Tugas 4

Nama :

1. Arif Maulana 1810118110002

2. Muhammad Roid Albari 1810118310023
3. Liko Noor Rafianto Rahadhian 1710118210016
4. Muhammad Rizal 1710118210024
5. Ikhsan Hidayat Lubis 1710118110013

Contoh Data di Referensi [1], Halaman 26

CONTOH 3.2: PERBANDINGAN DUA POLA SURVIVAL (Buku Sumber Utama 1)
Ketika sampel pasien sangat besar sehingga pengelompokannya bermakna, teknik tabel
kehidupan dapat digunakan untuk memperkirakan distribusi kelangsungan hidup. Sebuah metode
yang dikembangkan oleh Mantel dan Haenszel (1959) dan diterapkan pada kehidupan tabel oleh
Mantel (1966) dapat digunakan untuk membandingkan dua pola kelangsungan hidup di analisis
tabel kehidupan.
Pertimbangkan data pasien pria dengan kanker rektum lokal didiagnosis di Connecticut
dari 1935 hingga 1954 (Myers, 1969). Sebanyak 388 pasien didiagnosis antara 1935 dan 1944,
dan 749 pasien didiagnosis didiagnosis antara 1945 dan 1954. Untuk ukuran sampel yang begitu
besar, datanya bisa dikelompokkan dan ditabulasikan seperti yang ditunjukkan pada Tabel 3.5.
10 interval menunjukkan jumlah tahun setelah diagnosis. Untuk tabel kehidupan tabel
kelangsungan hidup fungsi S(ti) dapat diperkirakan untuk setiap interval ti. Di Bagian 4.2 kita
berdiskusi prosedur estimasi S(ti) dan densitas dan fungsi hazard. Fungsi survival, densitas, dan
hazard adalah tiga fungsi terpenting yang menjadi ciri distribusi kelangsungan hidup.
Kolom S(ti) pada Tabel 3.5 memberikan perkiraan fungsi survival untuk dua periode
waktu; ini diplot pada Gambar 3.4. Pasien yang didiagnosis di Periode 1945-1954 memiliki
waktu kelangsungan hidup yang jauh lebih lama (median 3,87 tahun) daripada pasien yang
didiagnosis pada periode 1935-1944 (median 1,58 tahun). Itu tingkat kelangsungan hidup lima
tahun sering digunakan oleh para peneliti kanker dan dapat dengan mudah ditentukan dari tabel
kehidupan. Pasien yang didiagnosis pada 1935-1944 memiliki tingkat kelangsungan hidup lima
tahun 0,2390, atau 23,9%. Para pasien yang didiagnosis pada tahun 1945-1954 memiliki tingkat
0,4446, atau 44,5%. Dalam membandingkan dua set data kelangsungan hidup, seseorang dapat
membandingkan proporsi pasien yang bertahan dalam beberapa periode tertentu, seperti lima
tahun, atau tingkat kelangsungan hidup lima tahun. Namun, seseorang tidak bisa mengantisipasi
bahwa dua pola bertahan hidup akan selalu superior – inferior.

Tabel 3.5 Tabel Kehidupan Pasien Pria dengan Kanker Rektum Lokal yang Didiagnosis di
Connecticut, 1935-1944 dan 1945-1954

Sumber: Myers (1969).

Simbol: n’i, jumlah pasien yang hidup pada awal interval ti; di, jumlah pasien yang meninggal
selama interval ti; wi + li, jumlah pasien yang ditarik hidup atau mangkir selama interval
1
ti; ni = n’i – (wi + li ); S(ti), proporsi kumulatif yang bertahan dari awal studi hingga akhir
2
interval ti
 CONTOH ANALISIS DATA SURVIVAL

Gambar 3.4 Kurva kelangsungan hidup untuk pasien pria dengan kanker rektum terlokalisasi,
didiagnosis di Connecticut, 1935—1944 versus 1945—1954.
hubungan. Lebih diinginkan untuk membuat perbandingan pola utuh (lihat Bagian 4.3 dan 5.2).
Metode Mantel-Haenszel yang dijelaskan di Bagian 5.2 adalah pola utuh perbandingan
dan dapat digunakan untuk membandingkan dua pola kelangsungan hidup dalam tabel
kehidupan. Penerapan metode ini pada data pada Tabel 3.5 menghasilkan nilai chi-square
dari 51,996 dengan 1 derajat kebebasan. Kita dapat menyimpulkan bahwa perbedaannya antara
dua pola kelangsungan hidup sangat signifikan (p 0,001). Perkiraan fungsi survival atau tingkat
kelangsungan hidup tergantung pada tabel kehidupan interval digunakan. Jika setiap interval
sangat pendek, menghasilkan sejumlah besar interval, perhitungan menjadi sangat membosankan
dan keuntungan tabel kehidupan tidak sepenuhnya diambil. Salah satu asumsi yang mendasari
tabel kehidupan adalah bahwa populasi memiliki probabilitas kelangsungan hidup yang sama di
setiap interval. Jika interval panjangnya, asumsi ini mungkin dilanggar dan perkiraan tidak
akurat; ini harus dihindari kecuali untuk perhitungan kasar. Meski panjangnya setiap interval dan
jumlah total interval adalah penting, tidak menyebabkan masalah di sebagian besar studi klinis
karena periode studi biasanya mencakup jangka waktu singkat, seperti satu, dua, atau tiga tahun.
Tabel kehidupan dengan sekitar 10 hingga 20 interval dari beberapa bulan hingga satu tahun
masing-masing adalah wajar. Itu penyidik juga harus mempertimbangkan penyakit yang diteliti.
Jika variasi dalam kelangsungan hidup besar dalam waktu singkat, panjang intervalnya harus
pendek. Namun, dalam beberapa demografis atau penelitian lain seringkali menarik untuk
dibahas rentang hidup dari lahir sampai usia 85 atau lebih. Jumlah interval akan menjadi
sangat besar jika digunakan interval pendek. Dalam hal ini interval lima tahun adalah
cukup untuk memperhitungkan variasi penting dalam tingkat kelangsungan hidup
perkiraan (Shryock et al., 1971).

Dari gambar diatas, data tersebut data tidak lengkap dan data ini bertipe sensor 1

Contoh Data di Referensi [3], Halaman 5

Contoh 1.1.6. Bartholomew (1957) menganggap situasi di mana potongan peralatan dipasang di
sistem pada waktu yang berbeda. Di kemudian hari, beberapa potongan-potongan telah gagal dan
sisanya masih digunakan. Dengan tujuan mempelajari masa pakai peralatan, Bartholomew
memberikan data pada Tabel 1.2 sebanyak 10 buah peralatan. Item pertama dipasang pada 11
Juni dan data dikumpulkan hingga 31 Agustus.
Pada saat itu, tiga item (nomor 2, 4, dan 10) masih belum gagal, dan karena itu waktu
kegagalannya disensor, kita tahu untuk item ini hanya bahwa waktu kegagalannya masing-
masing melebihi 72, 60, dan 21 hari. Jadi remission times dari item peralatan dapat dicatat
sebagai berikut : 2, 72+, 51, 60+, 33, 27, 14, 24, 4, 21+. Observasi disensor adalah remission
times 2, 4, dan 10 (tanda (+))

Dari contoh 1.1.6 di atas dapat disimpulkan bahwa :

 Data tersebut merupakan data tidak lengkap karena ada data yang disensor yaitu item
nomor 1, 3, 5, 6, 7, 8, dan 9.
 Data tersebut merupakan data disensor tipe III (data disensor bertahap) karena percobaan
setiap item dilakukan dalam waktu yang berbeda.