EPIDEMIOLOGI INTERMEDIATE

STANDARDISASI
Pengajar : Prof. Dr. dr. Sudarto Ronoatmodjo, S.K.M, M.Sc

Oleh kelompok 8
Annisa melianriza - 206559546
Debbie Valonda - 2006559640
Nanda Labado - 2006610786
Ruri Mutia Ichwan - 2006506142
 standardisasi
• Membandingkan rate penyakit pada populasi yang mempunyai
distribusi karakteristik populasi yang berbeda dan karakteristik
tersebut berhubungan dengan penyakit
 Rate
• Rate mengukur frekuensi suatu
kejadian
• Terdiri dari
- numerator
- denominator
- waktu
 Rate
• Kegunaan rate dalam epidemiologi
- Memformulasikan dan membuktikan hipotesis
- Mengidentifikasi faktor risiko dan penyebab
- Membandingkan secara komperabel frekuensi kejadian
diantara populasi
 Crude, specific dan standardisasi
- Crude rate  dihitung dari seluruh populasi
- Contoh: crude death rate
numerator : jumlah seluruh kematian selama interval waktu
tertentu
denominator : jumlah populasi rata-rata selama interval waktu
yang sama
• Specific rate  dihitung dari subpopulasi
• Contoh : age specific death rate
numerator : jumlah kematian pada kelompok usia tertentu
selama interval waktu tertentu
denominator : jumlah populasi rata-rata kelompok usia
tertentu selama interval waktu yang sama
• CDR ( Crude Death Rate ) - Angka Kematian Kasar yaitu jumlah
kematian setiap 1000 penduduk dalam satu tahun .
• Banyaknya orang yang meninggal pada suatu tahun dibagi
jumlah penduduk pada pertengahan tahun tersebut
Persamaan CDR :
Jumlah kematian
CDR = ---------------------------------------------
Jumlah penduduk tengah tahun
 D
CDR = x k
P

Keterangan:
D = jumlah kematian dalam satu tahun
P = jumlah penduduk pada pertengahan tahun
K = konstanta (1000)
 CDR (angka kematian kasar)
populasi A dan B

Komunitas Populasi Jumlah Tingkat Kematian

kematian (death rates)
Per 100.000
100.000 109 109 per 100.000
A
100.000 991 991 per 100.000
B

9
Contoh :
Jumlah penduduk Kota Malang pada tanggal 31 Desember 2000 = 756.982 jiwa, dan
pada 31 Desember 2001 = 763.644 jiwa.
Maka penduduk tengah tahun Kota Malang tahun 2001 = (756.982 + 763.644) / 2 =
760.313 jiwa.
Apabila ada 856 kematian selama tahun 2001 maka CDR Kota Malang tahun 2001 =
(856 / 760.313 ) x 1000
= 1,13 0/00 atau 1,13 tiap 1000 penduduk

10
 CDR adalah angka kasar.

Mengapa ?

Risiko kematian untuk setiap kelompok

penduduk : tidak sama untuk semua variabel

Meskipun angka kasar, tetapi CDR sudah umum dipakai diseluruh dunia

11
Kelebihan CDR:

1. Mudah dihitung dengan cepat, karena itu bisa segera diinformasikan

ke masyarakat
2. Dapat memberi kesimpulan awal/ petunjuk pendahuluan mengenai
tingkat kematian, serta bisa juga diketahui trend-nya
3. Dapat untuk menyelidiki fluktuasi kematian pada periode waktu
tertentu
4. Tidak memerlukan data kematian berdasarkan kriteria tertentu
Kelemahan CDR:

1. Tidak menggambarkan kematian berdasarkan kriteria / variabel

tertentu
2. Hasilnya merupakan angka rata-rata, sedangkan tingkat kematian
anata kelompok dalam populasi mungkin berbeda
3. Kurang aman untuk tujuan komparasi / perbandingan, sehingga harus
hati-hati
 Angka Kematian Menurut Umur
Age Specific Death Rate ( ASDR )

Jumlah kematian penduduk umur i

ASDR = xk
Jumlah penduduk tengah tahun umur i

Di
ASDR = ------- x k
Pi

Di : Jumlah kematian penduduk kel. umur i

Pi : Jumlah penduduk tengah tahun kel. umur i
k : konstanta (1000)

• Grafik ASDR mempunyai pola khas yaitu seperti huruf ‘U’

 Hubungan CDR dan ASDR

CDR adalah jumlah timbangan ASDR yang ditimbang

Penimbangnya adalah proporsi jumlah penduduk dalam tiap kelompok

umur pada penduduk tengah tahun
Kelompok umur Jumlah penduduk Jumlah kematian Tingkat kematian
tengah tahun tahun x tahun (0/00)

0 – 34 2000 40 20
> 35 1000 80 80
Jumlah 3000 120 40
(CDR)

CDR pada contoh penduduk di atas adalah 40 0/00

Angka ini adalah jumlah dari dua angka kematian menurut umur (ASDR) :
20 dan 80 yang ditimbang
Cara penghitungannya :
2000 1000
CDR = ( --------- x 20 ) + ( -------- x 80 )
3000 3000
40 80
= ------ + -------
3 3
= 40 per 1000 penduduk ( 40 0/00 )

Hubungan di atas dapat dinyatakan dengan persamaan:

Pi
CDR =  ( ------- ) DRi
i
P
Pembuktian bahwa CDR adalah suatu fungsi tingkat kematian menurut umur
maupun distribusi umur, diperlihatkan pada tabel berikut:

Jumlah penduduk tengah tahun

Populasi A B C
0–4 1500 500 500
5 – 39 4000 5000 4000
> 40 500 500 1500
Jumlah kematian

0–4 120 40 50
5 – 39 40 50 20
> 40 40 40 60
ASDR (0/00)
0–4 80 80 100
5 – 39 10 10 5
> 40 80 80 40
CDR (0/00)
Populasi A = 33,3 B = 21,7 21,7
Pembuktian bahwa CDR adalah suatu fungsi tingkat kematian menurut umur
maupun distribusi umur, diperlihatkan pada tabel berikut:
Jumlah penduduk tengah tahun
Populasi A B C
0–4 1500 500 500
5 – 39 4000 5000 4000
> 40 500 500 1500
Jumlah kematian

0–4 120 40 50
5 – 39 40 50 20
> 40 40 40 60
ASDR (0/00)
0–4 80 80 100
5 – 39 10 10 5
> 40 80 80 40
CDR (0/00)
Populasi A = 33,3 B = 21,7 21,7
Specific rate :
dihitung dari subpopulasi

contoh :
1. age specific death rate
numerator : jumlah kematian pada kelompok usia tertentu selama interval
waktu tertentu
denominator: jumlah populasi rata-rata kelompok usia tertentu selama
interval waktu yang sama

2. sex specific death rate

numerator : jumlah kematian pada kelompok sex tertentu selama interval
waktu tertentu
denominator : jumlah populasi rata-rata kelompok sex tertentu selama interval
waktu yang sama
 Numerical Illustration
Table 7.2 (p. 144)

In this illustration, the crude rate is much higher in Population B (109 vs. 991).
Rates are per 100,000.

Population A Population B

Age Deaths Pop’n Rate Deaths Pop’n Rate

Young 99 99,000 100 1 1,000 100

Old 10 1,000 1,000 990 99,000 1,000

Overall 109 100,000 109 991 100,000 991

(c) B. Gerstman 2007 Chapter 7: Age Adjustment 21

 Illustrative Example (Table 7.2, cont.)
Population A Population B

Age Cases Persons Rate Cases Persons Rate

Young 99 99,000 100* 1 1,000 100

Old 10 1,000 1,000 990 99,000 1,000

All 109 100,000 109 991 100,000 991

Within young, rates are identical

* Rates are per 100,000. Example of calculation: R = 99 ÷ 99,000 × 100,000 = 100
22
 Illustrative Example (Table 7.2 cont.)
Population A Population B

Age Cases Persons Rate Cases Persons Rate

Young 99 99,000 100 1 1,000 100

Old 10 1,000 1,000 990 99,000 1,000

All 109 100,000 109 991 100,000 991

Within old, rates are identical

23
 Numerical Illustration (cont.)
However, age-specific rates are identical

Population A Population B
Age Deaths Persons Rate Deaths Persons Rate

Young 99 99,000 100 1 1,000 100

Old 10 1,000 1,000 990 99,000 1,000

All 109 100,000 109 991 100,000 991

(c) B. Gerstman 2007 Chapter 7: Age Adjustment 24

Mengapa terjadi paradox pada 2 populasi yang jumlahnya sama dan age spesific
death rate yang sama?

Population A Population B

Age Cases Persons Rate Cases Persons Rate

Young 99 99,000 100 1 1,000 100

Old 10 1,000 1,000 990 99,000 1,000

All 109 100,000 109 991 100,000 991

Pop. A mostly young, Pop. B mostly old

25
 crude rate dari populasi dipengaruhi umur

Population A Population B
Age Cases Persons Rate Cases Persons Rate

Young 99 99,000 100 1 1,000 100

Old 10 1,000 1,000 990 99,000 1,000

All 109 100,000 109 991 100,000 991

26
• jika crude rate dibandingkan diantara populasi atau untuk populasi yang sama pada waktu yang
berbeda

• maka perbadingan rate tadi tidak komperabel jika :

• distribusi frekwensi faktor-faktor yang mempengaruhi
– kejadian kematian tidak mirip/sama diantara populasi
– yang dibandingkan

• faktor-faktor yang dapat mempengaruhi kejadian

– kematian antara lain:
• umur
• ras
• sex
• status sosial ekonomi
• faktor risiko lainnya (mis. status kesehatan dll)
 Confounding
• the type of bias that comes about because of the effects of extraneous factors
• Confounding occurs when an association between a study exposure and study
outcome is brought about by the influence of an extraneous factors lurking in the
background
• This form of bias derives from inherent difference in risk between the exposed
group and nonexposed group that would exist even if the exposure were absent.
• Extraneous factors that cause the imbalance are called confounders.
 Properties of Confounding
Confounders have the followed properties
(Figure 9.6):
1. They are associated with the exposure.
2. They are independent risk factors for
the study outcome.
3. They are not intermediate in the causal
pathway and are not a consequence of
the disease

(Greenland and Robins, 1986).

Contoh Ilustrasi
Contoh Ilustrasi (1)
 Alasan Melakukan Standarisasi

• Untuk menghilangkan efek pada “crude rates” yang disebabkan oleh perbedaan
komposisi populasi yang dibandingkan
• Untuk sampai pada ukuran ringkasan sederhana yang lebih mudah dibandingkan
daripada serangkaian rates
• Jika specific rates tidak sempurna karena jumlah pembilang dan penyebutnya kecil,
maka keduanya tidak dapat diandalkan untuk digunakan sebagai perbandingan
• Specific rates untuk satu atau lebih populasi yang diteliti tidak tersedia

Crude rates : ringkasan statistik yang mengabaikan heterogenitas populasi yang diselidiki
 Alasan Melakukan Standarisasi

• Two main motivations encourage the use of standardized rates.

• First, summary indices from two or more populations are more easily
compared than multiple strata of specific rates. This becomes
especially important when comparing rates from several populations or
when each population has a large number of strata.
• Second, small numbers in some strata may lead to unstable specific
rates. When sample populations are so small that their strata contain
mostly unstable rates and zeroes, the direct standardization procedure
may not be appropriate and an alternate procedure (see below)
becomes desirable
 Bagaimana Melakukan Standardisasi

Standarisasi dilakukan dengan 2 metode yaitu :

1. Direct Method
2. Indirect Method
 Kapan standardisasi
• Membandingkan rate penyakit pada populasi yg mempunyai
distribusi karakteristik populasi yg berbeda dan karakteristik
tersebut berhubungan dengan penyakit
 2 cara membandingkan

Menggunakan :

category- specific rate

adjusted rate
 Metode standarisasi langsung

• Cara kalkulasi
– Menggunakan spesific rat berdasarkan variabel yang akan dikontrol
(misal umur, sex dll) pada populasi studi
– Spesific rate tadi di aplikasikan pada populasi standar berdasarkan
variabel yang akan dikontrol (umur, sex dll)
• Standarisasi ini menggambarkan :
– Apa yang akan terjadi dengan crude rate pada populasi studi jika
distribusi dari variabel yang dikontrol (misal umur, sex) sama dengan
populasi standard
• Data yang harus disediakan :
– Specific rate dari variabel populasi studi /populasi yang akan dikontrol
– distribusi variabel yang akan di kontrol pada populasi standard

 Data rate spesifik diketahui akan dibandingkan dengan populasi

standar
•  Prosedur perhitungan : direct
– Dapatkan categori-specificrate populasi yang dibandingkan
– Tentukan standard populasi
– Hitung Jumlah “expeteddeaths/cases”
– Hitung Rate yang distandarisasi
 Metode standarisasi tidak langsung

• Cara kalkulasi
– menggunakan specific rate berdasarkan variabel yang akan dikontrol
(misal umur, sex dll) pada standard populasi
– standard spesific rate tadi diaplikasikan pada populasi studi
berdasarkan variabel yang akan dikontrol (umur, sex dii) konfounder
lain)
• Standarisasi ini menggambarkan
– apa yang akan terjadi dengan crude rate pada populasi studi jika
distribusi dari specific rate nya sama dengan populasi standard
• Data yang harus tersedia :
– Distribusi variabel yang akan dikontrol pada populasi studi (distribusi umur,
sex)
– Distribusi specific rate berdasarkan variabel yang dikontrol pada populasi
standard.
– Cdr populasi studi
– Cdr populasi standard

 yang diketahuijumlah kematian total dan populasi menurut umur, data rate
tidak diketahui, sehingga menggunakan rate spesifik standart
•  Prosedur Perhitungan : inderect
– Tentukan category-specificrates populasi standard
– Dapatkan distribusi populasi yang dibandingkan
– Hitung jumlah “expexteddeaths/cases”
– Hitung SMR :

– Hitung rate yang distandardisasi:

SMR x CrudeDeath Rate populasi standard

CONTOH : STANDARISASI LANGSUNG
CONTOH : STANDARISASI TIDAK LANGSUNG