EPIDEMIOLOGI DESKRIPTIF
1
DISAIN PENELITIAN EPIDEMIOLOGI
Introduksi
Epidemiologi adalah ilmu yang mempelajari :
•Distribusi
•Frekwensi suatu penyakit/masalah kesehatan di populasi
•Diterminan
2
Untuk mempelajari distribusi dan frekwensi penyakit di populasi dipakai
disain studi epidemiologi deskriptif
3
Termasuk disain studi epidemiologi analitik adalah :
• disain studi kohort (cohort study)
• disain studi kasus-kontrol (case-control study)
• disain studi intervensi (intervention study)
4
Termasuk disain studi epidemiologi dengan unit pengamatan
/analisis agregat adalah :
• disain studi korelasi
5
Pada disain studi epidemiologi yang bersifat studi observasional,
peneliti hanya mengobservasi subjek-subjek yang diteliti tanpa
melakukan intervensi
6
Penelitian Epidemiologi Deskriptif :
kris/studiepid/ppt 7
• tujuan :
• diperoleh informasi tentang distribusi frekwensi penyakit
/masalah kesehatan yang diteliti
• diperoleh informasi tentang kelompok yang berisiko tinggi
terhadap penyakit
• dapat dipakai untuk membangun/memformulasikan hipotesis baru
• kelemahan :
• gambaran distribusi, frekwensi penyakit yang diperoleh
tidak dapat mewakili populasi
• hanya berdasarkan kasus-kasus yang dilaporkan saja
• kelebihan :
• sebagai langkah awal untuk mempelajari suatu penyakit
• sebagai jembatan antara penelitian klinis dan penelitian epidemilogi
• dapat digunakan untuk sebagai dasar penelitian lebih lanjut :
• dengan melihat kelompok yang berisiko tinggi
• dengan membuktikan hipotesis yang dibangun
kris/studiepid/ppt 8
•contoh dari suatu studi laporan kasus
kris/studiepid/ppt 9
• kebiasaan mengkonsumsi “drugs” :
• menggunakan jarum suntik 8 orang, cara lain 2 orang
bukan pengguna
kris/studiepid/ppt 10
• dari gambaran demografisnya
• 90% pria
• 80% dewasa muda
• 60% pemusik
11
• dari analisis sederhana diatas didapat informasi kelompok orang
yang berisiko antara lain :
• pria
• dewasa muda
• pemusik
• pecandu narkoba
• homoseksual
kris/studiepid/ppt 12
Untuk mendapatkan informasi yang dapat menggambarkan
distribusi, frekwensi penyakit yang mewakili populasi
diperlukan penelitian epidemiologi deskriptif lain, dimana
sampel penelitian mewakili populasi yang diteliti disain
studi epidemiologi yang sesuai dipakai untuk itu adalah
disain studi potong lintang.
13
Studi Epidemiologi Serial Kasus
14
• kumpulan laporan kasus kemudian dianalisis secara sederhana yakni
dengan melihat
• distribusi/ frekwensi penyakit
• berdasarkan “ Orang, Tempat, Waktu”
•tujuan :
• diperoleh informasi tentang distribusi frekwensi penyakit
/masalah kesehatan yang diteliti
• diperoleh informasi tentang kelompok yang berisiko tinggi
terhadap penyakit
• dapat dipakai untuk membangun/memformulasikan hipotesis baru
kris/studiepid/ppt 15
•kelemahan :
• gambaran distribusi, frekwensi penyakit yang diperoleh
tidak dapat mewakili populasi
• hanya berdasarkan kasus-kasus yang dilaporkan saja
• kelebihan :
• sebagai langkah awal untuk mempelajari gambaran epidemiologi
suatu penyakit
• sebagai jembatan antara penelitian klinis dan penelitian epidemilogi
• dapat digunakan sebagai dasar untuk penelitian epidemiologi
lebih lanjut :
• dengan melihat kelompok yang diduga berisiko tinggi
• dengan membuktikan hipotesis yang dibangun
16
Latihan :
Kota X mempunyai 8 RS. Seorang dokter disalah satu RS melakukan penelitian terhadap kasus
kasus diabetes mellitus (DM), selama 1 tahun penelitiannya terkumpul data sebagai berikut :
17
Tugas :
18
Studi Korelasi
kris/studiepid/ppt 19
• ukuran agregat “environment”, merupakan ukuran yang
mewakili karakteristik fisik dari suatu lingkungan hidup
misalnya :
• nilai cakupan rumah sehat pada suatu area
• nilai intensitas polusi pada suatu area
• nilai kepadatan jentik pada suatu area
kris/studiepid/ppt 20
• analisis yang dilakukan dapat bersifat:
• deskriptif : melihat distribusi frekwensi dari variabel yang diteliti
(dalam unit agregat)
kris/studiepid/ppt 21
• contoh : suatu studi ekologi ingin melihat korelasi antara cakupan
imunisasi campak dengan insidens campak
• unit pengamatan puskesmas
• populasi studi; 10 puskesmas
• cakupan imunisasi campak dianggap sebagai (exposure
/ independent variable)
• insidens campak dianggap sebagai (outcome
/dependent variable)
kris/studiepid/ppt 22
•data :
ID PKM X (%) Y(%) X2 Y2 XY
1 50 60 502 602 50 x 60
2 55 70
3 60 35
4 65 30
5 70 25
6 75 20
7 80 25
8 85 20
9 90 15
10 95 10
n xy - ( x )(xy)
r = ------------------------------------------------
n x2 - (x )2 n y2 - (y )2
kris/studiepid/ppt 23
persamaan garis linier : y = a + bx
b2 [ x2 - ( x )2/n]
r2 = ---------------------------------------- r = r2
y2 - (y)2/n
24
a = intercept merupakan titik dimana garis memotong sumbu y
jika nilai a negatif, garis memotong sumbu y dibawah sumbu x
jika nilai a positif, garis memotong sumbu y diatas sumbu x
b = slope; angka dimana nilai y berubah untuk setiap unit perubahan pada x
Jika nilai b negatif menunjukkan arah garis dari bagian atas sudut kiri
kebagian bawah sudut kanan
Jika nilai b positif menunjukkan arah garis dari bagian bawah sudut kiri
ke bagian atas sudut kanan
kris/studiepid/ppt 25
r = koefisien korelasi
kris/studiepid/ppt 26
sebagai contoh nilai r = - 0.95
• ada hubungan linier yang kuat antara variabel x dan y
• jika x meningkat y menurun atau sebaliknya
y y
• •
• •• • • •• •
•
• •• • • •••
• •
•••••• • •• •
•
•
x
x
r = positif dan mendekati 1 r = negatif dan mendekati 1
27
• •
•
• •
•
• •
• • • •
r = positif dan mendekati nol
•
• •
•
28
Uji statistik : untuk melihat apakah nilai “r” yang didapat merupakan ukuran
yang cukup bermakna secara statistik untuk mengindikasikan bahwa
di populasi kedua variabel x dan y berkorelasi
• hipotesis : H0 : r = 0
HA : r 0
• r = koefisien korelasi di populasi
• uji statistik jika r = 0
n-2
t=r ------------ dengan derajat kebebasan = n-2
1 - r2
29
• jika dipakai = 0.05, dan hasil kalkulasi uji statistik
mempunyai nilai p < 0.05 maka H0 ditolak,
30
• contoh 2 : jika variabel terikat dan variabel bebas diukur
dengan skala kategorikal
• data :
31
Tabel distribusi cakupan imunisasi campak dan insidens campak
Dari data diatas
Insiden tinggi Insiden rendah
Cakupan rendah 3 2 5
Cakupan tinggi
1 4 5
32
Contoh :
33
Uji statistik :
• uji homogenitas proprorsi binomial
• uji independensi
k ( O - E )2
2 = ---------------
i=1 E
2 : Khi kuadrat
O : Observed value / nilai yang diamati
E : Expected value / nilai yang diharapkan
H0 : angka cakupan imunisasi dengan insidens campak, independen
(tak berhubungan)
Ha : angka cakupan imunisasi dengan insidens campak, tak independen
(berhubungan)
: 0.05 dengan derajat kebebasan = (c-1)((r-1) c= kolom r=baris
jika 2 memberikan nilai P lebih besar dari maka H0 ditolak
34
tabel kontingensi “ Observed”
insidens DHF
jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test
35
(a+b) (a+c) (a+b) ( b+d)
a” = ---------------- b” =-----------------
(a+b+c+d) (a+b+c+d)
jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test
D+ D-
E+ “a” “b”
E- “c” “d”
36
Contoh menghitung nilai “expected”
Insidens penyakit
tinggi rendah total
38
k ( O - E )2
2 = ---------------
i=1 E
39
nilai 2d.f..1- = 3.84
kita menolak H0 karena nilai nilai 2 = 15.75 > 3.84 dimana nilai p < 0.05
artinya ada hubungan secara statistik antara variabel
cakupan imunisasi campak dengan insiden campak
40
• kelemahan studi korelasi :
• tidak dapat melihat hubungan ditingkat individu.
• ada ecologic fallacy, yakni bias dalam menginterpretasikan,
hubungan tingkat agregat
disamakan dengan hubungan tingkat individu,
41
Disain Studi Potong-Lintang (cross-sectional study)
42
• analisis yang dilakukan dapat bersifat:
• deskriptif :
• distribusi frekwensi kejadian penyakit/ masalah kesehatan
berdasarkan “orang - tempat - waktu”
• distribusi frekwensi variabel “exposure” dan “outcome”
(angka prevalens)
43
• jika variabel “exposure” dan variabel “outcome” diukur sebagai
data kategorikal
• hubungannya secara statistik dapat diuji dengan
uji kuadrat, atau regressi logistik
• kekuatan hubungan dilihat dengan menghitung PR
atau OR
44
• jika variabel “exposure” diukur sebagai data kategorikal
dan variabel “outcome” diukur sebagai data kontinyu
• hubungannya secara statistik dapat diuji dengan uji t
(jika hanya2 kelompok “exposure”) dan tes Anova
(bila lebih dari 2 kelompok)
• kekuatan hubungan dilihat dengan membandingkan
masing-masing nilai mean pada masing-masing kelompok
45
Contoh :
46
• analisis analitik :
• buat diagram scatter untuk melihat hubungan secara kasar
• analisis korelasi linear dan analisis regrresi
• alpha ditentukan 0,05
• untuk melihat hubungan E dan D lihat koefisien korelasi “r”
• untuk melihat bagaimana E memprediksian D lihat
koeffisien regressi b
47
Data
1 10 150
2 30 300
3 20 250
4 15 150
5 45 450
6 35 400
7 50 425
8 15 200
9 40 350
10 55 475
48
persamaan garis linier : y = a + bx
b2 [ x2 - ( x )2/n]
r2 = ---------------------------------------- r = r2
y2 - (y)2/n
kris/studiepid/ppt 49
Uji statsitik: t statistik
n-2
t=r ------------ dengan derajat kebebasan = n-2
1 - r2
50
Contoh 2
• dalam suatu penelitian dengan disain potong lintang
• ingin melihat hubungan antara merokok dan bronchitis kronis.
• D = bronchitis kronis (data kategorikal)
• E = merokok (data kategorikal)
• pengukuran D dan E dilakukan secara simultan
• populasi merupakan pegawai di pabrik A
• sampel 1000 orang yang diambil secara random dari populasi
• analisis analitik :
• analisis khi kuadrat dengan tabel kontingensi
• alpha ditentukan 0,05
• untuk melihat hubungan E dan D hitung OR atau PR
51
Tabel kontingensi 2x2 untuk data diatas
“Outcome”
D+ D- total
52
Populasi • sampel dipilih secara random (acak)
• sampel representatif untuk populasi
sampel
kris/studiepid/ppt 53
Distribusi frekwensi berdasarkan variabel “outcome” pada sampel
•“outcome” positif D (disease) +
•“outcome”negatif D (disease) -
misal sampel terdiri dari 1000 orang
•“outcome” positif D (disease) + = 300 orang = 30 %
•“outcome”negatif D (disease) - = 700 orang = 70%
D+ 30%
D- 70%
kris/studiepid/ppt 54
Mendistribusikan variabel “disease” pada variabel “exposure”
200 D+ 100 D+
dari 400(E+) dari 600 (E-)
200 D - 500 D -
E+ 200 D+ 200 D -
E- 100 D+ 500 D -
55
Odds D+E + (kelompok orang terpapar) = 200/200
Odds D+E - (kelompok tidaterpapar) = 100/500
“Outcome”
D+ D- total
56
Mendistribusikan variabel “exposure” pada variabel “disease”
200 E+ 200 E+
dari 300 (D+) dari 700 (D-)
100 E - 500 E -
57
Odds E+D + (kelompok orang sakit) = 200/100
Odds E+D - (kelompok tidak sakit) = 200/500
58
Kelebihan Studi Potong Lintang :
59