PARASITOLOGI LANJUT

DISTRIBUSI PARASIT PADA POPULASI INANG

(DISTRIBUSI BINOMIAL NEGATIF)

Siskha Noor Komala B2A016012

MAGISTER ILMU BIOLOGI UNSOED
2016
 OVERVIEW
Dalam populasi manusia, umumnya kurang dari
20% individu memiliki 80% dari populasi parasit
cacing. Dengan demikian, jumlah individu yang
relatif kecil dari distribusi parasit bertanggung
jawab atas sebagian besar penularan parasit dan
memainkan peran penting dalam perkembangan
parasit (Anderson dan Mei 1985) (Woolhouse et
al 1997).
 OVERVIEW

Gambar. 1 Distribusi frekuensi parasit yang diamati untuk empat interaksi host-parasit (Shaw et al
1998). Dalam semua kasus, batang mewakili distribusi frekuensi yang diamati dan titik-titiknya
sesuai dengan distribusi binomial negatif (A) host = perch Perca fluviatilis, parasit = cacing pita
Triaenophorus nodulosus; (B) Rusa Rangifer tarandus, warble fly Hypoderma tarandi; (C) lumut
umum Sturnus vulgaris, nematoda Porrocaecum ensicaudatum; (D) Kodok kolam Rana
nigromaculata, nematoda Spiroxys japonica (Sumber Shaw et al. 1998).
 OVERVIEW
• Jika populasi parasit didistribusikan secara acak di
antara host, varians (s2) kira-kira sama dengan
meannya (m), yaitu distribusi acak: s2 = m (distribusi
poison)
• Untuk distribusi agregat, ragamnya lebih besar dari
mean, yaitu distribusi agregat: s2> m (binomial negatif)

• Untuk distribusi binomial positif, ragamnya lebih kecil

dari mean, yaitu : s2< m (binomial positif)
• Secara statistik, distribusi agregat adalah salah satu
rasio varians / mean jumlah parasit per host secara
signifikan lebih besar dari satu.
 OVERVIEW
• Hukum Daya Taylor: s2 = a + mb, yang bisa diatur ulang untuk: Log (s2)
= log (a) + b.log (m)
• Di sini, agregasi diukur dengan parameter b (parameter a tergantung
terutama pada ukuran unit sampling); b bervariasi dari nol untuk
distribusi seragam hingga tak terbatas untuk distribusi agregat yang
sangat tinggi (b = 1 untuk distribusi acak). Hukum Daya Taylor tidak bisa
digunakan untuk mengkuantifikasi tingkat agregasi yang ada dalam
satu sampel tunggal.
• b = 1 menyiratkan distribusi parasit secara acak atau Poisson. Bagi
kebanyakan dataset parasit, kemiringan terletak antara 1 dan 2 (rata-
rata b = 1,55) (Shaw dan Dobson 1995), konsisten dengan distribusi
binomial negatif.
• Distribusi binomial negatif didefinisikan sebagai berikut (Fisher 1941)
(Malcolm dan Fisher 1953): Distribusi binomial negatif: s2 = m + m2 / k
 OVERVIEW

Gambar. 2 Efek k pada bentuk distribusi binomial negatif. Dalam semua 3 grafik, mean
dari distribusi adalah 100, tapi k menjadi lebih kecil (kiri ke kanan), sehingga
distribusinya menjadi semakin miring dan parasit menjadi semakin terkonsentrasi
pada individu yang lebih sedikit. Perhatikan bahwa sisiknya berbeda pada tiga grafik.
 CONTOH PENELITIAN DISTRIBUSI
PARASIT
Pola agregasi macroparasit pada populasi induk satwa
liar
Distribusi frekuensi dari 49 sistem host-macroparasite
yang dipublikasikan dianalisis dengan kemungkinan
maksimum sesuai dengan distribusi binomial negatif. 45
dari 49 (90%) data-set, distribusi binomial negatif
memberikan kecocokan yang memuaskan secara statistik.
Di 4 data lainnya distribusi cenderung binomial negatif
dimana masih memberikan kecocokan yang lebih baik
daripada distribusi Poisson, dan hanya 1 dari data-set
yang merupakan distribusi Poisson. Tingkat agregatnya
besar, dengan 43 dari 49 data-set memiliki perkiraan k
kurang dari 1.
 CONTOH PENELITIAN DISTRIBUSI
PARASIT
Pola agregasi macroparasit pada populasi induk
satwa liar
 CONTOH PENELITIAN DISTRIBUSI
PARASIT
Pola agregasi macroparasit pada populasi induk
satwa liar
Gambar. 3 Distribusi parasit yang diamati pada inang terhadap infeksi parasit
dimana distribusi Poisson dipasang data (A), dan di mana distribusi binomial
negatif dihitung sangat berbeda dari yang diamati distribusi frekuensi (B ± E).
Dalam semua kasus, batang terbuka adalah distribusi frekuensi yang diamati,
batang padat ,Distribusi binomial negatif yang dihitung, dan batang x distribusi
Poisson yang dihitung. (A) Shad, Dorosoma cepedianum, terinfeksi oleh
nematoda Camallanus oxycephalus (Stromberg & Crites, 1975); (B) Redfish,
mentell Sebastes, terinfeksi oleh copepod Chondracanthopsis nodusus (Williams,
1963); (C) Arctic charr, Salvelinus alphinus, terinfeksi oleh cestode
Diphyllobothrium ditremum (Halvorsen & Andersen, 1984); (D) Redwing, Turdus
turdus, terinfeksi oleh Digeneanus Brachylaemus fuscatus (James & Llewellyn,
1967); (E) tikus, Rattus rattus, terinfeksi oleh cestode Cysticerus fasciolaris (Li &
Hsu, 1951).
 CONTOH PENELITIAN DISTRIBUSI
PARASIT
Pola distribusi parasit malaria pada darah smear
Jumlah parasit dan jumlah leukosit per HPF
diasumsikan didistribusikan secara Poisson. Namun,
hitungan data jarang pas asumsi pembatasan
distribusi Poisson. Kesalahan asumsi ini biasanya
berakibat pada overdispersi. Tetapi berdasarkan
hasil penelitian Hammami, et al (2013), ternyata
distribusi parasit malaria pada darah smear adalah
lebih mengarah ke distribusi binomial negatif, buka
distribusi poisson maupun overdispersi.
 CONTOH PENELITIAN DISTRIBUSI
PARASIT
Pola distribusi parasit malaria pada darah
smear
 CONTOH PENELITIAN DISTRIBUSI
PARASIT
Pola distribusi parasit malaria pada darah
Gambar. 2 Histogram parasit dan jumlah leukosit per HPF.
Fungsi kepadatan empiris dan distribusi yang sesuai
(Poisson, NB) adalah ditampilkan di bagian atas setiap
histogram Hammami, et al (2013).
 DAFTAR PUSTAKA
• Hammami, Imen., et al. (2013). Evidence for
overdispersion in the distribution of malaria
parasites and leukocytes in thick blood smears.
Malaria Journal. 12. 398-412.
• Shaw. D.J., et al. (1998). Patterns of
macroparasite aggregation in wildlife host
populations. Parasitology. 117. 597-610.
• Wilson. K., et al. (2000). Heterogeneities in
macroparasite infections: patterns and processes.