STANDARDIZATION OF RATES

Standarisasi tarif penting dalam membandingkan data antara populasi dengan usia yang

berbeda dan distribusi jenis kelamin dan untuk menghilangkan, sejauh mungkin, efek

pembaur dalam studi epidemiologi. Membandingkan tingkat kematian di satu negara,

misalnya, akan memerlukan penggunaan populasi standar seperti Amerika Serikat pada tahun

1940 untuk membandingkan kematian 1940 dengan tingkat berikutnya, sehingga

menghilangkan efek dari perubahan komposisi usia dan jenis kelamin dari populasi. Tanpa

standarisasi populasi, perubahan usia-gender akan bertindak sebagai pembaur ketika

menggambarkan distribusi atau membandingkan kematian atau kejadian penyakit antara dua

atau lebih kelompok yang ditunjuk.

Kotak 3.13 Meringkas Sekelompok Angka

Rata-rata Nilai rata-rata pengamatan (yaitu, jumlah nilai pengamatan dibagi dengan jumlah

pengamatan).

2. Median Nilai titik tengah di mana setengah dari pengamatan sama atau kurang, dan

setengahnya sama atau lebih besar. Ini adalah pengamatan tengah ketika serangkaian angka

pengamatan disusun dalam nilai yang meningkat.

3. Modus Nilai yang paling sering muncul dalam sekumpulan pengamatan. Dalam distribusi

normal, rata-rata, median, dan modus semuanya sama satu sama lain.

4. Standar deviasi Metode umum ringkasan seberapa luas menyebar atau tersebar nilai-nilai

yang diamati dari rata-rata pengamatan.

5. Interval keyakinan Rentang atau interval di mana nilai sebenarnya dari suatu variabel,

seperti rata-rata, proporsi, atau tingkat, terletak pada tingkat probabilitas tertentu (misalnya,

95% atau 99%). Hal ini menunjukkan seberapa tepat hasil analisis berdasarkan sampel
mendekati nilai sebenarnya dari tingkat populasi yang dimaksudkan untuk diwakili oleh

sampel.

Standardisasi menggunakan "populasi standar" yang dipilih untuk menyesuaikan perbedaan

dalam distribusi variabel yang relevan antara kelompok yang dibandingkan, atau antara

sampel yang digunakan dalam penelitian dan populasi yang dipilih. Populasi standar dalam

prosedur ini adalah populasi yang usia dan komposisi jenis kelaminnya diketahui dan oleh

karena itu digunakan sebagai tolok ukur untuk membandingkan tarif untuk sejumlah

kelompok populasi yang berbeda. Perbandingan antara negara bagian yang berbeda di

Amerika Serikat atau negara-negara di Eropa akan menggunakan distribusi populasi AS,

Eropa, atau dunia. Standardisasi dapat dilakukan dengan cara langsung maupun tidak

langsung.

Penting untuk dicatat bahwa meskipun distribusi usia dan jenis kelamin sering bertindak

sebagai pembaur, banyak variabel lain dapat mempengaruhi hasil yang diukur, tergantung

pada penelitian. Misalnya, merokok dan minum kopi dapat bertindak sebagai pembaur ketika

mempelajari hubungan antara aktivitas fisik dan penyakit jantung koroner. Dalam hal efek

pengganggu seperti itu hadir dan diidentifikasi, maka analisis studi harus mengendalikan

perancu untuk menilai dengan benar variabel studi utama.

Metode Standarisasi Langsung

Metode langsung standarisasi digunakan ketika tingkat kematian usia-jenis kelamin tertentu

diketahui untuk populasi yang dibandingkan dengan populasi standar. Angka ini kemudian

diterapkan pada populasi standar untuk menghitung jumlah kematian yang diharapkan untuk

setiap kelompok dalam populasi, seolah-olah komposisinya (berkenaan dengan variabel yang

kami standarkan) sama dengan populasi standar. Mereka kemudian dijumlahkan dan dibagi
dengan total populasi standar untuk memberikan ringkasan tingkat penyesuaian. Angka

kematian standar dapat dihitung untuk penyakit tertentu. Misalnya, jika seseorang

membandingkan tingkat kematian akibat kanker paru-paru di sejumlah negara untuk melihat

apakah ada perbedaan yang mungkin disebabkan oleh faktor eksternal seperti pola polusi

udara, data untuk setiap kota dapat dibandingkan dengan menggunakan standar (penyebab

spesifik). ) angka kematian.

Standarisasi langsung tarif merupakan metode penting untuk membandingkan pola kematian

antara kota, kabupaten, wilayah, dan negara. Tabel 3.3 menunjukkan perbedaan penting yang

terlihat dalam menyajikan data dengan standarisasi usia, di mana negara seperti Mesir,

dengan angka kematian kasar yang rendah akibat penyakit peredaran darah karena

populasinya yang masih muda tetapi angka spesifik usianya sangat tinggi. Tarif khusus usia

juga berguna untuk tujuan perbandingan.

Metode Standardisasi Tidak Langsung

Ketika angka kematian usia-gender-spesifik untuk populasi penelitian tidak tersedia atau jika

jumlah di beberapa kelompok usia terlalu kecil, metode standarisasi tidak langsung

digunakan. Metode ini menggunakan tingkat usia-gender-spesifik yang diketahui dari

populasi standar untuk menghitung jumlah yang diharapkan dari kejadian kesehatan yang

sama untuk populasi yang sedang dipelajari, mengingat distribusi populasi tersebut (Kotak

3.14). Jumlah kematian atau kasus yang diharapkan kemudian dihitung kemudian

dibandingkan dengan jumlah kematian atau kasus yang diamati sebenarnya. Rasio yang

diamati dengan yang diharapkan kemudian dikalikan dengan 100 (atau pengganda desimal

lainnya) untuk memberikan rasio kematian standar (SMR), yang sekarang menunjukkan

perbandingan yang bebas dari faktor pengganggu seperti distribusi usia yang berbeda.
Dengan demikian, SMR memungkinkan perbandingan satu kelompok populasi nasional,

regional, atau kelompok populasi tertentu lainnya di mana tingkat usia-gender-spesifik tidak

tersedia, dengan populasi standar yang dipilih yang tingkat spesifiknya diketahui. Metode

yang sama ini juga digunakan untuk menghitung morbiditas sebagai rasio insiden standar

(SIR) atau observasi terkait kesehatan lainnya.

Membandingkan angka kematian atau morbiditas di negara-negara Eropa dibuat dapat

diakses oleh semua oleh Health for All Database. Ini membandingkan tingkat (kematian,

morbiditas, sumber daya kesehatan, pemanfaatan, gaya hidup, dan lainnya). Data untuk

semua negara distandarisasi dengan standar populasi Eropa, sehingga tingkat yang dilaporkan

dapat dibandingkan.

Oleh karena itu, rasio kematian (insiden) standar (SMRs atau SIRs) adalah angka kasar atau

jumlah total kematian atau kasus yang terjadi dalam kelompok studi, dibandingkan dengan

jumlah kematian yang diharapkan jika populasi tersebut mengalami angka kematian (atau

insiden) yang sama. sebagai populasi standar. Populasi standar memberikan dasar

perbandingan yang kuat karena ukurannya lebih besar, dengan kemungkinan variasi acak

yang lebih kecil.

Rasio kematian standar dapat dihitung untuk kelompok populasi tertentu dengan risiko

khusus dan dibandingkan dengan populasi standar untuk melihat apakah rentan terhadap

tingkat yang lebih tinggi. Sekelompok orang yang telah bekerja di industri tertentu dan

terpapar asbes mungkin setelah periode laten yang lama mengembangkan mesothelioma.

SMR untuk populasi mantan pekerja asbes dalam studi tindak lanjut 25 tahun terlihat pada

Tabel 3.4.
Di Inggris Raya, SMR digunakan sebagai faktor penyesuaian untuk alokasi dana kepada

otoritas kesehatan distrik. Setelah pemeriksaan panjang dari banyak alternatif, SMR diyakini

memasukkan banyak variabel yang mempengaruhi kesehatan, termasuk usia, jenis kelamin,

sosial ekonomi, dan faktor lingkungan. kematian mungkin memiliki lebih banyak penyakit

atau tingkat kematian kasus yang lebih tinggi akibat prevalensi faktor risiko yang lebih besar

(genetik, lingkungan, dan/atau sosial ekonomi). Kematian yang berlebihan juga dapat

disebabkan oleh kurangnya akses atau kualitas perawatan kesehatan yang lebih buruk.

Sumber daya tambahan disediakan atas dasar ini untuk menangani status kesehatan penduduk

yang lebih buruk. Ini adalah metode praktis untuk mengatasi perbedaan regional dalam

kesehatan, memberikan tingkat kesetaraan yang tinggi dalam alokasi sumber daya. Ini

memperhitungkan kebutuhan yang lebih besar di beberapa area daripada di area lain. SMR

menerapkan metode epidemiologi untuk meningkatkan praktik manajemen di bidang

kesehatan.

POTENSI KESALAHAN DALAM PENGUKURAN

Data harus dinilai validitas dan reliabilitasnya. Ini juga harus dipertimbangkan untuk masuk

akal biologisnya (Kotak 3.15). Ini semua mempengaruhi sejauh mana kesimpulan dapat

dibuat dan generalisasi diambil dari sampel penelitian.

Keandalan

Reproduktifitas atau reliabilitas adalah derajat stabilitas data ketika pengukuran diulang

dalam kondisi yang sama. Jika temuan dari dua peneliti yang melakukan tes yang sama

(seperti pengukuran tekanan darah) sangat dekat, pengamatan menunjukkan tingkat

reproduktifitas antar pengamat yang tinggi. Namun, umum dalam kedokteran bahwa
standarisasi bahkan pengukuran yang relatif objektif oleh pengamat yang berbeda, seperti ahli

radiologi yang membaca sinar-x yang sama atau ahli jantung yang membaca kardiogram

yang sama, menunjukkan tingkat variabilitas yang tinggi. Standarisasi instrumen, pelatihan

pengamat dalam standar umum, dan standarisasi pengamatan rekaman diperlukan untuk

memastikan standar keandalan yang dapat diterima dalam kumpulan data apa pun. Mengukur

pasien yang sama pada waktu yang berbeda dapat menghasilkan hasil yang berbeda (seperti

dalam mengukur tekanan darah atau gula darah), sehingga standarisasi kondisi perekaman

atau penentuan waktu pengujian sangat penting untuk memastikan data yang dapat

dibandingkan. Standarisasi pengujian memerlukan, sebagai bagian dari pengendalian

kualitas, pengiriman sampel yang diuji di satu laboratorium ke laboratorium referensi untuk

melihat apakah hasil pengujiannya sama. Penting untuk meminimalkan sumber bias (Kotak

3.16).

Kotak 3.15

Masalah Pengukuran Observasi dalam Epidemiologi

1. Validitas sejauh mana suatu ukuran benar-benar mengukur apa yang diklaimnya diukur.

2. Akurasi sejauh mana suatu ukuran sesuai atau sesuai dengan nilai sebenarnya.

3. Kualitas presisi didefinisikan secara tajam.

4. Keandalan, stabilitas reproduktifitas terlihat saat pengukuran

yakin diulang dalam kondisi yang sama.

5. Kesalahan instrumental mencakup semua sumber variasi

melekat pada tes itu sendiri.

6. Bias konsisten preferensi digit oleh pembulatan pengamat

angka (misalnya, ke bilangan bulat terdekat).

7. Variasi antar pengamat perbedaan pengamatan antara pengamat yang berbeda terhadap

fenomena yang sama.

8. Variasi pengamat individu ketika pengamat yang sama mencatat pengamatan yang sama

secara berbeda karena perubahan dalam pengamat, bukan yang diamati.

9. Bias efek atau inferensi yang berangkat secara sistematis

dari nilai sebenarnya.

10. Epidemiologi yang nyata tetapi tidak asli

hubungan.

Keabsahan

Validitas mengacu pada sejauh mana pengukuran benar-benar mengukur apa yang diklaim

untuk diukur. Ini termasuk keterwakilan sampel dan sifat populasi dari mana sampel diambil.

Ini mencakup sifat fenomena yang diuji dan apakah metode pengambilan sampel

memperhitungkannya, seperti ketika suatu kondisi berubah seiring bertambahnya usia,

apakah sampel memperhitungkannya, atau apakah isi pengujian, seperti kuesioner. , benar-

benar mencerminkan sifat dari fenomena yang sedang dipelajari. Generalisasi serangkaian

temuan dari penelitian yang menggunakan laki-laki kulit putih kelas menengah atau perawat

AS sebagai subjek mungkin tidak berlaku untuk perempuan atau laki-laki dari etnis atau SES

lain, atau populasi dengan lingkungan sosial budaya yang berbeda. seperti yang biasa

dilakukan di masa lalu untuk tuberkulosis. Ketika dilakukan dengan sejumlah tes, ini disebut

skrining multifasik. Skrining dapat menargetkan kelompok dengan risiko khusus, seperti

skrining timbal dalam darah di antara pekerja yang terpapar timbal di tempat kerja mereka

atau pada anak-anak yang tinggal di sekitar pabrik yang menggunakan timbal.
Skrining adalah bagian penting dari perawatan pasien ketika pengasuh secara rutin

melakukan tes, misalnya, untuk tekanan darah, gula darah, atau kolesterol. Akurasi tes

biasanya diukur dalam hal sensitivitas dan spesifisitas. Skrining yang ditargetkan mungkin

diwajibkan oleh hukum seperti dalam kasus skrining bayi baru lahir untuk fenilketonuria

(PKU), hipotiroidisme, dan kelainan kongenital lainnya. Nilai tes skrining ditentukan

berdasarkan tingkat sensitivitas dan spesifisitasnya, serta biaya dan manfaatnya untuk

skrining atau tidak skrining.

Kotak 3.16 Sumber Bias

Keandalan kumpulan data dapat dikompromikan oleh bias sistematis dalam pengumpulan

atau pemrosesan data. Bias tersebut antara lain sebagai berikut:

1. Asumsi bias kesalahan dari logika yang salah, premis, atau asumsi yang menjadi dasar

penelitian.

2. Respon bias kesalahan sistematik karena perbedaan antara mereka yang memilih atau

menjadi sukarelawan untuk studi dibandingkan dengan mereka yang tidak.

3. Kesalahan bias seleksi karena pencantuman yang muncul dan diikutsertakan dalam

penelitian, meniadakan yang tidak datang karena meninggal, sembuh tanpa perawatan, tidak

berminat, dan lain sebagainya.

4. Kesalahan bias pengambilan sampel ketika metodologi pengambilan sampel tidak

memastikan bahwa semua anggota populasi referensi memiliki peluang yang diketahui dan

sama untuk dipilih sebagai sampel.

5. Kesalahan bias pengamat karena perbedaan antar pengamat; mungkin antara pengamat

(interobserver) atau oleh pengamat yang sama pada kesempatan yang berbeda (intra-

pengamat).
6. Kesalahan sistematik bias deteksi karena kesalahan metode diagnosis atau verifikasi kasus

dalam survei.

7. Bias desain bias sistematis karena kesalahan desain penelitian.

8. Cacat bias informasi dalam mengukur eksposur atau hasil yang mengakibatkan data tidak

dapat dibandingkan.

9. Alat ukur bias salah kalibrasi, alat ukur tidak akurat, reagen terkontaminasi,

pengenceran/pencampuran reagen salah, kuesioner cacat.

10. Pewawancara bias memilih secara sadar atau tidak sadar dalam pengumpulan data.

11. Reporting bias self-report pelaporan selektif, menekan, atau melebih-lebihkan informasi;

misalnya riwayat IMS.

12. Editor bias publikasi lebih menyukai hasil positif sehingga persepsi yang menyimpang

dari suatu masalah dapat terjadi.

13. Bias karena penarikan kehilangan kasus dari sampel dengan penarikan atau

ketidakmunculan dalam tindak lanjut.

14. Kesalahan bias ascertainment karena tipe pasien

dilihat oleh pengamat, atau dalam proses diagnostik yang dipengaruhi oleh budaya,

kebiasaan, atau keanehan penyedia perawatan.

Sensitivitas adalah proporsi orang yang benar-benar sakit dalam populasi yang diskrining

yang diidentifikasi seperti itu dengan tes skrining. Ini kadang-kadang disebut tingkat positif

sejati. Spesifisitas adalah proporsi orang yang benar-benar tidak sakit yang diidentifikasi

tidak menderita penyakit; yaitu, mengukur kemungkinan mengidentifikasi orang yang tidak

sakit dengan benar dengan tes skrining, atau tingkat negatif yang sebenarnya. Tes yang

menghasilkan terlalu banyak positif palsu atau negatif palsu tidak valid (Kotak 3.17).
Negatif palsu terjadi ketika hasil laboratorium negatif muncul pada seseorang yang memiliki

kondisi untuk tes yang sedang dilakukan. Kondisi ini ada tetapi tidak muncul pada tes

penyaringan awal atau kumpulan data. Jika skrining untuk PKU dilakukan terlalu cepat

setelah lahir, beberapa kasus mungkin terlewatkan dan hanya akan muncul kemudian. Negatif

palsu dapat membahayakan efektivitas program penyaringan.

Hasil positif palsu adalah kasus-kasus di mana hasil laboratorium positif terjadi pada

seseorang tanpa kondisi tes yang sedang dilakukan. Tidak semua orang dengan pembacaan

tekanan darah tinggi yang terisolasi memiliki hipertensi sejati. Hasil positif palsu harus

diperiksa karena tidak dapat disingkirkan tanpa konfirmasi dengan pengujian yang lebih

spesifik, seperti pembacaan tekanan darah berulang. Presisi adalah kualitas definisi yang

tajam dari tes. Jika uji laboratorium untuk pencemaran lingkungan akurat hingga bagian per

miliar dibandingkan dengan bagian per juta, maka presisinya ditingkatkan.

Skrining untuk penyakit dan faktor risiko adalah bagian umum dan penting dari kesehatan

masyarakat. Agar berharga, skrining memerlukan tes yang valid dan kondisi yang signifikan

dengan prevalensi tinggi dalam populasi. Skrining untuk kanker payudara, karsinoma serviks,

dan banyak kondisi lainnya adalah bagian dari armamentarium kesehatan masyarakat dan

berkontribusi untuk menurunkan angka kematian dan meningkatkan tingkat kelangsungan

hidup untuk penyakit ini. Skrining bayi baru lahir penting untuk kondisi yang serius dan

dapat diobati tetapi jarang terjadi seperti pada PKU dan hipotiroidisme kongenital yang lebih

umum dan dapat diobati (Bab 6). PKU adalah kondisi yang dapat dikelola dengan diet ketat

untuk mencegah konsekuensi serius dari kondisi biokimia abnormal. Skrining untuk ini dan

kelainan kelahiran lainnya, kanker serviks, kanker usus besar, dan banyak kondisi lainnya

sekarang diterima dalam pedoman klinis standar, sementara skrining untuk kanker payudara

direkomendasikan tetapi sedang ditinjau untuk efektivitas biayanya.

STUDI EPIDEMIOLOGI

Metode studi epidemiologi penting, tidak hanya untuk menentukan luasnya penyakit dalam

populasi, tetapi juga untuk mencari risiko spesifik atau faktor penyebab penyakit. Studi

epidemiologi memungkinkan analisis faktor risiko, variabel, atau intervensi (seperti vaksin

atau obat baru). Hal ini memungkinkan pengujian hipotesis baru dan inovasi dalam

kedokteran dan kesehatan masyarakat.

Studi epidemiologi diklasifikasikan sebagai observasional atau eksperimental (Gambar 3.7).

Studi observasional memungkinkan alam untuk mengambil jalannya, tanpa intervensi,

sebagai lawan dari studi eksperimental, yang melibatkan intervensi.

Studi Observasi

Studi observasional adalah studi di mana populasi dipelajari, tetapi alam diizinkan untuk

mengambil jalannya. Mereka mungkin deskriptif atau analitis. Studi deskriptif terbatas untuk

menggambarkan terjadinya suatu penyakit dalam suatu populasi, yang seringkali merupakan

langkah pertama dalam penyelidikan, karena dapat memberikan petunjuk untuk penyelidikan

yang lebih mendalam. Studi analitik melangkah lebih jauh dengan mencari variabel spesifik

yang mungkin terkait secara kausal dengan penyakit.

Epidemiologi Deskriptif

Epidemiologi deskriptif menggunakan studi observasional tentang distribusi penyakit dalam

hal orang, tempat, dan waktu. Studi ini menggambarkan distribusi seperangkat variabel, tanpa

memperhatikan kausal atau hipotesis lainnya. Faktor pribadi meliputi usia, jenis kelamin,

SES, tingkat pendidikan, etnis, dan pekerjaan. Tempat terjadinya dapat ditentukan oleh batas-

batas alam atau politik, dan juga dapat mencakup variabel-variabel seperti lokasi tempat
tinggal, pekerjaan, sekolah, atau rekreasi. Faktor waktu termasuk tren waktu, yang secara

umum dibagi menjadi tiga jenis:

1. Tren sekuler: variasi jangka panjang;

2. Perubahan siklik: fluktuasi periodik pada tahun atau

dasar lainnya;

3. Fluktuasi jangka pendek: seperti yang terlihat pada penyakit epidemik

wabah.

Tren waktu berkontribusi untuk memahami sejarah alami epidemi penyakit menular akut

seperti campak atau penyakit yang ditularkan melalui air, serta penyakit tidak menular seperti

stroke atau kanker. Studi tentang "eksperimen alami" ketika situasi kesehatan masyarakat

terjadi dapat memberikan pengalaman dan hipotesis yang berharga untuk penyelidikan lebih

lanjut. Epidemiologi juga mengkaji frekuensi dan distribusi indikator kesehatan potensial dan

kejadian terkait kesehatan (seperti merokok).

Studi Analitis

Studi analitis berkaitan dengan menetapkan penyebab atau faktor risiko yang berkontribusi

terhadap penyakit, termasuk kondisi sosial, ekonomi, psikologis, atau politik yang

mempengaruhi kesehatan. Hal ini membantu untuk menentukan program intervensi untuk

mengurangi beban penyakit dalam populasi. Epidemiologi analitik telah memberikan

kontribusi penting bagi pengobatan modern melalui identifikasi faktor risiko utama, seperti

tingkat kanker paru-paru yang lebih tinggi di antara perokok dan tingkat stroke yang lebih

tinggi di antara orang-orang dengan hipertensi. Studi analitis dapat mencakup studi cross-

sectional (atau studi prevalensi), serta studi retrospektif, prospektif, dan ekologi.
Studi analitik dapat berupa studi berbasis individu atau kelompok. Studi epidemiologi

berbasis individu mengumpulkan informasi tentang individu (baik paparan dan status hasil

harus diketahui untuk setiap individu dalam penelitian).

Studi ekologi adalah studi di mana unit analisisnya adalah populasi atau kelompok populasi

daripada individu.

Studi Ekologi

Studi ekologi, juga dikenal sebagai studi berbasis kelompok, membandingkan nilai rata-rata

(atau ringkasan) dari paparan dan hasil dari kelompok populasi yang berbeda. Sebagai

contoh, sebuah studi yang menganalisis hubungan antara produk domestik bruto dari berbagai

negara dan prevalensi malnutrisi di negara-negara tersebut merupakan studi ekologi. Namun,

kesimpulan dari studi ekologi harus ditarik dengan hati-hati, karena nilai rata-rata mungkin

tidak benar-benar mewakili situasi aktual, dan lebih jauh lagi, karena paparan dan hasil untuk

individu tidak ditetapkan. Jika suatu kelompok memiliki prevalensi pajanan yang tinggi

(misalnya, penggunaan kontrasepsi oral pada wanita) dan hasil (misalnya, prevalensi penyakit

jantung), kita masih belum tahu apakah individu dengan status pajanan positif juga mereka

yang memiliki hasil positif. Menarik kesimpulan dari hubungan yang tampak ini adalah bias

yang disebut kekeliruan ekologis. Asosiasi antara variabel agregat berdasarkan karakteristik

kelompok tidak selalu mewakili asosiasi di tingkat individu. Namun, studi ekologi penting

untuk pemantauan kesehatan populasi dan untuk menghasilkan hipotesis untuk studi lebih

lanjut.
Studi menunjukkan korelasi yang jelas antara kualitas air minum dan tingkat kematian akibat

penyakit jantung belum dibuktikan sebagai menunjukkan hubungan "sebab-akibat". Ini akan

menjadi kesimpulan yang tidak tepat (kekeliruan ekologis) untuk menyimpulkan dari temuan

ini saja bahwa paparan air dengan tingkat kesadahan tertentu tentu mempengaruhi peluang

individu untuk mengembangkan atau meninggal karena penyakit jantung.

Studi ekologi dapat bermanfaat dalam menghasilkan hipotesis untuk penyelidikan dan

intervensi lebih lanjut. Misalnya, perbandingan SMR untuk kategori penyakit dari rangkaian

kematian rutin dapat mengidentifikasi daerah dengan tingkat penyakit tertentu yang tinggi,

seperti kanker paru-paru atau kondisi terkait diabetes, atau kecelakaan kendaraan bermotor,

yang memerlukan tindak lanjut, penyelidikan, dan kemungkinan intervensi. bahkan sebelum

studi epidemiologi yang lebih lengkap dapat dilakukan. Penelitian telah menunjukkan tingkat

kematian penyakit kardiovaskular yang lebih tinggi untuk orang Afrika-Amerika

dibandingkan dengan orang kulit putih di Amerika Serikat. Namun, analisis lebih lanjut

menunjukkan bahwa ada gradien untuk kematian kardiovaskular baik untuk kulit putih dan

Afrika-Amerika menurut pendapatan keluarga rata-rata, sehingga SES muncul sebagai faktor

yang lebih penting daripada ras.

Studi Cross-Sectional atau Studi Prevalensi

Ini memeriksa hubungan antara penyakit tertentu dan faktor-faktor yang berhubungan dengan

kesehatan seperti yang ada pada individu dalam suatu populasi pada waktu tertentu. Populasi

kemudian dapat dibagi menjadi subkelompok, dengan dan tanpa penyakit, dan karakteristik

setiap anggota dari setiap kelompok dianalisis untuk variabel yang berbeda; misalnya usia,

jenis kelamin, wilayah tempat tinggal, pekerjaan, dan kelas sosial. Perbandingan variabel-
variabel ini dapat menunjukkan risiko penyakit yang lebih tinggi pada satu kelompok

populasi dibandingkan dengan populasi serupa yang serupa.

Jenis penelitian ini relatif sederhana dan mudah dilakukan. Namun, ia memiliki beberapa

kelemahan serius yang dihasilkan dari pengukuran simultan dari kedua eksposur dan hasil.

Saat menyelidiki dua variabel (dugaan paparan dan dugaan hasil) mungkin tidak mungkin

untuk menentukan mana yang merupakan paparan dan mana yang merupakan hasil, karena

kami tidak memiliki informasi tentang hubungan waktu. Misalnya, studi cross-sectional

indeks massa tubuh (BMI) dan tekanan darah mungkin menemukan bahwa BMI tinggi

berkorelasi dengan tekanan darah tinggi, tetapi tidak akan dapat menunjukkan apakah orang

dengan BMI tinggi mengalami peningkatan tekanan darah atau jika orang dengan tekanan

darah tinggi menjadi lebih gemuk. Sebuah studi cross-sectional mungkin gagal untuk

menghasilkan informasi berharga di mana paparan atau hasil utama yang dipelajari hanya ada

selama periode waktu yang singkat. Jika paparannya singkat, pemulihan dari kondisi hasil

cepat, atau kasus fatalitasnya tinggi, kecil kemungkinan penilaian mereka pada satu titik

waktu akan benar-benar mencerminkan semua paparan dan hasil.

Studi Kasus–Kontrol

Studi kasus-kontrol adalah studi observasional dari orang-orang dengan penyakit (atau

variabel hasil lain yang menarik) dan kelompok kontrol yang cocok dari orang-orang tanpa

penyakit. Studi ini bersifat retrospektif, mengambil status hasil yang diketahui (misalnya,

status penyakit) dan melihat status paparan. Mereka membandingkan dua kelompok populasi

yang sama untuk hasil paparan mereka, satu dengan penyakit atau kondisi dan yang lainnya

tanpa. Contohnya adalah studi tentang terjadinya cacat ekstremitas atas yang serius

(phocomelia) pada anak-anak yang lahir di Jerman pada akhir 1950-an, yang menunjukkan

bahwa dari mereka yang lahir dengan cacat ini, 41 dari 46 ibu telah menggunakan obat
thalimidide sebagai pil antimual dipromosikan untuk digunakan selama kehamilan,

sedangkan tidak satu pun dari 300 ibu kontrol dengan anak normal telah melakukannya.

Penelitian ini dikonfirmasi oleh penelitian di negara-negara Eropa lainnya yang memiliki

lisensi thalidomide, yang menyebabkan penghentian persetujuan obat ini oleh FDA di

Amerika Serikat, dan kemudian pelarangannya di negara-negara yang sudah

menggunakannya. Studi kasus-kontrol didefinisikan sebagai retrospektif (mendefinisikan

status hasil dan kemudian melihat paparan).

Rasio odds biasanya digunakan untuk meringkas temuan studi kasus-kontrol. Ini adalah rasio

peluang paparan di antara kasus-kasus dengan peluang paparan di antara kontrol. Studi kasus-

kontrol mungkin penting untuk menentukan perbedaan antara kelompok sakit dan kelompok

kontrol dalam situasi epidemi atau wabah.

Studi kasus-kontrol ideal untuk mempelajari penyakit langka atau kondisi yang lambat

berkembang, karena memungkinkan pengumpulan sekelompok kasus dengan ukuran yang

sesuai untuk analisis, tanpa memerlukan populasi studi yang sangat besar. Ini menyajikan

keuntungan penting karena mengurangi biaya dan waktu yang diperlukan untuk mempelajari

kondisi seperti itu. Namun, studi kasus-kontrol rentan terhadap berbagai sumber bias,

terutama "recall bias," di mana orang dengan/tanpa hasil yang dipelajari mungkin cenderung

lebih mengingat status paparan mereka. Misalnya, studi tentang paparan lingkungan selama

kehamilan dan malformasi janin dapat mengungkapkan proporsi paparan yang lebih tinggi di

antara wanita yang memiliki janin yang terpengaruh karena mereka lebih sadar dan

mengingat semua potensi bahaya yang mungkin menyebabkan hasil buruk yang parah dari

kehamilan mereka. .

Belajar kelompok
Studi kohort juga disebut sebagai studi prospektif, longitudinal, atau tindak lanjut. Mereka

memeriksa populasi yang awalnya bebas dari penyakit, membagi populasi menjadi

subkelompok menurut paparan faktor risiko potensial. Studi tersebut dapat menghasilkan

besarnya risiko atau tingkat kejadian penyakit yang diteliti. Risiko relatif (rasio risiko

penyakit dalam dua kelompok; yaitu, terpapar dan tidak terpapar) kemudian dapat dihitung.

Bila risiko tidak dapat ditentukan, tingkat penyakit untuk setiap kelompok (terpapar dan tidak

terpapar) ditentukan dan rasio tingkat dapat ditentukan untuk perbandingan risiko.

Kerugian utama dari studi kohort adalah waktu tindak lanjut yang mereka butuhkan (ketika

orang mungkin meninggalkan penelitian atau mangkir, sumber bias yang penting) serta

populasi penelitian yang relatif besar diperlukan untuk memastikan munculnya studi kohort.

jumlah kasus yang cukup untuk dianalisis. Tindak lanjut yang lama dan sampel yang besar

biasanya menimbulkan biaya tinggi, dan membuat studi kohort kurang cocok untuk

investigasi penyakit langka atau kondisi yang berkembang lambat. Di sisi lain, studi kohort

menghadirkan banyak keuntungan dalam hal keandalan informasi yang dikumpulkan, karena

semua paparan dapat dinilai oleh peneliti pada awal penelitian dan hasil diidentifikasi saat

muncul selama masa studi sehingga tidak ada keraguan tentang hubungan waktu.

Studi kohort (prospektif) memungkinkan pengamatan banyak hasil dari tindak lanjut jangka

panjang dari populasi yang dipilih untuk memastikan data morbiditas dan mortalitas yang

tidak tersedia dalam sistem pelaporan populasi umum. Studi kebiasaan merokok para dokter

Inggris yang diprakarsai oleh Richard Doll dan Bradford Hill dilakukan dari tahun 1951–

2001 menunjukkan efek berbahaya dari merokok dalam hal kanker paru-paru, penyakit

jantung koroner, dan kematian dini. Studi Framingham dimulai pada tahun 1949 telah

memberikan banyak informasi epidemiologi faktor risiko penyakit kardiovaskular pada

populasi Framingham, Massachusetts (lihat Bab 5). Banyak studi prospektif epidemiologi
mengikuti kelompok populasi tertentu seperti studi perawat oleh Walter Willett di Harvard

School of Public Health, memberikan sumber utama informasi baru tentang kesehatan

wanita. Ini adalah studi kohort wanita terbesar, melacak lebih dari 120.000 perawat sejak

1976.

Analisis kohort retrospektif atau historis melihat kembali catatan sebelumnya dari kelompok

dengan penyakit tertentu dan pengalaman hidup mereka sebelumnya. Ini termasuk faktor-

faktor seperti merokok, berat lahir, obesitas, hipertensi, atau paparan zat beracun seperti asbes

dalam kaitannya dengan morbiditas dan mortalitas saat ini akibat kanker paru-paru, penyakit

jantung koroner, diabetes, dan mesothelioma.

Singkatnya, studi observasional kelompok populasi tertentu telah memberikan kemajuan

kesehatan masyarakat yang penting selama 50 tahun terakhir. Eksperimen alami adalah

situasi di mana keadaan yang terjadi secara alami menghasilkan dua kelompok populasi yang

serupa, satu terpapar faktor penyebab yang diduga dan satu tidak terpapar sebagai kelompok

studi atau kontrol. Istilah eksperimen alami berasal dari penelitian John Snow pada tahun

1850 tentang penduduk London yang terpapar air minum yang dipasok oleh dua perusahaan

air yang berbeda, satu kelompok memiliki tingkat kolera yang tinggi dan yang lainnya

memiliki tingkat kolera yang rendah. Istilah ini saat ini digunakan dalam menyelidiki

peristiwa epidemiologis, yang menganggap setiap peristiwa sebagai situasi unik yang perlu

ditentukan faktor-faktor yang relevan dan, sejauh mungkin, dikaitkan dengan penyakit

tersebut.

Epidemiologi Eksperimental

Studi eksperimental adalah studi tentang kondisi di bawah kendali langsung peneliti, yang

dilakukan sedekat mungkin dengan eksperimen laboratorium. Epidemiologi eksperimental

melibatkan mengubah variabel dan mengukur efek dalam satu atau lebih kelompok populasi.

Epidemiologi klinis menerapkan metode penelitian epidemiologi eksperimental untuk

masalah dan praktik klinis. Ini termasuk mempromosikan penggunaan pengetahuan

epidemiologi dalam perawatan klinis pasien individu. Epidemiologi klinis juga memberikan

kontribusi pengetahuan untuk perencanaan dan pengoperasian sistem perawatan kesehatan

dan uji klinis dan komunitas.

Percobaan Terkendali

Uji coba terkontrol adalah eksperimen epidemiologi yang dirancang untuk mempelajari

intervensi (pencegahan atau terapeutik). Ini membutuhkan metode acak untuk

mengalokasikan kasus ke eksperimen atau kelompok kontrol, dan kemudian keduanya

diamati untuk perubahan dari waktu ke waktu dalam kaitannya dengan kondisi yang

dipelajari. Jika orang-orang dalam kelompok uji dan kontrol tidak mengetahui kelompok

mana mereka berada, penelitian ini disebut buta. Jika selain orang yang menilai hasil juga

tidak mengetahui apakah orang yang diuji termasuk dalam kelompok tes atau kontrol,

percobaan tersebut disebut double blind. Selanjutnya, jika mereka yang menganalisis data

juga tidak mengetahui siapa yang ada di setiap kelompok, penelitian ini dapat disebut triple

blind. Hal ini membantu untuk menghindari berbagai bias yang membatasi nilai penelitian.

Jika perbedaan hasil signifikan secara statistik untuk kelompok kontrol dan kelompok

perlakuan, maka pengobatan dianggap efektif. Penugasan pada kelompok perlakuan atau

kontrol dilakukan dengan pemilihan acak.

Sementara uji coba terkontrol secara acak (RCT) dianggap sebagai standar emas dalam

epidemiologi klinis, mereka sering tidak tersedia untuk masalah kebijakan penting dan tidak

etis untuk dilakukan karena menyangkal manfaat dari intervensi positif yang diketahui secara

etis tidak dapat diterima. Mereka juga sering sulit untuk membuat kebijakan generalisasi
karena keterbatasan yang melekat dalam keterbatasan metodologis dan sumber daya yang

tersedia untuk penelitian.

Uji coba lapangan

Uji coba lapangan mengikuti orang-orang yang bebas penyakit dalam dua kelompok, satu

dengan dan satu tanpa intervensi khusus, untuk menentukan apakah intervensi mempengaruhi

risiko pengembangan penyakit. Ini sering digunakan untuk menguji vaksin baru pada

populasi yang rentan. Uji coba lapangan yang dilakukan oleh Jonas Salk terhadap vaksin

poliomielitis yang tidak aktif pada tahun 1956 menunjukkan efek perlindungan dan

keamanannya pada sekitar 1,5 juta anak-anak Amerika, dan kemudian diadopsi di seluruh

dunia. Uji coba lapangan adalah bagian dari proses persetujuan untuk vaksin dan obat baru.

Uji Coba Komunitas

Uji coba komunitas dilakukan pada seluruh komunitas yang mengukur pengaruh faktor risiko

atau intervensi. Ini tidak dapat dengan mudah diacak karena seluruh komunitas dipilih, dan

tidak mungkin mengisolasi komunitas dari perubahan yang terjadi pada populasi umum.

Program pencegahan penyakit jantung berbasis masyarakat telah dilakukan di banyak tempat,

seperti di Karelia Utara, Finlandia, dan lainnya di Amerika Serikat seperti Proyek Kesehatan

Jantung Minnesota, Proyek Kesehatan Jantung Pawtucket di Rhode Island, (proyek CHAD)

di Kiryat Yovel, Yerusalem, dan banyak lainnya. Ini sulit untuk dievaluasi, dengan konflik

antara desain eksperimental dan realitas masyarakat. Program regional untuk pencegahan

penyakit jantung tidak dapat dipisahkan dari tren waktu di masyarakat sekitar, membatasi

interpretasi hasil yang diukur. Namun demikian, uji coba komunitas diperlukan dalam

mengevaluasi intervensi kesehatan untuk mengurangi risiko atau hasil kesehatan yang

merugikan. Mereka sering mengandalkan indikator kinerja atau pemanfaatan sebagai proxy.
Misalnya, program petugas kesehatan desa mungkin meningkatkan penggunaan perawatan

prenatal atau cakupan imunisasi lebih awal dan lebih sering, tetapi pengukuran variabel hasil

mungkin sulit untuk ditetapkan dalam kondisi lapangan terutama karena kurangnya data yang

dapat diandalkan.

MEMBANGUN HUBUNGAN KAUSAL

Secara klasik, pencarian penyebab dalam kedokteran dan kesehatan masyarakat adalah untuk

hubungan agen-host-vektor, dengan agen menjadi organisme penyebab spesifik. Dalam

epidemiologi penyakit menular, ini telah memberikan dasar ilmiah untuk imunologi dan

pengendalian penyakit yang dapat dicegah dengan vaksin, dan untuk sanitasi untuk mencegah

penularan penyakit yang ditularkan melalui makanan dan air. Kriteria untuk menghubungkan

penyebab penyakit menular ditetapkan pada abad kesembilan belas oleh Jacob Henle dan

Robert Koch (Kotak 3.18).

Kriteria penyebab termasuk kekuatan asosiasi, masuk akal biologis, konsistensi dengan

penyelidikan lain, dan hubungan dosis-respons. Masuk akal biologis adalah tes masuk akal

dari hubungan kausal berdasarkan pengetahuan biologis atau medis yang ada. Konsistensi

dengan investigasi lain berarti bahwa temuan serupa dengan penelitian lain. Hubungan dosis-

respons adalah di mana perubahan jumlah, intensitas, atau durasi paparan dikaitkan dengan

perubahan (peningkatan atau penurunan) dalam hasil tertentu.

Kotak 3.18 Postulat Henle-Koch tentang Mikroorganisme sebagai Penyebab Penyakit

1. Organisme (agen) harus terbukti ada dalam setiap kasus penyakit dan harus diisolasi,

dibiakkan, dan diidentifikasi;

2. Harus menimbulkan penyakit bila biakan murni diberikan kepada hewan yang rentan;

3. Organisme harus dapat diperoleh kembali dari hewan.

Bahkan dalam pengendalian penyakit menular, realitas kesehatan masyarakat seringkali lebih

kompleks daripada model penyebab tunggal. Kematian tuberkulosis turun selama abad

kesembilan belas, mungkin karena perbaikan gizi dan kondisi hidup, dan selanjutnya

berkurang pada awal abad kedua puluh sebelum era antibiotik dengan kombinasi perbaikan

gizi dan pengobatan simtomatik. Kematian akibat campak menurun drastis meskipun

endemisitasnya (berlanjutnya penyakit di wilayah geografis tertentu) sebelum vaksin berhasil

diperkenalkan pada 1960-an. Hal ini dapat dikaitkan dengan meningkatnya standar hidup dan

peningkatan sarana pengobatan komplikasi. Bahkan saat ini, angka kematian akibat campak

terlihat dipengaruhi oleh perbaikan gizi anak-anak dan suplementasi vitamin A.

Untuk penyakit tidak menular, penyebab bahkan lebih jelas multifaktorial, dan faktor risiko

untuk satu penyakit juga dapat menjadi kontributor peningkatan risiko penyakit lain. Diet

telah ditetapkan sebagai faktor risiko utama untuk penyakit jantung koroner, serta diabetes

dan hipertensi. Diabetes merupakan faktor risiko utama untuk penyakit jantung koroner,

stroke, ginjal, mata, dan penyakit pembuluh darah perifer. Nutrisi merupakan kontributor

penting untuk kanker tertentu, sehingga multi-faktor penyebab penyakit tidak dapat

diabaikan.

Faktor risiko penyakit adalah aspek perilaku atau gaya hidup pribadi, paparan pekerjaan atau

lingkungan, kondisi sosial dan ekonomi, dan karakteristik bawaan atau bawaan yang,

berdasarkan bukti epidemiologis, diketahui terkait dengan kesehatan terkait. kondisi yang

dianggap penting untuk dicegah. Penyakit tidak menular sering dikaitkan dan diperburuk oleh

sejumlah faktor risiko, sehingga pengukuran prevalensi faktor risiko, atau variabel intervensi,

penting untuk penilaian epidemiologis risiko masa depan penyakit tersebut. Prevalensi

merokok, sebagai contoh, dapat menjadi indikator potensi kanker paru-paru dan penyakit

kardiovaskular di masa depan. BMI, tekanan darah, dan kadar kolesterol serum yang diukur
di masyarakat berfungsi sebagai indikator risiko penyakit jantung koroner (Kotak 3.19).

Pengukuran ini menunjukkan risiko individu dan masyarakat, dan untuk mengukur efektivitas

program promosi kesehatan.

PEMBERITAHUAN PENYAKIT

Data morbiditas dilaporkan oleh dokter, biasanya berdasarkan pelaporan wajib penyakit

menular dan tidak menular tertentu. Beberapa penyakit seperti pes, kolera, demam kuning,

tifus yang ditularkan melalui kutu, dan demam kambuhan yang ditularkan melalui kutu dapat

diinformasikan oleh konvensi internasional. Penyakit endemik lokal dapat diberitahukan di

bawah undang-undang kesehatan masyarakat nasional untuk memantau prevalensinya dan

dampak tindakan kesehatan masyarakat (lihat Bab 4). Penyakit tambahan yang dilaporkan

secara rutin di negara lain termasuk penyakit yang ditularkan melalui air dan makanan,

keracunan bahan kimia, botulisme, leishmaniasis, septikemia, Chlamydia trachomatis

(kelamin), oftalmia gonokokal, dan listeriosis. Penyakit atau kejadian kesehatan lain dapat

ditambahkan ke pelaporan rutin (atau survei khusus) sesuai dengan kondisi lingkungan

endemik. Pelaporan penyakit menular adalah salah satu dasar terpenting dari praktik

kesehatan masyarakat.

Kotak 3.19 Kriteria Penyebab Penyakit Kronis — Postulat Evans

1. Prevalensi penyakit harus secara signifikan lebih tinggi pada mereka yang terpapar dengan

penyebab yang dihipotesiskan dibandingkan dengan kontrol yang tidak terpapar.

2. Paparan penyebab yang dihipotesiskan harus lebih sering di antara mereka yang memiliki

penyakit daripada di kontrol tanpa penyakit, ketika semua faktor risiko lainnya dianggap

konstan.
3. Insiden penyakit harus secara signifikan lebih tinggi pada mereka yang terpapar penyebab

yang dihipotesiskan daripada kontrol yang tidak begitu terpapar, seperti yang ditunjukkan

oleh studi prospektif.

4. Penyakit harus mengikuti paparan agen penyebab yang dihipotesiskan dengan distribusi

periode inkubasi normal atau log-normal.

5. Spektrum respons pejamu harus mengikuti paparan agen yang dihipotesiskan sepanjang

gradien biologis logis dari ringan hingga berat.

6. Respon pejamu yang dapat diukur setelah pajanan terhadap penyebab yang dihipotesiskan

harus memiliki probabilitas tinggi untuk muncul pada mereka yang tidak memiliki ini

sebelum pajanan (misalnya,

antibodi, sel kanker) atau harus bertambah besar jika ada sebelum pajanan. Pola respons ini

harus jarang terjadi pada orang yang tidak terlalu terpapar.

7. Reproduksi eksperimental penyakit harus terjadi lebih sering pada hewan atau manusia

yang terpapar secara tepat dengan penyebab yang dihipotesiskan daripada yang tidak

terpapar; paparan ini mungkin disengaja pada sukarelawan, diinduksi secara eksperimental di

laboratorium, atau mungkin mewakili regulasi paparan alami.

8. Penghapusan atau modifikasi penyebab yang dihipotesiskan harus menurunkan insiden

penyakit (misalnya, pelemahan virus, penghilangan tar dari rokok).

9. Pencegahan atau modifikasi respon pejamu pada paparan penyebab yang dihipotesiskan

harus mengurangi atau menghilangkan penyakit (misalnya, imunisasi, obat untuk

menurunkan kolesterol, faktor transfer limfosit spesifik pada kanker).

10. Semua hubungan dan temuan harus masuk akal secara biologis dan epidemiologis.

PENDAFTARAN KHUSUS DAN SISTEM PELAPORAN

Registri khusus penting untuk menetapkan dasar studi epidemiologi peristiwa kesehatan vital

yang berkaitan dengan populasi dan keadaan klinis yang penting bagi kesehatan populasi. Ini

termasuk pelaporan wajib dan pencatatan dan survei khusus. Mereka sangat penting untuk

memantau kesehatan populasi dan informasi epidemiologi untuk memandu kebijakan

kesehatan, apakah itu untuk tantangan penyakit menular akut atau masalah penyakit kronis

jangka panjang seperti penyakit kardiovaskular dan diabetes. Cakupan sistem pelaporan

seperti itu tentu sangat luas (Tabel 3.5), dengan tambahan baru-baru ini pada pelaporan wajib

tentang pelecehan anak dan orang tua. Prioritas dapat bervariasi dari satu negara ke negara

lain, tetapi kebutuhan dasar dalam perawatan kesehatan mencakup berbagai kondisi,

termasuk penyakit menular, kanker, cacat lahir, dan sistem informasi keluar dari rumah sakit.

Data dari kanker, cacat lahir, dan pendaftar berat badan lahir rendah dapat memberikan

petunjuk berharga untuk paparan lingkungan yang penting bagi kesehatan masyarakat.

Idealnya, sistem pencatatan dan pelaporan penyakit harus dikoordinasikan ke dalam sistem

informasi kesehatan terpadu. Amerika Serikat memiliki jaringan yang efektif dari sistem

pelaporan tersebut, seperti Biro Sensus, Departemen Kesehatan dan Layanan Kemanusiaan,

departemen kesehatan negara bagian, dan CDC dengan berbagai sistem pengawasan dan

publikasi mingguan reguler dengan laporan khusus berkala. pada survei khusus dan laporan

rutin insiden dan prevalensi penyakit. Nomor identifikasi individu, seperti nomor Jaminan

Sosial, untuk setiap anggota populasi memungkinkan penggunaan data dari pendaftar khusus

terkait. Namun, tindakan perlindungan harus dilakukan untuk memastikan privasi dan untuk

mencegah penyalahgunaan data ini untuk tujuan yang tidak etis. Mekanisme perlindungan

dapat dibangun ke dalam sistem data untuk melindungi privasi individu. Ini adalah masalah

khusus di Amerika Serikat dengan populasi imigran besar yang tidak terdaftar, banyak dari
mereka menerima layanan dari program publik, tetapi juga dalam bahaya dari kemungkinan

deportasi oleh otoritas imigrasi federal.

Keterkaitan antara kumpulan data memungkinkan korelasi epidemiologi penting untuk

dipelajari. Misalnya, menghubungkan set data untuk pendaftar kanker, catatan vital, indikator

polusi, dan sistem informasi pemulangan rumah sakit dapat meningkatkan penyelidikan

kondisi medis tertentu, seperti pemantauan umur panjang dan penggunaan rumah sakit untuk

kanker anak. Ini juga dapat digunakan untuk membandingkan pola morbiditas dan mortalitas

untuk kondisi tertentu dengan membandingkan rawat inap dengan pola mortalitas (Kotak

3.20). Pencatatan cacat lahir sangat penting karena ada banyak intervensi yang dapat

mengurangi cacat lahir, dan pemantauan insiden kasus dan angka baru akan membantu untuk

mengevaluasi efektivitas intervensi seperti fortifikasi tepung dengan asam folat.

Kotak 3.20 Identifikasi Penyakit Hemoragik pada Bayi Baru Lahir dalam Tinjauan Catatan

Vital dan Studi Tindak Lanjut di Negara Bagian New York

Studi dari pendaftar statistik vital dapat menimbulkan pertanyaan atau hipotesis epidemiologi

yang memerlukan penyelidikan lebih lanjut. Survei khusus menjadi penting sebagai tindak

lanjut temuan awal. Intervensi kemudian dapat direncanakan berdasarkan penyelidikan ini.

Sebagai contoh, tinjauan statistik vital di Negara Bagian New York (1987) menunjukkan 32

kematian bayi yang dilaporkan selama tahun 1980-an dikaitkan dengan penyakit hemoragik

pada bayi baru lahir (HDN), penyakit yang dapat dicegah dengan suntikan vitamin K

profilaksis pada bayi baru lahir.

Sebuah studi lanjutan dari Sistem Informasi Pemulangan Rumah Sakit Negara menunjukkan

sejumlah besar pasien keluar dari rumah sakit dengan diagnosis HDN (diagnosis pertama

hingga keempat) selama periode waktu yang sama. Sebuah tinjauan catatan kasus kematian
bayi dengan HDN sebagai diagnosis (diagnosis pertama sampai keempat) menunjukkan

bahwa dua pertiga dari kasus tidak menerima vitamin K sama sekali, atau tidak sampai

setelah perdarahan sudah dimulai.

Akibatnya, Departemen Kesehatan Negara Bagian mengadopsi profilaksis vitamin K wajib

untuk bayi baru lahir. Rekam hubungan antara data rawat inap dan kasus-kasus individual

akan membuat studi semacam itu lebih mudah dicapai.

Studi ini menyebabkan adopsi injeksi vitamin K untuk semua bayi di Negara Bagian New

York dan selanjutnya di sebagian besar negara bagian di AS.

Pentingnya keterkaitan catatan mungkin juga ditunjukkan oleh pertanyaan epidemiologi

berikut. Kematian akibat penyakit kardiovaskular telah menurun drastis di negara-negara

industri sejak puncaknya pada awal 1960-an. Hal ini dapat dikaitkan dengan banyak faktor,

termasuk perubahan nutrisi, merokok, dan faktor risiko lainnya, tetapi juga untuk perawatan

medis yang lebih baik untuk hipertensi dan untuk kejadian koroner akut, serta rehabilitasi dan

perawatan jantung jangka panjang. Prevalensi proses penyakit dasar mungkin tidak menurun,

tetapi pencegahan primer dan sekunder jauh lebih baik. Studi yang menghubungkan pola

rawat inap dengan tindakan pencegahan seperti undang-undang pendidikan merokok dan

tingkat kematian kasus untuk penyakit kardiovaskular membantu memberikan dukungan

untuk pencegahan dan modalitas perawatan baru.

KLASIFIKASI PENYAKIT

Karena statistik komparatif sangat penting dalam memantau status kesehatan suatu populasi,

maka penting untuk mengembangkan nomenklatur standar yang diterima secara internasional

dan sistem pengkodean untuk meminimalkan perbedaan klasifikasi. Bills of Mortality yang
digunakan pada abad ketujuh belas mendefinisikan 17 kategori. Klasifikasi penyakit

berdasarkan lokasi anatomi atau sistem tubuh diprakarsai oleh William Farr pada Kongres

Statistik Internasional Kedua di Paris pada tahun 1855.

Setelah Perang Dunia I, Liga Bangsa-Bangsa mengawasi revisi Klasifikasi Penyakit

Internasional (ICD), dan sejak revisi keenam 1948, ICD telah diperbarui pada interval sekitar

10 tahun oleh WHO. Revisi kesepuluh dari Klasifikasi Penyakit Internasional (ICD-10) mulai

digunakan secara umum pada tahun 1993. Klasifikasi ini dipecah menjadi banyak subkategori

dengan pengkodean untuk menunjukkan kelompok penyakit dan prosedur yang tepat (Tabel

3.6). Demikian pula, klasifikasi gangguan kesehatan mental telah dikembangkan (Bab 7).