Ukuran Frekuensi Penyakit

UKURAN-UKURAN FREKUENSI
YANG DIGUNAKAN DALAM

EPIDEMIOLOGI
01/05/23 Ukuran-ukuran frekuensi yang digunakan 1

dalam epidemiologi
Definisi Epidemiologi
 Last (1988)
 Epidemiologi adalah studi distribusi dan
determinan kesehatan yang terkait
keadaan atau peristiwa dalam populasi
tertentu, dan aplikasi studi ini untuk
mengendalikan masalah kesehatan

dalam epidemiologi
Distribusi
 Epidemiologi peduli dengan frekuensi dan
pola peristiwa kesehatan dalam suatu
populasi

dalam epidemiologi
Ukuran-ukuran penyakit
 Kuantifikasi kejadian penyakit
 Hitung individu yang terinfeksi, yang sakit
dan yang meninggal
 Menggunakan kata-kata
 Biasanya, kadang-kadang, jarang.
 Kesepakatan kecil tentang arti umumnya yang
digunakan kata-kata untuk frekuensi
 “biasanya”  0,5 – 0,8
 “Kadang-kadang”  0,2 – 0,6
 “jarang”  0,01 – 0,2

dalam epidemiologi
Ukuran-ukuran frekuensi peristiwa
kesehatan
 Tipe kuantitas matematis

 Tipe ukuran yang digunakan dalam
epidemiologi

dalam epidemiologi
UKURAN FREKWENSI KEJADIAN PENYAKIT
• Secara garis besar kejadian penyakit dapat berupa :
• Morbiditas /kesakitan
• Mortalitas / kematian
•Ada 3 macam parameter matematis yang digunakan

untuk menggambarkan hubungan antara
• jumlah kejadian penyakit dengan

• besarnya populasi dari mana kejadian penyakit
terjadi
• Parameter tersebut adalah
• Ratio
• Proporsi
• Rate
krisbantas/ukuran frekwensi/epid 6
Tipe kuantitas matematis
 Enumerasi (hitungan)
 Rasio
 Proporsi
 Rate

dalam epidemiologi
Quantitative Measures of Health Status
Measures of health status convey information
about the occurrence of disease. They
include:
• Counts
• Ratios
• Proportion
• Rates
Tipe ukuran yang digunakan dalam epidemiologi
 Ukuran-ukuran frekuensi penyakit
 Ukuran-ukuran asosiasi
 Ukuran-ukuran dampak

dalam epidemiologi
 Hitungan (enumerasi) atau angka
mutlak
 Jumlah kasar atau frekuensi
 Contoh: 10 kasus, 1961 kasus

dalam epidemiologi
Data from John Snow- Cases and deaths due to cholera
during Broad St. pump cholera epidemic in mid 1840s
Slide from Peter Davies

Seasonality of disease
Human leptospirosis in U.S.A
200
180
160
140
120
NEW CASES
100
80
60
40
20
0
1 2 3 4 5 6 7 8 9 10 11 12
MONTH OF YEAR
Slide from Peter Davies

Counts
• Simplest/most frequently performed measure
in epidemiology
• Refers to the number of cases of a disease or
other health phenomenon being studied
i.e. cases of influenza in Allegheny county
in January, 2002
i.e. Number of persons involuntarily
referred for psychiatric crisis
intervention
• Useful for allocation of health resources
• Limited usefulness for epidemiologic
purposes without knowing size of the source
population
 Rasio
 nilai yang didapat dengan pembagian suatu
kuantitas dengan kuantitas yang lain.
 kuantitas numerator (pembilang) boleh

berbeda dari kuantitas denominator
(penyebut) atau denominator mungkin
tidak memuat numerator
a
 Contoh:
b

dalam epidemiologi
Ratio
• The quotient of 2 numbers

• Numerator NOT necessarily INCLUDED in the
denominator
• Allows to compare quantities of different nature
= 5 / 2 = 2.5 / 1
15
Ukuran-ukuran frekuensi yang digunakan dalam epidemiologi 05/01/23
A more typical form of Epidemiological
ratio
Sex Ratio = Proportion of males

Proportion of females
For example, what is the sex ratio of males-to-
females in the age group 0-1 in 1995?
= 2,018,000 males babes/121,239,000 males

1,928,000 female babes/127,470,000 females
dalam epidemiologi
Ratio, Examples
• # beds per doctor
– 850 beds/10 doctors
– R = 85 beds for 1 doctor
• # participants per facilitator
• # inhabitants per latrine
• Sex ratio: Male / Female

Female / Male
• Odds ratio
• Rate ratio
• Prevalence ratio
17
18
 Proporsi
 suatu fraksi atau tipe rasio yang unsur

numerator adalah bagian dari denominator
 Bila dikalikan dengan 100, biasanya disebut suatu
persentase.
 Contoh: 28/56 = 0,5; 0,5 x 100% = 50%

 Ada 28 kasus dari 56 orang. Berarti proporsi kasus
adalah 50%.

dalam epidemiologi
Proportion

• Numerator NECESSARELY INCLUDED
in the denominator
• Quantities have to be of same nature
• Proportion always ranges between 0 and 1
• Percentage = proportion x 100
2
--- = 0.5 = 50%
4
20
Proportions
 Persons included in the numerator are
always included in the denominator:
A
Proportion: --------
A+B
 Indicates the magnitude of a part, related to
the total.
 In epidemiology, tells us the fraction of the

population that is affected.
Proportions - Example
A B Total (A + B)
# persons with # persons Total study

hypertension without population
hypertension
1,400 9,650 11,050
P = A / (A + B) = (1,400 / 11,050) = 0.127

Proportions
 Numerical value of a proportion: 0 to 1.0
 Linked to probability theory (i.e. risk of

developing disease)
 For ease of usage, can multiply a

proportion by 100 to get a percentage
 Example:p = 0.127 = 12.7%

Some well-known proportions in
Epidemiology
Proportional Mortality =
Number of Deaths from disease X in year Y

Total Deaths from all causes in Y
Case Fatality =
Number of Deaths due to disease X
Number of New Cases of disease X
This is a measure of the propensity of a disease to

cause
01/05/23 death of the affected individual.
Ukuran-ukuran frekuensi yang digunakan
dalam epidemiologi
24
dalam epidemiologi
MMWR July 30, 1999 / 48(29);621-629
The 10 leading causes of death as a percentage of all deaths

United States 1900 and 1997
1900 1997
Pneumonia Heart Disease
Tuberculosis Cancer
Diarreha and
Stroke
Enteritis
Heart Chronic Lung
Diseases Disease
Stroke Unintentional
Injury
Liver Pneumonia
Disease and Influenza
Injuries Diabetes
Cancer HIV Infection
Senility Suicide
Diptheria Chronic Liver

Disease
0 10 20 30 40 epidemiologi
dalam
0 10 20 30 4
 Rate
 Tipe spesifik dari rasio yang
digunakan mengkuantifikasi
proses dinamik seperti
pertumbuhan dan kecepatan

dalam epidemiologi
 Rate
 pernyataan numeris dari frekuensi suatu
peristiwa
 dihitung dengan cara pembagian antara

 jumlah individu yang mengalami peristiwa
(numerator) dengan
 jumlah total (keseluruhan) yang mungkin
dapat (kapabel) mengalami peristiwa

(denominator atau populasi berisiko) dan
 perkalian dengan suatu konstanta (tetapan)
dalam epidemiologi
 Rate
 Format umum dari rate adalah
Numerator
Rate  xF
Denominator
Numerator adalah jumlah orang atau individu yang
mengalami peristiwa.
Denominator adalah jumlah populasi berisiko (jumlah total
orang atau keseluruhan individu yang mungkin mengalami
peristiwa).
F adalah faktor pengali, biasanya kelipatan 10, mengkonversi
rate dari suatu fraksi ke suatu jumlah keseluruhan.
dalam epidemiologi
Rates
 A ratio in which TIME forms part of the
denominator
 Epidemiologic rates contain the following

elements:
• disease frequency (in the numerator)

• unit size of population
• time period during which an event occurs
 Rate
 Dapat berarti
 suatu pernyataan numeris dari frekuensi kejadian
yang terjadi dalam suatu kelompok orang tertentu
(didefinisikan) di dalam satu periode waktu tertentu
 Sinonim
 Tingkat
 Laju
 Contoh: 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 ?

dalam epidemiologi
Rate 
 kasus

100 kasus

1 kasus
 Populasi 1.250.000 orang 12500 orang
Rate demam berdarah  8 kasus per 100.000 orang

dalam epidemiologi
 Rate
 Bentuk khusus dari suatu proporsi yang
memuat waktu (atau faktor lain) dalam
denominator
 Contoh
 Incidence rate = 3 kasus per 100
orang per tahun

 kematian per 1000 penumpang -
kilometer

dalam epidemiologi
Rate
• Speed of occurrence of an event over time
Numerator
- number EVENTS observed for a given time
Observed in 1998
34
Rate
• Speed of occurrence of an event over time
Numerator
- number EVENTS observed for a given time
Denominator
- population in which the events occur
(population at risk)
- includes time
Observed in 1998
2
----- = 0.02 / year
100
35
Rates – Example
Calculate crude annual death rate in the US:
Annual death count
Crude death rate = ----------------------- x 1,000
Reference population
(during midpoint of year)
Death count in U.S. during 1990: 2,148,463

U.S. population on June 30, 1990: 248,709,873
2,148,463
Crude death rate = -------------- x 1,000 = 8.64 per 1,000
248,709,873
Discussion Question 1
What does a crude annual death rate of

8.64 per 1,000 mean?
Discussion Question 1
It means that over the course of a year:

1. About 9 persons in 1,000 died.
2. About 864 persons per 100,000 died.
3. The risk of dying was about 0.9% (see below)
2,148,463
Crude death rate = -------------- = 0.0086 x 100 = 0.86%
248,709,873
Rate, Example
• Mortality rate of tetanus in France in 1995

– Tetanus deaths: 17
– Population in 1995: 58 million
– Mortality rate = 0.029/100,000/year
• Rate may be expressed in any power of 10

– 100, 1,000, 10,00, 100,000
39
Tipe ukuran yang digunakan dalam
epidemiologi
 Ukuran frekuensi penyakit
 Merefleksikan besar kejadian penyakit

(morbiditas) atau kematian karena penyakit
(mortalitas) dalam suatu populasi
 Biasanya diukur sebagai suatu rate atau

proporsi

dalam epidemiologi
Ukuran-ukuran frekuensi penyakit
Insidens (incidence)
Prevalens (prevalens)
Mortalitas (mortality)

dalam epidemiologi
Ukuran-ukuran frekeunsi penyakit
 Insidens
 merefleksikan jumlah kasus baru (insiden)

yang berkembang dalam suatu periode waktu
di antara populasi yang berisiko
 Yangdimaksud kasus baru adalah

perubahan status dari sehat menjadi sakit
 Periode Waktu adalah jumlah waktu yang

diamati selama sehat hingga menjadi sakit
dalam epidemiologi
Define
disease
DISEASE
FREQUENCY
Define Define
population timeframe
ISSUE DALAM PENGUKURAN FREKUENSI PENYAKIT
• Dalam pengukuran frekuensi penyakit perlu

diperhatikan hal-hal sebagai berikut :
• Definisi /pemberian label menentukan apa

yang dimaksud “kasus” (sakit)
• Menentukan “time of onset”
• Mendefinisikan populasi
• Mendefinisikan “ kasus”
• Baik menghitung prevalens ataupun insidens
diperlukan definisi dari “kasus”  siapa yang
dianggap sebagai kasus, siapa-siapa yang bukan
• “Kasus” dapat ditentukan dengan cara :

• evaluasi klinis (tes diagnostik, gejala-gejala klinis)
• melalui catatan medis
• melalui interviu
Define disease
 The criteria for differentiating normal from abnormal
 For some diseases there is a test with clear

disease and non-disease state e.g. ovarian cancer
 For other disease the are levels to the test e.g

abnormal cells detected during a pap smear. How
many is too many?
Massey University
Defining disease
 Case definition may be based on symptoms

 (and sometimes the absences of symptoms)
 This maybe because:
– Mental illness, chronic fatigue
– Tests are expensive
– Test are impractical due to study design
Massey University
Defining disease
 Case definition may be based on symptoms

 (and sometimes the absences of symptoms)
 This maybe because:
– No test e.g. mental illness, chronic fatigue
– Tests are expensive or impractical due to study design
Massey University
• Pada perhitungan insidens numerator hanya terdiri
dari kasus-kasus baru saja :
• pada kondisi tertentu, suatu kejadian penyakit
dapat terjadi berulang-ulang pada satu pasien
dalam suatu periode (misal diare)
• pada keadaan demikian dari data tersebut
dapat dibuat 2 macam pengukuran insidens
• Insidens yang menggambarkan  jumlah orang

yang menjadi sakit diare pada periode waktu tertentu

 of people who developed disease
CI = -------------------------------------------------------- during period of
people at risk time
• Insidens yang menggambarkan jumlah kejadian
flue pada periode waktu tertentu

 of colds happened
CI = -------------------------------------------- during period of
people at risk time
• Pengukuran kedua insidens diatas memberikan

interpretasi yang berbeda
• Pertama memberikan interpretasi berapa

peluang seseorang untuk menjadi sakit tertentu
dalam periode waktu tertentu
• Kedua  memberikan interpretasi peluang
seseorang untuk mengalami sejumlah kejadian
penyakit yang sama dalam suatu periode waktu
tertentu (episode)
Define
disease
MEASURING
DISEASE
FREQUENCY
Define Define
Defining timeframe
 Study time
– Period of time over which the study is
conducted
– Usually calendar time
– Sometimes specified by event at which
data collection commenced e.g. birth
to school age
Massey University
Defining time frame
 Risk period
– Time during which the individual could develop

disease
– For some disease it is short

 e.g. asthma attack following exposure to allergen
– Other diseases it is long

 e.g. lung cancer due to exposure to hazards in the work
place
Massey University
Menentukan “time of onset”
• Kapan/bilamana dikatakan sebagai kasus baru,

atau kasus lama
• Untuk insidens diperlukan estimasi yang akurat

untuk menentukan “kasus baru”
• Untuk penyakit-penyakit akut penentuan

“time of onset” lebih mudah  contohnya appendisitis
akut, influenza dll
• Untuk penyakit-penyakit kronis penentuan

“time of onset” sulit
• oleh karena sulit menentukan waktu yang tepat
kapan saatnya penyakit dimulai
• contohnya depressi, kanker dll

Define
disease
DISEASE
FREQUENCY
Define Define
Populations
Target
Study
Defining the population
 Study and target populations may be defined by:
– Geography
– Age
– Sex
– Ethnicity
– Employment
– Combination of factors
Massey University
Defining the population
 Study populations may be open or closed
– Closed populations- Subjects enter at the same

time and there are very few losses to follow-up
– Open populations- Subjects enter at any time and

there are many losses to follow-up
Massey University
Closed Populations (Cohorts)
 Closed populations
are also called cohorts
 A fixed number of
people w/ no inflow
 Individual followed Once you are a member

over time (some will of a cohort, you are a
“expire” and some will member for life. – Olli
survive) Miettinen
(c) B. Gerstman
Massey University
Chapter 6 58
Open (Dynamic) Populations
 Open populations
experience inflow
(immigration, births)
and outflow
(emigration, death).
 An open population in
“steady state” (constant
size and age
distribution) is said to
be stationary
(c) B. Gerstman
Massey University
Chapter 6 59
Mendefinisikan populasi studi :
• Secara teoritis pada pengukuran insidens suatu

penyakit, hanya populasi beresiko saja yang menjadi
denominator
• Harus dikeluarkan anggota populasi yang tidak

beresiko, atau tidak “susceptible” terhadap
penyakit
• contoh dalam mengestimasi frekwensi penyakit
karsinoma endometrium harus dikeluarkan
wanita-wanita yang telah mengalami hsiterektomi
dari populasi studi
• contoh lain untuk perhitungan insidens penyakit

seperti campak :
 anak-anak yang telah mengalami campak
 atau yang telah dimunisasi campak
 harus dikeluarkan dari populasi studi
• Pada prakteknya sulit untuk mengidentifikasikan
individu-individu yang tidak lagi beresiko :
• jika diperkirakan jumlah dari individu-individu

yang tidak beresiko relatif kecil dibanding
dengan besarnya populasi
 kegagalan mengeluarkan individu-individu

tersebut dari populasii hanya memberi dampak
yang kecil pada perhitungan insidens
• Pada pengukuran prevalens  denominator selalu

mengikut sertakan semua individu pada populasi
 Insidens
 Insidens kumulatif (Cumulative Incidence)

 Nama lain: Risk, proporsi insidens
 Densitas insidens (Incidence Density)

 Nama lain: insidens orang – waktu (Person – Time
Incidence), Tingkat insidens (Incidence rate)

dalam epidemiologi
 Insidenskumulatif = Risk =
Proporsi Insidens
 Berarti rata-rata risiko seorang individu
terkena penyakit
 Orang-orang yang berada dalam denominator

haruslah terbebas dari penyakit pada
permulaan periode (observasi atau tindak
lanjut)

dalam epidemiologi
 Insidens kumulatif = Risk =
Proporsi Insidens
 Metode ini hanya layak bila ada sedikit atau
tidak ada kasus yang lolos dari pengamatan
karena kematian, tidak lama berisiko, hilang
dari pengamatan
 Memerlukan bahwa semua non-kasus diamati

selama seluruh periode pengamatan

dalam epidemiologi
Proporsi Insidens
 Probabilitas individu berisiko berkembang

menjadi penyakit dalam periode waktu
tertentu
 menyatakan individu tidak meninggal karena

sebab lain selama periode itu

dalam epidemiologi
Proporsi Insidens
 Tidak berdimensi, dinilai dari nol sampai satu

 Merujuk pada individu
 Mempunyai periode rujukan waktu yang
ditentukan dengan baik

dalam epidemiologi
dalam epidemiologi
 Rumus Insidens kumulatif = Risk = Proporsi Insidens
Jumlah kasus insidens selama periode waktu tertentu

Insidens kumulatif 
Jumlah orang berisiko pada permulaan waktu

dalam epidemiologi
Cumulative Incidence (CI)=
Incidence Proportion
Number of NEW cases of disease during a period
Population exposed during this period

Incidence Proportion
Example of bilharziasis in Guadeloupe in 1979:
Population 350,000
New cases 1,250
Cumulative incidence 3.6/1000 per year
69
Cumulative Incidence
Incidence proportion
CI assumes that entire population at risk
followed up for specified time period
x
x
i sk
x
x
R
x
CI = 7/12 per year
x = 0.58 per year

x
x disease onset
Month 1 Month12
70
 Attack rate
 jenis khusus insidens kumulatif yang berguna selama
epidemik
 Contoh
Makanan Makan ARM Tidak Makan ARTM
Sakit Tidak Sakit Tidak
sakit Sakit
Salad 30 70 30/100 5 35 5/40
Krecek 16 84 16/100 4 21 4/25
ARM = Attack Rate Makan

ARMTM = Attack Rate tidak makan

dalam epidemiologi
Cumulative Incidence
• Adalah proporsi dari sekelompok orang yang

beresiko dan berkembang menjadi sakit pada
periode waktu tertentu
• Dapat digunakan untuk mengukur “resiko” yaitu :

• probabilitas dari orang yang sehat akan menjadi
sakit selama periode waktu tertentu dengan
asumsi bahwa semua orang yang sehat dan
beresiko diamati sampai timbulnya penyakit
pada periode waktu tertentu (“fixed population”)
• Kalkulasi dari CI

 of new cases of disease
CI = -------------------------------------- during period of
population at risk time
note : hanya kasus baru saja yang termasuk dalam numerator,
kasus-kasus yang sudah terjadikrisbantas/ukuran
tidak termasuk dalam numerator
frekwensi/epid 72
Incidence Proportion (Illustration)
• Recruit 1000 women aged 60 – 69

• 100 had hysterectomies before age 60
• 900 at risk of uterine cancer
• Follow for 10 years
• 10 develop uterine cancer
no. of onsets 10 women
Incidence Proportion    0.011
no. @ risk 900 women
Interpretation: The 10-year average risk of
uterine cancer in this cohort is 0.011 or 1.1%.
1 2 3 4 5 6 7 Jumlah waktu dalam jangka
Gambar 1 observasi dan dalam keadaan sehat
(tahun)
A 7
B 7
C * 2
D 7
E 3
F 2
G 5
Keterangan
Periode sehat
Periode sakit
Hilang dalam pengamatan selanjutnya
* Meninggal

dalam epidemiologi
 Dari gambar 1.
 Berapa Insiden Kumulatif (IK) selama 7 tahun waktu
pengamatan?
 Jawab
IK 
 Kasus baru
 Populasi berisiko pada awal pengamatan
3 kasus
IK   43 kasus per 100 orang
7 orang

dalam epidemiologi
Contoh perhitungan Cumulative Incidence
11
1 2*
3*
4
5*
6
7*
8
9
10*
1 Januari 1990 31 Des 1990
* = kasus baru
• Selama periode 1 Jan 1991 - 31 Des 1991 terdapat
5 kasus baru campak (2,3,5,7 dan 10)
• Sebelumnya telah ditemukan 5 kasus campak

(1,6,4,8 dan 9)
 sehingga dari 100 orang hanya 95 orang
yang beresiko terhadap penyakit campak
selama periode 1 Jan 1991 - 31 Des 1991
• CI = 5/95 = 0.053  5.3 % selama periode 1 tahun

CUMULATIVE INCIDENCE
THE PROPORTION OF A DISEASE-FREE
POPULATION THAT BECOMES ILL DURING A
SPECIFIED PERIOD OF TIME:
AVERAGE RISK
RISK:
THE PROBABILITY THAT AN INDIVIDUAL WILL
DEVELOP DISEASE IN A SPECIFIED PERIOD
OF TIME
 Densitas insidens = Insidens orang-waktu
 Berarti rata-rata rate untuk populasi berisiko

selama waktu yang ditentukan
 Karena denominator diukur dalam orang-

waktu, hal ini tidak perlu bahwa semua
individu diamati untuk periode yang sama

dalam epidemiologi
 Densitas insidens = Insidens orang-waktu =
Incidence Rate
 Menyatakan suatu jumlah kasus baru per orang-waktu

 Rumusnya:
Jumlah kasus insidens terjadi dalam periode waktu

Densitas insidens 
Jumlah orang  waktu

dalam epidemiologi
§ 6.3: Incidence Rate
• Synonyms: incidence density, person-
time rate
• Components
• Numerator = onsets
• Denominator = person-time @ risk
• Interpretation – population speed of
developing disease
no. onsets
incidence 
Sum of healthy person - time
Accumulation of person-years observed in an eight-
year cohort study of six subjects
Person-years of
S
Subject
Observation
I Death
6
II Disease
7
III Alive
8
34
IV Death 4
V Disease 4
VI Lost to Follow-up 5
0 1 2 3 4 5 6 7 8
Study starts Study ends
Time (years)
(tahun)
A 7
B 7
C * 2
D 7
E 3
F 2
G 5
Keterangan
Periode sehat
Periode sakit
* Meninggal

dalam epidemiologi
 Dari Gambar 1. Hitunglah nilai Densitas
Insidens (DI)= Insidens orang-waktu (PTI) =
Incidence Rate (IR)?
 Jawab:
 Hitung jumlah orang-waktu terlebih dulu
 orang  waktu   7  7  2  7  3  2  5  33 orang  tahun

 Kemudian hitung DI  IR  PTI 
 kasus baru
 orang  waktu 
3 kasus
DI  IR  PTI   9,1 kasus per 100 orang - tahun
33 orang  tahun

dalam epidemiologi
 Densitas Insiden =
 Insidens orang waktu=Incidence Rate =
 9,1 kasus/100 orang- tahun
 Unit (satuan) orang-tahun dalam contoh di atas adalah 1 x

100 x orang-tahun = 4 x 25 orang- tahun
 Angka ini dari orang-waktu dapat diakumulasi dengan observasi

100 orang selama 1 tahun, 25 orang selama 4 tahun,
10 orang selama 10 tahun.

dalam epidemiologi
Person-Time
• In a closed-population, you can sum person-time
• One person observed for 1 year = 1 person-year
• Two people observed for ½ year each = 1 person-year
• Four people observed for ¼ year each = 1 person-year
• 52 people observed for a week each = 1 person-year
• In an open population in steady-state, you can use

this approximation:
Person-time  (average pop. size) × (time of observation)
 Latihan menghitung Incindence Rate
Populasi 1
D = permulaan sakit
D
0 25 50 75 100
Tahun
onsets 2 people
Rate  
 person - time 25 years  50 years
 0.000267 person per years  2.67 per 10,000 person - years
01/05/23 87
dalam epidemiologi
 Latihan menghitung Incindence Rate
Populasi 2
D = permulaan sakit
D
0 25 50 75 100
Tahun
Hitung Incidence Rate pada populasi 2=2/(75+100)=2/175 person years

=0.0114 = 11.4 per 1000 person-years

dalam epidemiologi
Example of a rate in an open
population
onsets
incidence 
(average pop. size)  (time)
• In one year, we observe 2,391,630 deaths.

•The average population size is 272,705,815.
•The death rate is:
2,391,630 people
incidence   0.008770 year -1
272,705,815 people  1 year
INCIDENCE RATE / INCIDENCE DENSITY:
THE NUMBER OF NEW CASES OF DISEASE
DIVIDED BY THE AMOUNT OF PERSON TIME IN
THE BASE POPULATION
PERSON TIME:
CHRONOLOGIC HUMAN EXPERIENCE, USED

IN THE DENOMINATOR AN INCIDENCE RATE N
IN WHICH PERSONS ARE REPRESENTED BY
THE AMOUNT OF OBSERVATION TIME THEY
CONTRIBUTE
Person - Time
Person Person-months
1 Disease 10
2 13
3 Loss to follow-up 9
4 15
Disease
5 10
6 15
7 Disease 7
Months 1 2 3 4 5 6 7 dalam
8 9epidemiologi
10 11 12 13 14 15
Incidence Rate using individual data
= No. of events (x)
person-years (t1 + t2 + . . .+ tN)
= 3 new cases of disease

10 + 13 + 9 + 15 + 10 + 15 + 7 months of
observation
= 3 new cases of disease

79 person-months
dalam epidemiologi
For large population data
Incidence Rate = No. of events (x)
person-years (avg. pop size *
duration)
= 2,000 events/ 9,000
people*10 years
10,000
disease 8,000
free disease
people free

people
01/05/23 94
10 yearsdalam epidemiologi
Incidence density
Number of NEW cases of disease during a period
Total person-time of observation

Rate
Instantaneous concept (like speed)
Denominator:
- is a measure of time
- the sum of each individual’s time at risk
and free from disease 95
90 91 92 93 94 95 96 97 98 99 00 Time at risk
A 6.0
B x 6.0
C 11.0
D 9.5
E x 5.0
Total years at risk 37.5

-- time followed
x disease onset
ID = 2 / 37.5 person- years
= 0.053 person-year
96
Incidence Rate (IR)
What is person time?
When we observe a group of individuals
for a period of time in order to ascertain
the DEVELOPMENT of an event….
- The actual time each individual

is observed will most likely
vary.
Discussion Question
Because:
• Subjects may be recruited at different times
• Subjects may emigrate
• Subjects may choose to leave study
• Subjects may die
• Subjects may get the disease we are
studying
Person-Time
Each subject contributes a specific person-time of
observation (days, months, years) to the denominator
Person Follow-up Time on Study Person Yrs.
1 <-------------------------------------> 2
2 <--------------------------------------D 2
3 <-----------------WD 1
4 <-------------------------------------------------------> 3
5 <-------------------------------------> 2
1995 1996 1997 1998

Jan. Jan. Jan. Jan.
Incidence Rate (IR)
No. new cases of disease during a given period
IR = ------------------------------------------------------------
Total “person-time” of observation
So,
1 case
IR = ----------- = 1 case per 10 years follow-up
10 years
Whereas,
1 case
CI = ------------ = 0.20 = 20.0%
5 persons
Person-Time
Person Follow-up Time on Study Person Yrs.
1 <-------------------------------------> 2
2 <--------------------------------------D 2
3 <-----------------WD 1
4 <-------------------------------------------------------> 3
5 <-------------------------------------> 2
1995 1996 1997 1998
Jan. Jan. Jan. Jan.
Study Period: 3 Years

Study Participants: 5
Person Years of Observation: 10
Average Duration of Follow-Up: 2.0 Years
Comparison of IR and CI
If we multiply by 0.2, the IR of 1 case per 10 years is
equivalent to 0.2 cases per 2 years:
which suggests a 20% risk of disease development
within 2 years of follow-up.
Whereas, the CI risk estimate of 20% (1 case per 5

persons) was based on a period of 3 years of follow-up.
The CI calculation of risk of disease development differs

from the IR calculation, in part, because it assumed that
for incomplete follow-up, no cases of disease occurred.
 Prevalens
 Merefleksikan jumlah kasus yang ada (kasus

lama maupun kasus baru) dalam populasi
dalam suatu waktu atau periode waktu
tertentu
 probabilitas bahwa seorang individu menjadi

kasus (atau menjadi sakit) dalam waktu atau
periode waktu tertentu

dalam epidemiologi
Figure 3-5 Identifying newly detected cases of a disease. Step 1: Screening for prevalent cases at baseline.
Downloaded from: StudentConsult (on 2 October 2009 12:33 AM)

© 2005 Elsevier
Figure 3-6 Identifying newly detected cases of a disease. Step 2: Follow-up and rescreening at 1 year to identify cases that developed during the year.

© 2005 Elsevier
 Prevalens
 Prevalens titik (Point of Prevalence)

 Nama lain: prevalens, proporsi prevalens
 Prevalens periode (Periode of Prevalence)

 Prevalens tahunan (Annual of Prevalence)
 Prevalens selama hidup (Lifetime of Prevalence)

dalam epidemiologi
 Prevalens = prevalens titik = proporsi
prevalens
 probabilitas bahwa seorang individu

menjadi kasus (atau menjadi sakit) pada
suatu titik waktu
 Tidak mempunyai dimensi
 Variasi nilai antara nol dan satu

dalam epidemiologi
 Rumus Prevalens = prevalens titik (Point
Prevalence) = proporsi prevalens
Jumlah kasus yang ada pada satu titik dalam waktu T

Prevalens titik 
Total jumlah orang pada waktu T

dalam epidemiologi
Examples
10
9
8
7
6
5
4
3
2
1
0
Jan Feb Mar Apr May Jun Jul
Ratio males/women=2/8 Prevalence March1 =3/10

Proportion of women=2/10=2% Prevalence March-July =7/10
Incidence Proportion March-July =4/7
109
(tahun)
A 7
B 7
C * 2
D 7
E 3
F 2
G 5
Keterangan
Periode sehat
Periode sakit
* Meninggal

dalam epidemiologi
 Dari Gambar 1. Hitung prevalens pada tahun ke 2, 3, 4, 5, 6, 7
 Rumus Prevalens = prevalens titik (Point Prevalence) = proporsi

prevalens
Jumlah kasus yang ada pada satu titik waktu T

Prevalens titik 
Total jumlah orang pada waktu T
Jawaban: Jawaban:
PT pada T = 2 0/7 PT pada T = 5 2/6
PT pada T = 3 2/7 PT pada T = 6 2/5
PT pada T = 4 2/6 PT pada T = 7 2/5

dalam epidemiologi
 Prevalens periode
 probabilitas seorang individu berada dalam keadaan
sakit kapan saja selama suatu periode waktu .
Jumlah kasus yang ada selama suatu periode waktu

Prevalens Periode 
Jumlah orang selama periode

dalam epidemiologi
(tahun)
A 7
B 7
C * 2
D 7
E 3
F 2
G 5
Keterangan
Periode sehat
Periode sakit
* Meninggal

dalam epidemiologi
 Dari Gamabar 1. : Hitunglah Prevalens Periode (PP) dari
tahun ke 1 hingga tahun ke 4.
Jumlah kasus yang ada selama p eriode waktu tahun ke 1  4

PP 
Jumlah orang selama periode tahun ke 1 - 4
Karena jumlah orang (populasi) dalam pengamatan

berubah-ubah, maka kita dapat menggunakan jumlah
rata-rata dari populasi, atau yang umum digunakan
adalah jumlah populasi pada tengah tahun pengamatan
(midpoint year)
2
P P   0,29
7
dalam epidemiologi
 Dari gambar 1.
 A, B,C,D, E, F, G.  individu yang diamati (ada
7 orang)
 1, 2, 3, 4, 5, 6, 7.  tahun yang diamati (ada 7

tahun pengamatan)
 Jumlah kasus baru selama 7 tahun pengamatan

ada 3 kasus
 Rata-rata lama sakit = (3+5+2)/3 tahun = 3,3

tahun
dalam epidemiologi
 Dari gambar 1
 Orang – waktu (Person – Time)
 Jumlah waktu seseorang yang memberikan
kontribusi masa sehat sejak awal pengamatan.
 Untuk A  masa sehat 7 tahun
 Untuk B  masa sehat 7 tahun
 Untuk C  masa sehat 2 tahun
 Untuk D  masa sehat 7 tahun
 Untuk E  masa sehat 3 tahun
 Untuk F  masa sehat 2 tahun
 Untuk G  masa sehat 5 tahun
 Total orang – tahun = (7+7+2+7+3+2+5) orang-
tahun = 33 orang tahun

dalam epidemiologi
 Hubungan antara insidens dan prevalens
 Jika dalam kondisi yang tetap, maka hubungan
insidens dan prevalens adalah
 P=IxD
 Prevalens (P) [Prevalens periode] = Insidens (I)
[Densitas Insindens] x rata-rata lama sakit (D)
 Dari gambar 1. (untuk pengamatan selama 7 tahun)

 I = 3 kasus/33 orang-tahun. D = 3,3 tahun
 P = 3 kasus/33 orang tahun x 3,3 tahun
 P = 3 kasus/10 orang
01/05/23  P = 30 kasus/100 orangyang digunakan
Ukuran-ukuran frekuensi 117
dalam epidemiologi
Dinamik prevalens
Insidens (aliran masuk)
Prevalens
(Permukaan air)
Kasus Baru
Kasus Lama
Sembuh
atau meninggal
Bekas-bekas kasus
dalam epidemiologi
Relationship between
Incidence, Prevalence and Disease Duration
Incidence
Prevalence Deaths,
Duration Cured,
Lost...
Merci à Jean-Luc Grenier - CEPIQ98
Figure 3-11 Relationship between incidence and prevalence: I.

© 2005 Elsevier
Figure 3-12 Relationship between incidence and prevalence: II.

© 2005 Elsevier
Figure 3-13 Relationship between incidence and prevalence: III.

© 2005 Elsevier
HUBUNGAN ANTARA PREVALENS DAN INSIDENS
P = I X Rata-rata lamanya sakit (durasi)

P = prevalens I = insidens D = durasi
P=IxD
• Prevalens yang tinggi dapat oleh karena :

• insidens yang tinggi
• durasi sakit yang panjang
• Contoh :
• penggunaan insulin menyebabkan penderita DM
bertahan hidup lama  durasi sakit menjadi
panjang  prevalens meningkat


Prevalens yang rendah dapat oleh karena :
• insidens yang rendah

• durasi sakit yang pendek
•pengobatan yang baik
• meningkatnya virulensi penyakit sehingga
pasien cepat meninggal
• atau keduanya
• Contoh :
• pada kasus-kasus yang mudah sembuh,
• atau pada kasus-kasus yang cepat meninggal


VARIASI PADA INSIDENS DAN PREVALENS
• Oleh karena insidens tergantung kepada munculnya

kasus baru 
maka penurunan pada insidens dapat oleh karena :
• adanya peningkatan daya tahan tubuh diantara

anggota populasi terhadap penyakit
• adanya perubahan pada etiologi penyakit
• adanya pencegahan yang efektif

Relationship between Prevalence and
Incidence
Incidence is a proxy for “risk” whereas prevalence is

best for assessing disease burden or case load in a
geographic area.
There is a well known relationship between them,

namely -
Prevalence = Incidence x Duration of disease

P = I x D
dalam epidemiologi
Features of Prevalence
 Point prevalence affected by

» Duration of the disease
– from diagnosis to outcome
» Incidence
– P = IR x duration
 if IR stable & duration of the D not change in study period
 if P is low
– If IR high, but duration short------->P is low
– If IR low, but duration is long------>P is high
 Mortalitas
 Merefleksikan jumlah kematian dalam suatu
populasi

dalam epidemiologi
 Ukuran mortalitas
 Ratio kematian terhadap kasus (Death-to-case Ratio)
DTCR 
 kematian dari penyakit tertentu selama periode tertentu
 kasus baru dari penyakit yang didentifikasi selama periode yang sama 
Contoh:
Pada tahun 2004, ada 200 kasus baru tuberkulosis paru-paru
yang dilaporkan di suatu wilayah. Pada tahun yang sama ada 15
kematian yang terjadi pada penderita tuberkulosis paru-paru,
maka DTCR = 15/200  75 kematian per 1000 kasus baru

dalam epidemiologi
 Infant Mortality Rate (IMR)
Contoh: IMR = 7,2 bayi
 bayi yang meninggal  yang meninggal per
IMR 
 bayi yang lahir hidup  1000 kelahiran hidup
 Neonatal mortality rate (NMR)
NMR 
 kematian bayi umur dalam 28 hari pertama kehidupan
 bayi yang lahir hidup
Contoh: NMR = 5,4 kematian neonatal per 1000

kelahiran hidup

dalam epidemiologi
 Postneonatal Mortality Rate (PNMR)
PNMR 
 bayi yang meninggal umur 28 sampai 11 bulan
 bayi yang lahir hidup 
Contoh: PMNR = 2,8 kematian postneonatal per 1000 kelahiran hidup
 Maternal Mortality Rate (MMR)
MMR 
 kematian ibu oleh sebab yang berkaitan dengan kehamilan, kelahiran dan nifas 
 bayi yang lahir hidup
Contoh: MMR = 6,1 kematian ibu per 100.000 kelahiran hidup

dalam epidemiologi
 Case Fatality Rate (CFR)
 meninggal diantara kasus insidens
CFR 
 Jumlah kasus insidens
 Propotionate Mortality (PM)
 kematian karena sebab tertentu 

PM 
 kematian semua sebab

dalam epidemiologi
 Propotionate Mortality Ratio (PMR)
 Membandingkan Propotionate Mortality pada
satu kelompok umur dengan kelompok umur
yang lain pada satu populasi
PM grup1
PMR 
PM grup2
Contoh: PM pada semua kasus = 7,1%; PM pada umur 25 –
44 = 2,5%; PM pada umur 45 – 64 = 4,3%. PMR antara
umur 45 – 64 dan 25 – 44 adalah (4,3/2,5) = 1,72

dalam epidemiologi
MANFAAT DARI PENGUKURAN TERHADAP
FREKWENSI PENYAKIT
Insidens
• Merupakan alat ukur untuk penelitian etiologi
suatu penyakit baik akut maupun kronis
• Merupakan indikator yang baik untuk mengestimasi

suatu “resiko” oleh karena insidens mengukur
• secara langsung peluang bahwa seseorang yang
sehat akan menjadi sakit
• Insidens rate yang tinggi dari suatu penyakit

menunjukkan resiko yang tinggi untuk mendapatkan
penyakit tersebut
• Insidens memberikan informasi mengenai efektifitas

dari suatu pencegahan atau intervensi terhadap
suatu penyakit krisbantas/ukuran frekwensi/epid 134

Prevalens
• Suatu prevalens rate yang tinggi dari suatu
penyakit belum tentu menunjukkan adanya resiko
yang tinggi untuk mendapatkan penyakit tersebut,
oleh karena dapat saja oleh karena :
• survival rate yang meningkat
• medical care yang meningkat
• Suatu prevalens rate yang rendah dari suatu penyakit

 dapat merefleksikan kondisi-kondisi :
• proses fatal yang cepat
• proses penyembuhan yang cepat

• Data dari pengukuran prevalens tidak dapat
dipakai untuk meneliti etiologi penyakit dan
mengukur resiko
• Data dari pengukuran prevalens dapat digunakan

untuk :
·
• mengestimasi kebutuhan atas personel dan fasilitas kesehatan,
•juga untuk mengestimasi beban dari suatu penyakit terhadap sistem

pelayanan kesehatan.


01/05/23 Ukuran-ukuran frekuensi yang 137
digunakan dalam epidemiologi
Features for IR
 Free of the D at the beginning of the

study
 Eligible to become a case
 Potential to develop the D of interest
Features for IR
 Strictly apply to a population

» Speed of changing from D-free to D status
under the force of morbidity
– 12 cases/100 person-days: on average, every
100 person-days f-u, 12 D-free persons will
develop the D of interest
 No direct interpretation on individual level
» Not the probability of an individual in the pop
developing D in a specified time period
Features for IR
 Unit of measurement
» Time-1
– Year-1 Month-1 Day-1 Hour-1 Second-1
 Value: 0--------
» Numerical value depends on the units
– Every 24 seconds one car stolen in the US
 1 car/24 seconds
 3600 cars/day
 1,314,000 cars/year
How many New Cases
Expected Daily?
 5,031 patients were observed for 127,859
patient-days (average length of stay of
127,859/5031=25.4 days)
 596 patients developed an infection that
met definition of hospital-acquired:
 IR=596/127,859=0.0047/patient-day
 =4.7/1000 patient-day (0.47%)
» On average,0.47% of patients similar to those
studied /day will develop nosocomial infection
over similar time-period
Cumulative Incidence Rate
(CI)
 Numerator: all incident
 Proportion of the cases
population who
developed the D of  Denominator: Starting
interest during the D-free population (not
total person-times)
study period
 Starting pop’N free of D,
 CI = # new potential to become a
events/starting D- case (to develop the D
of interest)
free population
Features for CI
 CI useful for etiologic study if study

period is short
» If long, competing risk and loss to f-u
effect
• Not suitable for etiological study
– Difficult to separate survival factors and E

• a prognostic factor or risk factor?
– Difficult to separate consequence of D and E
• has D changed E status among the subjects?

• Useful for study of diseases
– unknown onset time: diabetes, HPT, obesity
• Useful for health policy making
• Dimensionless (no units of measurement)
• Value: 0 - 1

Ukuran-ukuran frekuensi
penyakit
 Perbandingan Insidens dan Prevalens
Insidens Prevalens
 Hanya menghitung kasus baru  Menghitung kasus yang ada
(kasus baru dan lama)
 Bergantung pada rata-rata lama
 Tingkat tidak bergantung durasi
rata-rata penyakit (durasi) sakit
 Dapat diukur sebagai rate atau  Selalu diukur sebagai proporsi
proporsi
 Merefleksikan kemungkinan  Merefleksikan kemungkinan
menjadi penyakit sepanjang waktu terjadi penyakit pada satu waktu
 Lebih disukai bila melakukan tertentu
studi etiologi penyakit  Lebih disukai bila studi utilisasi
pelayanan kesehatan
Ukuran-ukuran frekuensi
penyakit
Insidens Prevalens
Insidens Incidence Titik Periode

Kumulatif Rate
Sinonim Proporsi Incidence

Insidens Density
Nunerator Kasus baru Kasus baru Kasus yang Kasus yang

ada ada/baru
Denominator Populasi Orang - Populasi Populasi

inisial Waktu Inisial pertengahan
Unit Tidak ada Kasus per Tidak ada Tidak ada

orang waktu
Tipe Proporsi Rate Proporsi Proporsi

Epidemiology Kept
Simple
Chapter 6
Incidence and Prevalence
(c) B. Gerstman Chapter 6 149
If it’s not clear…
• Gordis Leon, M.D., M.P.H., Dr.P.H. 2009.
Epidemiolgy. W.B. Saunders Company.
Philadelphia ,Chapter 3
• Epidemiology, an introduction. Rothman KJ. Oxford

University Press, 2002,Chapter 3
• Epidemiology in Medicine. Henneckens CH, Buring JE.

Edited by Mayrent SL, Chapter 4

Ukuran Frekuensi Penyakit

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Ukuran Frekuensi Penyakit

Diunggah oleh

Hak Cipta:

Format Tersedia

UKURAN-UKURAN FREKUENSI

YANG DIGUNAKAN DALAM

01/05/23 Ukuran-ukuran frekuensi yang digunakan 1

01/05/23 Ukuran-ukuran frekuensi yang digunakan 2

01/05/23 Ukuran-ukuran frekuensi yang digunakan 3

01/05/23 Ukuran-ukuran frekuensi yang digunakan 4

 Tipe kuantitas matematis

01/05/23 Ukuran-ukuran frekuensi yang digunakan 5

•Ada 3 macam parameter matematis yang digunakan

• jumlah kejadian penyakit dengan

• Parameter tersebut adalah

01/05/23 Ukuran-ukuran frekuensi yang digunakan 7

01/05/23 Ukuran-ukuran frekuensi yang digunakan 9

01/05/23 Ukuran-ukuran frekuensi yang digunakan 10

Slide from Peter Davies

Slide from Peter Davies

 kuantitas numerator (pembilang) boleh

01/05/23 Ukuran-ukuran frekuensi yang digunakan 14

• The quotient of 2 numbers

Sex Ratio = Proportion of males

= 2,018,000 males babes/121,239,000 males

• Sex ratio: Male / Female

 suatu fraksi atau tipe rasio yang unsur

 Contoh: 28/56 = 0,5; 0,5 x 100% = 50%

01/05/23 Ukuran-ukuran frekuensi yang digunakan 19

• The quotient of 2 numbers

 In epidemiology, tells us the fraction of the

# persons with # persons Total study

1,400 9,650 11,050

P = A / (A + B) = (1,400 / 11,050) = 0.127

 Linked to probability theory (i.e. risk of

 For ease of usage, can multiply a

 Example:p = 0.127 = 12.7%

Number of Deaths from disease X in year Y

This is a measure of the propensity of a disease to

The 10 leading causes of death as a percentage of all deaths

Pneumonia Heart Disease

Cancer HIV Infection

Diptheria Chronic Liver

01/05/23 Ukuran-ukuran frekuensi yang digunakan 27

 dihitung dengan cara pembagian antara

dapat (kapabel) mengalami peristiwa

 Epidemiologic rates contain the following

• disease frequency (in the numerator)

01/05/23 Ukuran-ukuran frekuensi yang digunakan 31

Rate demam berdarah  8 kasus per 100.000 orang

01/05/23 Ukuran-ukuran frekuensi yang digunakan 32

orang per tahun

01/05/23 Ukuran-ukuran frekuensi yang digunakan 33

Death count in U.S. during 1990: 2,148,463

What does a crude annual death rate of

It means that over the course of a year:

2. About 864 persons per 100,000 died.

3. The risk of dying was about 0.9% (see below)

• Mortality rate of tetanus in France in 1995

• Rate may be expressed in any power of 10

 Merefleksikan besar kejadian penyakit

 Biasanya diukur sebagai suatu rate atau

01/05/23 Ukuran-ukuran frekuensi yang digunakan 40

01/05/23 Ukuran-ukuran frekuensi yang digunakan 41

 merefleksikan jumlah kasus baru (insiden)

 Yangdimaksud kasus baru adalah

 Periode Waktu adalah jumlah waktu yang