CHOIROEL ANWAR
Jenis Desain studi epidemiologi
Desain studi epidemiologi secara garis besar dapat dibagi menjadi :
what when
who
where
DESKRIPTIF
Variabel Variabel
Orang Waktu
Variabel
Tempat
Menekankan pengamatan pada kelompok
atau kumpulan orang atau populasi
Distribusi frekuensi
menurut variabel
Biologis
Tingkah Laku
Sosial-ekonomi
Antar-tempat
Sistem pelaporan
Variabel Waktu
Perubahan penyakit baik secara kualitatif
maupun kuantitatif
Bermanfaat dalam:
1. Memprediksi puncak insiden
2. Merencanakan upaya
Skala perubahan frekuensi
penanggulangan
penyakit:
3. Melakukan evalusai dampak
1. Variasi jangka pendek
penanggulangan yang telah
(fluktuasi)
dilaksanakan
2. Variasi berkala (siklis)
a. Musiman (berulang interval
< 1 tahun)
b. Siklik (berulang interval >
sama dengan 1 tahun)
3. Variasi jangka panjang (secular
trends)
Variabel “WHO”
a. Umur
- terkait dengan daya tahan tubuh
- terkait dengan ancaman thd kesehatan
- terkait kebiasaan hidup
b. Golongan etnik
- ras
- etnik
c. Status perkawinan
- pengaruh thd pola penyakit
- pengaruh thd risiko terkena penyakit
- pengaruh thd penatalaksanaan penyakit
d. Pekerjaan
- faktor lingkungan kerja yg dapat menimbulkan
masalah kesehatan
- situasi kerja
- ruangan tempat kerja
e. Struktur keluarga
f. Sosial ekonomi
Pengetahuan, sikap dan perilaku
Variabel “place” (tempat)
Dari informasi tempat dapat diketahui :
a. Jumlah dan jenis masalah kesehatan yang ditemukan di
suatu daerah
b. Hal-hal yang perlu dilakukan untuk mengatasi masalah
kesehatan di suatu daerah
c. Keterangan tentang faktor penyebab timbulnya masalah
kesehatan di suatu daerah
Variabel “place” (tempat)
a. Keadaan geografis
letak wilayah, struktur tanah, curah hujan, sinar
matahari, angin, kelembaban udara, suhu udara,
daerah pegunungan, pantai, daratan.
b. Keadaan demografis
jumlah dan kepadatan penduduk, etnis, variasi
kultural
c. Keadaan pelayanan kesehatan
jumlah dan cakupan pelayanan kesehatan, mutu
pelayanan kesehatan.
Variabel “when” (waktu)
Informasi yang diperoleh dari variabel waktu :
a. Kecepatan perjalanan penyakit
b. Lama terjangkitnya suatu penyakit
Jenis Studi Epidemiologi deskriptif
1. Studi laporan kasus (case report study)
2.Serial kasus (case series)
3.Studi korelasi/studi ekologi
4.Rangkaian berkala
5.Studi Crossektional
Studi laporan kasus
Mrp studi epidemiologi yg bersifat observasional
Ciri khas:
1. Satu kasus diteliti oleh bbrp pengamat, digali
informasi secara mendalam meliputi berbagai aspek
yg cukup luas dgn menggunakan berbagai tehnik
utk mendapatkan karakteristik kasus
2. Biasanya dilakukan thd kasus penyakit yg baru atau
jarang
3. Hasil yg diharapkan berupa definisi kasus
Studi laporan kasus
Kelebihan :
1. Sbg langkah awal utk pelajari suatu penyakit
2. Sbg jembatan antara penelitian klinis dan penelitian
epidemiologi
3. Dpt digunakan sbg dasar penelitian lebih lanjut :
- dgn melihat kelompok yg berisiko tinggi
- dgn membuktikan hipotesis yg dibangun
Kelemahan:
1. Gambaran distribusi, frekuensi yg diperoleh tdk dpt
mewakili populasi
2. Hanya berdasarkan kasus-kasus yang dilaporkan saja
• Merupakan studi epidemiologi yang bersifat observasional
• Unit pengamatan/analisisnya individual
• Merupakan laporan kasus-kasus penyakit dengan diagnosis
yang diduga sama
• Biasanya merupakan penyakit-penyakit baru, masalah kesehatan
baru, fenomena baru yang belum jelas
• Menggambarkan riwayat penyakit, pengalaman klinis dari
masing-masing kasus
• laporan kasus-kasus kemudian dapat dianalisis secara sederhana
yakni dengan melihat
• distribusi/ frekwensi penyakit
• berdasarkan : gejala-gejala klinis “ Orang, Tempat, Waktu”
19
•contoh dari suatu studi laporan kasus
21
• Dari gambaran demografisnya
• 90% pria
• 80% dewasa muda
• 60% pemusik
• Dari kebiasaan mengkonsumsi narkoba
• 80% pecandu narkoba
• Dari perilaku seksual :
• 80 % homoseksual
22
• Dari analisis sederhana diatas didapat informasi kelompok orang
yang berisiko antara lain :
• pria
• dewasa muda
• pemusik
• pecandu narkoba
• homoseksual
24
Serial kasus
Merupakan kumpulan dari studi kasus yg terjadi dalam
suatu periode waktu
Mrp surveilans yg rutin dilakukan utk suatu penyaki tyg
belum jelas diagnosisnya atupun sudah jelas
diagnosisnya.
Dapat digunakan utk mendeteksi munculnya penyakit
baru dan epidemi
26
• 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
27
•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
28
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 :
No ID Sex Umur Suku Kadar Komplikasi Status
gula Keluar dr
Darah RS
gr/dl
1 Wanita 50 Jawa 300 Ada Meninggal
2 Wanita 45 Jawa 200 Ada Hidup
3 Pria 30 Sumatra 350 Ada Meninggal
4 Pria 35 Sumatra 375 Ada Meninggal
5 Pria 40 Jawa 280 Ada Meninggal
6 Wanita 50 Jawa 300 Ada Meninggal
7 Pria 40 Betawi 240 Tidak ada Hidup
8 Wanita 45 Betawi 300 Ada Hidup
9 Pria 30 Betawi 400 Ada Meninggal
10 Wanita 60 Betawi 200 Tidak ada Hidup
11 Pria 35 Jawa 150 Tidak ada Hidup
12 Wanita 45 Jawa 180 Tidak ada Hidup
13 Pria 50 Jawa 260 Tidak ada Hidup
14 Wanita 60 Jawa 200 Tidak ada Hidup
15 Pria 40 Jawa 380 Ada Meninggal
16 Pria 35 Jawa 375 Ada Meninggal
17 Pria 40 Jawa 150 Tidak ada Hidup
18 Pria 50 Jawa 160 Tidak ada Hidup
19 Pria 40 Jawa 250 Tidak ada Hidup
20 Wanita 45 Sumatra 280 Ada Hidup
21 Wanita 60 Sumatra 290 Ada Hidup
22 Pria 40 Betawi 300 Ada Meninggal
23 Wanita 45 Betawi 325 Ada Meningga
24 Pria 35 Betawi 200 Tidakada Hidup
25 Wanita 40 Betawi 240 Ada Hidup
26 Pria 40 Sumatra 210 Tidak ada Hidup
27 Pria 45 Sumatra 170 Tidak ada Hidup
28 Pria 50 Jawa 190 Tidak ada Hidup
29 Wanita 55 Betawi 340 Ada Meninggal
30 Wanita 60 Betawi 330 Ada Meninggal
31 Pria 40 Sumatra 300 Ada Meninggal
32 Wanita 45 Jawa 260 Ada Meninggal
33 Wanita 50 Betawi 260 Tidak ada Meninggal
34 Pria 40 Sumatra 370 Ada Meninggal
35 Pria 30 Betawi 400 Ada Meninggal
36 Pria 35 Betawi 240 Ada Hidup
37 Pria 35 Betawi 275 Ada Hidup
38 Pria 40 Betawi 200 Tidak ada Hidup
39 Pria 40 Betawi 150 Tidak ada Hidup
40 Pria 40 Jawa 150 Tidak ada Hidup
29
Tugas :
• Deskripsikan distribusikan/frekwensi penyakit DM berdasarkan :
• Jenis kelamin
• Umur
• Ada tidaknya komplikasi
• Kadar gula darah
• Status pada saat pulang dari RS
• Dapatkah gambaran distribusi/frekwensi diatas menggambarkan kondisi di
populasi apa alasannya ?
• Dari data diatas dapatkah saudara menentukan kelompok yang diduga
berisiko tinggi untuk penyakit DM ? bagaimana caranya
• Dari data diatas dapatkah saudara memformulasikan hipotesis baru
• Adakah hubungan antara komplikasi dengan kematian pada penderita DM
• Jika ada hubungan antara kejadian komplikasi dengan kematian pada
penderita DM dapatkah hasil tersebut digeneralisasikan di populasi
• Dapatkah saudara memformulasikan hipotesis baru dari analisis hubungan
tersebut
30
Studi Korelasi
31
• 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
32
• Analisis yang dilakukan dapat bersifat:
1. deskriptif : melihat distribusi frekwensi dari variabel yang diteliti
(dalam unit agregat)
33
• 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)
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
35
persamaan garis linier : y = a + bx
b2 [ x2 - ( x )2/n]
r2 = ---------------------------------------- r = r2
y2 - (y)2/n
36
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
37
r = koefisien korelasi
38
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
39
• •
•
• •
•
• •
• • • • r = positif dan mendekati nol
•
• •
•
40
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
41
• jika dipakai = 0.05, dan hasil kalkulasi uji statistik
mempunyai nilai p < 0.05 maka H0 ditolak,
42
• contoh 2 : jika variabel terikat dan variabel bebas diukur
dengan skala kategorikal
• data :
43
Tabel distribusi cakupan imunisasi campak dan insidens campak
Dari data diatas
Insiden tinggi Insiden rendah
Cakupan rendah 3 2 5
Cakupan tinggi 4 5
1
44
Contoh :
45
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
46
tabel kontingensi “ Observed”
insidens DHF
jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test
47
(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”
48
Contoh menghitung nilai “expected”
Insidens penyakit
tinggi rendah total
50
k ( O - E )2
2 = ---------------
i=1 E
51
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
52
• kelemahan studi korelasi :
• tidak dapat melihat hubungan ditingkat individu.
• ada ecologic fallacy, yakni bias dalam menginterpretasikan,
hubungan tingkat agregat
disamakan dengan hubungan tingkat individu,
53
Disain Studi Potong-Lintang (cross-sectional study)
54
• analisis yang dilakukan dapat bersifat:
• deskriptif :
• distribusi frekwensi kejadian penyakit/ masalah kesehatan
berdasarkan “orang - tempat - waktu”
• distribusi frekwensi variabel “exposure” dan “outcome”
(angka prevalens)
• analitik : melihat korelasi/hubungan antara variabel-variabel
diteliti
• jika variabel “exposure” dan variabel “outcome” diukur
sebagai data kontinyu
• hubungannya secara statistik diuji dengan uji korelasi
• kekuatan/keeratan hubungan dilihat dengan melihat
nilai koefisien korelasi (“r”) ataupun dengan koefisien
regressi
55
• 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
56
• 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
57
Contoh :
58
• 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
59
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
60
persamaan garis linier : y = a + bx
b2 [ x2 - ( x )2/n]
r2 = ---------------------------------------- r = r2
y2 - (y)2/n
61
Uji statsitik: t statistik
n-2
t=r ------------ dengan derajat kebebasan = n-2
1 - r2
62
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
63
Tabel kontingensi 2x2 untuk data diatas
“Outcome”
D+ D- total
64
Populasi • sampel dipilih secara random (acak)
• sampel representatif untuk populasi
sampel
65
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%
66
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 -
67
Odds D+E + (kelompok orang terpapar) = 200/200
Odds D+E - (kelompok tidaterpapar) = 100/500
“Outcome”
D+ D- total
68
Mendistribusikan variabel “exposure” pada variabel “disease”
200 E+ 200 E+
dari 300 (D+) dari 700 (D-)
100 E - 500 E -
69
Odds E+D + (kelompok orang sakit) = 200/100
Odds E+D - (kelompok tidak sakit) = 200/500
70
Kelebihan Studi Potong Lintang :
71