DALAM PENYIDIKAN
PENYEBAB PENYAKIT
?
Seekor hewan dapat menjadi sakit akibat
1. cacat genetik
2. proses degeneratif
diadopsi dari definisi
3. gangguan metabolisme penyakit hewan dalam
4. keracunan UU Peternakan dan Keswan
5. trauma fisik; dan
6. infestasi parasit dan infeksi mikroorganisme patogenik
Istilah
Penyakit idiopatik = penyakit yang penyebabnya belum diketahui
Penyakit iatrogenik = penyakit akibat intervensi medis
KONSEP TENTANG PENYEBAB PENYAKIT
Bacaan lanjutan
Koch, R. (1884). "Die Aetiologie der Tuberkulose" [The etiology of tuberculosis].
Mittheilungen aus dem Kaiserlichen Gesundheitsamte (Reports from the
Imperial Office of Public Health). 2: 1–88.
Postulat Koch Hewan sakit Hewan sehat
erit-
suspek rosit
1. Suatu mikroorganisme (penyebab) harus ditemukan patogen
berlimpah pada semua organisme sakit, tetapi tidak
ditemukan pada organisme sehat. eritrosit
Sejumlah individu bisa saja terinfeksi secara Ada spesies patogen yang mengakibatkan
subklinis dan tidak menunjukkan tanda klinis berbagai penyakit. Sebaliknya, ada suatu
(asimtomatis). penyakit yang disebabkan oleh beberapa
Beberapa mikroorganisme patogenik belum spesies patogen.
bisa diisolasi secara murni dan ditumbuhkan, Postulat Koch tidak dapat digunakan untuk
terutama dengan teknologi saat itu. penyakit noninfeksius.
Tidak semua individu rentan yang diinokulasi
organisme-penyebab akan terinfeksi dan
menunjukkan tanda penyakit.
Segitiga epidemiologi
Pada perkembangan selanjutnya, muncul pandangan bahwa suatu penyakit timbul akibat
interaksi yang sesuai antara inang, agen, dan lingkungan.
INANG AGEN
spesies, rumpun, jenis kelamin, dosis, virulensi, patogenisitas,
umur, perilaku, ukuran, bentuk, genotipe, dsb.
dan kekebalan tubuh, dsb.
LINGKUNGAN
iklim (suhu, kelembapan, curah hujan),
tempat tinggal, pakan, manajemen pemeliharaan, dsb.
Bacaan lanjutan: Frost, W.H. (1976). Some Conceptions of Epidemics in General. American Journal of Epidemiology, 103(2): 141–151.
Postulat Evans (1976)
Alfred S. Evans, epidemiolog AS, merumuskan sepuluh prinsip untuk menjelaskan konsep kausalitas
penyakit. Postulat Evans dapat digunakan baik untuk penyakit infeksius maupun penyakit noninfeksius.
Sebelum Setelah
7. Pada percobaan reproduksi penyakit, insidensi akan
lebih tinggi pada kelompok yang terpapar penyebab
daripada kelompok yang tidak terpapar. 7
8. Eliminasi atau modifikasi penyebab atau vektor
pembawanya (misalnya pengendalian air atau udara
yang terkontaminasi atau penghilangan agen spesifik)
akan mengurangi insidensi penyakit.
8
X
9. Pencegahan atau modifikasi respons inang terhadap 9
paparan penyebab (seperti imunisasi dan pengobatan)
akan mengurangi atau menghilangkan penyakit.
Bacaan lanjutan:
Hill, A.B. (1965). The Environment and Disease: Association or Causation?.
Proceedings of the Royal Society of Medicine. 58 (5): 295–300.
Rothman’s causal pie (1976)
Kenneth J. Rothman, epidemiolog AS, membuat model “pai penyebab“ yang digambarkan dengan
diagram pai. Munculnya suatu penyakit disebabkan oleh berbagai komponen individual.
Contoh: Suatu penyakit dapat disebabkan oleh lima komponen, yaitu A, B, C, D, dan E.
Tiga individu menderita penyakit tersebut; ketiganya memiliki komponen yang berbeda.
A B A B A E
C D D
Bacaan lanjutan: Rothman, K.J. (1976). Causes. American Journal of Epidemiology, 104 (6): 587–592.
Faktor lingkungan Faktor inang
Perubahan Penurunan Tipe Rumput Pupuk Cuaca Estrus Disposisi Usia Laktasi
pakan musim asupan tanah tumbuh N dingin saraf
dingin ke pakan cepat
musim panas
Mg K N
tumbuhan tumbuhan tumbuhan Stres
rendah tinggi tinggi
Jenis-jenis asosiasi
Tabel kontigensi 2x2
Pengujian hipotesis
Penghitungan Chi-square secara manual
Rumus Pearson Chi-square, Yate’s Corrected Chi-square, dan Fisher exact test
Dalam statistika, asosiasi adalah derajat ketergantungan antara dua variabel.
Variabel 1 Variabel 2
Apakah ada asosiasi?
Apakah populasi/sampel Apakah populasi/sampel
terpapar suatu faktor? menderita suatu penyakit?
Ya Tidak Ya Tidak
(F+) (F-) (D+) (D-)
Asosiasi antara
dua variabel
Asosiasi Asosiasi
nonkausal kausal
1 2
F F F
F F
F F F F F
F
F F
F F F F
Faktor terdapat lebih sering Tingkat penyakit lebih tinggi secara signifikan
pada kelompok hewan sakit daripada pada kelompok terpapar faktor daripada
kelompok hewan tidak sakit kelompok tidak terpapar faktor.
Catatan
Jika dua variabel memiliki asosiasi positif, asosiasi tersebut bisa merupakan
hubungan sebab-akibat dan bisa juga tidak. Contoh:
Hiperplasia
B
mukosa abomasum
Keberadaan
Haemonchus A
contortus
C Anemia
D+ D- Jumlah
jumlah hewan yang
F+ a b a+b terpapar faktor tertentu
Pakan kering 15 25 40
Pakan basah 10 50 60
Jumlah 25 75 100
Asosiasi antara faktor dan penyakit (berupa data kategorik) dibuktikan secara statistik
menggunakan uji Chi-square (χ2) – dibaca kai-kuadrat.
Hipotesis nol (H0) = tidak ada ketergantungan = tidak ada asosiasi antara F dan D
Hipotesis alternatif (H1) = ada ketergantungan = ada asosiasi antara F dan D
dst.
0 3,841 dst.
Observed,
nilai yang diamati
(O – E)2
χ2 = Σ E Expected,
nilai yang diharapkan
jumlah
Nilai yang diamati (observed = O) Nilai yang diharapkan (expected = E)
Jumlah 25 75 100
FLUTD+ FLUTD- Jumlah
Pakan
10 30 40
kering
Pakan
15 45 60
basah
Jumlah 25 75 100
Cara mendapatkan χ2 hitung:
a 15 10 5 25 2,5
b 25 30 -5 25 0,833
c 10 15 -5 25 1,677
d 50 45 5 25 0,556
χ2 tabel = 3,841
Fisher exact test jumlah data terbatas; P = (a + b)! (c + d)! (a + c)! (b + d)!
total nilai kurang dari 15 a!b!c!d!n!
Referensi:
Sumiarto dan Budiharta (2021). Epidemiologi Veteriner Analitik. Yogyakarta: UGM Press.
Contoh: Soal sebelumnya
= 25.000.000
4.500.000
= 3.873.024
26.472.985
Konsumsi = 7!6!8!5!_
3 3 6
B 5!2!3!3!13!
Jumlah 8 5 13 P = 0,3263
Ptabel = α = 0,05
Belum Sudah
100 400 500 12 288 300
vaksin vaksin
Sudah Belum
12 288 300 100 400 500
vaksin vaksin
Jumlah 0,120
Cara 2
Pearson’s Chi-square
Kesimpulan
χ2 = (ad – bc)2 x n
Tidak ada asosiasi antara
(a + b) (c + d) (a + c) (b + d)
jenis kelamin kucing dengan
infeksi cacing = (6x11 – 12x7)2 x 36 = 11.664 = 0,1204
13x23x18x18 96.876
Bagian 3. Derajat Asosiasi antara
Faktor dan Penyakit
membandingkan kelompok
dan menguji hipotesis
menggambarkan distribusi
Epidemiologi Epidemiologi (mengapa, bagaimana)
penyakit pada populasi
deskriptif analitik penyebab, faktor risiko, atau
(siapa, di mana, kapan)
determinan penyakit serta
keluarannya
Survei
Laporan kasus
Serial kasus
Istilah
Kajian kohort Uji klinis
Kajian longitudinal: meneliti subjek berulang kali Kajian kasus-kontrol Uji komunitas
Prospektif: ke arah masa depan Kajian lintas seksional Uji acak terkendali
Retrospektif: ke arah masa lampau (potong lintang)
Hierarki bukti
Ada puluhan model piramida hierarki bukti yang diusulkan; struktur umumnya adalah sbb:
tinggi
Meta-analisis
Tinjauan sistematis
F+ a+b F+ ? F+ ?
F- c+d F- ? F- ?
paling berkualitas untuk cocok untuk penyakit langka penelitian yang paling mudah,
menentukan hubungan antara (prevalensi kecil) dan penyakit murah, dan singkat
F dan D dengan masa inkubasi yang hanya memberikan prevalensi
memberikan urutan kejadian panjang
tidak memiliki dimensi waktu
dan insidensi waktu penelitian cukup singkat
sangat dipengaruhi cara
membutuhkan waktu penelitian dan murah
penentuan sampel
yang lama dan biaya yang Tidak menunjukkan urutan
mahal waktu antara F dan D
Pengukuran derajat asosiasi: Pengukuran derajat asosiasi: Pengukuran derajat asosiasi:
Risk ratio/relative risk (RR) Odds ratio (OR) Risk ratio/relative risk (RR)
Odds ratio (OR) Odds ratio (OR)
A. Derajat/kekuatan asosiasi
1 3
RR RRpop
2 4
risk ratio/ population
relative risk relative risk ORpop
OR
odds ratio population
odds ratio
B. Efek/dampak faktor
5 7
AR PAR
6 population 8
attributable
attributable
risk
AF risk
PAF
population
attributable
attributable
fraction
fraction
Perbedaan risk dan odds
Risiko Odds
Peluang terjadinya suatu hal dibandingkan Peluang terjadinya suatu hal dibandingkan
peluang terjadinya semua hal. peluang terjadinya hal lainnya,
p p
p
q q
Contoh: Risiko munculnya angka 1 atau 2 pada Contoh: Odds munculnya angka 1 atau 2 pada
sekali lemparan dadu sekali lemparan dadu
= Peluang munculnya angka 1 atau 2 = Peluang munculnya angka 1 atau 2
Peluang munculnya angka 1, 2, 3, 4, 5, atau 6 Peluang munculnya angka 3, 4, 5, atau 6
= 2 = 0,33 = 2 = 0,5
6 4
Perbedaan risk ratio (RR) dan odds ratio (OR)
1. Risk ratio = relative risk = risiko relatif 2. Odds ratio = rasio ganjil(?)
= risiko penyakit pada kelompok terpapar = odds penyakit pada kelompok terpapar
risiko penyakit pada kelompok tidak terpapar odds penyakit pada kelompok tidak terpapar
= a / (a+b) = a/b = ad
c / (c+d) c/d bc
Pakan Pakan
15 25 40 10 50 60
kering basah
Pakan Pakan
10 50 60 15 25 40
basah kering
χ2 = 5,56 χ2 = 5,56
RR = 2,25 RR = 0,44
OR = 3 OR = 0,33
Belum Sudah
100 400 500 12 288 300
vaksin vaksin
Sudah Belum
12 288 300 100 400 500
vaksin vaksin
χ2 = 38,87 χ2 = 38,87
RR = .... RR = ....
OR = .... OR = ....
Jantan 6 12 18
Betina 7 11 18
Jumlah 13 23 36
χ2 = 0,12
RR dan OR yang diperoleh dari suatu kajian (sebuah tabel 2x2) belum tentu mencerminkan kondisi
yang sebenarnya dan jika kajiannya diulang, belum tentu menghasilkan angka yang serupa.
Oleh karena itu, nilai RR dan OR dapat dinyatakan dalam rentang angka – biasanya dengan CI 95%
eln RR + 1,96 x √(1/a – 1/a+b + 1/c – 1/c+d) eln OR + 1,96 x √(1/a + 1/b + 1/c + 1/d)
plus untuk batas atas
minus untuk batas bawah
natural log
Penghitungan CI 95% ini biasanya dilakukan
di aplikasi statistika atau dengan rumus
bilangan Euler (~2,71828)
di Microsoft Excel atau Google Spreadsheet.
Tabel 2x2 χ2 dan P RR dan OR Diagram RR dan OR
RR
D+ D- Jml χ2 = 5,56 RR = 2,25
F+ 15 25 40 P = 0,02 (95% CI = 1,12 – 4,5) 0 1 2 3 4
F- 10 50 60 OR
Ada asosiasi OR = 3
Jml 25 75 100 0 1 2 3 4
(95% CI = 1,18 – 7,63)
D+ D- Jml χ2 = 39,867 RR = 5
P = 0,0000000003 (95% CI = 2,79 – 8,94) 0 1 2 3 4
F+ 100 400 500
F- 12 288 300
Ada asosiasi OR = 6
Jml 112 688 800 0 1 2 3 4
(95% CI = 3,24 – 11,13)
1 2
RR = risiko penyakit pada kelompok terpapar OR = odds penyakit pada kelompok terpapar
risiko penyakit pada kelompok tidak terpapar odds penyakit pada kelompok tidak terpapar
RRpop = risiko penyakit pada populasi ORpop = odds penyakit pada populasi
risiko penyakit pada kelompok tidak terpapar odds penyakit pada kelompok tidak terpapar
3 4
3. Population risk ratio = RRpop 4. Population odds ratio = ORpop
RRpop ORpop
= 25/100 = 0,25 = 1,5 FLUTD+ FLUTD- Jumlah
= 25/75 = 0,33 = 1,67
10/60 0,167 10/50 0,2
Pakan
15 25 40
kering
“Populasi kucing 1,5 kali lebih “Kejadian FLUTD pada
Pakan
berisiko mengalami FLUTD 10 50 60 populasi kucing 1,67 kali lipat
basah
akibat pemberian pakan lebih besar akibat pemberian
kering.” Jumlah 25 75 100 pakan kering.”
Risiko FLUTD+ FLUTD- Jumlah Odds
Pakan
15/40 = 0,375 15 25 40 15/25 = 0,6
kering
1 2
RR = 0,375 = 2,25 Risiko FLUTD kucing pakan OR = 0,6 = 3 Kejadian FLUTD kucing pakan
0,167 kering dibanding pakan basah 0,2 kering dibanding pakan basah
RRpop = 0,25 = 1,5 Risiko FLUTD populasi kucing ORpop = 0,33 = 1,67 Kejadian FLUTD populasi kucing
0,167 akibat pemberian pakan kering 0,2 akibat pemberian pakan kering
3 4
Efek faktor
serta population attributable risk (PAR) dan population attributable fraction (PAF)
Attributable risk (disebut juga excess risk atau risk difference) adalah bagian dari kasus penyakit
pada kelompok terpapar faktor yang diatribusikan kepada paparan faktor. Angka ini diperoleh
dari selisih antara risiko penyakit pada kelompok terpapar dengan kelompok tidak terpapar.
= a / a+b – c / c+d
Pakan
15 25 40 15/40 = 0,375
kering
“Sebanyak 0,208 (20,8 dari 100) kasus FLUTD pada kelompok kucing-pakan kering
yang diatribusikan pada faktor pakan kering.”
Diagram untuk contoh 1
dst
0,4
0,375 = 37,5 dari 100
0,208 = 20,8 dari 100 Risiko penyakit (FLUTD) pada kelompok
0,3 Peningkatan kasus penyakit pada kelompok F+ terpapar faktor (kucing-pakan kering)
yang diatribusikan pada paparan faktor
0
Ilustrasi untuk contoh 1
vs
Sudah
12 288 300 12/300 = 0,04
vaksin
Belum
100 400 500 100/500 = 0,2
vaksin
“Sebanyak 0,16 (16 dari 100) penurunan kasus PMK pada kelompok sapi yang sudah divaksin
diatribusikan pada faktor vaksinasi.”
Diagram untuk contoh 2
dst
0,4
0,3
PMK pada sapi sudah vaksin PMK pada sapi belum vaksin
4 dari 100 20 dari 100
vs
16 dari 100
Penurunan PMK pada sapi sudah vaksin
yang diatribusikan pada faktor vaksinasi
6. Attributable Fraction (AF)
Attributable fraction (disebut juga attributable risk fraction) adalah persentase dari
kasus penyakit pada kelompok terpapar yang diatribusikan kepada paparan faktor.
Pakan
15 25 40 15/40 = 0,375
kering
vs
Sudah
12 288 300 12/300 = 0,04
vaksin
Belum
100 400 500 100/500 = 0,2
vaksin
“Sebanyak 400% penurunan kasus PMK pada kelompok sapi yang sudah divaksin
diatribusikan pada faktor vaksinasi.”
Ilustrasi untuk contoh 2
PMK pada sapi sudah vaksin PMK pada sapi belum vaksin
4 dari 100 20 dari 100
vs
7 8
PAR = risiko penyakit pada – risiko penyakit pada PAF = population attributable risk (PAR) x 100%
populasi kelompok tidak terpapar risiko penyakit pada populasi
Pakan
15 25 40 15/40 = 0,375
kering
7 8
PAR = 0,25 – 0,167 Kasus FLUTD pada populasi PAF = 0,083 x 100% = 33,3%
= 0,083 kucing yang diatribusikan pada 0,25
= 8,3 dari 100 faktor pakan kering; atau
Penurunan FLUTD pada populasi Persentase FLUTD pada populasi kucing yang
jika pakan kering tidak diberikan diatribusikan pada faktor pakan kering
Ilustrasi untuk contoh 1
vs
PAR PAF
Sudah
12 288 300 12/300 = 0,04
vaksin
Belum
100 400 500 100/500 = 0,2
vaksin
7 8
PAR = 0,14 – 0,2 Kasus PMK pada populasi PAF = –0,06 x 100% = –42%
= –0,06 sapi yang diatribusikan pada 0,14
= –6 dari 100 faktor vaksinasi; atau
Penurunan PMK pada populasi Persentase penurunan PMK pada populasi sapi
sapi jika sudah divaksin yang diatribusikan pada faktor vaksinasi
Ilustrasi untuk contoh 2
vs
PAR PAF
Population attributable rate PAR [(a + c)/n] – [c/(c + d)] atau [(a + b)/n] x AR