Jika upaya preventif primer tidak efektif dilaksanakan maka upaya preventif sekunder menjadi

sangat penting.

Upaya preventif sekunder terdiri dari:

• Deteksi awal suatu penyakit
• Pengobatan yang akurat

Ada 2 pendekatan untuk mendeteksi awal suatu penyakit:

• Melihat adanya tanda-tanda awal adanya penyakit dan gejala atau simptom
• Melakukan skrining pada pasien asimptomatik

Tes diagnostik = tes skrining

• Menentukan besarnya seseorang sakit
• Menentukan bahwa seseorang bebas dari suatu penyakit

Idealnya suatu tes diagnostik:

• Selalu memberikan hasil positif pada orang yang sakit dan negatif pada orang yang sehat.
• Cepat
• Aman
• Tidak menyakitkan
• Dapat dipercaya
• Tidak mahal

Kriteria untuk suksesnya suatu program skrining dipopulasi:

• Kondisi penyakit merupakan masalah kesehatan yang penting
• Penyakit harus ada obatnya
• Fasilitas untuk diagnostik dan pengobatan harus tersedia
• Intervensi yang efektif harus diketahui untuk mengurangi morbiditas dan mortalitas
• Tes diagnostik harus mempunyai sensitifitas dan spesifisitas yang tinggi
• Tes skrining harus diterima di populasi
• Riwayat alamiah dari kondisi penyakit harus sudah dimengerti

Struktur penelitian tes diagnostik

Mirip dengan studi observasional lainnya yakni meneliti hubungan antara "prediktor variabel" dan
"outcome variabel"
• Predictor variabelnya adalah hasil dari tes, dimana hasil tes tersebut dapat berupa variabel
yang mempunyai skala:
o Kontinue (misal mg/dl)
o Dikotomus (positif atau negatif)
o Kategorikal (++++, +++, ++, +, -)
• Outcome variabelnya adalah ada atau tidak adanya penyakit (sakit positif atau sakit negatif)

Menentukan status sakit dengan GOLD STANDARD, idealnya:

• Selalu positif pada orang yang sakit
• Selalu negatif pada orang yang tidak sakit

Validitas dari suatu tes skrining

Validitas: kemampuan dari suatu tes diagnostik untuk membedakan antara orang yang sakit dan
orang yang tidak sakit
• Validitas mempunyai 2 komponen yaitu:
o Sensitifitas : Kemampuan mengidentifikasi secara benar siapa yang sakit
 o Spesifisitas : kemampuan mengidentifikasi secara benar siapa yang tidak sakit

Hasil tes diagnostik dikotomus

• Konsep sensitifitas dan spesifitias dari tes diagnostik dengan hasil yang bersifat dikotomus:
o Contoh:
Sensitifitas Spesifitias
• Dari 100 orang sakit, 80 diidentifikasi • Dari 900 orang yang tidak sakit, 800
secara benar (hasi tes positif) oleh tes diidentifikasikan secara benar (hasil tes
diagnostik negatif) oleh tes diagnostik
• Sensitifitas dari tes adalah 80% • Spesitifitas dari tes adalah 800/900 atau
• Disini 20 orang tidak dapat 89%
diidentifikasikan dengan benar oleh • Disini ada 100 orang yang tidak dapat
tes diagnostik tersebut diidentifikasikan dengan benar oleh tes
diagnostik tersebut
𝑇𝑃 𝑇𝑁
𝑇𝑃 + 𝐹𝑁 FP + T𝑁
Proporsi dari orang yang sakit yang hasil Proporsi dari orang yang sehat yang hasil
tesnya positif tesnya negatif

Sakit Sehat
+ 80 100 180
- 20 800 820
100 900 1000

PV+ = 80 / 180 = 44%

PV - = 800 / 820 = 98%
TP : True Positif SP : Sum Positif GT : Grand Total
FP : False Positif SN : Sum negative PV+ : Predictive value Positif
FN : False Negatif TA : Total Affected PV- Predictive Value Negatif
TN : True Negatif TH : Total Health PCC : Akurasi

Sensitifitas Besaranya probilitas bahwa seseorang yang sakit akan

= TP / TA memberikan hasil tes positif
Spesifisitas Besarnya probalititas bahwa individu yang sehat akan
= TN / TH memberikan hasil tes yang negatif
Predictive value Positif (PVP) Probabilitas dari individu dengan hasil tes positif yang benar-
= TP / SP benar sakit
Predictive Value Negatif (PVN) Probabilitas dari individu dengan hasil tes negatif yang benar-
= TN / SN benar sehat
False Negatif Rate (FNR) Probabilitas dari individu yang sakit memberikan hasil tes
= FN / TA negatif
= 1 - Sensitifitas
False Positif Rate (FPR) Probabilitas dari individu yang sehat memberikan hasil tes
= FP / TH positif
= 1 - Spesifisitas
FPR = False Positif Rate = FP / TH = 1 – Spesifisitas
FNR = False negative rate = FN / TA = 1 - Sensitifitas

Nilai dari suatu tes diagnostik tidak hanya tergantung kepada sensitivitas dan spesifitiasnya, tapi juga
tergantung pada prevalens penyakit di populasi.
Jika prevalensi penyakit menurun:
• Seseorang yang mempunyai hasil tes positif kemungkinan bahwa orang tersebut benar-
benar sakit akan menurun
• Kemungkinan untuk terjadinya false positif menjadi meningkat

Sehingga semakin jarang frekuensi penyakit, maka tes diagnostik yang digunakan sebaiknya yang
mempunyai spesifitas yang tinggi agar dapat berguna secara klinis.
Sebaliknya semakin sering frekuensi suatu penyakit, maka tes diagnostik yang digunakan sebaiknya
yang mempunyai sensitifitas yang tinggi, jka tidak, hasil tes false negatif akan meningkat.

Pada single patien kejadian suatu penyakit biasanya diistilahkan sebagai prior probability.
Prior probability adalah probabilitas terjadinya penyakit pada seseorang individu berdasarkan
karakteritik demografi dan klinis yang dimilikinya (estimasi sebelum tes dilakukan)
 • Misalnya prior probability penyakit jantung koroner sangat rendah, hanya 1% pada
kelompok usia sangat muda
• Tapi prior probability penyakit tadi dapat sangat tingggi pada seseorang yang perokok dan
telah mempunyai gejala-gejala angina pectoris.

Hubungan antara prevalensi / prior pribability, sensitifitas, spesifisitas dan kemampuan memprediksi
suatu penyakit.
Hubungan tersebut dikalkulasi dengan cara:
Menghitung PVP dan PVN
o Efek dari perubahan prevalensi pada PVP dan PVN suatu tes diagnostik dapat digambarkan
melalui tabel 2 x 2

Contoh: Peneliti ingin mengukur kemampuan memprediksi suatu tes diagnostik X pada suatu
populasi dimana prevalens karsinoma payudara = 5%. Sensitifitas dan spesifistas dari tes X adalah
95% dan 85%.

Prosedur yang dilakukan:

1. Pilih sampel, misalnya besarnya sampel 1600
2. Berdasarkan prevalens P (D+) = 5%, maka jumlah individu yang sakit karsinoma payudara =
5/100 x 1600 = 80 orang
3. Hitung orang yang tidak terkena karsinoma payudara à 1600-80 = 1520 orang
4. Hitung orang (proporsi) dari orang-orang yang sakit karsinoma payudara yang mempunyai
hasil tes X positif berdasarkan sensitifitas 0.95 à Orang yang sakit dengan hasil tes positif
(True Positive) = 0.95 x 80 = 76 orang.
5. Hitung proporsi dari orang yang tidak sakit yang mempunyai hasil tes X negatif berdasarkan
spesifisitas 0.85 à Orang yang sehat dengan hasil tes negatif (True Negative) = 0.85 x1520 =
1292
6. Masukkan angka-angka tersebut dalam tabel 2 x 2 sehingga dapat diperoleh : orang yang
sakit tapi hasil tes negatif (FN) dan orang yang tidak sakit tapi hasil tes positif (FP)
7. Hitunglah:
• Predictive Value Positif => P (D+ ! T+) = 76/304 = 0.25 = 25%
• Predictive Value Negatif => P (D-! T-) = 1292/1296 = 0.997 = 99,7%
8. Interpretasi: Kemampuan tes X untuk memprediksi kanker payudara pada seseorang bila
prevalensi kanker payudara 5% adalah:
• Bila hasil tes X positif pada seseorang maka kemungkinan orang tersebut menderita
kanker payudara 25%
• Bila hasil tes X negatif pada seseorang maka kemungkinan orang tersebut tidak
menderita kanker payudara 99,7%
Tabel 2 x 2 untuk menggambarkan langkah-langkah dalam back calculation methode

Secara umum sensitifitas dan spesisifitas tidak tergantung pada prevalens penyakit di populasi
Prevalens mempengaruhi PVP dan PVN.
• Jika prevalensi penyakit di populasi tinggi PVP akan meningkat dan PVN akan menurun
• Jika prevalensi penyakit di populasi rendah, PVP menurun dan PVN meningkat
Multiple testing / tes diagnostik ganda
• Karena kebanyakan tes diagnostik kurang akurat, maka para klinisi sering menggunakan
beberapa tes diagnostik untuk menentukan suatu penyakit
• Beberapa tes diagnostik yang dipakai bersama-sama tadi dapat dilakukan secara paralel
ataupun secara serial.
Tes diagnostik paralel Tes diagnostik serial
• Contoh : dari 1 sampel darah • Tes dilakukan secara berurutan atau sekuensial
dilakukan 18 macam pemeriksaan • Penggunaan:
rutin • Jika tidak dibutuhkan pengukuran yang cepat
• Penggunaan : tes paralel biasanya • Dilakukan bila suatu tes awal positif
dilakukan bila dibutuhkan hasil • Jika tes yang ada semuanya mahal dan berisiko
pengukuran dengan cepat misal pilih tes yang paling spesifik dulu
pada kondisi emergensi ataupun • Hasil: semua tes harus mempunyai hasil positif
pada pemeriksaan disik yang rutin baru penyakit dianggap positif
• Hasil yang positif dari salah satu • Contoh:
kelompok tes yang dilakukan diambil • Hasil bersamaan suatu tes 1 dan tes 2 untuk
sebagai bukti adanya penyakit penyakit VSD yang dilakukan secara paralel maupun
• Contoh ECG dan Echocardiografi dua serial
produser untuk menentukan adanya
kondisi ventrikel septal defect, hasil
dari kedua tes dapat digunakan
sebagai berikut:
• (T1 +, T2+) à ECG +,
echocardiografi +
• (T1 +, T2-) à ECG +,
echocardiografi -
• (T1 -, T2 +) à ECG -,
echocardiografi +
• (T1 -, T2 -) à ECG -,
echocardiografi –
• Jika salah satu tes menghasilkan
positif, maka penyakit dianggap Dari data diatas, tes paralel
positif atau ada.

Serial
D+ D-
_+ 60 5 65
- 15 + 20 + 5 20 + 15 + 60 135
100 100

Paralel
D+ D-
_+ 15+20 + 60 20+15+5 135
- 5 60 65
100 100
Kesimpulan
Tes paralel memberikan:
• Sensitifitas yang lebih tinggi dari
pada tes serial
• Memberikan PVN yang lebih baik
• Spesifitas yang lebih renda dari
pada tes serial
Kesimpulan
Tes serial memberikan
• Spesifisitas yang lebih tinggi dari pada tes
paralel
• PVP yang lebih baik
• Sensitifias yang lebih rendah dari tes paralel

Hasil tes diagnostik dengan skala kontinue

• Hasil tes diagnostik saat berupa variabel kontinyu. Contoh: tekanan darah, kadar gula darah,
BB, dan lain-lain. Hasil tes tidak dinyatakan dalam bentuk hasil tes + atau -
• Untuk menentukan validitas (sensitifitas dan spesifisitas) dari tes tadi diperlukan keputusan
untuk menentukan hasil tes dari skala kontinyu tadi dalam bentuk dikotomus yaitu tes + dan
- sehingga diperlukan mencari cut off poin dimana tes dikatakan + atau -
 A dan B C d

A = populasi terdiri dari C = Jika cut off poin pada D = jika cut off poin kadar
orang-orang sehat dan kadar gula yang relatif tinggi, gula yang relatif rendah
penderita DM yang masih maka: makan
berbarus menjadi 1 • Sensitifitas tes = 5/20 • Sensitifitas tes =
B = Populasi dikelompokkan = 25% 17/20 = 85%
menjadi orang-orang sehat • Spesifitas tes = 18/20 • Spesifitas tes = 6/20
dan penderita DM = 90% = 30%

Pada prakteknya:
• Sering sulit menentukan cut of poin dari suatu hasil tes yang berskala kontinyu
• Selalu ada trade off antara sensitifitas dan spesifitas tes artinya jika sensitifitas dinaikkan
maka spesifisitas akan turun dan sebaliknya.

Pilihan atas cut of poin suatu hasil tes yang bersifat kontinyu tergantung kepada kepentingan atas
makna dari false positif dan makna dari false negatif
Makna dari false positif
• Orang tidak sakit tapi hasil tes menunjukkan
positif
• Merupakan beban mental terutama untuk
penyakit yang serius
• Jika hasil tes yang positif tadi di follow up
ternyata kemudian orang tersebut sebetulnya
tidak sakit maka hal tersebut akan memberikan
beban finansial
Makna dari false negatif
• Orang sakit tapi hasil tes menunjukkan
negatif
• Pasien tidak segera diobati hal tersebut
akan berbahaya untuk penyakit yang
serius

Dengan demikian, pemilihan atas cut of poin dari suatu hasil tes yang bersifat kontinyu berkaitan
dengan kepentingan makna false positif atau false negatif terhadap penyakit yang di tes
• Jika suatu tes penyakit menginginkan hasil false positif yang rendah maka spesifisitas tes
harus tinggi
• Jika suatu tes penyakit menginginkan hasil false negatif yang rendah maka sensitifitas tes
harus tinggi.

Cara lain untuk menentukan “cut-off point” dari suatu hasil tes yang bersifat kontinyu yaitu dengan
menggunakan ROC:
• ROC merupakan singkatan dari Receiver Operator Characteristic
• Memberikan gambaran “trade off” antara spesifisitas dan sensitifitas dari suatu tes yang
digambarkan pada suatu kurva
• Peneliti memilih berbagai nilai “cut-off point” dan menentukan sensitifitas serta spesifisitas
dari tiap-tiap nilai “cut-off point” yang dipilih
• Peneliti menggambarkan sensitifitas sebagai fungsi dari (1-spesifisitas) pada kurva, dimana
(1-spesifisitas) sesungguhnya adalah False positive (FP)
• Nilai dari tes tadi digambarkan sepenjang kurva
• Suatu tes yang ideal maka nilai dari tes akan mencapai puncak sebelah pojok kiri dari kurva.
Pada posisi tersebut suatu tes mempunyai nilai sensitifisitas 100% dan 0% (1-spesifisitas)
atau spesifisitas 100%. Pada prakteknya tes ideal seperti itu sulit ditemukan
• Berikut ini merupakan contoh penggunaan ROC untuk menentukan “cut -off point”
Dari kurva di atas maka pilhan cut of poin 50 mg/ml merupakan nilai yag terbaik dari trade of antara
spesifisitas dan spesifisitas dimana sensitifitasnya=90% dan spesifisitasnya =90%
Karakteristik performance dari suatu tes diagnostik
1. Sensitifitas
• Besaranya probbilitas bahwa seseorang yang sakit akan memberikan hasil tes positif pada tes
diagnostik.
• Sensitifitas adalah True Positive Rate (TPR)
• Notasi : P (T+ ! D+)
• Kalkulasi : Sensitifitas P (T+ ! D+) = TPR
𝐼𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑦𝑎𝑛𝑔 𝑠𝑎𝑘𝑖𝑡 𝑑𝑒𝑛𝑔𝑎𝑛 h𝑎𝑠𝑖𝑙 𝑡𝑒𝑠+
• Sensitifitas =
𝑆𝑒𝑚𝑢𝑎 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑠𝑎𝑘𝑖𝑡

2. Spesitifitas
• Besarnya probalititas bahwa individu yang tidak sakit / sheat akan memberikan hasil tes
yang negatif
• Notasi : P (T- ! D-)
• Kalkulasi : Spesifisitas = P (T- ! D-) = TNR
• Spesitifitas adalah True Negatif Rate (TNR)
𝐼𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑦𝑎𝑛𝑔 𝑠𝑒h𝑎𝑡 𝑑𝑒𝑛𝑔𝑎𝑛 h𝑎𝑠𝑖𝑙 𝑡𝑒𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑓
• Spesitifitas =
𝑆𝑒𝑚𝑢𝑎 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑠𝑒h𝑎𝑡

3. False Positif Rate (FPR)

• Probablitias dari individu yang sehat memberikan hasil tes positif
• Notasi : P (T+! D-)
• Kalkulasi : FPR = P(T+!D-)
𝐼𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑦𝑎𝑛𝑔 𝑠𝑒h𝑎𝑡 𝑑𝑒𝑛𝑔𝑎𝑛 h𝑎𝑠𝑖𝑙 𝑡𝑒𝑠+
• FPR =
𝑆𝑒𝑚𝑢𝑎 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑠𝑒h𝑎𝑡

4. False Negatif Rate (FNR)

• Probablitias dari individu yang sakit memberikan hasil tes negatif
• Notasi : P (T-! D+)
• Kalkulasi : FNR = P(T-!D+)
𝐼𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑦𝑎𝑛𝑔 𝑠𝑎𝑘𝑖𝑡 𝑑𝑒𝑛𝑔𝑎𝑛 h𝑎𝑠𝑖𝑙 𝑡𝑒𝑠 −
• FNR =
𝑆𝑒𝑚𝑢𝑎 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑠𝑎𝑘𝑖𝑡

5. Prevalence
• Proporsi individu di populasi yang telah sakit
• Notasi : P (D+)
• Kalkulasi : Prevalensi = P(D+)
• Prevalensi = jumlah individu sakit / jumlah populasi

6. Predictif Value Positif (PVP)

• Probablitias dari individu dengan hasil tes positif yang benar-benar sakit
• Notasi : P (D+! T+)
• Kalkulasi : PVP = P (D+!T+)
𝐼𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑑𝑒𝑛𝑔𝑎𝑛 𝑡𝑒𝑠 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑦𝑎𝑛𝑔 𝑏𝑒𝑛𝑎𝑟−𝑏𝑒𝑛𝑎𝑟 𝑠𝑎𝑘𝑖𝑡
• PVP = 𝑆𝑒𝑚𝑢𝑎 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑑𝑒𝑛𝑔𝑎𝑛 h𝑎𝑠𝑖𝑙 𝑡𝑒𝑠 𝑝𝑜𝑠𝑖𝑡𝑖𝑓

7. Predictif Value Negatif

• Probablitas dari individu dengan hasil tes negatif yang benar-benar sehat
• Notasi : P (D-! T-)
• Kalkulasi : PVP = P (D-!T-)
𝐼𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑑𝑒𝑛𝑔𝑎𝑛 𝑡𝑒𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑓 𝑦𝑎𝑛𝑔 𝑏𝑒𝑛𝑎𝑟−𝑏𝑒𝑛𝑎𝑟 𝑠𝑒h𝑎𝑡
• PVN = 𝑆𝑒𝑚𝑢𝑎 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢 𝑑𝑒𝑛𝑔𝑎𝑛 h𝑎𝑠𝑖𝑙 𝑡𝑒𝑠 𝑛𝑒𝑔𝑎𝑡𝑖𝑓
Sensitifitas dan false negatif rate
Kalkulasi sensitifitas berdasarkan FNR:
• Sensitifitas = P (T+! D+) = 1 - P (T-!D+)
• Sensifisitas = 1 - FNR
Jika suatu tes benar-benar sensitif misal
sensitifitasnya 100% atau 1,
Maka semua orang yang sakit akan memberikan
hasil tes yang positif tidak akan ada yang
memberikan hasil tes negatif -> FNR akan 0
Kalkukasi FNR berdasarkan sensitifitas
• FNR = P (T- ! D+)
• FNR = 1 - P (T+ ! D+)
• FNR = 1 - Sensitifitas
Spesifisitas dan FPR
Kalkulasi spesifisitas berdasarkan FP Rate:
• Spesifisitas = P ( T- ! D-)
• Spesifisitas = 1 - P (T+ ! D-)
• Spesifisitas = 1 - FPR
Jika suatu tes benar-benar spesifik dimana
spesifisitasnya 100% = 100% 1
Maka semua individu yang sehat akan
memberikan hasil tes yang negatif, tidak ada
hasil tes yang positif -> FPR akan 0
Kalkulasi FPR berdasarkan spesifitas
• FPR = P (T-!D-)
• FPR = 1 - P (T- ! D-)
• FPR = 1 - Spesifisitas