Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

ARTIKEL DI PERS
Alergol Imunopatol (Madr). 2010;38(3):147-152

www.elsevier.es/ai

SERI: STATISTIK DASAR UNTUK DOKTER SIBUK (IV)

Ukuran frekuensi, besarnya asosiasi dan dampak dalam

epidemiologi

AR González-Ramı́rezA, F. Rivas-RuizB,-

AFundación para la Investigación Biosanitaria de Andalucı́a Oriental - Alejandro Otero. (FIBAO). Rumah Sakit Universitario San
Cecilio, Granada, Spanyol
BRumah Sakit Costa del Sol, Marbella, Málaga, Spanyol. CIBER de Epidemiologı́a y Salud Pública. (CIBERESP)

Diterima 10 Februari 2010; diterima 15 Februari 2010

Tersedia online 6 de mayo de 2010
Editor seri: V. Pérez-Fernández

KATA KUNCI Abstrak

Epidemiologi; Epidemiologi berkaitan dengan kelompok subjek yang termasuk dalam populasi, bukan dengan
Frekuensi; masing-masing subjek individu, dan memperhitungkan baik subjek yang tertular penyakit maupun
Asosiasi; yang tidak. Perbandingan, dengan demikian, adalah elemen dasar dari disiplin ini.
Dampak; Ukuran frekuensi, asosiasi dan dampak adalah sumber statistik utama yang digunakan dalam
Statistik epidemiologi untuk menggambarkan distribusi masalah kesehatan, membangun hubungan sebab
akibat antara paparan dan penyakit, memungkinkan pengguna untuk mengevaluasi dampak tindakan
pencegahan di bidang kesehatan masyarakat.
& 2010 SEICAP. Diterbitkan oleh Elsevier Espaa, SL Hak cipta dilindungi undang-undang.

pengantar determinan yang mempengaruhi keadaan tersebut, dan penerapan

Epidemiologi berkaitan dengan kelompok subjek yang termasuk
dalam populasi, bukan dengan masing-masing subjek individu, dan
memperhitungkan baik subjek yang tertular penyakit maupun yang
tidak. Perbandingan, dengan demikian, adalah elemen dasar dari
disiplin ini. Informasi tentang kelompok dan perbandingan antara
mereka didasarkan pada asumsi sebelumnya bahwa masalah yang
berhubungan dengan kesehatan menyajikan distribusi non-acak.
Epidemiologi telah didefinisikan lebih lengkap sebagai '' studi tentang
terjadinya dan distribusi status atau peristiwa yang berhubungan
dengan kesehatan dalam populasi tertentu, termasuk studi tentang
- Penulis yang sesuai.
Alamat email: frivasr@hcs.es (F. Rivas-Ruiz).
pengetahuan ini untuk mengendalikan masalah kesehatan''.1
Definisi ini menyoroti tiga tingkat respons dalam penelitian
epidemiologi: (1) Tingkat deskriptif. Menggambarkan distribusi
masalah kesehatan atau penyakit dalam kaitannya dengan
karakteristik orang, tempat dan evolusi frekuensi kemunculan
dari waktu ke waktu; (2) Tingkat etiologi. Menetapkan faktor
penyebab atau determinan penyakit atau masalah kesehatan
yang diteliti; (3) Tingkat pengobatan. Evaluasi dampak potensial
dari tindakan yang diusulkan dalam kaitannya dengan masalah
kesehatan atau penyakit.
Di masing-masing tingkat respons epidemiologi ini, perlu
memiliki sarana objektif untuk mengukurfrekuensi penyakit,
yaitu asosiasi antara variabel dan kolektif dampak
kesehatan masyarakat atau tindakan pencegahan
terapeutik yang diambil.2

0301-0546/$ - lihat materi depan & 2010 SEICAP. Diterbitkan oleh Elsevier Espaa, SL Hak cipta dilindungi undang-
undang. doi:10.1016/j.aller.2010.02.002
 ARTIKEL DI PERS
148
Pengukuran Frekuensi Penyakit
Prevalensi titik (P)
Ukuran ini mengkuantifikasi proporsi subjek yang menunjukkan
penyakit pada saat atau periode waktu tertentu. Seperti semua
proporsi, ia tidak memiliki dimensi dan nilainya terletak di antara
[0,1].3
No: kasus penyakit pada saat tertentu
PDEÞ ¼
Jumlah populasi pada saat yang sama
Contoh 1. Sebuah sampel acak diambil dari 877 orang
muda, berusia 15-24 tahun, penduduk di kota A di Spanyol
selatan. Pada penerapan tes yang sesuai, 22 didiagnosis
alergi terhadap serbuk sari zaitun. Prevalensi alergi serbuk
sari zaitun di antara kelompok subjek ini kemudian dihitung
sebagai:
P ¼ 22=877
P ¼ 0:02 i:e: 2:0%
Ukuran prevalensi ini - prevalensi titik, atau hanya 'prevalensi'
- adalah yang paling umum digunakan, tetapi ada beberapa
variasi, seperti:
A. Rasio odds prevalensi. Ukuran frekuensi penyakit ini
dihitung dengan membagi probabilitas suatu kejadian
yang terjadi pada saat tertentu (prevalensi) dengan
probabilitas tidak terjadi (1-prevalensi).
Prevalensi
Kemungkinan ¼
D1-PrevalensiNS
Rasio odds adalah proporsi dengan rentang dari 0 hingga tak
terhingga, dan seperti prevalensi, rasio ini tidak memiliki
dimensi waktu. Dalam kasus contoh di atas, peluangnya
adalah 0,02/(1-0,02)¼0,02. Peluang dan prevalensi mengukur
efek yang sama, tetapi pada skala yang berbeda. Rasio odds
tidak banyak digunakan sebagai ukuran frekuensi penyakit,
dan minatnya dalam epidemiologi terletak pada kenyataan
bahwa rasio tersebut dapat ditentukan dalam studi kasus
dengan kontrol, dan dapat dengan mudah ditentukan dari
model regresi linier.
B. Prevalensi menurut periode, atau jumlah kasus penyakit
setiap saat selama periode waktu tertentu. Hal ini
direlatifkan dengan menggunakan rasio periode
prevalensi, yaitu probabilitas setiap individu dalam suatu
populasi yang merupakan kasus penyakit dalam periode
waktu tertentu.
Parameter ini diukur dengan menggunakan rasio antara
jumlah subjek yang terpengaruh oleh fenomena tertentu
selama interval waktu terhadap ukuran populasi total
selama interval yang sama. Dalam kasus kohort tetap,
penyebutnya adalah populasi pada awal periode. Jika
populasi interval pertengahan tidak diketahui, maka
dihitung dengan interpolasi, dari populasi di titik awal dan
AR González-Ramı́rez, F Rivas-Ruiz
bahwa pada akhir periode.
Pperiod ¼
No: kasus pada awal periode th No: kasus baru selama periode tersebut
Populasi pada titik tengah periode
Pengukuran prevalensi berguna untuk perencanaan dan
administrasi pelayanan kesehatan, misalnya dalam mengukur
frekuensi penyakit remiten dan penyakit yang tidak
teridentifikasi di awal. Dalam kedokteran genetik, dalam kasus
malformasi kongenital, ukuran normal yang digunakan adalah
prevalensi, dengan mempertimbangkan fakta bahwa neonatus
malformasi merupakan bayi yang mampu bertahan dari
malformasi mereka setidaknya sampai setelah lahir.
Insidensi
Ukuran insiden mengacu pada jumlah kasus penyakit baru
yang muncul selama periode waktu tertentu. Ada dua jenis
ukuran insiden: akumulasi insiden dan laju insiden, atau
kepadatan insiden.4
Akumulasi Insiden (AI)
Ini adalah proporsi individu yang sehat pada awal periode
waktu tertentu yang menjadi sakit selama periode yang sama.
Ini dihitung sebagai berikut:
No: kasus penyakit baru selama periode referensi
AI ¼
Total populasi berisiko pada awal periode referensi
Baik pembilang maupun penyebut hanya mencakup kasus
bebas penyakit pada awal masa studi, dan oleh karena itu kasus
yang berisiko tertular penyakit. Seperti dalam kasus prevalensi,
AI tidak memiliki dimensi, dan nilainya berkisar dari 0 hingga 1,
yang dinyatakan sebagai persentase. Agar dapat
diinterpretasikan dengan benar, AI harus diekspresikan dengan
mengacu pada interval periode waktu yang bersangkutan.
Contoh 2. Selama periode 5 tahun, sebuah penelitian dilakukan
terhadap 326 pria berusia 30-60 tahun. Semua mata pelajaran ini
sehat dan bekerja di perusahaan pengerjaan logam. Tujuan dari
penelitian ini adalah untuk mendeteksi alergi terhadap baja. Pada
akhir periode 5 tahun, 8 orang ditemukan alergi terhadap baja atau
elemen terkait. Dalam hal ini, akumulasi insiden adalah:
AI ¼ 8=328 ¼ 0:0243 AI
¼ 2:43% dalam 5 tahun
Perhitungan Akumulasi Insiden mengasumsikan bahwa seluruh
populasi selama periode waktu tertentu diamati selama seluruh
periode waktu untuk mendeteksi apakah penyakit yang diinginkan
berkembang. Namun demikian, dalam kehidupan nyata yang
biasanya terjadi adalah:
A. Subyek yang akan diamati memasuki penelitian pada waktu
yang berbeda.
B. Pengamatan subjek ini tidak seragam, karena beberapa
informasi hilang dalam beberapa kasus.
C. Beberapa subjek meninggalkan penelitian, dan dengan demikian periode
pengamatan terbatas.
 ARTIKEL DI PERS
Ukuran frekuensi, besarnya asosiasi dan dampak dalam epidemiologi 149

Insiden Kepadatan atau tingkat kejadian (ID)
ID bukanlah proporsi, tetapi tingkat, karena penyebut
memasukkan dimensi waktu. Nilainya tidak boleh kurang dari
nol, tetapi tidak memiliki batas atas (yaitu kisarannya adalah nol
hingga tak terhingga). ID menunjukkan jumlah subjek yang
berkembang dari keadaan sehat ke keadaan sakit, atau
sebaliknya, per satuan waktu dan dalam kaitannya dengan
ukuran populasi yang berisiko. Jumlah individu sehat yang jatuh
sakit selama periode waktu tertentu adalah produk dari tiga
faktor: ukuran populasi, lamanya periode waktu dan kekuatan
patogen atau kekuatan morbiditas (karakteristik penyakit) yang
bekerja pada populasi. ID mengukur kekuatan ini; itu tidak
mencerminkan jumlah kasus baru yang terjadi dalam periode
tertentu, tetapi menyatakan kecepatan di mana penyakit
berkembang dalam suatu populasi. Ini dihitung sebagai
berikut:
Indo ¼
Tidak: kasus baru yang muncul dalam suatu populasi selama periode waktu tertentu
Jumlah waktu pengamatan individu
Contoh 3. Tabel 1 menunjukkan hasil observasi terhadap 11
pasien selama kurun waktu 12 tahun, dalam sebuah penelitian
tentang munculnya alergi mata (allergic conjunctivitis).
Indo ¼ 4=D12 th 10 th 6 th 5 th 8 th 7 th 4 th 3 th 6 th 7 th 5Þ ¼ 0:05
Jadi, kepadatan alergi mata (alergi konjungtivitis) dalam
contoh ini adalah 5,5 kasus baru per 100 orang per tahun
pengamatan. Dengan kata lain, tingkat di mana kelompok
orang ini memperoleh penyakit (yaitu kecepatan evolusi dari
sehat ke sakit) adalah 0,055 per tahun pengamatan atau tahun
risiko.
Contoh 4. Selama periode 1998-2004, sebuah penelitian dilakukan
terhadap enam wanita yang menderita alergi terhadap rumput
seperti rumput kebun (Dactylis glomerata), rumput timot (pleum
pratense), Ryegrass Abadi (Lolium perenne), Bluegrass Kentucky (
Poa pratensis), Rumput bermuda (Cynodon dactylon), dll., untuk
mengukur kemunculan kembali alergi ini. Dua dari enam wanita
diamati selama enam tahun penuh penelitian, dua selama lima
tahun, dan dua sisanya, selama empat tahun.
Tabel 1 Pengamatan 11 pasien selama periode 12
tahun, dalam sebuah studi tentang munculnya alergi mata
Sabar Masa studi (tahun) Alergi mata
(konjungtivitis alergi)
bertahun-tahun. Dalam kasus ini, kepadatan kejadian dihitung
sebagai: ID¼ 2=6 th 6 th 5 th 5 th 4 th 4 ¼ 2=30
¼ 0:067 kasus alergi per orang per tahun:
Kapan waktu yang tepat untuk menggunakan akumulasi insiden
dan kapan kepadatan insiden lebih cocok?
ID dapat digunakan ketika tujuan latihan adalah untuk
mempelajari pola evolusi penyakit dari waktu ke waktu, dan
dalam kaitannya dengan paparan faktor risiko (RF). AI
mensyaratkan, dalam setiap studi insiden yang terkait
dengan paparan RF, bahwa waktu laten penyakit (atau masa
inkubasi, dalam kasus penyakit menular), yaitu waktu di
mana subjek berisiko jatuh sakit setelah paparan untuk RF,
diketahui dan terletak dalam periode pengamatan
penelitian, ini menjadi kondisi penting untuk menentukan
penyebut AI.
Pilihan satu atau lainnya dari dua ukuran kejadian ini tergantung,
serta pada tujuan penelitian, pada karakteristik penyakit yang akan
diperiksa. Dengan demikian, AI umumnya digunakan ketika
penyakit menunjukkan periode latensi yang singkat, sedangkan ID
lebih disukai dalam kasus penyakit kronis, dengan periode latensi
yang lebih besar.
Salah satu keuntungan ID adalah dapat diterapkan dalam
kondisi di mana ukuran populasi tetap, sementara itu juga
dapat digunakan dalam kasus populasi dinamis atau terbuka.
Dalam kasus terakhir, ID dapat mentolerir masuk dan keluar
pasien selama periode observasi.
Ukuran asosiasi atau efek
Ukuran asosiasi memperkirakan besarnya hubungan antara
faktor (paparan) dan masalah kesehatan atau penyakit
(hasil/hasil).5 Asosiasi dapat dilihat sebagai ketergantungan
statistik antara dua besaran. Langkah-langkah utama dari
asosiasi adalah:
Risiko Relatif
Tingkat akumulasi insiden disebut Risiko Relatif (RR), dan
didefinisikan sebagai rasio risiko tertular penyakit di antara
sekelompok subjek yang terpajan dibandingkan dengan
risiko di antara kelompok subjek yang sama yang tidak
terpajan. Jadi, ini adalah rasio dua risiko.
Tingkat Insiden Terkena
RR ¼
Tingkat Insiden Tidak Terpapar

1 12 Tidak

2 10 Ya RR mengungkapkan faktor di mana risiko atau kemungkinan

3 6 Tidak
terjadinya peristiwa studi dikalikan dalam kelompok yang terpapar,
4 5 Tidak
dibandingkan dengan kelompok yang tidak terpapar. Nilainya tidak
5 8 Tidak
boleh kurang dari nol, tetapi tidak memiliki batas atas. Dengan
6 7 Ya demikian, jangkauannya adalah nol hingga tak terhingga. Ketika
7 4 Tidak
nilainya kurang dari 1, tidak ada hubungan antara eksposur dan
8 3 Ya peristiwa; bila lebih besar dari 1, asosiasinya positif, yaitu kelompok
9 6 Tidak
yang terpajan memiliki insiden yang lebih besar daripada kelompok
10 7 Ya yang tidak terpajan; ketika kurang dari 1, asosiasinya negatif (ini
11 5 Tidak
juga dikenal sebagai 'efek perlindungan').
 ARTIKEL DI PERS
150 AR González-Ramı́rez, F Rivas-Ruiz

Rasio Prevalensi diperkirakan dan diekspresikan dengan Rasio Kematian Standar

cara yang analog, kecuali bahwa prevalensi, daripada
akumulasi insiden, digunakan. Baik Risiko Relatif maupun Standard Mortality Ratio (SMR) adalah varian dari risiko relatif,
Rasio Prevalensi harus disertai dengan perhitungan interval yang membandingkan kematian yang diamati di antara
kepercayaan masing-masing (biasanya dihitung pada 95%) kelompok populasi tertentu sehubungan dengan kematian
untuk menentukan ketepatan nilai yang disajikan. yang diharapkan jika tingkat kematian spesifik menurut
Incidence Density Ratio (IDR) atau Rasio Tingkat didefinisikan sebagai kelompok usia sama dengan tingkat kematian tertentu.
rasio densitas insiden dari kelompok yang terpapar dengan yang tidak populasi standar, dan ukuran ini kemudian dapat digunakan
terpapar. Ini mengungkapkan berapa kali peristiwa terjadi dengan dalam penyesuaian tarif secara tidak langsung. SMR dapat
kecepatan terbesar di antara orang-orang yang terpapar, dibandingkan dinyatakan sebagai rasio atau persentase.
dengan mereka yang tidak terpapar faktor risiko yang sedang dipelajari.
Kematian yang Diamati
SMR ¼
Kematian yang Diharapkan
ID Terkena
Rp ¼
ID Tidak Terekspos
Hasilnya menggambarkan berapa banyak lagi kematian
(sebagai kelipatan) yang diamati dalam suatu populasi,
dibandingkan dengan nilai prediksi. Rasio SMR 1 (atau nilai
Rasio Peluang 100%) berarti tidak ada perbedaan kematian antara
populasi sampel dan nilai yang diharapkan di antara
populasi standar.
Dalam beberapa tahun terakhir, rasio odds (OR) telah banyak
digunakan dalam laporan dan dalam literatur ilmiah biomedis.
Popularitas mereka berasal dari fakta bahwa ukuran ini
Ukuran dampak potensial
memberikan estimator yang baik (bersama dengan interval
kepercayaan yang sesuai) dari hubungan antara dua variabel
Dalam semua ukuran dampak, diasumsikan bahwa hubungan
biner dan memungkinkan pengguna untuk menerapkan regresi
antara paparan dan kejadian penyakit sebelumnya telah terbukti
logistik untuk menguji pengaruh variabel lain pada hubungan
sebagai penyebab. Ukuran dampak potensial memperkirakan
ini.6 OR, juga dikenal sebagai Rasio Produk Silang, adalah rasio
beban penyakit yang disebabkan oleh faktor tertentu, dan
antara dua peluang, dan sering dihitung dalam studi kasus
memperkirakan manfaat yang diperoleh dari tindakan kesehatan
kontrol, meskipun dapat digunakan dalam semua jenis desain
masyarakat yang diambil untuk meminimalkan atau menghilangkan
epidemiologi. Ini dihitung sebagai berikut:
efek paparan.7
Peluang Terkena
ATAU ¼
Peluang Tidak Terkena
Risiko yang Dapat Diatribusikan

Nilainya tidak boleh kurang dari nol, tetapi tidak memiliki
batas atas; yaitu jangkauannya adalah nol hingga tak
terhingga. Ketika penyakit jarang terjadi, OR memberikan
nilai yang mirip dengan RR, meskipun OR akan selalu
cenderung melebih-lebihkan besarnya hubungan antara
faktor risiko dan hasil.
Contoh 5. Studi kohort untuk mengevaluasi perkembangan asma di
antara orang dewasa bukan perokok berusia 20-60 tahun,
membandingkan sekelompok penduduk di kota-kota besar (populasi
lebih dari 500.000) dan mereka yang berada di daerah pedesaan (kota
dan desa dengan penduduk kurang dari 5.000), dengan masa tindak
lanjut 10 tahun. LihatMeja 2.
Attributable Risk (AR) atau Absolute Risk Reduction (ARR)
adalah proporsi kejadian penyakit di antara populasi
terpajan yang disebabkan oleh pajanan. Ini adalah kejadian
penyakit pada populasi yang terpapar yang akan
dihilangkan jika paparan dihilangkan. Dalam studi kohort,
ARR dihitung sebagai perbedaan insiden kumulatif
(perbedaan risiko) atau kepadatan insiden (perbedaan
tingkat).Gambar 1 menunjukkan contoh untuk akumulasi
insiden.
AR ¼ AI Terkena-AI Tidak Terpapar

Akumulasi Insiden
Meja 2 Studi kohort perkembangan asma,
dan langkah-langkah asosiasi
4 AR
Mengembangkan asma Orang-tahun

Ya Tidak (%)

Penduduk perkotaan 80 5920 59440

6 6
Penduduk pedesaan 5 2995 29990

RR(80/6000)/(5/3000)¼Rp 8.00(
80/59440)/(5/29990)¼8.07 ATAU( terkena Tidak terpapar
80-2995)/(5-5920)¼8.09
Gambar 1 Grafik batang. Contoh untuk akumulasi insiden.
 ARTIKEL DI PERS
Ukuran frekuensi, besarnya asosiasi dan dampak dalam epidemiologi 151

Dalam studi kasus-kontrol, jika penyakit merupakan kejadian dicegah jika paparan ini dihilangkan. Dengan tidak adanya variabel
langka (kurang dari 10%), meskipun insiden maupun risiko yang yang dapat menimbulkan bias atau mengacaukan hubungan kausal
dapat diatribusikan tidak dapat dihitung secara langsung, mereka antara eksposur dan efek, PARF atau AFP dapat diperkirakan
dapat ditentukan secara tidak langsung ketika, melalui sumber dengan menggunakan rumus berikut:
informasi lain, total insiden telah ditentukan (dengan AI Populasi-AI FP Tidak
menjumlahkan populasi yang terpapar dan tidak terpapar). Terpapar ¼
Populasi AI
The Population Attributable Risk (PAR), juga dikenal
sebagai Population Risk Excess, adalah proporsi kejadian
penyakit dalam populasi (terpapar dan tidak terpajan) yang Rumus yang setara untuk studi kohort adalah:
disebabkan oleh pajanan. Ini adalah kejadian penyakit PeDRR-1NS
dalam populasi yang akan dihilangkan jika paparan AFP ¼
1 th PeDRR-1NS
dihilangkan.
PAR ¼ Populasi AI-AI Tidak Terpapar dimana Pe adalah proporsi subjek yang terpapar di antara
populasi. RR dapat diperkirakan dari OR.

Ketika akumulasi kejadian di antara populasi yang tidak
terpajan tidak diketahui, PAR tidak dapat dihitung secara
langsung menggunakan ekspresi di atas, sehingga harus
diterapkan hal berikut:
PAR ¼ ARR - Pe
Di mana Pe adalah proporsi orang yang terpapar dalam
populasi. Dalam studi kohort, kita dapat memperkirakan Pe dari
sampel, karena diasumsikan bahwa proporsi subjek yang
terpapar dalam sampel adalah sama dengan populasi secara
keseluruhan. Dalam studi kasus-kontrol berbasis populasi, Pe
akan diperkirakan dari proporsi kontrol yang terpapar.5
Jumlah yang Dibutuhkan untuk Mengobati
Number Needed to Treat (NNT) adalah indeks populer yang
digunakan untuk menggambarkan hasil uji coba secara acak
dan jenis studi klinis lainnya. Ini menyatakan jumlah orang yang
harus diberikan pengobatan tertentu atau tindakan
pencegahan, sehubungan dengan pengobatan standar, untuk
mencegah kasus penyakit, atau hasil yang tidak diinginkan.
Ukuran ini dapat diperoleh untuk uji coba yang melaporkan
hasil biner.8
1
NNT ¼
AR

Semakin dekat nilai NNT ke 1, semakin efektif pengobatan

Pecahan yang Dapat Diatribusikan
Fraksi yang Dapat Diatribusikan atau Proporsi yang Dapat
Diatribusikan adalah, untuk asosiasi kausal, proporsi beban
kasus yang dapat dikaitkan dengan paparan tertentu. Ini adalah
perbedaan yang dapat diatribusikan kausal dibagi dengan
tingkat kejadian dalam kelompok.1 Ini mengkuantifikasi
proporsi di mana tingkat kejadian akan berkurang jika paparan
tersebut dihilangkan. Ketika Attributable Fraction diterapkan
pada individu yang terpapar, itu disebut Attributable Fraction
Exposed (AFe), dan bila diterapkan pada seluruh populasi,
dikenal sebagai Attributable Fraction Population (AFP).
Attributable Fraction Exposed atau Attributable Risk Proportion
(ARP) diperoleh dengan membagi efek absolut dengan kejadian di
antara kelompok yang terpapar. Dengan demikian:
Kematian yang Diamati RR-1
AFe ¼ ¼
Kematian yang Diharapkan RR
atau intervensi, karena yang terakhir diterapkan pada populasi
yang lebih kecil untuk mencegah hasil yang tidak diinginkan.
Ketika intervensi menghasilkan peristiwa yang merugikan,
dampaknya diukur dengan Number Necessary to Harm (NNH). Ini
dihitung dengan menggunakan rumus yang sama seperti untuk NNT,
tetapi penilaian yang dilakukan adalah sebaliknya, yaitu semakin besar
NNH, semakin baik perlakuan yang diterapkan, karena harus diterapkan
pada populasi yang lebih besar sebelum muncul efek samping atau efek
samping.5
Contoh 6. Studi kohort untuk mengevaluasi perkembangan
rinitis alergi (ARh) pada anak usia 46 tahun, membandingkan
kohort anak dengan orang tua perokok dan bukan perokok,
Tabel 3 Studi kohort tentang perkembangan rinitis,
dan langkah-langkah dampak

Mengembangkan rinitis

OR sebagai penduga Risiko Relatif dihitung dengan menggunakan

rumus sebagai berikut:
Ya Tidak

ATAU-1 terkena 150 400

AFe ¼
ATAU Tidak terpapar 50 400

RR 2.45 245,5%
Attributable Fraction Exposed merupakan ukuran penting di AR 0.16 16,2%
bidang kesehatan masyarakat, yang digunakan untuk mengevaluasi Pe 0,20 20,0%
prioritas dalam perawatan kesehatan. PAR 0,03 3,2%
Attributable Fraction Population atau Population AFe 0,59 59,3%
Attributable Risk Fraction (PARF) adalah proporsi penyakit AFP 0,23 22,5%
atau masalah kesehatan tertentu di antara populasi yang NNT 6
disebabkan oleh pajanan dan yang akan
 ARTIKEL DI PERS
152
selama periode pengamatan satu tahun. Tabel 3 menunjukkan
studi kohort perkembangan rinitis, dan langkah-langkah
dampak.
Interpretasi: Rhinitis alergi adalah 2,45 kali (atau, dalam
persentase, 245%) lebih sering pada anak-anak yang orangtuanya
merokok dibandingkan dengan mereka yang orangtuanya bukan
perokok. Frekuensi ARh di antara anak-anak yang terpajan, yang
disebabkan oleh pajanan (yaitu kehadiran orang tua perokok)
adalah 16,2%. Pada 59,3% kasus ARh di antara anak-anak yang
terpajan orang tua perokok, penyakit tersebut dapat dihindari
dengan menghilangkan pajanan (yaitu orang tua berhenti
merokok). Frekuensi KRR di antara semua anak yang disebabkan
oleh kehadiran orang tua perokok adalah 3,2%. 22,5% dari semua
kasus KRR pada anak-anak disebabkan oleh paparan orang tua
perokok. Untuk setiap enam anak yang orang tuanya berhenti
merokok, satu kasus KRR akan dihindari.
Perangkat lunak
Sejumlah besar perangkat lunak bebas ada untuk
perhitungan ukuran epidemiologi frekuensi, asosiasi dan
dampak. Program-program ini termasuk Open-Epi,9
Epidat,10 Perangkat Lunak EpiData,11 dan EpiInfo,12 yang terakhir
adalah program domain publik yang dirancang oleh Pusat
Pengendalian Penyakit Atlanta (CDC) yang sangat berguna untuk
studi kesehatan masyarakat. Ada juga banyak kalkulator online,
terutama yang ditujukan untuk perhitungan NNT dan NNH.
Catatan akhir
Ukuran frekuensi, asosiasi dan dampak adalah sumber statistik
utama yang digunakan dalam epidemiologi untuk menggambarkan
distribusi masalah kesehatan, membangun hubungan sebab akibat
antara paparan dan penyakit, memungkinkan
AR González-Ramı́rez, F Rivas-Ruiz
pengguna untuk mengevaluasi dampak tindakan pencegahan di
bidang kesehatan masyarakat, antara lain bidang kegiatan. Untuk
penggunaan yang benar dari indikator-indikator ini, penting untuk
membedakan antara beragam desain epidemiologi yang
diterapkan, karena karakteristiknya menentukan pilihan ukuran
yang akan diterapkan dan dimensi interpretasinya.
Ucapan Terima Kasih
Kami berterima kasih kepada Glenn Harding atas terjemahan profesional
makalah ini. Francisco Rivas Ruiz adalah teknisi penelitian dengan
kontrak yang didukung oleh Instituto de Salud Carlos III.
Bibliografi
1. Porta MS, JM Terakhir. Dalam: Kamus epidemiologi, 5A ed. New York:
Pers Universitas Oxford; 2008.
2. Kleinbaum D, Kupper L, Morgenstern H. Penelitian Epidemiologi.
Prinsip dan Metode Kuantitatif. Belmont: Publikasi
Pembelajaran Seumur Hidup; 1982.
3. Colimon KM. Dalam: Fundamentos de epidemiologilogı́a, 2A ed.. Madrid:
Dı́az de Santos; 1990.
4. Ahlbom A, Norell S. Dalam: Fundamentos de epidemiologilogı́a, 4A ed.
Madrid: Siglo veintiuno de españa editor; 1995.
5. de Irala-Estévez J, Martı́nez-González MA, Seguı́-Gómez M. Dalam:
Epidemiologı́a aplicada, 1A ed. Barcelona: Editorial Ariel; 2004.
6. Bland JM, Altman DG. Rasio peluang. BMJ. 2000;320:1468.
7. Burgos Rodrı́guez R. Dalam: Metodologı́a de investigación y escritura
cientı́fica en clı́nica, 3A ed. Granada: Escuela Andaluza de Salud
Pública; 1998.
8. Altman DG. Interval kepercayaan untuk jumlah yang dibutuhkan untuk
mengobati. BMJ. 1998;317:1309–12.
9. Buka-Epi. http://www.openepi.com/Menu/OpenEpiMenu.htm.
10. Epidat. http://www.paho.org/spanish/sha/epidat.htm.
11. Perangkat Lunak EpiData. http://www.epidata.dk/.
12. Informasi Epi. http://www.cdc.gov/EpiInfo/.