Epidemiologi
“ Morbiditas “
Insidensi, Prevalensi, Rate,
R a ti o , R i s k , R e l a ti v e R i s k , O d d s
r a ti o
Kelompok 6
Anggota Kelompok
“Kesakitan”
merupakan derajat sakit ,
cedera, atau gangguan pada
suatu populasi.
Insidensi Ratio
Contoh Kasus :
1. Pada tahun 2005, sebanyak 412 kasus penyaktit tertentu dilaporkan terjadi
dikota berpenduduk 212.000. Berapa angka insidensi kasus per 100.000
penduduk di kota itu selama tahun tersebut?
Angka Insidensi = = 194,3/100.000
Jadi, angka insidensi kasus dalam 100.000 penduduk di kota tersebut adalah
194,3
2. Diketahui pula bahwa 19 dari kasus ini wanita berumur di bawah 10 tahun.
Pada waktu itu jumlah penduduk wanita di bawah 10 tahun adalah 19.080.
Berapakah angka insidensi khusus umur-jenis kelamin selama tahun itu di kota?
Angka Insidensi = = 99.6/100.000
Jadi, angka insidensi kasus umur jenis kelamin pada tahun itu dalam kota
tersebut adalah 99.6
Insidensi
Dinyatakan dalam Rumus :
b. Incidence Density (ID)
ID =
Adalah ukuran yang menunjukkan
kecepatan kejadian (baru) penyakit
Person Time Adalah jumlah orang
pada populasi.
dalam risiko dikalikan lamanya
masing-masing orang dalam risiko.
Perbedaan Incidence Density dengan IR
terletak pada penyebutnya. Pada ID ini
Satuan : orang-hari (person day)
penyebutnya adalah jumlah periode
orang- minggu (person
waktu dari tiap person dalam penelitian.
week)
Tiap person akan memberikan kontribusi
orang- jam (person hours)
bukan sebagai satu orang tetapi sesuai
lamanya waktu yang diberikan, misalnya
jika dihitung dalam tahun disebut person-
year atau tahun-orang. Bisa juga
dinyatakan dalam person-weeks (orang-
minggu) atau person-months (orang-
bulan).
Insidensi
b. Incidence Density (ID)
Berdasarkan bagan pengamatan pada 6 orang selama 7 tahun terhadap penyakit kanker pada
orang yang bebas kanker, berapakah incidence density yang terjadi !
Jawab :
ID =
IK =
Insidensi
b. Incidence Kumulatif (IK)
Contoh kasus:
Suatu penelitian yang dilakukan pada 80 akseptor KB , telah diketahui dimana ada 60 orang
akseptor pil dan 20 akseptor kondom. Hasil peneltian menunjukkan 10 yang mengalami
oesteoporosis dini yaitu 8 akseptor pil & sisanya akseptor kondom. Berapakah Cumulative
Incidence oesteoporosis dini pada akseptor pil ?
Jawab’
IC = = = 0.05
Jadi, Insidence Kumulatif oesteoporosis dini pada akseptor pil adalah 0.05
Prevalensi
Merupakan semua populasi yang menderita penyakit (kasus
baru dan lama) dari populasi yang beresiko menderita
penyakit tersebut dalam periode waktu tertentu.
P = X 10X
Prevalensi
Merupakan semua populasi yang menderita penyakit (kasus
baru dan lama) dari populasi yang beresiko menderita
penyakit tersebut dalam periode waktu tertentu.
P = X 10X
Prevelensi
Adalah jumlah kasus yang ditemukan pada suatu titik waktu tertentu dibagi dengan
populasi berisiko pada suatu waktu tertentu dikali konstante. Titik waktu tertentu ini
biasanya dalam minggu atau bulan pengamatan atau penelitian dilakukan. Jika
dikatakan ‘prevalence rate’ maka biasanya yang dimaksud adalah point prevalence rate
ini (Bustan, 2012).
PPR=
Contoh :
Suatu penelitian cross-sectional pada tahun 1995 dilakukan di Bone mengenai penduduk usia 40
sampai 70 tahun. hendak diketahui berapa point prevalence rate CHD pada tahun 1995 itu. Telah
diperiksa 2.216 penduduk usia tersebut dan didiagnosis sebanyak 130 CHD sehingga PPR adalah
130/2.216 1.000 = 58,6/1.000.
Prevelensi
Period prevalence rate adalah banyaknya kasus yang ditemukan pada suatu periode
waktu tertentu dibagi dengan besarnya populasi yang diamati. Periode waktu disini
biasanya setahun atau lebih. Dan memiliki nilai yang dapat naik turun
Dapat dinyatakan dalam formula:
Prevelensi
Contoh Kasus
- Dari gambar :
Hitunglah Prevalens
Periode (PP) dari
tahun ke 1 hingga
tahun ke 4
- PP = Jumlah kasus
yang ada selama
periode waktu tahun
ke 1-4 dibagi Jumlah
orang selama
periode tahun ke 1-4
Prevelensi
Rate (angka) merupakan Nilai untuk mengukur kemungkinan (probability) kejadian dalam
populasi terhadap beberapa peristiwa tertentu, misalnya kasus atau mati karena penyakit
infeksi. Dalam contoh angka, rumusnya menjawab pertanyaan: Jika sejumlah X kasus
penyakit (atau kematian) terjadi dalam populasi yang besarnya Y, berapa banyak yang
diharapkan terjadi dalam populasi yang besarnya k?
Pertanyaan ini dapat juga dinyatakan sebagai berikut
=
Rate = x k
Rate
Contoh kasus
•Pada
tahun 2004, ada 100 kasus demam berdarah di
suatu kota yang berpenduduk 1.250.000 orang berapa
rate kasus demam berdarah di kota itu ?
Jawab :
=
=
= 1/12500
Jadi, Rate demam berdarah pada kasus adalah
8 kasus per 100000 orang.
Ratio
Merupakan suatu frekuensi nisbi kejadian suatu peristiwa terhadap
peristiwa lainnya. Misalnya, jumlah anak sekolah kelas 6 yang telah
Rasio =
diimunisasi dibandingkan dengan jumlah anak kelas 6 yang tidak
diimunisasi pada sekolah terrtentu.
Keterangan
Angka Serangan = (k)
Contoh Soal
Dalam suatu letusan (outbreak) yang melibatkan 26 kasus penyakit “x”, 7 kasus
wanita dan 19 lelaki. Dalam kelompok di mana terjadi letusan ada 9 orang wanita
dan 87 lelaki. Berapakah angka serangan di antara masing-masing jenis kelamin
dan seluruh anggota kelompok?
Tabel : Angka Serangan menurut Jenis Kelamin
•Perhitungan
:
• Angka serangan laki-laki = x 100 = 190 : 87 = 21,8
• Angka serangan wanita = x 100 = 700 : 9 = 77,8
• Angka serangan seluruhnya = x 100 = 27,1
Dari contoh diatas menunjukkan bahwa angka total serangan diperoleh dengan
membagi jumlah kasus seluruhnya dengan jumlah seluruh orang, tidak dengan
menjumlahkan angka serangan dari masing-masing jenis kelamin.
Relative Risk
Merupakan istilah statistik yang menggambarkan risiko terjadinya peristiwa tertentu pada
sekelompok orang terhadap kelompok yang lain. Istilah ini biasa digunakan dalam
epidemiologi dan pengobatan berbasis bukti, di mana risiko relatif membantu
mengidentifikasi risiko berkembangnya suatu penyakit setelah mendapat paparan
(obat/tindakan atau lingkungan tertentu) dibandingkan dengan tidak mendapat paparan.
Biasanya dipakai untuk penelitian prospektif / Kohor
Untuk menggunakan ukuran statistika risiko relative ini dapat digambarkan dalam suatu
matriks empat sel 2 x 2 yang mempresentasikan adanya eksposur faktor risiko dan
penyakit (Ryadi, dkk., 2011).
Outcome/ efek
Eksposur Total
(+) (-)
(+) A B (a+b)
(-) C D (c+d)
Keterangan :
A = Jumlah orang yang mendapat paparan dan terkena penyakit tertentu.
B = Jumlah orang yang mendapat paparan tetapi tidak terkena penyakit tertentu.
C = Jumlah orang yang tidak mendapat paparan tetapi terkena penyakit tertentu.
D = Jumlah orang yang tidak mendapat paparan dan tidak terkena penyakit tertentu.
Pada kerangka tabel tersebut, yang disebut dengan insiden kasus kelompok terpapar
adalah a/(a+c), sedangkan insiden kasus kelompok tidak terpapar adalah b/(b+d).
Dimana risiko relatif pada penelitian kohor adalah:
Sehingga, jika kita melakukan perumusan lebih lanjut, maka kita akan mendapatkan
rumus berikut:
𝑎 /(𝑎+ 𝑐) 𝑎 (𝑏+𝑑 ) 𝑎( 𝑏+𝑑 )
𝑅𝑅 = = × =
𝑏 /(𝑏+ 𝑑) ( 𝑎+𝑐 ) 𝑏 𝑏(𝑎+ 𝑐)
Relative Risk
Contoh Kasus
Dalam sebuah studi meneliti 100 orang perokok dan 100
orang yang tidak merokok, lalu melihat apakah mereka terkena
kanker paru-paru. Berapakah risiko relatif terkena kanker paru-
paru bagi perokok berdasarkan kasus ?
Relative Risk
Diketahui :
Smoker : 100 persons
Non-smoker : 100 persons
Disease : Lung Cancer
- Kita bisa langsung mengisi tabel yang sudah dibuat. Penyakitnya adalah kanker
paru-paru, paparannya adalah merokok, jumlah total setiap kelompok adalah
100, dan total seluruh orang yang diteliti adalah 200.
- Pada akhir studi, ditemukan bahwa 30 orang perokok dan 10 orang yang tidak
merokok mengalami kanker paru-paru. Sekarang kita bisa mengisi seluruh tabel.
Relative Risk
Jadi, risiko relatif terkena kanker paru-paru bagi perokok adalah 1.7, nilai IC >1 maka
factor resiko (merokok) menyebabkan kanker paru paru
Odds Ratio
Merupakan perbandingan odds subyek sakit dengan odds subyek tak sakit.
merupakan sebuah pendekatan risiko relatif yang digunakan dalam penelitian
kasus control. Pada dasarnya, odds menunjukkan rasio antara dua nilai dikotomi.
Odds kasus artinya perbandingan jumlah kasus terpapar dengan kasus tidak
terpapar, sedangkan odds kontrol artinya perbadingan jumlah kontrol terpapar
dan kontrol tidak terpapar.
Odds Ratio = ()
Odds Ratio
Sakit a Bb (a+b)
Interpretasi :
OR = 1 , faktor risiko bersifat netral; risiko kelompok terpajan sama
dengan kelompok tidak terpajan.
OR > 1 ; Confient Interval (CI) > 1 = faktor risiko menyebabkan sakit
OR < 1 ; Confient Interval (CI) < 1 = faktor risiko mencegah sakit
Odds Ratio
Contoh Kasus
Suatu uji coba vaksin influenza terhadap suatu masyarakat yang
dilaksanakan selama masa endemic, dan telah diketahui data-
data sebagai berikut :
• Ada 460 subyek dewasa yang berpartisipasi
• 240 subyek mendapatkan vaksinasi (paparan +)
• 220 subyek tidak mendapat divaksinasi (paparan -)
• Dari 100 subyek yang terkena influensa (sakit), ternyata 20
Subyek berasal dari kelompok paparan (+) dan sisanya 80 dari
kelompok paparan (-)
• Buatlah dalam bentuk tabel 2 X 2
• Dan berapakah ukuran odds ratio pada kasus tersebut ?
Odds Ratio
Jadi, Orang dengan paparan vaksin mempunyai risiko 0.195 kali lebih kecil
terserang penyakit influenza dibanding orang yang tidak terpapar vaksin.
( faktor risiko mencegah sakit).
Thanks For
Your
Attention