KELAS 13A

KELOMPOK 12
Case Control Study
DISUSUN OLEH :
Army Mariana
Nisa Mahmudah

Dosen :

Prof Dr.Arlette Suzy Puspa Pertiwi,drg.,Sp.KGA,

Subsp.AIBK (K). M.Psi,FSCDA,FiADH

PROGRAM MAGISTER MANAJEMEN

UNIVERSITAS ADHIRAJASA RESWARA SANJAYA
Defenisi
Study observasional yang menilai
hubungan antara paparan dan penyakit
dengan cara menentukan sekelompok
orang berpenyakit (kasus) dan
sekelompok orang yang tidak
berpenyakit (kontrol), kemudian
membandingkan frekuensi paparan
pada kedua kelompok tersebut.
Studi kasus kontrol telah menjadi alat penting dalam penelitian klinis dan epidemiologi sejak
lama.
Contohnya :

TAHUN PENELITIAN KETERANGAN

1980-an laporan pertama mengenai kelainan yang Hal ini merupakan salah
ditemukan pada laki-laki muda satu contoh bagaimana
homoseksual, seperti sarkoma Kaposi dan studi kasus kontrol dapat
pneumonia Pneumocystis carinii. digunakan untuk
akhirnya mengarah pada pengenalan memahami penyakit baru.
penyakit AIDS
Pada Studi kasus kontrol digunakan untuk Menunjukkan bahwa
abad ke- mengidentifikasi penyakit paru-paru yang metode ini masih relevan
21 terkait dengan penggunaan vape di dalam penelitian
kalangan dewasa muda kesehatan kontemporer.
1920-an penelitian terhadap 500 wanita penderita Hasilnya, ia menemukan
oleh kanker payudara dan membandingkannya bahwa risiko kanker
Lane- dengan wanita tanpa penyakit tersebut payudara lebih tinggi pada
Claypon perempuan yang tidak
memiliki anak dan tidak
menyusui
Struktur penelitian kasus-kontrol

Dalam studi ini, dua kelompok orang dibandingkan:

- Kelompok yang memiliki penyakit (kasus)
- Kelompok yang tidak memiliki penyakit (kontrol)
 Tahapan penelitian kasus kontrol
1. Identifikasi variabel-variabel penelitian (faktor resiko
dan efek)
2. Menetapkan objek penelitian (populasi dan sampel)
3. Indentifikasi kelompok kasus
4. Pemilihan subjek sebagai kontrol
5. Melakukan pengukuran retrospektif (meninjau
kebelakang) untuk melihat faktor resiko
6. Melakukan analisis dengan membandingkan proporsi
antara variabel-variabel objek penelitian dengan
variabel-variabel kontrol (menghitung Ods Rasio)
PRINSIP PEMILIHAN
KELOMPOK KASUS & KELOMPOK KONTROL

Kasus
Total populasi Kontrol

Yaitu sampel diambil dari populasi yang sama,

untuk memastikan bahwa kelompok kasus dan kelompok kontrol terpapar
oleh paparan yang sama.
KELOMPOK KASUS
• Merupakan kelompok yang memiliki penyakit
(baru atau kronis)
• Representatif dari populasi ( berdasarkan
insidensi atau prevalensi)
• Sampel diperoleh dari populasi yang sama
dengan kelompok kontrol
• Sumber informasi :
 Data rumah sakit (Rekam medis)
 Data epidemologi
KELOMPOK KONTROL
• Kelompok selain kelompok kasus
(orang sehat/ tidak menderita penyakit yang akan kita teliti)

• Sampel diperoleh dari populasi yang sama

dengan kelompok kasus
• Rekam medis dapat menjadi sumber informasi
KESALAHAN YANG SERING TERJADI
DALAM PEMILIHAN KELOMPOK KASUS & KONTROL

• Seringkali orang yang sakit tidak ke rumah sakit,

Sehingga populasi kasus yang didapat di Rs kemungkinan berbeda dengan populasi
yang sebenarnya (jumlah sampel untuk kelompok kasus tidak mewakili populasi)
• Riwayat pajanan tidak tercatat
(untuk kelompok kontrol, data pajanan biasanya tidak tercatat di rekam medik)
• Kelompok kontrol memiliki potensi untuk sakit yang
berbeda (terdapat perancu/confounder)
Potensi untuk sakit berbeda ,
misalnya karena usia : potensi sakit untuk pada usia 20 -30 berbeda dengan potensi sakit usia 50 -
60
 Confounder

Exposure Disease

Terdapat variabel lain yang mempengaruhi pajanan ataupun

penyakitnya : Confounder / Perancu

[Perlu dikendalikan dengan baik]

 Merokok

Hipertensi PJK

Contoh :
Merokok = Variabel Perancu
Hipertensi = Variabel Pajanan
PJK = Variabel Outcome

Secara toritis :
Kebiasaan merokok dapat menyebabkan HT dan PJK
-- sehingga kebiasaan merokok dapat dikatakan sebagai perancu

[Cara mengendalikannya yaitu dengan tekhnik MATCHING]

MATCHING
• Untuk meminimalisir variabel perancu
• Dapat berupa karakteristik tertentu (selain pajanan), misal :
• Usia
• Jenis kelamin
• Indeks masa tubuh
• Kebiasaan merokok
• dll
• Dibagi menjadi dua :
• Individual matching
• Group matching
Contoh individual matching :
Kita ingin meneliti hubungan antara kebiasaan merokok dan
penyakit jantung koroner.

Kasus:
Individu A, pria, usia 45 tahun, merokok selama 10
tahun, dan memiliki riwayat keluarga dengan
penyakit jantung.
Kontrol:
Individu B, pria, usia 45 tahun, tidak merokok, dan
memiliki riwayat keluarga dengan penyakit jantung.
GROUP MATCHING
Hubungan riwayat tekanan darah dan penyakit
jantung koroner.
PJK + (kelompok kasus) PJK – (kelompok
kontrol)

≠merokok
≠merokok
Merokok
Merokok

Perbedaan yang dapat ditolelir ad/ hingga 20%

Misal merokok pada PJK + adalah 5
Maka merokok pada PJK – adalah hingga 20% dari 5
KESULITAN DALAM MATCHING
• Kesulitan menemukan kelompok kontrol jika
terlalu banyak variabel matching
(overmatching)
• Variabel matching tidak dapat diteliti karena
perbandingannya sama antara kelompok kasus
dan kelompok kontrol
 PAPARAN
• Sebuah paparan merupakan faktor yang meningkatkan atau menurunkan risiko penyakit.
Paparan adalah “variabel yang dampaknya harus diperkirakan, seperti faktor lingkungan dan
gaya hidup, sosial ekonomi dan kondisi kerja, perawatan medis, dan sifat genetik. Paparan
mungkin berbahaya atau bermanfaat—atau bahkan keduanya” (Porta 2014, 104).
• Paparan dapat berperan sebagai faktor risiko atau faktor protektif (perlindungan) terhadap
penyakit.
• Jenis-jenis paparan yang sering diteliti dalam penelitian kasus-kontrol meliputi:

Jenis paparan Misalnya :

Faktor lingkungan
Kebiasaan/gaya hidup
Faktor sosioekonomi
Faktor medis sebelumnya
Faktor psikososial
Dan lain-lain
Polusi, iklim, bahan kimia
Merokok, konsumsi alkohol, pola makan, aktivitas
fisik, pola tidur
Pendidikan, pekerjaan, akses ke fasyankes thdp
resiko penyakit
Riwayat penyakit tertentu, riwayat penggunaan
obat /suplemen tertentu, pemaparan prosedur
medis tertentu
stres, dukungan sosial, faktor psikologis lainnya
……….
Contoh..
Paparan sbg faktor risiko atau faktor protektif
No PAPARAN DALAM PENELITIAN
1 Tinggi badan secara signifikan
berhubungan positif dengan
risiko semua jenis kanker”
2 Lingkar pinggang yang lebih
besar dikaitkan dengan risiko
kanker payudara
pascamenopause yang lebih
tinggi, namun tidak melebihi
kontribusinya terhadap BMI
[indeks massa tubuh]”
3 Kehamilan pada usia dini
memiliki efek perlindungan
yang kuat terhadap kanker
payudara pada manusia dan
hewan pengerat
PENJELASAN PENELITI
Tinggi badan hanyalah sebuah karakteristik Kabat dkk.
yang tampaknya berhubungan dengan 2013
peningkatan risiko kanker payudara. Para
penulis berhipotesis bahwa tinggi badan
mungkin mewakili beberapa faktor risiko lain
yang mendasarinya, seperti luas permukaan
atau laju metabolisme
Obesitas merupakan faktor risiko yang Gaudet dkk.
tampaknya bersifat protektif pada wanita yang 2014
lebih muda namun berbahaya pada wanita
yang lebih tua, dimana BMI lebih penting
dibandingkan lingkar pinggang
Telah diketahui bahwa kehamilan yang Meier-Abt
khususnya kehamilan dini, diketahui dan Bentires-
mempunyai efek perlindungan terhadap risiko Alj 2014
kanker payudara
BIAS PADA KASUS KONTROL
• Bias = systematic error
• Pajanan berat sebelah, dominan di kelompok
kasus
• Hasilnya sudah dapat diketahui sebelum
penelitian dilakukan
• Bias utama
• Bias seleksi : muncul dalam pmilihan populasi
• Bias recall : muncul karena sifat retrospektif
(penelusuran pajanan masa lalu)
BIAS SELEKSI
• Muncul karena perbedaan karakteristik
kelompok kasus dan kontrol yang membedakan
pajanan
• Orang sakit (Klp Kasus) di Rs berasal dari
populasi bervariasi
• Orang tidak sakit (Klp Kontrol) di suatu populasi
tidak mewakili populasi –populasi yang
mendatangi Rs
• Diminimalisir dengan Matching
BIAS RECALL
• Muncul karena pajanan yang terjadi pada masa
lalu
• Orang sakit (klp kasus) lebih detail mengingat
pajanan dibanding yang tidak sakit (Klp kontrol)
• Proporsi pajanan pada kelompok kasus >
kelompok kontrol
• Diminimalisir dengan riwayat kesehatan dalam
rekam medik
ANALISIS FAKTOR RISIKO
Tujuan : untuk mengetahui spt apa hubungan antara pajanan dan penyakit

• Odds Rasio = Perbandingan Odds

• Odds = Perbandingan kemungkinan
• Odds ratio dalam kasus kontrol =
Pembandingan Odds kasus untuk terpapar
dengan Odds kontrol untuk terpapar
Odds = p (event occurs) = p/(1- p)
1 – P (event occurs)

Odds Ratio = Odds case of being exposed

Odds of control being exposed
 Classic 2 x2 Table
Interpretasi nilai OR : Disease No Disease
Exposure a b
OR < 1 No Exposur c d
Protective Factor

OR = 1
No association
Odds Ratio = a/c = a d
OR > 1 b/d b c
Risk Factor
 OR dan RR
• OR adalah cara estimasi Risiko Ratio (RR)
• RR adalah pembandingan risiko
• Kasus yang jarang terjadi OR ≈ RR
• Kasus yang sering terjadi OR > RR
 Kenapa tidak langsung menghitung RR ?

• Kasus kontrol tidak untuk menghitung

insidensi
• Kasus kontrol tidak membandingkan kelompok
terpajan dan tidak terpajan
• Kasus kontrol hanya membandingkan
kelompok kasus dan kelompok kontrol
 Contoh
kasus yang jarang terjadi
D+ D- TOTAL
EXP + 15 600 615
EXP - 5 300 305
TOTAL 20 900 920

Jarang terjadi
= D+ / TOTAL = 20/920
= 21 kasus / 1000 orang atau 2,1/100 atau 2,1%
batasan jarang terjadi adalah 10% dari populasi

• OR = (a x d) / (b x c) = (15 x 300) / (600 x 5) = 1,5

• RR = (a /total) / (b / total) = (15 /615)/ (5 / 305) = 1,49

Dari hitungan diatas disimpulkan bahwa OR merupakan estimasi dari RR (hasil tidak berbeda
jauh)
 Contoh
kasus yang sering terjadi
D+ D- TOTAL
EXP + 400 600 1000
EXP - 100 300 400
TOTAL 500 900 1400

Sering terjadi
= D+ / TOTAL = 500 / 1400
= 357 kasus / 1000 orang atau 35,7%

• OR = (a x d) / (b x c) = (400 x 300) / (600 x 100) = 2

• RR = (a /total) / (b / total) = (400/1000)/ (100/ 400) = 1,6

Dari hitungan diatas disimpulkan bahwa terdapat over estimate yang besar
Tingkat validitas estimasi risiko relatif (OR)
bergantung pada :

(1) apakah kasus dan kontrol benar-benar

mewakili populasi yang diambil dan ;
(2) apakah frekuensi penyakit dalam populasi
rendah, biasanya penyakit dengan tingkat
insidensi pada populasi kurang dari 10%
 population attributable risk (PAR)
Kemungkinan distorsi suatu variabel dapat terjadi—terutama jika terdapat
beberapa faktor risiko, beberapa di antara faktor resiko tersebut mungkin
saling memperkuat atau memitigasi satu sama lain—OR harus disesuaikan
untuk mengimbangi interaksi ini.
Selain itu, terdapat cara untuk menentukan sejauh mana faktor risiko tertentu
bertanggung jawab terhadap penyakit dalam suatu populasi. Proporsi
penyakit yang disebabkan oleh faktor risiko tertentu disebut risiko yang
dapat diatribusikan pada populasi (PAR)

Dimana,
P : proporsi penduduk dengan faktor resiko
OR : Rasio Odds
 Penelitian 1 (PAR)
Pesch dkk (2012),
risiko merokok bergantung pada histologi kanker paru-paru, dengan OR pada
pria sebesar 103,5 untuk karsinoma sel skuamosa dan 21,9 untuk
adenokarsinoma. Jika kita asumsikan prevalensi merokok adalah 25 persen,
maka PARnya adalah:

Berdasarkan hasil penelitian ini, pria dengan kanker paru-paru sel skuamosa memiliki
kemungkinan 103,5 kali lebih besar untuk merokok dibandingkan dengan mereka yang
tidak mengidap penyakit tersebut, dan merokok bertanggung jawab atas 96,2 persen
penyakit tersebut. Pria dengan adenokarsinoma paru-paru memiliki kemungkinan 21,9
kali lebih besar untuk merokok dibandingkan dengan mereka yang tidak mengidap
penyakit tersebut, dan merokok bertanggung jawab atas 83,9 persen penyakit
tersebut
 Studi Kasus : Diabetes dan Risiko yang Didapat di
community-acquired Staphylococcus aureus bacteremia
(CA-SAB)
• Smitt dkk (2016) melakukan studi kasus-control sejak 1 januari 2000
hingga 31 desember 2011, untuk memastikan bahwa pasien diabetes
memiliki risiko lebih tinggi tertular penyakit menular dari komunitas.
• Mereka mengidentifikasi 2.638 pasien dengan insiden CA-SAB dari empat
departemen mikrobiologi klinis regional dan 26.379 kontrol yang cocok.
Sepuluh populasi kontrol dipilih secara acak untuk setiap kasus SAB dari
Sistem Pencatatan Sipil Denmark yang dicocokkan berdasarkan usia, jenis
kelamin, dan tempat tinggal.
• Berapa nilai OR kasar untuk risiko CA-SAB pada pasien
diabetes?

OR = = 3,5

• Interpretasi nilai OR
Penderita diabetes mempunyai peluang 3,5 kali lebih tinggi
terkena CA-SAB
• Apa OR untuk risiko CA-SAB pada pasien diabetes tipe 1
atau tipe 2?

- OR DM tipe 1 = 17,7
- OR DM tipe 2 = 3,4
• Berapakah OR untuk risiko CA-SAB pada pasien diabetes dengan durasi kurang dari sepuluh
tahun atau durasi sepuluh tahun atau lebih?

• OR pasien dengan kontrol yang baik = 3,0

• = 2,7
• OR pasien dengan kontrol suboptimal = 5,1
• OR pasien dengan kontrol yang sangat buruk 7,5
• Berapa OR pasien dengan kontrol yang baik atau kurang ideal dibandingkan
dengan mereka yang tidak menderita diabetes?
– OR = [(245 + 100)×23.884]/[(1.029 + 454)×1.925] = 2.9

• Apakah terdapat hubungan dosis-respons antara tingkat pengendalian diabetes dan

risiko kejadian CA-SAB?
– Ya. OR meningkat dari 2,9 bagi mereka yang memiliki pengendalian yang baik
atau kurang dari ideal menjadi 5,1 bagi mereka yang memiliki pengendalian
suboptimal dan 7,5 bagi mereka yang memiliki pengendalian yang sangat
buruk

• Berapakah OR untuk pasien dengan kontrol yang sangat buruk dibandingkan

dengan pasien dengan kontrol yang kurang ideal? Menafsirkan!
– ORnya adalah (101×454)/(167×100) = 2,7. Pasien dengan kontrol sangat buruk
memiliki peluang 7,5 kali lebih tinggi dibandingkan pasien tanpa diabetes dan
peluang 2,7 kali lebih tinggi dibandingkan pasien dengan kontrol kurang ideal.

• Menurut penelitian, 9,5 persen populasi kontrol menderita diabetes. Berapa PAR
CA-SAB untuk paparan diabetes? Menafsirkan
– PAR = 0,095× (3,5 – 1)/[0,095× (3,5 – 1) + 1] = 0,192 = 19,2%. Dengan
demikian, sekitar 19,2 persen CA-SAB dapat dikaitkan dengan menderita
 Ringkasan
Meskipun studi kasus-kontrol bukanlah pendekatan “standar emas”
untuk menentukan kausalitas dalam penelitian epidemiologi namun studi ini
merupakan pendekatan yang efisien dan murah untuk menentukan sejauh
mana hubungan antara faktor risiko dan hasil. Dengan desain penelitian ini,
sekelompok subjek dengan hasil tertentu dibandingkan—berdasarkan paparan
(di masa lalu) terhadap faktor risiko tertentu—dengan kelompok subjek yang
dipilih karena tidak adanya hasil. Rasio odds, yang merupakan perkiraan
risiko relatif, mengukur berapa kali lebih besar kemungkinan suatu kasus
terkena suatu faktor risiko dibandingkan dengan sebuah control.