Pengukuran Frekuensi

Penyakit dan Asosiasi

 Studi Epidemiologi

Epidemiologi Epidemiologi
Obsevasional Eksperimental

Ep. Deskriptif Ep. Analitik Community Trial

Clinical Trial

Case report Case Control

Case Series Cohort
Correlation
studies
Crossectional
A. Epidemiologi Diskriptif

Tujuan :
1. Mendiskripsikan Distribusi, Pola
kecenderungan, Perjalanan dan Dampak
Penyakit menurut karakteristik populasi
2. Mempelajari Penyakit/masalah kesehatan
menurut orang, tempat dan waktu
Manfaat :
1. Memberikan masukan untuk perencanaan
dan alokasi sumber daya kesehatan tentang
penyebaran dan kecenderungan penyakit
2. Memberi petunjuk awal untuk perumusan
hipothesis bahwa suatu paparan adalah
faktor risiko
3. Membuktikan hubungan kausal,khususnya
yang memberikan penjelasan tentang
hubungan biologis paparan-penyakit
 Ukuran-2 frekwensi penyakit terdiri
dari :
1. ukuran Prevalensi dan
2, ukuran Insidensi
Prevalensi (P) :
 Proporsi individu dalam populasi yang
menderita sakit pada satu waktu tertentu
 Bukan ukuran Risiko

 Nilai berkisar antara 0 sampai dengan 1

 Numerator (Pembilang) adalah semua orang

yang menderita penyakit (kasus) .
 Prevalence Rate :
Jumlah kasus penyakit yang ada
Populasi dalam risiko

 Jenis Prevalensi
1. Point Prevalence
2. Period Prevalence

 Sumber data Prevalensi :

1. Banyak memberikan batasan-batasan
2.Tidak dianjurkan dalam penelitian
3. Incomplete, Ambigius dan bias seleksi
Sumber data Morbidity
 Laporan Penyakit Menular, Cancer registry
 Data pada Asuransi
 Rumah Sakit, Klinik-klinik swasta
 Industri : angka ketidakhadiran
 Pemeriksaan kesehatan PNS
 Survey morbidity
Prevalence bermanfaat untuk:
• Perencanaan Pelayanan Kesehatan

• Membuat proyeksi kedepan

• Estimasi perubahan penyakit yang

mengkhawatirkan dalam masa yang akan
datang
Insidens
 Adalah Kejadian ( kasus) penyakit yang
baru saja memasuki fase klinis dalam
riwayat alamiah penyakit

 Ada 2 Insidens :
1. Insidensi Kumulatif
2. Laju Insidensi
Insidensi Kumulatif
 Proporsi individu yang terkena Penyakit diantara
semua orang yang berisiko Penyakit tsb

Numerator dan denominator adalah individu yang

bebas dari penyakit pada saat observasi dimulai

Nilai berkisar antara 0 sampai dengan 1

Penting: Tentukan spesifik periode tertentu

(risiko seumur hidup sebesar 1% masih dapat
diterima, risiko selama 1 tahun sebesar 1%
sangat tinggi)
Insidensi Kumulatif ...
 Denominator : Populasi yang berisiko terkena
penyakit dan tidak mengandung komponen
waktu.
 “Population At Risk” : Cervix Cancer

0-25thn

Laki2 26-69 thn

Pop at Risk
Ca Cx

+70 thn
Insidensi Kumulatif...
 Syarat digolongkan Berisiko :

1. Tidak sedang/telah terjangkit penyakit yg

diteliti
2. Tidak imun terhadap penyakit yg diteliti
3. Memiliki organ sasaran yg masih intak
4. Hidup
5. Masih dalam jangkauan pengamatan
Insidens kumulatif

Contoh :

 Attack “Rate” keracunan tempe

 Risiko kejang demam sejak lahir-6 tahun
 Case fatality “rate” Tuberculosa
 Risiko dlm 5 tahun untuk terkena PJK pd pria
Indonesia umur 50 tahun
Contoh Insiden Kumulatif :
 Framingham study : dari 798 laki-laki umur
30-39 tahun diobservasi dalam periode 12
tahun, didapatkan 40 orang menderita CHD.
 Berapa Insiden Kumulatif dlm periode tsb ?
40/798 = 5%
 Apa artinya hasil yang didapat ?
risiko laki-laki terkena CHD untuk 12
tahun ke depan 5%
Attack Rate :
 Attack Rate :
Adalah Angka kejadian serangan yang terjadi
diantara orang yang berisiko terkena
serangan tersebut

 Secondary Attack Rate

Adalah angka kejadian serangan dimana
donominatornya adalah orang yang berisiko
terserang pada hari pertama dikurangi
dengan orang yang telah terserang pada hari
pertama.
Contoh Attack Rate:

Keluarga A Keluarga B Keluarga C

= Kasus kedua = Kasus pertama = Sehat = Kebal

Hitunglah Secondary Attack Rate ?

Contoh Beda Prevalensi dan
Insidens :

Januari Pebuari Maret April Mei Juni

A
B
C
D
E
F
G
Laju Insidensi
 =Insidence Density (ID)

 Adalah Ukuran yang menunjukkan

kecepatan - kejadian (baru) penyakit pada
populasi

 Merupakan proporsi antara jumlah orang

yang menderita penyakit dan jumlah orang
dalam risiko X LAMANYA DALAM RISIKO
Laju Insidensi ….

 Perkiraan terbaik mengenai mortalitas dan

morbiditas
 Numerator adalah jumlah kasus baru dalam
populasi
 Denominator adalah jumlah periode waktu
dimana setiap orang dlm pengamatan dan
bebas dari penyakit
 Dimensi: orang per waktu (org-tahun, org-
bulan, org-hari, org-jam, org-menit, dll)
 Nilai berkisar : 0 – tak terhingga
Contoh Laju Insidensi :

 Physicians Health study:

Kasus baru Heart attack individu yang
menggunakan Aspirin.
Jumlah orang tahun yang diobservasi 54.560
Jumlah orang yang heart attack 139

Berapa Laju Insidensinya ?

139/54.560 =25,48/10.000 person years
 Measure of Disease Frequency

Individuals

1
2
3
4
5
6
7
8
9
10
1 2 3 4 5 6 7 8 9 10 11 12

Time of follow-up (month)

HITUNG LAH :
 Prevalensi bulan November
 Kumulatif Insiden tahun 1 tahun
 Laju Insidensi ?
Jawaban:
1.Secondary attack rate =
(2+2+2) x 100% = 60%
(6-1)+(5-2)+(3-1)
2.a. Prevalens : 2
b. Insidens 1 tahun: 5
c. Laju Insidensi : 5 / 0+12+1+9+12+4+7+2+12+0
: 5 / 59 persons years
: 8,4 kasus per 100 person years
4. Hubungan antara Prevalensi dan Insiden

P=I x D
Insidensi

Prevalensi
Prevalensi meningkat, bila :
• Durasi penyakit yang lama
• Pemanjangan usia penderita tanpa terapi
• Meningkatnya kasus baru
• Peningkatan sarana diagnostik

Prevalensi menurun , bila :

• Durasi penyakit lebih pendek
• Fatalitas kasus meningkat
• Menurunnya kasus baru
• Meningkatnya tingkat kesembuhan
Tipe khusus dari Incidence dan Ukuran Prevalensi

Rate Tipe Numerator Denominator

Mortality Rate Incidence Jmlh kematian krn Populasi total

penyakit
Morbidity Rate Incidence Kasus baru penyakit Populasi total
non fatal yang berisiko

Infant Mortality Incidence Jmlh kematian dlm 1 1000 kelahiran

Rate thn anak yg berumur hidup
< 1 thn

Case Fatality Incidence Jmlh kematian krn Jmlh kasus

Rate penyakit penyakit tsb

Maternal Incidence Kematian yg terkait 100.000 kelahiran

Mortality Rate dgn kehamilan ibu hidup
B. Epidemiologi Analitik:
Menghitung Asosiasi

Membandingkan frekuensi penyakit antara

kelompok dgn paparan yg berbeda
(determinan penyakit) dengan menghitung
parameter tunggal yang mengestimasikan
hubungan antara paparan dan risiko
terjadinya penyakit
Pengukuran Risiko
Pendahuluan
 Risiko merp.probabilitas dr bbrp keadaan y
tidak menyenangkan, atau kemungkinan
bahwa individu y tanpa penyakit, tetapi
terpapar o bbrp faktor risiko,akan menderita
suatu penyakit
 Besarnya risiko u terkena peny.dapat
dihitung & dibandingkan dc.mnghitung
insiden s’ peny ant org y terpajan o fak
et.peny tsb dg org y tidak terpajan.
 U dpt mggambarkan hubungan (asosiasi) ant
paparan & penyakit y diteliti dibutuhkan s’
ukuran (parameter).
 Tergantung tujuan dan kebutuhan kita,
kekuatan asosiasi, dikategorikan mnjadi 2
pilihan :
1. Ukuran Rasio
2. Ukuran Beda
Ukuran Rasio ;
 Memberi petunjuk berapa kali lebih besar
risiko populasi terpapar terhadap risiko
poulasi tak terpapar. Uk rasio : RR (risiko
relatif),OR (odds ratio) dan IDR (rasio laju
insiden).
Ukuran Beda ;
 Menunjukkan berapa besar beda risiko
populasi terpapar thd risiko pop t’ terpapar
 UK RASIO

RESIKO RELATIF
 = Rasio Insidens Kumulatif :
Ad. ukuran y menunjukkan berapa kali (lebih
besar/kecil) risiko mengalami penyakit pd
populasi terpapar dibanding tidak terpapar

Pada studi Kohor

 Rumus = Incidence exposed = CI1
Incidence non exposed CI0
 CI terpapar =
org y terpapar, kemudian sakit / meninggal
Semua orang terpapar

CI tidak terpapar =
org y tak terpapar, kemudian sakit / meninggal
Semua orang tak terpapar
Tabel kontingensi RR
Disease
Pos Neg
Pos a b N1
Ekp
Neg c d N0
M1 M0 N

N1 = a + b = total jumlah terpapar

N0 = c + d = total jumlah tidak terpapar
M1 = a + c = total jumlah yang sakit
M0 = b + d = total jumlah yang tidak sakit
N = a + b + c + d = total jumlah partisipan
Tabel silang
E+ E-
D+ a b ab
D- c d cd
£ ac bd
Rumus =
CI terapar = a/(a+c)
CI tak terapar = b/(b+d)

Risiko Relatif (RR) = a/(a+c)

b/(b+d)
 Besarx nilai RR,bahwa :
 Relative Risk (RR), jika :
nilai = 1: tdk ada asosiasi antara paparan dan
penyakit
nilai > 1: paparan merupakan faktor risiko
penyakit
nilai < 1: paparan memiliki efek protektif terhadap
penyakit
Contoh RR 1 :

 John Snow (Cholera mortality and water

supply in London) :
1. Mortality in southwark/Vauxhall area in July
1854,
1-mounth CI1= 844/167.654=0,00503
2. Mortality in Lambert area in July 1854,
1-mounth CI0= 18/19.133=0,00094
 D+ D-
E+ 844 166.810 167.654
E- 18 19.115 19.133
£ 862 185.925 186.787
Rumus =
CI terapar = a/(a+c)
CI tak terapar = b/(b+d)

Risiko Relatif (RR) = a/(a+c)

b/(b+d)
 RR = CI1/CI0 = 0,00503/0,00094=5,35
Artinya :
Seseorang yang mendapatkan supply air dari
Southwark mempunyai risiko meninggal
karena Cholera lebih dari 5 kali dibanding
dengan orang yang dapat supply dari
Lamberth
Odds Ratio
 Pada Kasus Kontrol
 Karena tidak mungkin mendapatkan
informasi ttg laju insidensi

 Rumus = Odds kasus : Odds kontrol

= (a/b) : (c/d)
= ad : bc
Contoh Odds Ratio:
Pengaruh kebiasaan minum minuman beralkohol
sebanyak 1-2 x minuman per hari terhadap Ca
Oesophagus
Kasus 3+ X 1-2 X Tidak/
/ hari / hari Jarang

Ca Oesophagus 71 17 12
Kontrol 26 26 48

Berapa risiko minum alkohol 3+ x /hr terjadi Ca

oesophgus dibanding yang tidak minum ?
Brp risiko minum alkohol 1-2x/hr dibanding tdk minum?
Brp risiko minum alkohol 3+ x / hr dibanding 1-2x/hr
 E+ E-
D+ a b a+b
D- c d c+d
£ a+c b+d a+b+c+d

Rumus = Odds kasus : Odds kontrol

= (a/b) : (c/d)
= ad : bc