origin atau start point sampai dengan terjadinya suatu kejadian khusus atau end point. Data yang diperoleh di bidang kesehatan merupakan pengamatan terhadap pasien yang diamati dan dicatat waktu terjadinya kegagalan dari setiap individu • bertujuan menaksir probabilitas kelangsungan hidup, kekambuhan, kematian, dan peristiwa- peristiwa lainnya sampai pada periode waktu tertentu. Ada sejumlah model telah dicoba untuk menghubungkan antara faktor risiko, kelangsungan hidup dan jangka waktu penaksira • Dalam menentukan waktu survival, ada tiga faktor yang dibutuhkan yaitu • 1. Waktu awal pencatatan (start point). • 2. Waktu akhir pencatatan (end point) • 3. Dan skala pengukuran • tujuan analisis survival: • 1. Mengestimasi/memperkirakan dan menginterpretasikan fungsi survival atau hazard dari data survival. • 2. Membandingkan fungsi survival dan fungsi hazard pada dua atau lebih kelompok. • 3. Menilai hubungan variabel-variabel explanatory dengan survival waktu ketahanan. • Perbedaan antara analisis survival dengan analisis statistik lainnya adalah adanya data tersensor. Data tersensor adalah data tercatat saat adanya informasi tentang waktu survival individual, tetapi tidak tahu persis waktu survival yang sebenarnya • 3 alasan terjadinya data tersensor : • 1. Seseorang tidak mengalami suatu peristiwa dari awal pencatatan sampai akhir pencatatan. • 2. Sesorang hilang tanpa ada alasan ketika pencatatan sampai akhir pencatatan. • 3. Seseorang tercatat keluar dari penelitian karena kematian atau beberapa alasan lain seperti reaksi obat yang merugikan objek. Fungsi Survival, Fungsi densitas, Fungsi hazard • Fungsi Survival (Survivourship Function) Adalah peluang suatu individu dapat bertahan hidup lebih dari waktu t, dan biasanya dinotasikan dengan S(t). Fungsi survival dapat diestimasikan melalui proporsi individu yang hidup dari t atau • Fungsi Densitas (Probability Density Function) Adalah peluang suatu individu akan meninggal pada interval yang pendek (Δt) dan dinotasikan dengan f(t). fungsi densitas dapat diestimasikan melalui : • Fungsi Hazard (Hazard Function) Adalah probabilitas kematian selama interval waktu (t,Δt) dengan asumsi individu tetap hidup pada interval waktu tersebut. Dan biasanya dinotasikan dengan ln(t). Fungsi hazard dapat diestimasikan melalui : • fungsi survival dapat digambarkan dengan kurva mulus dan memiliki karakteristik: • 1. Tidak meningkat, kurva cenderung menurun ketika t meningkat • 2. Untuk t = 0,5 = s (0) = 1 adalah awal dari penelitian, karena tidak ada objek yang mengalami peristiwa, probabilitas waktu survival 0 adalah 1 • 3. Untuk t = , s (t) = s ( ) = 0; secara teori, jika periode penelitian meningkat tanpa limit maka tidak ada satu pun yang bertahan sehingga kurva survival mendekati nol Jenis dan Indikasi • Life Table – Untuk menentukan survival rate • Kaplan-Meier – Untuk membandingkan survival rate dua kelompok atau lebih • Cox Regression – Untuk mempelajari faktor-faktor yang mempengaruhi survival rate Terminologi • End Point atau Terminal Event – Kondisi yang menjadi tujuan akhir pengamatan (mati, relap, sembuh, dll) • Censored atu Withdrawal – Loss of follow up sehingga tidak diketahui status end pointnya • Survival Rate – Proporsi survival sampai waktu pengamatan tertentu Life Tabel • Merupakan tabel aktuarial yang dipakai menghitung harapan hidup (survival expectation) • Dalam penelitian epidemiologi dipakai untuk menghitung proporsi survival kumulatif atau proporsi kelangsungan hidup atau continuation rate (KB) Konstruksi Life Table no Komponen Formula 1 Interval start time (x) 2 Number entering interval (nx) n(x+1) =nx-wx-dx 3 Number withdrawal (wx) 4 Number exposed to risk (n’x) n’x = nx -1/2wx 5 Number terminal events (dx) 6 Proportion terminating (qx) qx=dx/n’x 7 Proportion surviving (px) px=1-qx 8 Cum. proport. surviving (Lx) Lo=px Lx=L(x-t) x px 9 Probability density =dx/(t x n’x) 10 Hazard rate = dx/{t x (nx+nx+1)/2} Life Table Prop Haza tx nx wx n’x dx qx px Lx Dens rd ity Rate (1) (2) (3) (4) (5) (6) (7) (8) (9) (10) Kaplan-Meier • cocok digunakan ketika ukuran sampel kecil • Analisis Kaplan Meier menggunakan asumsi sebagai berikut : • (1) Subyek yang menarik diri dari penelitian secara rata-rata memiliki “nasib” kesudahan variabel hasil (peristiwa) yang sama dengan subyek yang bertahan selama pengamatan; • (2) Perbedaan waktu mulainya masuk dalam pengamatan antar subyek tidak mempengaruhi risiko (probabilitas) terjadinya variabel hasil (peristiwa). Probabilitas peristiwa untuk berbagai jangka waktu tersebut dapat digambarkan sebagai kurva analisis survival • Metode Kaplan-Meier didasarkan pada waktu kelangsungan hidup individu dan mengasumsikan bahwa data sensor adalah independen berdasarkan waktu kelangsungan hidup (yaitu, alasan observasi yang disensor tidak berhubungan dengan penyebab failure time) • Sebenarnya metode life-table sama dengan Kaplan- Meier, namun pada life-table objek diklasifikasi berdasarkan karakteristik tertentu yang masing- masing karakteristik disusun dengan interval dengan menganggap peluang terjadinya efek selama masa interval adalah konstan, sehingga data yang diperoleh akan lebih umum. Sedangkan pada metode Kaplan-Meier objek dianalisis sesuai dengan waktu aslinya masing-masing.