru-paru telah melebihi kanker payudara
sebagai penyebab kematian pada wanita. Kanker paru-paru kini menjadi
penyebab utama kematian akibat kanker pada wanita. Merupakan
sebuah tragedi bahwa penyebab kanker yang hampir sepenuhnya dapat
dicegah yang dipicu oleh kebiasaan gaya hidup, merokok, yang secara
sukarela diadopsi oleh banyak wanita, adalah penyebab utama kematian
akibat kanker pada wanita di Amerika Serikat.
Kami mungkin tertarik secara khusus pada kematian yang berkaitan
dengan usia. Gambar 4-4 menunjukkan tingkat kematian akibat kanker dan
penyakit jantung untuk orang yang lebih muda
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya 63

Gambar 4-3. Tingkat kematian akibat kanker untuk wanita, Amerika Serikat, 1930 - 2007 (usia disesuaikan dengan 2000 penduduk standar AS). * Angka kanker rahim adalah untuk
gabungan serviks dan korpus uterus. (Dari Masyarakat Kanker Amerika, Fakta & Angka Kanker 2011. Berdasarkan Data Kematian AS, 1960 hingga 2007, Kematian AS Vol. 1930 hingga
1959. Pusat Statistik Kesehatan Nasional, Pusat Pengendalian dan Pencegahan Penyakit.)

Gambar 4-4. Tingkat kematian akibat kanker dan penyakit jantung untuk usia yang lebih muda dari 85 dan 85 atau lebih (disesuaikan usia dengan populasi standar AS 2000). (Dari
Siegel R, Ward E, Brawley O, dkk: Statistik kanker, 2011. CA Cancer J Clin 61: 212 - 236, 2011. Berdasarkan data dari Kaset Data Penggunaan Umum Kematian AS, 1975 hingga 2007,
Pusat Statistik Kesehatan Nasional, Pusat Pengendalian dan Pencegahan Penyakit, 2007.)
64 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

Gambar 4-5. Penyebab utama kematian pada anak di bawah usia 5

tahun dan neonatus (usia 0 - 27 hari) pada tahun 2008. (FromBlack RE,
Cousens S, JohnsonHL, dkk, untuk Kelompok Referensi Epidemiologi
Kesehatan Anak WHO dan UNICEF. Penyebab kematian anak global,
regional, dan nasional pada tahun 2008: Analisis sistematis. Lancet
375: 1969 - 1987, 2010.)

dari 85 dan bagi mereka yang berusia 85 tahun atau lebih. Kanker adalah diwakili oleh penyebut harus berpotensi masuk ke grup
penyebab utama kematian pada pria dan wanita di bawah 85 tahun, tetapi di yang diwakili oleh pembilang.
atas usia 85 tahun, penyakit jantung jelas melebihi kanker sebagai penyebab

kematian.
Gambar 4-5 menunjukkan penyebab kematian di seluruh
dunia untuk anak-anak di bawah 5 tahun pada tahun 2008.
Penyakit menular menyumbang 68% dari 8,795 juta kematian
tahun itu, dengan persentase terbesar karena pneumonia, diare,
dan malaria. Empat puluh satu persen kematian dikaitkan
dengan kematian neonatal, di mana komplikasi kelahiran
prematur, asfiksia lahir, sepsis, dan pneumonia merupakan
penyebab terbesar.
Kami mungkin tidak selalu tertarik dengan tarif untuk seluruh
populasi; mungkin kita hanya tertarik pada kelompok usia tertentu, pada
laki-laki atau perempuan, atau pada satu kelompok etnis. Jadi, jika kita
tertarik pada kematian pada anak-anak di bawah 10 tahun, kita dapat
menghitung angka khusus untuk kelompok itu:
Angka kematian tahunan dari semua penyebab
untuk anak-anak yang lebih muda dari 10 tahun (per
1.000 penduduk) =

Jumlah kematian dari semua penyebab dalam satu tahun

Tingkat Kematian
pada anak-anak di bawah usia 10 tahun × 1,0000 Jumlah ch
Bagaimana kematian diekspresikan dalam istilah kuantitatif? Mari kita
anak-anak dalam populasi
periksa beberapa jenis angka kematian. Yang pertama adalah angka
lebih muda dari 10 tahun pada pertengahan tahun
kematian tahunan, atau angka kematian, dari semua penyebab:

Perhatikan bahwa dalam menempatkan batasan, pada usia, misalnya,

Angka kematian tahunan untuk semua penyebab
(per 1.000 populasi) = = pembilang dan penyebut, sehingga setiap orang dalam kelompok
Jumlah tidak. kematian dari semua penyebab dalam 1 tahun × 1.000 Jumlah
orang di pop pulasi di tengah tahun
Perhatikan bahwa karena populasi berubah dari waktu ke waktu,
jumlah orang dalam populasi pada pertengahan tahun umumnya
digunakan sebagai perkiraan.
Prinsip yang sama yang disebutkan dalam diskusi tentang
morbiditas berlaku untuk mortalitas: agar angka mortalitas masuk
akal, siapa pun dalam kelompok
batasan yang sama harus diterapkan kedua
penyebut beresiko untuk masuk ke dalam kelompok pembilang,
ketika pembatasan seperti itu ditempatkan pada tarif disebut a tarif
tertentu. Tarif di atas, kemudian, adalah angka kematian spesifik
usia.
Kami juga dapat membatasi tingkat dengan menentukan
diagnosis, dan dengan demikian membatasi tingkat kematian akibat
penyakit tertentu, yaitu, a penyakit tertentu atau a tingkat penyebab
spesifik. Misalnya, jika kita tertarik pada kematian akibat kanker
paru-paru, kita akan menghitungnya dengan cara berikut:
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya
Tingkat kematian tahunan akibat kanker paru-paru (per
1.000 populasi n) =
Jumlah kematian akibat kanker paru-paru dalam satu tahun × 1.000 Jumlah
orang di popu ulasi di pertengahan tahun
Kita juga dapat melakukan pembatasan pada lebih dari satu ciri
secara bersamaan, misalnya usia dan penyebab kematian, sebagai
berikut:
Angka kematian tahunan akibat leukemia pada
anak-anak di bawah usia n 10 tahun
(per 1.000 penduduk) =
Jumlah kematian akibat leukkemia dalam satu tahun
pada anak-anak di bawah usia 10 tahun × 1,0000 Jumlah anak
dren dalam populasi
lebih muda dari 10 tahun pada pertengahan tahun
Waktu juga harus ditentukan dalam tingkat kematian apa pun.
Kematian dapat dihitung selama 1 tahun, 5 tahun, atau lebih. Periode
yang dipilih sewenang-wenang, tetapi harus ditentukan dengan tepat.
Kasus-Fatality
Kita harus membedakan antara a tingkat kematian dan
fatalitas kasus. Kasus fatalitas dihitung sebagai berikut:
Kasus-fatalitas (persen) =
Jumlah individu yang meninggal selama periode
waktu tertentu setelah penyakit
onset atau diagnosis
× 100
Jumlah individu ganda dengan penyakit tertentu
Dengan kata lain, berapa persen orangnya yang memiliki
penyakit tertentu meninggal dalam waktu tertentu setelah penyakitnya
didiagnosis? (Idealnya, kami ingin menggunakan tanggal timbulnya
penyakit sebagai awal periode waktu yang ditentukan dalam
pembilang. Namun, tanggal timbulnya penyakit seringkali sulit untuk
distandarisasi karena banyak penyakit berkembang secara diam-diam
dalam jangka waktu yang lama. Akibatnya, pada banyak penyakit
kronis, mungkin sulit untuk menentukan secara tepat kapan penyakit
tersebut berproses
TABEL 4-1. Perbandingan Angka Kematian dengan Kasus Kematian Pada Tahun Yang Sama
Asumsikan populasi 100.000 orang di antaranya 20 orang sakit penyakit X, dan dalam 1 tahun, 18 dari 20 orang meninggal karena penyakit X.
18
Angka kematian akibat penyakit X = = 0,00018, atau 0,018%.
100.000
18
Kasus fatalitas dari penyakit X = = 0,9, atau 90%.
20
65
dimulai. Misalnya, banyak pasien artritis tidak dapat mengingat
kapan nyeri sendi mereka pertama kali dimulai. Oleh karena itu,
dalam praktiknya, kami sering menggunakan tanggal diagnosis
sebagai ukuran pengganti untuk tanggal timbulnya penyakit, karena
tanggal pasti diagnosis umumnya dapat didokumentasikan dari
rekam medis yang tersedia.) Jika informasi tersebut akan diperoleh
dari responden, ada baiknya mencatat bahwa jika penyakit yang
dimaksud adalah penyakit yang serius, tanggal diagnosis diberikan
mungkin merupakan tanggal yang mengubah hidup pasien dan tidak
mudah dilupakan.
Apa perbedaan antara fatalitas kasus dan angka kematian?
Dalam angka kematian, penyebut mewakili seluruh populasi yang
berisiko meninggal akibat penyakit, termasuk mereka yang mengidap
penyakit dan mereka yang tidak mengidap penyakit (tetapi yang beresiko
mengembangkan penyakit). Namun, dalam kasus kematian,
penyebut terbatas pada mereka yang sudah menderita penyakit
tersebut. Jadi, casefatality adalah ukuran tingkat keparahan penyakit.
Ini juga dapat digunakan untuk mengukur manfaat apa pun dari terapi
baru: jika terapi membaik, kasus kematian diperkirakan akan
menurun. Anda akan mencatat bahwa kasus fatalitas bukanlah angka
tetapi persentase (dari mereka yang mengidap penyakit).
Pembilang kasus fatalitas idealnya dibatasi pada kematian dari
penyakit itu. Namun, tidak selalu mudah untuk membedakan antara
kematian akibat penyakit dan kematian akibat penyebab lain.
Misalnya, seorang pecandu alkohol mungkin meninggal dalam
kecelakaan mobil; Namun, kematian mungkin atau mungkin tidak
terkait dengan asupan alkohol.
Mari kita lihat contoh hipotetis untuk memperjelas
perbedaan antara mortalitas dan fatalitas kasus ( Tabel 4-1 ).
Asumsikan bahwa dalam populasi 100.000 orang, 20 orang mengidap
penyakit X. Dalam satu tahun, 18 orang meninggal karena penyakit tersebut.
Angka kematian sangat rendah (0,018%) karena penyakit ini jarang terjadi;
Namun, sekali seseorang mengidap penyakit tersebut, kemungkinan
kematiannya besar (90%).
66 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

Kematian Proporsional
Ukuran kematian lainnya adalah kematian proporsional, yang bukan
angka. Angka kematian proporsional dari penyakit kardiovaskular di
Amerika Serikat pada tahun 2010 didefinisikan sebagai berikut:
Kematian proporsional dari penyakit kardiovaskular
di U AS pada tahun 2010 (persen) =
dari penyakit jantung menurut kelompok umur. Di setiap kelompok usia,
bilah penuh mewakili semua kematian (100%), dan kematian akibat
penyakit jantung ditunjukkan dengan bagian biru tua. Kami melihat bahwa proporsi
kematian akibat penyakit jantung meningkat seiring bertambahnya usia.
Namun, ini tidak memberi tahu kita bahwa file risiko kematian akibat
penyakit jantung juga meningkat. Ini ditunjukkan dalam contoh berikut.

Jumlah kematian akibat kardiovaskular Tabel 4-2 menunjukkan semua kematian dan kematian akibat
penyakit di AS pada tahun 2010 penyakit jantung di dua komunitas, A dan B. Penyebab kematian di
× 100
Total kematian di AS pada tahun 2010 komunitas A dua kali lipat di komunitas B. Ketika kita melihat pada
kematian proporsional, kami menemukan bahwa 10% kematian di
komunitas A dan 20% dari kematian di komunitas B disebabkan oleh
Dengan kata lain, dari semua kematian di Amerika Serikat, apa proporsi penyakit jantung. Apakah ini memberi tahu kita bahwa risiko kematian
disebabkan oleh penyakit kardiovaskular? Gambar 4-6 menunjukkan akibat penyakit jantung dua kali lipat
kematian yang proporsional

Gambar 4-6. Kematian akibat penyakit jantung sebagai persentase kematian dari semua penyebab, menurut kelompok usia, Amerika Serikat, 2008. (FromNational Institutes of Health.
National Heart, Lung, and Blood Institute. Morbiditas dan Mortalitas: 2012 Chart Book on Cardiovascular, Lung, dan Penyakit Darah. Departemen Kesehatan dan Layanan Kemanusiaan
AS, Washington, DC, 2012.)

TABEL 4-2. Perbandingan Angka Kematian dan Kematian Proporsional: I. Kematian akibat Jantung
Penyakit di Dua Komunitas

Komunitas A Komunitas B

Tingkat kematian dari semua penyebab 30 / 1.000 15 / 1.000

Kematian proporsional akibat penyakit jantung Angka 10% 20%
kematian akibat penyakit jantung 3 / 1.000 3 / 1.000
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya 67

TABEL 4-3. Contoh Hipotetis Tingkat Kematian dan Kematian Proporsional

dalam Dua Periode

PERIODE AWAL PERIODE KEMUDIAN

Penyebab kematian Tingkat kematian Kematian Proporsional Tingkat kematian Kematian Proporsional

Penyakit jantung 40 / 1.000 50% 80 / 1.000 66,7%

Kanker 20 / 1.000 25% 20 / 1.000 16,7%
Semua penyebab lainnya 20 / 1.000 25% 20 / 1.000 16,7%
Semua kematian 80 / 1.000 100% 120 / 1.000 100,0%

Gambar 4-7. Contoh hipotetis mortalitas proporsional:

Perubahan mortalitas proporsional akibat penyakit
jantung, kanker, dan penyebab lain dari periode awal
hingga akhir periode.

tinggi di komunitas B seperti di A? Jawabannya adalah tidak.

Karena ketika angka kematian akibat penyakit jantung dihitung
(10% dari 30 / 1.000 dan 20% dari 15 / 1.000), kami menemukan
bahwa angka kematian identik.

Jika kita mengamati perubahan dalam mortalitas proporsional dari

penyakit tertentu dari waktu ke waktu, perubahan tersebut mungkin tidak

disebabkan oleh perubahan mortalitas dari penyakit tersebut, tetapi karena

perubahan mortalitas dari beberapa penyakit lain. Mari kita pertimbangkan

contoh hipotetis: Dalam

Tabel 4-3 , kita melihat angka kematian akibat penyakit jantung,

kanker, dan penyebab lainnya dalam suatu populasi pada periode
awal dan periode selanjutnya. Pertama, bandingkan tingkat
kematian dalam dua periode waktu: Kematian akibat penyakit
jantung berlipat ganda dari waktu ke waktu (dari 40 / 1.000 menjadi
80 / 1.000), tetapi tingkat kematian akibat kanker dan dari semua
penyebab lainnya (20 / 1.000) tidak berubah. Jika kita sekarang
memeriksa proporsional mortalitas dari setiap penyebab, kita
melihat bahwa proporsional mortalitas akibat kanker dan penyebab
lain telah menurun dalam populasi, tetapi hanya karena
proporsional mortalitas akibat penyakit jantung telah meningkat. Gambar 4-8. Memahami kematian proporsional. (© Bill Keane, Inc.
Dicetak ulang dengan Izin Khusus dari Sindikat Fitur Raja.)
Jadi, jika proporsi satu segmen "pai" mortalitas meningkat, maka
proporsi segmen lainnya akan menurun ( Gambar 4-7 ).
Pemandangan lain dari ini terlihat di angka kematian dapat berbeda secara signifikan, bahkan ketika proporsi

mortalitasnya sama. Jadi, contoh-contoh ini menunjukkan bahwa, meskipun

kematian yang proporsional dapat memberi kita gambaran sekilas tentang

Gambar 4-8 . penyebab utama kematian, itu tidak dapat memberi tahu kita risiko kematian

Seperti yang terlihat pada contoh di Tabel 4-4 , jika semua penyebab akibat suatu penyakit. Untuk itu diperlukan angka kematian.

angka kematian berbeda, kematian spesifik penyebab

68 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI
TABEL 4-4. Perbandingan Angka Kematian dan Kematian Proporsional: II. Kematian dari Hati
Penyakit di Dua Komunitas
Tingkat kematian dari semua penyebab
Kematian proporsional akibat penyakit jantung Angka
kematian akibat penyakit jantung
Tahun Potensi Kehidupan yang Hilang
Dalam beberapa tahun terakhir, indeks kematian lain, tahun-tahun potensi
kehilangan nyawa (YPLL), semakin banyak digunakan untuk menetapkan
prioritas kesehatan. YPLL adalah ukuran kematian dini, atau kematian dini.
YPLL menyadari bahwa kematian yang terjadi pada orang yang sama pada
usia yang lebih muda jelas melibatkan kehilangan tahun produktif yang lebih
besar daripada kematian yang terjadi pada usia yang lebih tua. Ada dua
langkah yang terlibat dalam perhitungan ini: Pada langkah pertama, untuk
setiap penyebab, usia setiap orang yang meninggal pada saat kematian
dikurangi dari usia yang telah ditentukan saat kematian. Di Amerika Serikat,
usia "standar" yang ditentukan sebelumnya biasanya 75 tahun. Dengan
demikian, bayi yang meninggal pada usia 1 tahun telah kehilangan 74 tahun
kehidupan (75
- 1), tetapi orang yang meninggal pada usia 50 tahun telah kehilangan 25
tahun hidup (75 - 50). Dengan demikian, semakin muda usia kematian
terjadi, semakin banyak tahun potensi kehidupan yang hilang. Pada langkah
kedua, "tahun-tahun kehidupan potensial yang hilang" untuk setiap individu
kemudian dijumlahkan untuk menghasilkan total YPLL untuk masing-masing
individu.
Gambar 4-9. Tahun potensi kehilangan nyawa (YPLL) sebelum usia 75 tahun, semua ras, baik jenis kelamin, semua kematian, Amerika Serikat, 2008. (Diadaptasi dari Pusat Pengendalian dan
Pencegahan Penyakit. Pusat Nasional Pencegahan dan Pengendalian Cedera. Tahun-tahun Potensi Kehidupan Hilang [ YPLL] Laporan, 1999 - 2008, webapp.cdc.gov/sasweb/ncipc/ypll10.html.
Diakses 12 April 2013.)
Komunitas A Komunitas B
20 / 1.000 10 / 1.000
30% 30%
6 / 1.000 3 / 1.000
penyebab kematian. Saat melihat laporan yang menggunakan YPLL,
penting untuk diperhatikan asumsi apa yang telah dibuat oleh
penulis, termasuk usia standar yang telah ditentukan sebelumnya.
Gambar 4-9 menunjukkan tahun-tahun potensi hilangnya nyawa di
Amerika Serikat sebelum usia 75 tahun pada tahun 2008. Baris atas
menunjukkan total YPLL dari semua penyebab (100%), dan baris di bawah
menunjukkan YPLL individu dari setiap penyebab utama kematian, dengan
persentase YPLL dari semua penyebab yang diperhitungkannya. Kami
melihat bahwa sumber tunggal terbesar YPLL adalah neoplasma ganas,
yang, pada tahun yang sama, merupakan penyebab kematian nomor dua
berdasarkan angka kematiannya (lihat Gambar 1-2 ). Pada tahun 2007,
peringkat cedera yang tidak disengaja berdasarkan angka kematian berada
di peringkat kelima, sedangkan peringkat oleh YPLL berada di peringkat
ketiga. Perbedaan ini disebabkan oleh fakta bahwa cedera adalah penyebab
utama kematian hingga usia 34 tahun, dan oleh karena itu menyebabkan
sebagian besar tahun potensi kehilangan nyawa.
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya 69

Gambar 4-10. Tahun potensi kehilangan nyawa (YPLL) sebelum usia 65 tahun di antara anak-anak di bawah 20 tahun akibat cedera dan penyakit lain, Amerika Serikat, 1986.
(Diadaptasi dari Pusat Pengendalian dan Pencegahan Penyakit: Cedera fatal pada anak-anak: Amerika Serikat,
1986. MMWR 39: 442 - 451, 1990.)

Gambar 4-10 menunjukkan YPLL sebelum usia 65 tahun untuk Tabel 4-5 menunjukkan peringkat penyebab kematian di Amerika Serikat

anak-anak dan orang dewasa di bawah usia 20 tahun. Kami melihat untuk tahun 1989 dan 1990 oleh YPLL, bersama dengan angka kematian

bahwa YPLL dari cedera melebihi efek YPLL dari malformasi spesifik penyebab. Berdasarkan penyebab kematian spesifik, infeksi human

kongenital dan gabungan prematuritas. Jadi, jika kita ingin immunodeficiency virus (HIV) menduduki peringkat kesepuluh, tetapi

memberikan dampak pada YPLL pada anak-anak dan dewasa muda, menurut YPLL, infeksi itu menduduki peringkat keenam. Ini mencerminkan

kita harus mengatasi penyebab cedera, yang setengahnya terkait fakta bahwa sebagian besar kematian terkait HIV terjadi pada orang muda.

dengan kendaraan bermotor.

TABEL 4-5. Estimasi Tahun Potensi Hidup Hilang (YPLL) Sebelum Usia 65 Tahun dan Kematian
Tarif per 100.000 Orang, berdasarkan Penyebab Kematian, Amerika Serikat, 1989 dan 1990

YPLL untuk Orang YPLL untuk Orang Minyak Mentah Penyebab-Spesifik

Penyebab Kematian (Kode ICD-9) Meninggal tahun 1989 Meninggal tahun 1990 Angka Kematian, 1990

Semua penyebab (total) 12.339.045 12.083.228 861.9

Cedera yang tidak disengaja (E800 – E949) 2.235.335 2.147.094 37.3
Neoplasma ganas (140–208) 1.832.039 1.839.900 201.7
Bunuh diri / pembunuhan (E950 – E978) 1.402.524 1.520.780 22.5
Penyakit hati (390–398, 402, 404–429) 1.411.399 1.349.027 289.0

Anomali kongenital (740–759) 660.346 644.651 5.3

Virus human immunodeficiency 585.992 644.245 9.6
infeksi (042-044)
Prematuritas (765, 769) 487.749 415.638 2.5
Sindrom kematian bayi mendadak (798) penyakit 363.393 347.713 2.2
serebrovaskular (430–438) 237.898 244.366 57.9
Penyakit hati kronis dan sirosis (571) Pneumonia 233.472 212.707 10.2
/ influenza (480–487) 184.832 165.534 31.3
Diabetes melitus (250) 145.501 143.250 19.5
Penyakit paru obstruktif kronik (490-496) 135.507 127.464 35.5

Data dari Pusat Pengendalian dan Pencegahan Penyakit: MMWR 41: 314, 1992.
70 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

Gambar 4-11. Tingkat kematian tahunan (per 100.000 penduduk)

untuk penyebab utama kematian di antara pria berusia 25 hingga 44
tahun, pada tahun 1987 - 2008. (Untuk tahun 1982 sampai 1986,
perkiraan dibuat karena kode Klasifikasi Internasional Penyakit [ICD]
-9 untuk HIV belum ada. Untuk tahun 1999 - 2000, kematian
diklasifikasikan menurut ICD-10; untuk tahun 1987 - 1998, aturan
ICD-10 secara retroaktif diterapkan pada kematian yang sebelumnya
diberi kode sesuai dengan aturan ICD-9.) (Diambil dari data yang
disiapkan oleh Richard M. Selik, MD, Divisi Pencegahan HIV / AIDS,
Pusat Pengendalian dan Pencegahan Penyakit, 2008. www.cdc.gov/hiv/
graphics / mortalit.htm . Diakses 12 April 2013.)

YPLL dapat membantu dalam tiga fungsi kesehatan
masyarakat yang penting: menetapkan prioritas penelitian dan
sumber daya, pengawasan tren temporal dalam kematian dini,
dan mengevaluasi efektivitas intervensi program. 2
Mengapa Melihat Kematian?
Kematian jelas merupakan indeks keparahan suatu penyakit baik dari sudut
pandang klinis maupun kesehatan masyarakat, tetapi kematian juga dapat
digunakan sebagai indeks risiko penyakit, seperti yang ditunjukkan pada Angka
4-2 dan
4-3 . Secara umum, data kematian lebih mudah diperoleh daripada data
insiden untuk penyakit tertentu, dan oleh karena itu mungkin lebih layak
untuk menggunakan data kematian sebagai indeks insiden. Namun, bila
suatu penyakit ringan dan tidak fatal, angka kematian bukanlah indeks
kejadian yang baik. Angka kematian merupakan cerminan yang baik dari
angka kejadian dalam dua kondisi: Pertama,
ketika tingkat fatalitas kasus tinggi (seperti pada rabies yang tidak
diobati), dan kedua, ketika durasi penyakit (kelangsungan hidup)
pendek. Dalam kondisi ini, mortalitas adalah ukuran insiden yang baik,
dan dengan demikian menjadi ukuran risiko penyakit. Misalnya, kanker
pankreas adalah penyakit yang sangat mematikan: kematian umumnya
terjadi dalam beberapa bulan setelah diagnosis, dan kelangsungan
hidup jangka panjang jarang terjadi. Jadi, sayangnya, kematian akibat
kanker pankreas adalah pengganti yang baik untuk kejadian penyakit ini.
Gambar 4-11 dan 4-12 menunjukkan tren kematian di Amerika Serikat
dari tahun 1987 hingga 2008 untuk penyebab utama kematian pada pria
dan wanita, masing-masing, yang berusia 25 hingga 44 tahun. Kematian
akibat infeksi HIV meningkat pesat pada kedua jenis kelamin dari 1987
hingga 1995, tetapi menurun secara dramatis dari 1995 hingga 1997,
sebagian besar karena terapi antiretroviral yang baru diperkenalkan dan
sangat aktif, serta perubahan gaya hidup.

Gambar 4-12. Tingkat kematian tahunan (per 100.000 penduduk) untuk

penyebab utama kematian pada wanita berusia 25 hingga 44 tahun, per tahun,
1987 - 2008. (Lihat juga Gambar 4-11 .) (Diambil dari data yang disiapkan oleh
RichardM. Selik,
MD, Divisi Pencegahan HIV / AIDS, Pusat Pengendalian dan
Pencegahan Penyakit, 2008. www.cdc.gov/ hiv / graphics /
mortalit.htm . Diakses 12 April 2013.)
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya 71

Gambar 4-13. Tingkat kehamilan ektopik (per 1.000 kehamilan yang dilaporkan), Gambar 4-14. Angka kematian kehamilan ektopik (per 10.000 kehamilan ektopik),
menurut tahun, Amerika Serikat, 1970 - 1987. (Dari Pusat Pengendalian dan Pencegahan menurut tahun, Amerika Serikat, 1970 - 1987. (Dari Pusat Pengendalian dan

Penyakit: MMWR 39: 401, 1990.) Pencegahan Penyakit: MMWR 39: 403,
1990.)

sebagai akibat dari pendidikan kesehatan masyarakat. Angka kematian
pada orang berusia 25 sampai 44 tahun terus menurun dengan kecepatan
yang lebih lambat hingga tahun 2008. Dengan penurunan angka kematian
dan perpanjangan masa hidup banyak orang dengan HIV, prevalensi infeksi
HIV telah meningkat secara signifikan.
Perbandingan mortalitas dan insiden terlihat pada Gambar 4-13 dan 4-14 cepat.
. Gambar 4-13 menunjukkan angka kehamilan ektopik menurut tahun di
Amerika Serikat dari 1970 sampai 1987. Selama periode ini, angka per
1.000 kehamilan yang dilaporkan meningkat hampir empat kali lipat.
Peningkatan ini dikaitkan dengan peningkatan diagnosis dan
peningkatan frekuensi penyakit radang panggul akibat penyakit
menular seksual. Seperti yang Terlihat Di Gambar 4-14 Namun,
angka kematian akibat kehamilan ektopik menurun tajam
selama periode waktu yang sama, mungkin sebagai akibat dari
deteksi dini dan intervensi medis dan bedah yang semakin
Gambar 4-15 menyajikan data menarik tentang tren waktu dalam
kejadian dan kematian akibat kanker payudara pada wanita kulit
hitam dan wanita kulit putih di

160

Insiden SEER yang disesuaikan dengan penundaan

140

120

100
Gambar 4-15. Insiden dan mortalitas kanker payudara: wanita kulit
Tarif per 100.000

putih versus wanita kulit hitam. (Dari Howlader N, Noone AM,

80 Krapcho M, dkk [eds]: SEER Cancer Statistics Review, 1975 - 2008,
Insiden SIER yang disesuaikan dengan penundaan, insiden
Institut Kanker Nasional, Bethesda, MD. http://seer.cancer.gov/csr/
SEER yang disesuaikan dengan penundaan, kematian AS yang
1975_2008 / . Berdasarkan pengiriman data SEER November 2010,
berkulit hitam, Putih
60 diposting ke situs web SEER, 2011. Diakses 12 April 2013.)
Kematian AS, Hitam

Kematian AS
40

20

0
1975 1980 1985 1990 1995 2000 2008

Tahun diagnosis / kematian

72 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

Gambar 4-16. Insiden dan mortalitas kanker tiroid,

1973 - 2002. (Dari Davies L, Welch HG: Peningkatan
insiden kanker tiroid di Amerika Serikat, 1973 - 2002.
JAMA 295: 2164 -
2167, 2006.)

Amerika Serikat. Bandingkan tren waktu dalam kejadian dan JENIS HISTOLOGI PROGNOSA
kematian. Apa yang ditunjukkan kurva ini tentang kasus baru
kanker payudara dari waktu ke waktu dan kelangsungan hidup dari
Papiler TERBAIK
kanker payudara? Bandingkan pengalaman wanita kulit hitam dan
wanita kulit putih terkait dengan insiden dan kematian. Bagaimana
kita bisa menjelaskan perbedaannya, dan apa kemungkinan Folikuler
penjelasannya?

Diferensiasi buruk TERBURUK

Contoh terakhir berkaitan dengan laporan dalam beberapa tahun
(meduler / anaplastik)
terakhir bahwa kejadian kanker tiroid di Amerika Serikat telah
meningkat. Kemungkinan salah satu dari dua penjelasan yang Gambar 4-17. Jenis histologis kanker tiroid dan prognosisnya.

mungkin. Penjelasan pertama adalah bahwa laporan ini

mencerminkan peningkatan nyata dalam kejadian yang disebabkan
oleh peningkatan prevalensi faktor risiko penyakit. Penjelasan kedua
adalah bahwa peningkatan insiden yang dilaporkan hanya
peningkatan semu insidensi. Ini tidak mencerminkan peningkatan
nyata dalam kasus baru, melainkan peningkatan dalam deteksi dan
diagnosis kasus subklinis, karena metode diagnostik baru
memungkinkan kami untuk mengidentifikasi kanker tiroid kecil dan
asimtomatik yang tidak dapat dideteksi sebelumnya.
Untuk membedakan antara dua penjelasan yang mungkin
ini, Davies dan Welch mempelajari perubahan dalam insiden
dan kematian akibat kanker tiroid di Amerika Serikat dari tahun
1973 hingga 2002.
Gambar 4-16 menunjukkan bahwa selama periode penelitian, tingkat
insiden kanker tiroid lebih dari dua kali lipat tetapi selama periode
yang sama, kematian
dari kanker tiroid tetap hampir tidak berubah.
Kanker tiroid ditandai oleh tipe histologis yang berbeda, seperti
yang terlihat pada Gambar 4-17 : pada satu ekstrim, karsinoma
papiler memiliki prognosis terbaik dan pada ekstrim sebaliknya,
tipe-tipe yang berdiferensiasi buruk — meduler dan anaplastik —
umumnya paling agresif dengan prognosis paling buruk. Para
penulis menemukan bahwa peningkatan kejadian kanker tiroid
hampir seluruhnya disebabkan oleh peningkatan
insiden kanker papiler ( Gambar 4-18 Pada kanker papiler,
sebagian besar peningkatan insiden ini disebabkan oleh tumor
berukuran terkecil ( Gambar 4-19 ). Dengan demikian, penulis
menemukan bahwa 87% peningkatan insiden kanker tiroid
selama periode 30 tahun disebabkan oleh peningkatan kanker
papiler berukuran terkecil, tumor yang memiliki prognosis
terbaik. Sejumlah penelitian sebelumnya telah menunjukkan
prevalensi tinggi dari kanker papiler kecil asimtomatik yang
sebelumnya tidak diketahui saat otopsi.
Jika peningkatan insiden disebabkan oleh peningkatan kejadian
penyakit yang sebenarnya, hal itu kemungkinan akan tercermin dalam
peningkatan insiden dari semua jenis histologis. Sebaliknya, jika
peningkatan insiden disebabkan oleh ketersediaan metode diagnostik
yang lebih baik, kami berharap untuk melihat peningkatan insiden
tumor kecil, seperti yang ditemukan oleh penulis dalam penelitian
mereka. Ini juga konsisten dengan pengamatan bahwa kematian
kanker tiroid secara keseluruhan stabil.
Masalah dengan Data Kematian
Sebagian besar informasi kami tentang kematian berasal dari sertifikat
kematian. Sertifikat kematian ditampilkan di
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya
Gambar 4-20 . Dengan kesepakatan internasional, kematian diberi kode
sesuai dengan penyebab yang mendasari. Penyebab yang mendasari
kematian didefinisikan sebagai "penyakit atau cedera yang memulai
rangkaian peristiwa tidak wajar yang secara langsung atau tidak langsung
menyebabkan kematian atau keadaan kecelakaan atau kekerasan yang
mengakibatkan cedera fatal". 3 Jadi, akte kematian dari mana Gambar
4-21 diambil akan dikodekan sebagai kematian akibat penyakit jantung
iskemik kronis, penyebab yang mendasari, yang selalu ditemukan pada
baris terbawah yang digunakan pada bagian I butir 23 sertifikat. Oleh
karena itu, penyebab kematian yang mendasari "mengecualikan informasi
yang berkaitan dengan penyebab langsung kematian, penyebab terkait,
dan penyebab yang mengintervensi antara penyebab kematian yang
mendasari dan langsung". 4 Seperti yang ditunjukkan oleh Savage dan
rekan kerja, 5 kontribusi total dari penyebab kematian tertentu mungkin
tidak tercermin dalam data kematian seperti yang dilaporkan secara
umum; hal ini mungkin berlaku lebih luas pada beberapa penyakit
dibandingkan pada penyakit lainnya.
Kualitas data yang diberikan pada akta kematian mereka
berbeda-beda di setiap negara dan wilayah.
73
Gambar 4-18. Tren kejadian kanker tiroid
(1973 - 2002) di Amerika Serikat. (Dari Davies L,
Welch HG: Peningkatan insiden kanker tiroid di
Amerika Serikat, 1973 - 2002. JAMA 295: 2164 -
2167, 2006.)
Gambar 4-19. Tren insiden tumor papiler tiroid,
menurut ukuran, Amerika Serikat, 1988 - 2002.
(Dari Davies L, Welch HG: Peningkatan insiden
kanker tiroid di Amerika Serikat, 1973 - 2002.
JAMA 295: 2164 - 2167, 2006.)
Studi validitas akta kematian dibandingkan dengan rumah sakit dan
catatan otopsi umumnya menemukan validitas yang lebih tinggi untuk
penyakit tertentu, seperti kanker, daripada yang lain.
Kematian diberi kode menurut International Classification of
Diseases (ICD), sekarang dalam revisi kesepuluh. Karena kategori
pengkodean dan peraturan berubah dari satu revisi ke revisi lainnya,
setiap studi tren waktu dalam kematian yang mencakup lebih dari satu
revisi harus memeriksa kemungkinan bahwa perubahan yang diamati
bisa disebabkan seluruhnya atau sebagian oleh perubahan dalam ICD.
Pada tahun 1949, angka kematian akibat diabetes menunjukkan
penurunan dramatis pada pria dan wanita ( Gambar 4-22 ). Namun,
setiap euforia yang mungkin disebabkan oleh data ini berumur pendek;
Analisis penurunan ini menunjukkan bahwa hal itu terjadi pada saat
perubahan dari revisi ke-7 ke revisi ke-8 dari ICD. Sebelum tahun 1949,
kebijakannya adalah bahwa setiap sertifikat kematian yang
mencantumkan diabetes dimanapun dikodekan sebagai kematian akibat
diabetes. Setelah 1949, hanya sertifikat kematian dengan penyebab
kematian yang terdaftar sebagai diabetes yang diberi kode sebagai
kematian
74 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

Gambar 4-20. Sertifikat kematian untuk negara bagian Maryland. (Atas kebaikan Departemen Kesehatan dan Kebersihan Mental Negara Bagian Maryland.)

dari diabetes. Oleh karena itu, penurunan terlihat pada Gambar 4-22 adalah
artefak. Setiap kali kita melihat tren waktu peningkatan atau penurunan
kematian, pertanyaan pertama yang harus kita tanyakan adalah, "Apakah
ini nyata?" Secara khusus, ketika kita melihat tren kematian dari waktu ke
waktu, kita harus bertanya apakah ada perubahan yang terjadi
sertifikat kematian diberi kode selama periode pemeriksaan dan
apakah perubahan ini dapat berkontribusi pada perubahan yang
diamati pada kematian selama periode yang sama.
Perubahan definisi penyakit juga dapat berdampak
signifikan pada jumlah kasus
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya
Gambar 4-21. Contoh bagian penyebab kematian yang lengkap pada sertifikat kematian, termasuk penyebab langsung dan mendasar serta kondisi penting lainnya.
penyakit yang dilaporkan atau yang dilaporkan dan selanjutnya
diklasifikasikan sebagai memenuhi kriteria diagnostik untuk penyakit
tersebut. Pada awal 1993, definisi baru Acquired Immunodeficiency
Syndrome (AIDS) diperkenalkan; seperti yang ditunjukkan pada Gambar
4-23 , perubahan ini mengakibatkan peningkatan jumlah yang cepat
Gambar 4-22. Penurunan tingkat kematian karena diabetes di antara pria dan wanita
berusia 55 hingga 64 tahun, Amerika Serikat, 1930 - 1960, karena perubahan dalam
pengkodean ICD. (Publikasi FromUS Public Health Service No. 1000, seri 3, No. 1.
Washington, DC, US Government Printing Office, 1964.)
75
kasus yang dilaporkan. Dengan definisi baru, bahkan setelah
puncak awal, jumlah kasus yang dilaporkan tetap lebih tinggi
daripada selama beberapa tahun.
Dalam membahas morbiditas pada bagian 3 , kami berkata
bahwa setiap orang dalam kelompok yang diwakili oleh penyebut
harus berisiko untuk memasuki kelompok yang diwakili oleh
pembilangnya, dan kami melihat tingkat kejadian kanker rahim
sebagai contoh. Prinsip yang sama mengenai pembilang dan
penyebut berlaku untuk angka kematian. Gambar 4-24 menunjukkan
pengamatan serupa untuk tingkat kematian akibat kanker rahim.
Sekali lagi, mengoreksi histerektomi mengurangi jumlah wanita
dalam penyebut dan dengan demikian meningkatkan angka
kematian. Dengan nada yang lebih ringan, Tabel 4-6 daftar
beberapa penyebab kematian yang terdaftar di sertifikat kematian
di awal abad ke-20.
MEMBANDINGKAN KEMATIAN
DALAM POPULASI YANG BERBEDA
Penggunaan penting data kematian adalah untuk membandingkan dua
atau lebih populasi, atau satu populasi dalam periode waktu yang berbeda.
Populasi tersebut mungkin berbeda dalam hal banyak karakteristik yang
mempengaruhi kematian, di mana distribusi usia adalah yang paling
penting. Faktanya, usia adalah satu-satunya prediktor kematian yang
paling penting. Oleh karena itu, metode telah dikembangkan untuk
membandingkan mortalitas pada populasi tersebut sambil secara efektif
mempertahankan karakteristik konstan seperti usia.
Tabel 4-7 menunjukkan data yang menjadi contoh masalah. Tingkat
kematian untuk penduduk kulit putih dan kulit hitam di Baltimore pada tahun
1965 diberikan. Data tersebut mungkin tampak mengejutkan karena kami
berharap tingkat yang lebih tinggi untuk orang kulit hitam, mengingat
masalah yang terkait dengan kondisi kehidupan yang lebih buruk dan akses
yang lebih sedikit ke
76 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

Gambar 4-23. Kasus AIDS menurut laporan triwulan, Amerika Serikat, 1984 - 2000. (Dari Pusat Pengendalian dan Pencegahan Penyakit. Ringkasan penyakit yang dapat dilaporkan,
Amerika Serikat, 2000. MMWR 49:86, 2000; dan Pusat Pengendalian dan Pencegahan Penyakit: Ringkasan penyakit yang dapat dilaporkan, Amerika Serikat, 1993. MMWR 45:68 , 1993.)

TABEL 4-6. Beberapa Penyebab Kematian Itu

Dilaporkan tentang Sertifikat
Kematian di Awal 1900-an

"Meninggal tiba-tiba tanpa bantuan dokter" "Seorang ibu meninggal

saat masih bayi"
"Almarhum tidak pernah sakit parah" "Meninggal
tiba-tiba, tidak ada yang serius"
"Pergi tidur dengan perasaan sehat, tapi terbangun dalam keadaan mati"

TABEL 4-7. Tingkat Kematian Kasar berdasarkan Ras,

Kota Baltimore, 1965

Ras Kematian per 1.000 Penduduk

putih 14.3
Hitam 10.2

Gambar 4-24. Angka kematian akibat kanker rahim yang disesuaikan dengan usia,
dikoreksi dan tidak dikoreksi dengan status histerektomi, Alameda County, California.
(Dari Lyon JL, Gardner JW: Meningkatnya frekuensi histerektomi: Efeknya pada angka
kanker rahim. Am J Epidemiol 105: 439 - 443, 1977.)
perawatan medis, terutama pada saat itu. Saat kita melihat Tabel 4-8 ,
kami melihat data dari Tabel 4-7 kiri, tetapi sekarang kami telah
menambahkan data untuk setiap strata (lapisan) populasi dengan usia
tertentu. Menariknya, meskipun di setiap kelompok usia tertentu, kematian
lebih tinggi pada orang kulit hitam daripada orang kulit putih, kematian
keseluruhan (juga disebut mentah atau tidak disesuaikan
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya
TABEL 4-8. Tingkat Kematian berdasarkan Usia dan Ras, Kota Baltimore, 1965
TINGKAT KEMATIAN BERDASARKAN USIA PER 1.000 PENDUDUK
Ras Semua umur < 1 thn 1–4 tahun
putih 14.3 23.9 0.7
Hitam 10.2 31.3 1.6
Dari Departemen Biostatistik: Laporan Statistik Vital Tahunan untuk Maryland, 1965. Baltimore, Departemen Kesehatan Negara Bagian Maryland, 1965.
kematian) lebih tinggi pada kulit putih daripada kulit hitam. Mengapa
demikian? Ini adalah cerminan dari fakta bahwa baik orang kulit putih
maupun kulit hitam, angka kematian meningkat tajam pada kelompok usia
tertua; usia yang lebih tua adalah penyumbang utama kematian. Namun,
populasi kulit putih dalam contoh ini lebih tua dari populasi kulit hitam, dan
pada tahun 1965, hanya ada sedikit orang kulit hitam dalam kelompok usia
tertua. Jadi, pada orang kulit putih, kematian keseluruhan sangat terbebani
oleh tingkat yang tinggi pada kelompok usia tertua. Tingkat kematian
keseluruhan (atau kasar) pada orang kulit putih meningkat dengan jumlah
kematian yang lebih besar pada subkelompok besar orang kulit putih yang
lebih tua, tetapi tingkat kematian keseluruhan pada orang kulit hitam tidak
meningkat sebanyak itu karena ada lebih sedikit kematian pada sejumlah
kecil orang kulit hitam di kelompok usia yang lebih tua. Jelas, angka
kematian kasar mencerminkan kedua perbedaan dalam kekuatan
kematian, dan perbedaan komposisi usia penduduk. Mari kita lihat dua
pendekatan untuk mengatasi masalah ini: penyesuaian usia langsung dan
tidak langsung.
Penyesuaian Usia Langsung
Tabel 4-9 sampai 4-11 menunjukkan contoh hipotetis penyesuaian usia
langsung. Tabel 4-9 menunjukkan kematian dalam suatu populasi
dalam dua periode berbeda. Angka kematian jauh lebih tinggi pada
periode selanjutnya. Data ini dilengkapi dengan data khusus usia di Tabel
4-10 . Di sini, kita melihat tiga kelompok usia, dan kematian berdasarkan
usia untuk periode selanjutnya lebih rendah di setiap kelompok. Lalu,
bagaimana mungkin untuk memperhitungkan mortalitas keseluruhan
yang lebih tinggi di periode selanjutnya dalam contoh ini?
Jawabannya terletak pada perubahan struktur usia
penduduk. Kematian tertinggi pada kelompok usia tertua, dan
selama periode selanjutnya, ukuran kelompok tertua berlipat
ganda dari 100.000 menjadi 200.000, sedangkan jumlah orang
muda menurun drastis, dari 500.000 menjadi 300.000. Kami
ingin menghilangkan perbedaan usia ini dan, pada dasarnya,
bertanya: Jika komposisi usia populasi adalah
77
5–17 tahun 18–44 tahun 45–64 tahun > 65 thn
0.4 2.5 15.2 69.3
0.6 4.8 22.6 75.9
sama, apakah ada perbedaan mortalitas antara periode
awal dan periode selanjutnya?
Di penyesuaian usia langsung, populasi standar digunakan
untuk menghilangkan pengaruh perbedaan usia antara dua
atau lebih populasi yang dibandingkan ( Tabel 4-11 ). Populasi
“standar” hipotetis dibuat untuk menerapkan baik angka
kematian spesifik usia dari periode awal dan angka kematian
spesifik usia dari periode selanjutnya. Dengan menerapkan
angka kematian dari kedua periode ke satu populasi standar,
kami menghilangkan kemungkinan bahwa perbedaan yang
diamati bisa jadi akibat perbedaan usia dalam populasi.
(Dalam contoh ini, kami telah membuat standar dengan
menambahkan populasi dari periode awal dan akhir, tetapi
populasi apa pun dapat digunakan.)
Dengan menerapkan setiap angka kematian spesifik usia pada
populasi di setiap kelompok usia dari populasi standar, kami
mendapatkan jumlah kematian yang diharapkan yang akan terjadi
jika angka tersebut diterapkan. Kami kemudian dapat menghitung
jumlah total kematian yang diharapkan dalam populasi standar
dengan tingkat usia spesifik dari periode awal yang diterapkan dan
jumlah total kematian yang diharapkan dalam populasi standar
memiliki tingkat usia spesifik dari periode selanjutnya yang
diterapkan. Dengan membagi masing-masing dari dua jumlah total
kematian yang diharapkan dengan total populasi standar, kita dapat
menghitung angka kematian yang diharapkan dalam populasi
standar jika itu memiliki pengalaman kematian pada periode awal
dan angka kematian yang diharapkan untuk populasi standar jika itu
memiliki memiliki pengalaman kematian untuk periode selanjutnya.
Ini disebut tarif yang disesuaikan usia, dan mereka secara tepat
mencerminkan penurunan yang terlihat pada tingkat usia tertentu.
Perbedaan komposisi penduduk tidak lagi menjadi faktor.
Dalam contoh ini tarif telah disesuaikan dengan usia, tetapi
penyesuaian dapat dilakukan untuk karakteristik apa pun seperti jenis
kelamin, status sosial ekonomi, atau ras,
78 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

TABEL 4-9. Contoh Hipotesis Penyesuaian Usia Langsung: I. Perbandingan Kematian Total
Tarif dalam Populasi pada Dua Waktu Berbeda

PERIODE AWAL PERIODE KEMUDIAN

Jumlah Angka kematian Jumlah Angka kematian

Populasi Meninggal per 100.000 Populasi Meninggal per 100.000

900.000 862 96 900.000 1.130 126

TABEL 4-10. Contoh Hipotesis Penyesuaian Usia Langsung: II. Perbandingan Spesifik Usia
Angka Kematian dalam Dua Periode Waktu Berbeda

PERIODE AWAL PERIODE KEMUDIAN

Jumlah Tingkat Kematian Jumlah Tingkat Kematian

Kelompok Umur (thn) Populasi Meninggal per 100.000 Populasi Meninggal per 100.000

Semua umur 900.000 862 96 900.000 1.130 126

30–49 500.000 60 12 300.000 30 10
50–69 300.000 396 132 400.000 400 100
70+ 100.000 406 406 200.000 700 350

TABEL 4-11. Contoh Hipotesis Penyesuaian Usia Langsung: III. Menjalankan Usia
Penyesuaian Menggunakan Total Dua Populasi sebagai Standar

"Usia dini- Diharapkan "Nanti" Usia- Diharapkan

spesifik Jumlah spesifik Jumlah

Standar Tingkat Kematian Kematian Menggunakan Tingkat Kematian Kematian Menggunakan

Kelompok Umur (thn) Populasi per 100.000 Tarif “Awal” per 100.000 Tarif "Nanti"

Semua umur 1.800.000

30–49 800.000 12 96 10 80
50–69 700.000 132 924 100 700
70+ 300.000 406 1.218 350 1.050

Jumlah total kematian yang diperkirakan

dalam populasi standar: 2.238 1.830

Tarif yang disesuaikan usia: 2.238 = 124,3 1.830 = 101,7

“Awal” = “Nanti” =
1.800.000 1.800.000

dan teknik juga tersedia untuk menyesuaikan beberapa variabel
secara bersamaan.
Mari kita lihat contoh penyesuaian usia langsung menggunakan
data nyata. 6 Ketika kematian di Amerika Serikat dan di Meksiko
dibandingkan pada tahun 1995 hingga
1997, angka kematian kasar untuk semua usia di Amerika Serikat
adalah 8,7 per 1.000 penduduk dan di Meksiko hanya 4,7 per 1.000
penduduk. Tetapi untuk setiap kelompok usia, angka kematian
berdasarkan usia lebih tinggi di Meksiko daripada di Amerika Serikat
(selain dari
lebih dari 65 kelompok di mana tingkat serupa). Mungkinkah
angka kematian kasar yang jauh lebih tinggi di Amerika Serikat
disebabkan oleh fakta bahwa terdapat perbedaan dalam
distribusi usia kedua populasi, di mana populasi AS memiliki
proporsi individu yang lebih tua lebih besar daripada populasi
di Meksiko?
Untuk menghilangkan kemungkinan bahwa perbedaan
mortalitas antara Amerika Serikat dan Meksiko bisa jadi
karena perbedaan di
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya 79

struktur usia kedua populasi, perlu kita kontrol untuk usia. Oleh karena
itu, kami memilih populasi standar dan menerapkan angka kematian
spesifik usia dari Amerika Serikat dan dari Meksiko ke populasi standar
yang sama. Seperti yang Terlihat Di Tabel 4-12 , ketika kami memeriksa
angka penyesuaian usia dengan menggunakan angka kematian dari
Amerika Serikat dan dari Meksiko, kami menemukan bahwa angka
penyesuaian usia di Amerika Serikat adalah 5,7 per 1.000, lebih rendah
daripada di Meksiko (6,4 / 1.000). Dengan demikian, tingkat minyak
mentah yang lebih tinggi yang diamati di Amerika Serikat disebabkan
oleh usia penduduk AS yang lebih tua.
Meskipun angka yang disesuaikan dengan usia bisa sangat
berguna dalam membuat perbandingan, langkah pertama dalam
memeriksa dan menganalisis data kematian komparatif harus selalu usia
tertentu menilai perbedaan atau perubahan yang menarik. Perbedaan
ini mungkin disembunyikan oleh disesuaikan usia tarif, dan mungkin
hilang jika kita segera melanjutkan ke penyesuaian usia tanpa
terlebih dahulu memeriksa tarif khusus usia.
Angka penyesuaian usia bersifat hipotetis karena melibatkan
penerapan angka spesifik usia yang sebenarnya ke populasi standar
hipotetis. Mereka tidak mencerminkan risiko kematian sebenarnya
dari populasi "nyata"
karena nilai numerik dari angka kematian yang
disesuaikan dengan usia bergantung pada populasi
standar yang digunakan. Pemilihan populasi semacam itu
agak sewenang-wenang karena tidak ada populasi
standar yang "benar", tetapi secara umum diterima bahwa
"standar" tidak boleh sangat berbeda dari populasi yang
dibandingkan sehubungan dengan usia atau apa pun
variabelnya. yang sedang dilakukan penyesuaian. Di
Amerika Serikat, selama lebih dari 50 tahun, populasi AS
tahun 1940 secara teratur digunakan sebagai populasi
standar untuk penyesuaian usia untuk sebagian besar
tujuan, tetapi dalam beberapa tahun terakhir, populasi ini
semakin dianggap ketinggalan zaman dan tidak sesuai
dengan struktur usia yang lebih tua di AS. populasi.
Dimulai dengan statistik kematian tahun 1999, AS
Perubahan dalam populasi standar ke tahun 2000 populasi AS
memiliki beberapa efek yang signifikan, seperti yang diilustrasikan
dengan perbandingan tingkat kematian spesifik penyebab dengan
menggunakan data hingga 1995. 7
Misalnya, peningkatan angka kematian yang disesuaikan dengan usia
diamati untuk penyebab di mana risiko meningkat secara signifikan seiring
bertambahnya usia. Sebagai contoh,

TABEL 4-12. Contoh Penyesuaian Usia Langsung: Perbandingan Kematian yang Disesuaikan Usia
Tarif di Meksiko dan di Amerika Serikat, 1995–1997

Khusus usia
Khusus usia Amerika Serikat
Usia Mexico Angka yang Diharapkan Kematian Angka yang Diharapkan

Kelompok Standar Tingkat Kematian dari Kematian Menggunakan Tarif per dari Kematian Menggunakan

(thn) Populasi per 100.000 Tarif Meksiko 100.000 Tarif Amerika Serikat

Semua umur 100.000

<1 2.400 1.693.2 41 737.8 18
1–4 9.600 112.5 11 38.5 4
5–14 19.000 36.2 7 21.7 4
15–24 17.000 102.9 17 90.3 15
25–44 26.000 209.6 55 176.4 46
45–64 19.000 841.1 160 702.3 133
65+ 7.000 4.967.4 348 5.062.6 354

Jumlah total kematian yang diperkirakan

dalam populasi standar: 639 574

Tarif yang disesuaikan usia:

639 = 6,39 574 = 5 . 74

Meksiko = United S tates =
100.000 1.000 100.000 1.000

Dari Kelompok Analisis, Program Khusus Organisasi Kesehatan Pan Amerika untuk Analisis Kesehatan: Standardisasi: Metode epidemiologi klasik
untuk perbandingan tarif. Epidemiol Bull 232 (3): 9-12, 2002.
80 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI
kematian yang disesuaikan dengan usia akibat penyakit serebrovaskular
(stroke) adalah 26,7 kematian per 100.000 dengan menggunakan
standar 1940, tetapi 63,9 per 100.000 menggunakan standar 2000.
Kematian akibat kanker meningkat dengan menggunakan standar
populasi 2000 dibandingkan dengan ketika populasi sebelumnya
digunakan sebagai standar karena lebih banyak orang yang bertahan
hingga usia yang lebih tua, ketika banyak jenis kanker terkemuka lebih
umum. Tingkat penyakit jantung, penyakit paru obstruktif kronik,
diabetes, penyakit ginjal, dan penyakit Alzheimer juga terpengaruh
karena tingkat kematian berdasarkan usia untuk semua kondisi ini lebih
tinggi pada kelompok usia yang lebih tua.
Tingkat kanker yang disesuaikan usia lebih tinggi pada orang kulit hitam
dibandingkan dengan orang kulit putih di Amerika Serikat, tetapi perbedaan
antara orang kulit hitam dan kulit putih lebih sedikit dengan standar populasi
tahun 2000 dibandingkan dengan populasi standar sebelumnya. Dengan
demikian, perubahan ke populasi AS tahun 2000 sebagai standar
memperumit perbandingan angka penyesuaian usia sebelum dan sesudah
1999, karena banyak angka sebelum 1999 dihitung
menggunakan populasi standar 1940. Namun, angka dari
tahun 1999 dan seterusnya dihitung dengan menggunakan
populasi tahun 2000 sebagai standar baru.
Singkatnya, tujuan penyesuaian langsung adalah untuk
membandingkan tarif di setidaknya dua populasi yang berbeda ketika kita
ingin menghilangkan kemungkinan efek dari faktor tertentu, seperti usia,
pada tarif yang kita bandingkan. Penting untuk diingat bahwa tarif yang
disesuaikan bukanlah tarif yang “nyata” dalam populasi yang
dibandingkan, karena mereka bergantung pada pilihan populasi standar
yang digunakan dalam melakukan penyesuaian. Namun demikian,
penyesuaian langsung adalah alat yang sangat berguna untuk membuat
perbandingan tersebut dan pada kenyataannya, perbandingan tarif dalam
populasi yang berbeda hampir selalu menggunakan penyesuaian
langsung, seperti penyesuaian usia.
Penyesuaian Usia Tidak Langsung (Rasio Kematian
Standar)
Penyesuaian usia tidak langsung sering digunakan ketika jumlah
kematian untuk setiap lapisan usia tertentu tidak tersedia. Ini juga
digunakan untuk mempelajari kematian dalam populasi yang terpapar
pekerjaan: Apakah orang yang bekerja di industri tertentu, seperti
pertambangan atau konstruksi, memiliki angka kematian yang lebih tinggi
daripada orang dengan usia yang sama pada populasi umum? Apakah
risiko tambahan terkait dengan pekerjaan itu?
Untuk menjawab pertanyaan apakah populasi penambang memiliki
angka kematian yang lebih tinggi daripada yang kita harapkan dalam
populasi serupa yang tidak terlibat
di pertambangan, tarif khusus usia untuk populasi yang diketahui,
seperti semua pria pada usia yang sama, diterapkan pada setiap
kelompok usia dalam populasi yang bersangkutan. Ini akan
menghasilkan jumlah kematian yang diharapkan pada setiap
kelompok umur dalam populasi yang bersangkutan, jika populasi ini
memiliki pengalaman kematian dari populasi yang diketahui. Jadi,
untuk setiap kelompok umur, jumlah kematian diharapkan dihitung,
dan angka-angka ini dijumlahkan. Jumlah kematian itu sebenarnya diamati
dalam populasi itu juga dihitung dan dijumlahkan. Rasio jumlah total
kematian yang sebenarnya diamati dengan jumlah total kematian
yang diharapkan, jika populasi yang bersangkutan memiliki
pengalaman kematian dari populasi yang diketahui, kemudian
dihitung. Rasio ini disebut rasio kematian standar (SMR).
SMR didefinisikan sebagai berikut:
Tidak mengamati. kematian per tahun
SMR =
Diharapkan tidak. kematian per tahun
Mari kita lihat contoh di Tabel 4-13 . Di sebuah
populasi 534.533 pria kulit putih penambang, 436 kematian akibat
tuberkulosis terjadi pada tahun 1950. Pertanyaan yang kami minati
adalah apakah pengalaman kematian akibat tuberkulosis ini lebih besar,
kurang dari, atau hampir sama dengan yang diharapkan pada pria kulit
putih pada usia yang sama di populasi umum (kebanyakan bukan
penambang). Untuk membantu menjawab pertanyaan ini, kami dapat
menghitung perkiraan jumlah kematian penambang kulit putih di setiap
kelompok usia dengan menerapkan angka kematian spesifik usia yang
diketahui dari populasi umum ke jumlah penambang di setiap kelompok
usia. Dengan melakukan itu, kami bertanya, "Berapa banyak kematian
yang akan kami perkirakan pada para penambang kulit putih ini jika
mereka memiliki pengalaman kematian yang sama dengan pria kulit putih
dalam kelompok usia yang sama dalam populasi umum?" Data ini
terdaftar di kolom 3. Kolom 4 menunjukkan jumlah kematian sebenarnya
yang diamati pada para penambang.
SMR dihitung dengan menjumlahkan jumlah kematian yang
diamati (436) dan membaginya dengan jumlah kematian yang
diharapkan (181,09), yang menghasilkan hasil 2,41. Perkalian dengan
100 sering kali dilakukan untuk mendapatkan hasil tanpa desimal. Jika
ini dilakukan dalam kasus ini, SMR akan menjadi 241. SMR 100
menunjukkan bahwa jumlah kematian yang diamati sama dengan
jumlah kematian yang diharapkan. SMR yang lebih besar dari 100
menunjukkan bahwa jumlah kematian yang diamati melebihi jumlah
yang diharapkan, dan SMR yang kurang dari 100 menunjukkan bahwa
jumlah kematian yang diamati kurang dari jumlah yang diharapkan.
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya 81

TABEL 4-13. Perhitungan Rasio Kematian Standar (SMR) untuk Tuberkulosis, Semua Bentuk
(TBC), untuk White Miners Ages 20 to 59 Years, United States, 1950

Kematian yang Diharapkan dari

Estimasi Angka Kematian (per 100.000) TBC inWhite Miners jika Mereka Kematian yang Teramati

Populasi untuk untuk TBC pada Pria dalam Memiliki Risiko yang Sama dengan fromTBC inWhite
Penambang Putih Populasi Umum Populasi Umum Penambang

Usia (thn) (1) (2) (3) = (1) × (2) (4)

20–24 74.598 12.26 9.14 10

25–29 85.077 16.12 13.71 20
30–34 80.845 21.54 17.41 22
35–44 148.870 33.96 50.55 98
45–54 102.649 56.82 58.32 174
55–59 42.494 75.23 31.96 112
Total 534.533 181.09 436
Kematian yang diamati untuk suatu pekerjaan - sebab - kelompok ras × 100 Korban yang
SMR =
diharapkan untuk suatu pekerjaan - sebab - kelompok ras

SMR (untuk 20 - 59 tahun) = 436 × 100 = 241

181.09

Diadaptasi dari Statistik Vital: Laporan Khusus. Washington, DC, Departemen Kesehatan, Pendidikan, dan Kesejahteraan, Vol. 53 (5), 1963.

Efek Kelompok
Tabel 4-14 menunjukkan angka kematian spesifik usia akibat
tuberkulosis per 100.000 pria di Massachusetts dari tahun 1880 hingga
1930. (Untuk diskusi ini, kami akan mengabaikan anak usia 0 hingga 4
tahun, karena tuberkulosis pada kelompok usia ini adalah fenomena
yang agak berbeda.) Jika, misalnya , kami kemudian membaca turun Pada
kolom dalam tabel (data untuk tahun kalender tertentu) untuk tahun
1910, tampak bahwa puncak kematian TB ketika laki-laki mencapai usia
30-an atau 40-an dan kemudian menurun dengan bertambahnya usia.
Tampilan data seperti itu, menurut tahun, disebut a tampilan penampang.
Namun sebenarnya gambaran risiko tuberkulosis agak berbeda ( Tabel
4-15 ). Amale yang berumur 10 sampai 19 tahun pada tahun 1880 berumur
20 sampai 29 tahun pada tahun 1890, dan berumur 30 sampai 39 tahun
pada tahun 1900. Dengan kata lain, laki-laki yang lahir pada tahun tertentu
bergerak melalui waktu bersama. Kami sekarang dapat memeriksa kematian
dari waktu ke waktu dari kelompok yang sama (yaitu, sekelompok orang
yang berbagi pengalaman yang sama), yang lahir dalam periode 10 tahun
yang sama. Melihat laki-laki yang berusia 5 sampai 9 tahun pada tahun 1880
dan mengikuti mereka dari waktu ke waktu, seperti yang ditunjukkan oleh
kotak pada tabel, terlihat jelas bahwa puncak kematian sebenarnya terjadi
pada usia yang lebih muda daripada yang terlihat dari hasil persilangan.
tampilan bagian-bagian dari data. Ketika kita memeriksa perubahan dalam
kefanaan dari waktu ke waktu, kita harus selalu bertanya apakah ada yang
terlihat
perubahan yang diamati bisa jadi merupakan hasil dari efek kohort
tersebut.
Menafsirkan Perubahan yang Teramati
dalam Kematian
Jika kita menemukan perbedaan mortalitas dari waktu ke waktu
atau antar populasi — baik peningkatan atau penurunan — itu
mungkin artifaktual atau nyata. Jika itu adalah artefak, artefak
tersebut dapat disebabkan oleh masalah dengan pembilang atau
penyebutnya ( Tabel 4-16 ). Namun, jika kita menyimpulkan bahwa
perubahan itu nyata, apa kemungkinan penjelasannya? Beberapa
kemungkinan terlihat di Tabel 4-17 .
TINDAKAN LAIN DAMPAK PENYAKIT
Kualitas hidup
Sebagian besar penyakit berdampak besar pada individu yang
menderita di atas dan di luar angka kematian. Penyakit yang mungkin
tidak mematikan dapat dikaitkan dengan penderitaan fisik dan
emosional yang cukup besar akibat kecacatan yang terkait dengan
penyakit tersebut. Oleh karena itu, penting untuk mempertimbangkan
dampak total suatu penyakit yang diukur dengan pengaruhnya terhadap
kualitas hidup seseorang, meskipun tindakan tersebut sebenarnya
bukan ukuran kejadian penyakit. Misalnya, sangat mungkin untuk
memeriksa sejauh mana pasien
82 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

TABEL 4-14. Angka Kematian Spesifik Usia per 100.000 akibat Tuberkulosis (Semua Bentuk), Pria,
Massachusetts, 1880–1930

TAHUN

Usia (thn) 1880 1890 1900 1910 1920 1930

0–4 760 578 309 309 108 41

5–9 43 49 31 21 24 11
10–19 126 115 90 63 49 21
20–29 444 361 288 207 149 81
30–39 378 368 296 253 164 115
40–49 364 336 253 253 175 118
50–59 366 325 267 252 171 127
60–69 475 346 304 246 172 95
70+ 672 396 343 163 127 95

Data dari Frost WH: Pemilihan usia untuk kematian akibat tuberkulosis dalam beberapa dekade berturut-turut. Hak 30: 91–96, 1939.

Gambar 4-25. Penyebab utama

beban penyakit bagi wanita berusia 15 tahun - 44
tahun, negara berpenghasilan tinggi, dan negara
berpenghasilan rendah dan menengah, 2004. (Dari
The Global Burden of Disease: 2004 Update. Geneva,
World Health Organization, 2004.)

dengan arthritis yang terganggu oleh penyakit dalam melakukan
aktivitas kehidupan sehari-hari. Meskipun terdapat kontroversi yang
cukup besar tentang pengukuran kualitas hidup mana yang paling
tepat dan valid, ada kesepakatan umum bahwa tindakan tersebut
dapat digunakan secara wajar untuk merencanakan program
pengobatan jangka pendek untuk kelompok pasien. Pasien tersebut
dapat dievaluasi selama beberapa bulan untuk menentukan efek
pengobatan pada kualitas hidup yang dilaporkan sendiri. Pengukuran
kualitas hidup juga telah digunakan untuk menetapkan prioritas
sumber daya perawatan kesehatan yang langka. Meskipun
memprioritaskan sumber daya perawatan kesehatan seringkali
didasarkan pada data kematian, kualitas hidup juga harus
diperhitungkan untuk tujuan ini, karena banyak penyakit kronis dan
tidak mengancam jiwa tetapi mungkin terkait dengan kecacatan
bertahun-tahun. Pasien mungkin menempatkan
bobot yang berbeda pada ukuran kualitas hidup yang berbeda
tergantung pada perbedaan dalam pekerjaan mereka dan aktivitas
lain, kepribadian, latar belakang budaya, pendidikan, dan nilai-nilai
moral dan etika. Akibatnya, mengukur kualitas hidup dan
mengembangkan indeks valid yang berguna untuk memperoleh data
komparatif pada pasien yang berbeda dan populasi yang berbeda
tetap menjadi tantangan utama.
Memproyeksikan Beban Penyakit di Masa Depan
Penggunaan yang menarik dan berharga dari data saat ini untuk
memprediksi dampak penyakit di masa depan adalah penilaian
komprehensif terhadap kematian dan kecacatan saat ini dari
penyakit, cedera, dan faktor risiko untuk semua wilayah di dunia
pada tahun 1990, yang diproyeksikan hingga tahun 2020. studi,
berjudul Global Burden of Disease, mencoba mengukur
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya 83

TABEL 4-15. Angka Kematian Spesifik Usia per 100.000 akibat Tuberkulosis (Semua Bentuk), Pria,
Massachusetts, 1880–1930

TAHUN

Usia (thn) 1880 1890 1900 1910 1920 1930

0–4 760 578 309 309 108 41

5–9 43 49 31 21 24 11
10–19 126 115 90 63 49 21
20–29 444 361 288 207 149 81
30–39 378 368 296 253 164 115
40–49 364 336 253 253 175 118
50–59 366 325 267 252 171 127
60–69 475 346 304 246 172 95
70+ 672 396 343 163 127 95

Data dari Frost WH: Pemilihan usia untuk kematian akibat tuberkulosis dalam beberapa dekade berturut-turut. Hak 30: 91–96, 1939.

tidak hanya kematian tetapi juga dampak dari kematian dini dan
kecacatan pada suatu populasi dan menggabungkannya menjadi satu
indeks untuk mengekspresikan “beban penyakit” secara keseluruhan. 8 Indeks
yang dikembangkan untuk penelitian ini adalah Disability-Adjusted Life
Year (DALY), yaitu tahun kehilangan nyawa akibat kematian dini dan
tahun hidup dengan disabilitas tertentu.
TABEL 4-16. Penjelasan Tren yang Mungkin
atau Perbedaan Kematian:
I. Artifaktual
keparahan dan durasi. Jadi, DALY adalah 1 tahun hilang hidup
sehat.
Hasil penelitian menunjukkan bahwa 5 dari 10 penyebab utama
kecacatan pada tahun 1990 adalah kondisi kejiwaan; kondisi kejiwaan
dan neurologis menyumbang 28% dari semua tahun hidup dengan
kecacatan dengan keparahan dan durasi yang diketahui, dibandingkan
dengan
1,4% dari semua kematian dan 1,1% tahun kehidupan hilang.
Gambar 4-25 menunjukkan 10 penyebab utama beban penyakit pada
anak perempuan dan perempuan usia 15 sampai 44 tahun di negara
berpenghasilan tinggi dan rendah dan menengah pada tahun 2004. 9 Sekali
lagi, pentingnya penyakit tidak menular, seperti kondisi mental dan
cedera, secara dramatis terbukti.

1. Pembilang Kesalahan dalam diagnosis

Pada tahun 2004 beban penyakit tidak merata. Seperti yang
Kesalahan dalam usia
Terlihat Di Tabel 4-18 , 10 penyebab utama beban penyakit
Perubahan aturan pengkodean
bertanggung jawab atas 37,3% dari semua DALY. Lima dari 10
Perubahan klasifikasi
2. Penyebut Kesalahan dalam menghitung populasi penyebab teratas terutama menyerang anak-anak di bawah usia 5
Kesalahan dalam mengelompokkan menurut tahun. Tiga dari 10 teratas (depresi mayor unipolar, penyakit
karakteristik demografis jantung iskemik, dan penyakit serebrovaskular) adalah kondisi
(misalnya, usia, ras, jenis kelamin) kronis. Tabel ini menunjukkan nilai dari menggunakan ukuran
Perbedaan persentase populasi seperti DALYs untuk menilai beban penyakit, ukuran yang tidak
yang berisiko terbatas pada morbiditas atau mortalitas, tetapi ditimbang oleh
keduanya.

Dengan bertambahnya usia populasi di seluruh dunia, sebuah

TABEL 4-17. Penjelasan Tren yang Mungkin "transisi epidemiologi" sedang berlangsung sehingga, pada tahun
atau Perbedaan Kematian: 2020, penyakit tidak menular kemungkinan besar menjadi penyebab
II. Nyata 70% dari semua kematian di negara berkembang, dibandingkan
dengan kurang dari setengah kematian saat ini. Seperti yang
Perubahan dalam bertahan hidup tanpa perubahan insiden. Perubahan
diproyeksikan dalam Gambar 4-26 , pada tahun 2020, beban penyakit
insiden
akibat penyakit menular, kondisi maternal dan perinatal, serta
Perubahan komposisi usia penduduk Kombinasi
defisiensi gizi (kelompok I) diperkirakan menurun.
faktor-faktor di atas
84 Bagian 1 PENDEKATAN EPIDEMIOLOGI UNTUK PENYAKIT DAN INTERVENSI

TABEL 4-18. Penyebab Utama Beban Penyakit (DALYs), Negara Dikelompokkan Berdasarkan
Pendapatan, 2004

Pangkat Penyakit atau Cedera DALYs (jutaan) Persen dari Total DALY

1 Infeksi saluran pernapasan bagian bawah 94.5 6.2

2 Penyakit diare 72.8 4.8
3 Gangguan depresi unipolar 65.5 4.3
4 Penyakit jantung iskemik 62.6 4.1
5 HIV / AIDS 58.5 3.8
6 Penyakit serebrovaskular 46.6 3.1
7 Prematuritas dan berat badan lahir rendah Asfiksia 44.3 2.9
8 lahir dan trauma lahir Kecelakaan lalu lintas jalan 41.7 2.7
9 raya 41.2 2.7
10 Infeksi neonatal dan lainnya 40.4 2.7

Dari The Global Burden of Disease: 2004 Update. Jenewa, Organisasi Kesehatan Dunia, 2004.

Gambar 4-26. "Transisi epidemiologis": Distribusi kematian akibat penyebab menular dan tidak menular di negara berkembang, 1990 dan diproyeksikan hingga
2020. (Dari Murray CJL, Lopez AD: The Global Burden of Disease: A Comprehensive Assessment of Mortality and Disability from Diseases, Injuries, dan Faktor
Risiko pada 1990 dan Diproyeksikan hingga 2020. Cambridge, Harvard University Press atas nama Organisasi Kesehatan Dunia dan Bank Dunia, 1996.)

secara dramatis. Beban akibat penyakit tidak menular (kelompok II)
diperkirakan akan meningkat tajam, begitu pula beban cedera
(kelompok III). Juga pada tahun 2020, beban penyakit yang
diakibatkan oleh tembakau diperkirakan akan melebihi beban yang
disebabkan oleh satu penyakit saja — jelas merupakan seruan kuat
untuk tindakan kesehatan masyarakat. Meskipun tidak ada
kesepakatan universal tentang metodologi atau penerapan satu
ukuran beban penyakit seperti DALY, studi ini adalah demonstrasi
yang sangat baik dari upaya surveilans di seluruh dunia yang
dirancang untuk mengembangkan ukuran tersebut untuk
memungkinkan perbandingan regional yang valid dan proyeksi masa
depan. bahwa intervensi yang tepat dapat dikembangkan.
KESIMPULAN
Bab 3 dan 4 telah meninjau pendekatan penting untuk
mengukur secara kuantitatif dan
mengungkapkan morbiditas dan mortalitas manusia. Konsep yang
diulas dalam bab-bab ini pada awalnya mungkin tampak luar biasa
( Gambar 4-27 ) tetapi, seperti yang akan kita lihat di bab-bab
selanjutnya, mereka sangat penting untuk memahami bagaimana
epidemiologi membantu kita menjelaskan pengukuran risiko
penyakit, penentuan penyebab penyakit, dan evaluasi efektivitas
intervensi untuk memodifikasi proses penyakit.
Di bab selanjutnya ( Bab 5 ) kita akan beralih ke
pertanyaan tentang pembilang tingkat morbiditas: Bagaimana kita
mengidentifikasi orang-orang yang memiliki penyakit dan
membedakan mereka dari mereka yang tidak, dan bagaimana kita
mengevaluasi kualitas tes diagnostik dan skrining yang digunakan
untuk memisahkan individu dan populasi ini?
Pertanyaan-pertanyaan ini dibahas di Bab 5 . Pembahasan tentang
penggunaan tes skrining dalam program kesehatan masyarakat
disajikan di Bab 18 .
 Bab 4 Terjadinya Penyakit: II. Kematian dan Ukuran Dampak Penyakit Lainnya 85

Gambar 4-27. "Saya akan berhenti sebentar agar Anda dapat membiarkan informasi ini meresap." (29
November 2010, masalah, The New Yorker. Penulis: Graham Wilson.)

REFERENSI

1. De Beauvoir S: Kematian yang Sangat Mudah. Diterjemahkan oleh Patrick O'Brian.
New York, Pantheon Books, 1965.
2. Kematian dini di Amerika Serikat: Masalah kesehatan masyarakat dalam penggunaan
tahun-tahun potensi nyawa yang hilang, 1986. MMWR 35 (Suppl 2S): 1s-11s, 1986.
3. Pusat Statistik Kesehatan Nasional: Instruksi untuk Mengklasifikasikan
Penyebab Kematian yang Mendasari, 1983. Hyattsville,
MD, 1983.
4. Chamblee RF, Evans MC: TRANSAX: The NCHS System for Producing
Multiple Cause-of-Death Statistics, 1968–1978. Statistik Vital dan
Kesehatan, seri 1, No. 20, publikasi DHHS No. (PHS) 86–1322.
Washington, DC, Biro Statistik Vital dan Kesehatan, Juni 1986.
5. Savage G, Rohde FC, Grant B, Dufour MC: Kematian Sirosis Hati di
Amerika Serikat, 1970–90: Laporan Pengawasan
No. 29. Bethesda, MD, Departemen Kesehatan dan Layanan Kemanusiaan,
Desember 1993.
6. Kelompok Analisis, Program Khusus Organisasi Kesehatan Pan Amerika
untuk Analisis Kesehatan (SHA): Standardisasi: Metode epidemiologi
klasik untuk perbandingan tarif. Epidemiol Bull 23: 9-12, 2002.
7. Anderson RN, Rosenberg HM: Standarisasi Usia Tingkat Kematian:
Penerapan Standar Tahun 2000. Laporan Statistik Vital Nasional, Vol.
47, No. 3, hlm. 1–16. Hyattsville,
MD, Pusat Statistik Kesehatan Nasional, 7 Oktober 1998. Murray CJL,
8. Lopez AD: Beban Penyakit Global. Cambridge, MA, Harvard University
Press, 1996.
9. Beban Global Penyakit: Pembaruan 2004. Jenewa, Organisasi Kesehatan
Dunia, 2004.

TINJAU PERTANYAAN UNTUK BAB 4

Pertanyaan 1 dan 2 didasarkan pada informasi yang diberikan di bawah 3. Angka kematian yang disesuaikan usia digunakan untuk:

ini: Sebuah. Tingkat kematian yang benar untuk kesalahan di negara bagian-

Di negara Asia dengan populasi 6 juta orang, 60.000 usia

kematian terjadi selama tahun yang berakhir pada 31 b. Tentukan jumlah kematian yang sebenarnya
Desember 2010. Ini termasuk yang terjadi pada kelompok usia tertentu dalam suatu populasi
30.000 kematian akibat kolera di 100.000 orang yang
menderita kolera. c. Koreksi kematian tarif untuk usia hilang
informasi
1. Berapa angka kematian spesifik penyebab dari kolera pada tahun d. Bandingkan kematian pada orang dengan usia yang sama
2010? kelompok

e. Menghilangkan efek perbedaan usia

2. Apa kasus fatalitas dari kolera pada tahun 2010? distribusi populasi dalam membandingkan tingkat kematian