Asd

kris/studiepid/ppt 1

DISAIN STUDI EPIDEMIOLOGI DESKRIPTIF


DISAIN PENELITIAN EPIDEMIOLOGI

Introduksi

Epidemiologi adalah ilmu yang mempelajari : • Distribusi • Frekwensi suatu penyakit/masalah kesehatan di populasi • Diterminan

Disain penelitian Epidemiologi

Disain penelitian epidemiologi secara garis besar dapat dibagi menjadi

• Penelitian/studi epidemiologi deskriptif

• Penelitian/studi epidemiologi analitik


Untuk mempelajari distribusi dan frekwensi penyakit di populasi dipakai

disain studi epidemiologi deskriptif

Untuk mempelajari diterminan suatu penyakit di populasi dipakai disain

studi epidemiologi analitik

Termasuk disain studi epidemiologi deskriptif adalah :

•  disain studi laporan kasus (case-report)

•  disain studi serial kasus (case-series)

•  disain studi korelasi (correlation study)

•  disain studi potong lintang (cross-sectional)


Penelitian epidemiologi berdasarkan unit pengamatan/unit analisisnya

dapat dibagi menjadi :

•  studi dengan unit pengamatan/analisis individu

•  studi epidemiologi dengan unit pengamatan/analisis agregat

Termasuk disain studi epidemiologi analitik adalah :

•  disain studi kohort (cohort study)

•  disain studi kasus-kontrol (case-control study)

•  disain studi intervensi (intervention study)

Termasuk disain studi epidemiologi dengan unit pengamatan

/analisis individu adalah :

•  disain studi laporan kasus

•  disain studi serial kasus

•  disain studi potong lintang

•  disain studi kasus - kontrol

•  disain studi kohort

•  disain studi intervensi


Penelitian epidemiologi berdasarkan bagaimana tindakan peneliti

terhadap subjek yang diteliti dapat dibagi menjadi :

•  disain studi observasional

•  disain studi intervensi

Termasuk disain studi epidemiologi yang bersifat studi observasional

adalah :

semua disain studi epidemiologi kecuali studi intervensi, yakni;

•  semua disain studi epidemiologi deskriptif

•  semua disain studi epidemiologi analitik kecuali studi intervensi

Termasuk disain studi epidemiologi dengan unit pengamatan

/analisis agregat adalah :

•  disain studi korelasi


Pada disain studi epidemiologi yang bersifat studi observasional,

peneliti hanya mengobservasi subjek-subjek yang diteliti tanpa

melakukan intervensi

Pada disain studi epidemiologi yang bersifat analitik, peneliti

melakukan intervensi pada subjek-subjek yang diteliti


Penelitian Epidemiologi Deskriptif : Studi Laporan Kasus (case report study) •  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”


•  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

•  kelemahan :

•  gambaran distribusi, frekwensi penyakit yang diperoleh

tidak dapat mewakili populasi

•  hanya berdasarkan kasus-kasus yang dilaporkan saja

•  kelebihan :

•  sebagai langkah awal untuk mempelajari suatu penyakit

•  sebagai jembatan antara penelitian klinis dan penelitian epidemilogi

•  dapat digunakan untuk sebagai dasar penelitian lebih lanjut :

•  dengan melihat kelompok yang berisiko tinggi

•  dengan membuktikan hipotesis yang dibangun


• contoh dari suatu studi laporan kasus

•  suatu penyakit yang belum jelas sebut penyakit X,

•  10 orang dengan gejala-gejala yang mirip satu sama lain :

•  berdasarkan gejala dan pemeriksaan laboratoris

•  Berat badan : 9 orang dengan gejala mengurus, 1 berat badan

tidak turun

•  Diare : 6 diare, 4 tidak ada diare

•  Demam : 8 demam dengan pnemonia, 4 tidak demam

•  Bercak pada kulit : 7 orang mempunyai, 3 tidak ada bercak

•  Pemeriksaan laboratoris : semua pasien angka limfosit

menurun drastis

•  berdasarkan gambaran demografinya

•  sex : 9 pria, 1 wanita

•  umur : 8 dewasa muda, 2 tua

•  pekerjaan : 6 pemusik, 4 pegawai


•  kebiasaan mengkonsumsi “drugs” :

•  menggunakan jarum suntik 8 orang, cara lain 2 orang

bukan pengguna

• perilaku berhubungan intim :

•  sesama jenis 8 orang, lawan jenis 2 orang

•  dari data diatas dapat dilihat bahwa :

•  dari gejala dan pemeriksaan laboratoris penyakit X tersebut adalah : •  90 % berat-badan menurun •  60 % diare •  80 % demam dengan pneumonia •  70 % bercak pada kulit •  100 % limfosit menurun drastis


•  dari gambaran demografisnya

•  90% pria

•  80% dewasa muda

•  60% pemusik

•  dari kebiasaan mengkonsumsi narkoba

•  80% pecandu narkoba

•  dari perilaku seksual :

•  80 % homoseksual

•  diperoleh gambaran distribusi, frekwensi penyakit berdasarkan :

•  gejala dan tanda serta pemeriksaan laboratoris

•  gambaran demografi

•  kebiasaan mengkonsumsi narkoba

•  perilaku seksual


•  dari analisis sederhana diatas didapat informasi kelompok orang

yang berisiko antara lain :

•  pria

•  dewasa muda

•  pemusik

•  pecandu narkoba

•  homoseksual

•  dari informasi tadi dapat dibangun suatu hipotesis

•  pria lebih berisiko untuk mendapat penyakit X dari pada wanita

•  usia dewasa muda lebih berisiko untuk mendapat penyakit X

dari pada yang usia tua

•  pemusik lebih berisiko untuk mendapat penyakit X dari pada

non pemusik

•  pecandu narkoba lebih berisiko untuk mendapat penyakit X dari pada

bukan pecandu

•  homoseksual lebih berisiko untuk mendapat penyakit X dari pada

bukan heteroseksual


Un tuk mendapa tkan i n f o rmas i y ang dapa t

menggambarkan distribusi, frekwensi penyakit yang

mewakili populasi diperlukan penelitian epidemiologi

deskriptif lain, dimana sampel penelitian mewakili

populasi yang diteliti → disain studi epidemiologi yang

sesuai dipakai untuk itu adalah disain studi potong

lintang.

Untuk membuktikan hipotesis yang dibangun, dapat

dilakukan penelitian epidemiologi analitik lebih lanjut

antara lain dapat dengan :

•  studi kohort

•  studi kasus kontrol

•  studi intervensi


Studi Epidemiologi Serial Kasus

•  merupakan studi epidemiologi yang bersifat observasional

•  unit pengamatan/unit analisis adalah individu

•  merupakan kumpulan kasus-kasus individual suatu penyakit dengan

diagnosis yang sama

•  sama dengan studi laporan kasus tapi dengan kasus yang lebih banyak

•  surveilens yang rutin dilakukan untuk suatu penyakit yang belum jelas

diagnosisnya ataupun sudah jelas diagnosisnya :

•  merupakan kumpulan laporan kasus-kasus, atau serial kasus

•  dapat digunakan untuk menditeksi munculnya penyakit baru

•  dapat digunakan juga untuk menditeksi adanya epidemi


•  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


• 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


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 gula

Darah gr/dl

Komplikasi Status Keluar dr

RS

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40

Wanita Wanita

Pria Pria Pria

Wanita Pria

Wanita Pria

Wanita Pria

Wanita Pria

Wanita Pria Pria Pria Pria Pria

Wanita Wanita

Pria Wanita

Pria Wanita

Pria Pria Pria

Wanita Wanita

Pria Wanita Wanita

Pria Pria Pria Pria Pria Pria Pria

50 45 30 35 40 50 40 45 30 60 35 45 50 60 40 35 40 50 40 45 60 40 45 35 40 40 45 50 55 60 40 45 50 40 30 35 35 40 40 40

Jawa Jawa

Sumatra Sumatra

Jawa Jawa

Betawi Betawi Betawi Betawi Jawa Jawa Jawa Jawa Jawa Jawa Jawa Jawa Jawa

Sumatra Sumatra Betawi Betawi Betawi Betawi

Sumatra Sumatra

Jawa Betawi Betawi

Sumatra Jawa

Betawi Sumatra Betawi Betawi Betawi Betawi Betawi Jawa

300 200 350 375 280 300 240 300 400 200 150 180 260 200 380 375 150 160 250 280 290 300 325 200 240 210 170 190 340 330 300 260 260 370 400 240 275 200 150 150

Ada Ada Ada Ada Ada Ada

Tidak ada Ada Ada

Tidak ada Tidak ada Tidak ada Tidak ada Tidak ada

Ada Ada

Tidak ada Tidak ada Tidak ada

Ada Ada Ada Ada

Tidakada Ada


Ada Ada Ada Ada

Tidak ada Ada Ada Ada Ada


Meninggal Hidup

Meninggal Meninggal Meninggal Meninggal

Hidup Hidup

Meninggal Hidup Hidup Hidup Hidup Hidup

Meninggal Meninggal

Hidup Hidup Hidup Hidup Hidup

Meninggal Meningga


Meninggal Meninggal Meninggal Meninggal Meninggal Meninggal Meninggal



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 risiko 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


Studi Korelasi

•  nama lain studi ekologi

•  merupakan studi epidemiologi yang bersifat studi observasional

•  unit pengamatan/analisisnya adalah agregat , berikut beberapa contoh

ukuran agregat :

•  ukuran agregat yang mengukur nilai rata-rata, median,

•  atau proporsi dari kumpulan nilai-nilai individu di suatu

kelompok misal :

•  nilai rate suatu penyakit ; insidens, prevalens

•  nilai rata-rata asupan lemak pada suatu kelompok

individu /masyarakat

•  nilai cakupan program

•  nilai median dari penghasilan sekelompok individu


•  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

•  populasi studi terdiri dari kumpulan unit pengamatan dari mana

ukuran agregat diukur

•  sebagai contoh : unit pengamatan untuk angka kepadatan jentik,

dan insidens DHF diukur berdasarkan area kerja puskesmas,

maka populasi studi terdiri dari kumpulan puskesmas - puskesmas


•  analisis yang dilakukan dapat bersifat:

•  deskriptif : melihat distribusi frekwensi dari variabel yang diteliti

(dalam unit agregat)

•  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”)

•  jika variabel “exposure” dan variabel “outcome” diukur

sebagai data kategorikal

•  hubungannya secara statistik dapat diuji dengan uji χ kuadrat,

atau regressi logistik

•  kekuatan hubungan dilihat dengan menghitung RR atau OR


•  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)

•  contoh 1: jika variabel bebas dan variabel terikat diukur dengan

skala kontinyu

•  y = insidens campak

•  x = cakupan imunisasi campak

•  hubungan secara statitik diuji dengan uji korelasi

•  kekuatan hubungan dilihat dari koefisien korelasi


• data :

ID PKM X (%) Y(%) X2 Y2 XY

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 =10 ∑X ∑Y ∑X2 ∑Y2 ∑XY n ∑xy - ( ∑x )(∑xy) r = ------------------------------------------------ √ n ∑x2 - (∑x )2 √n ∑y2 - (∑y )2


∑y - b∑x a = --------------------------- n

persamaan garis linier : y = a + bx n ∑xy - ( ∑x )(∑y) b = -------------------------- n ∑x2 - (∑x )2

b2 [ ∑x2 - ( ∑x )2/n] r2 = ---------------------------------------- r = √r2 ∑y2 - (∑y)2/n


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

dalam persamaan regressi disebut dengan koefisien regressi,

memprediksi perubahan y untuk setiap unit perubahan pada x


r = koefisien korelasi

•  menggambarkan kekuatan hubungan variabel x dan y

•  nilai r berkisar dari 0 sampai 1

•  makin mendekati 1 ada hubungan linier yang kuat antara x dan y

•  makin mendekati 0 hampir tidak ada hubungan antara x dan y

•  nilai r dapat positif ataupun negatif

•  nilai r yang negatif menunjukkan adanya hubungan yang negatif antara x dan y

•  jika x meningkat y menurun

•  jika x menurun y meningkat

•  nilai r yang positif menunjukkan adanya hubungan yang positif antara x dan y

•  jika x meningkat y meningkat

•  jika x menurun y juga menurun


sebagai contoh nilai r = - 0.95

•  ada hubungan linier yang kuat antara variabel x dan y

•  jika x meningkat y menurun atau sebaliknya

x

y

•

• • •

• • • •

•

•

•

• •

•

• •

•

•

r = positif dan mendekati 1

x

y • • • • • •

• • • • • • •

• •

r = negatif dan mendekati 1


•

•

•

•

•

•

• • •

• •

•

•

r = positif dan mendekati nol

• •

•


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


•  jika dipakai α = 0.05, dan hasil kalkulasi uji statistik

mempunyai nilai p < 0.05 maka H0 ditolak,

•  artinya koefisien korelasi di populasi tidak sama dengan 0,

artinya hasil kalkulasi r berdasarkan sampel tadi cukup

bermakna secara statistik atau dengan kata lain korelasi

antara variabel x dan y bermakna secara statistik


•  contoh 2 : jika variabel terikat dan variabel bebas diukur dengan skala kategorikal •  data :

ID PKM X (%) kategori Y (%) kategori 1 2 3 4 5 6 7 8 9 10

50 55 60 65 70 75 80 85 90 95

rendah rendah rendah rendah rendah tinggi tinggi tinggi tinggi tinggi

60 70 35 30 25 60 25 20 15 10

Tinggi Tinggi Rendah Rendah Rendah Tinggi Rendah Rendah Rendah Rendah

X = cakupan imunisasi campak y = insidens campak PKM = puskesmas


Insiden tinggi Insiden rendah

Cakupan rendah

Cakupan tinggi

35 25 10

50

Tabel distribusi cakupan imunisasi campak dan insidens campak

15 35


Dari 35 puskesmas yang mempunyai cakupan imunisasi rendah,

25 puskesmas mempunyai insiden campak yang tinggi :

•  insidens dari insidens campak tinggi pada pkm cakupan rendah = 25/35

•  odds insidens|cakupan rendah = 25/10

Dari 50 puskesmas yang mempunyai cakupan imunisasi tinggi,

15 puskesmas mempunyai insiden campak yang tinggi

•  insidens dari insudens campak tinggi pada pkm cakupan tinggi = 15/50

•  odds insidens|cakupan tinggi = 15/35

Insidens 25/35 odds 25/10

RR= -------------------- = ------------ = 1.56 OR= ------------ = ------------- = 5.81

Insidens 15/50 odds 15/35


Uji statistik :

•  uji homogenitas proprorsi binomial

•  uji independensi

•  kedua uji statistik diatas sama prosedurnya

k ( O - E )2

χ2 = ∑ ---------------

i = 1 E

χ2 : Khi kuadrat

O : Observed value / nilai yang diamati

E : Expected value / nilai yang diharapkan

H0 : angka kepadatan jentik dengan insidens DHF, independen

(tak berhubungan)

Ha : angka kepadatan jentik dengan insidens DHF, tak independen

(berhubungan)

α : 0.05 dengan derajat kebebasan = (c-1)((r-1) c= kolom r=baris

jika χ2 memberikan nilai P lebih besar dari α maka H0 ditolak


tabel kontingensi “ Observed” insidens DHF

tinggi rendah total rendah a b (a+b)

angka kpdt jentik tinggi c d (c+d)

total (a+c) (b+d) (a+b+c+d)

(a+b) (a+c) (a+b) ( b+d) a” = ---------------- b” =----------------- (a+b+c+d) (a+b+c+d) (c+d) (a+c) (c+d) (b+d) c” = ---------------- d”= -------------- (a+b+c+d) (a+b+c+d) jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test


tabel kontingensi “ Expected” insidens DHF

tinggi rendah total

rendah a” b” angka kepadatan jentik

tinggi c” d”

total


Contoh menghitung nilai “expected” Insidens penyakit tinggi rendah total rendah 25(a) 10(b) 35 (a+b) cakupan imunisasi tinggi 15(c) 35(d) 50 (c+d)

total 40(a+c) 45(b+d) 85 (a+b+c+d) total row x total colum nilai “expected” =------------------------------------ grand total total row x total colum 35 x 40 nilai “expected” a = ------------------------------------ = ------------------- = 16.47 grand total 85 total row x total colum 35 x 45 nilai “expected” b = ------------------------------------ = ------------------- = 18.53 grand total 85


total row x total colum 50 x 40 nilai “expected” c = ------------------------------------ = ------------------ = 23.53 grand total 85 total row x total colum 50 x 45 nilai “expected” d = ------------------------------------ = ------------------= 26.47 grand total 85


k ( O - E )2 χ2 = ∑ ---------------

i = 1 E (25 - 16.17)2 (10 - 18.53)2 (15 - 23.53)2 (35 - 26.47)2

χ2 = --------------- + ------------------ + --------------- + -------------------- = 15.75 16.7 18.53 23.53 26.47 Didapat nilai χ2 → yang mana dibawaαH0 akan mengikuti distribusi

khi kuadrat

untuk tingkat α= 0.05

kita akan menolak H0 jika nilai nilai χ2 > nilai χ2d.f..1-α

kita akan menerima H0 jika nilai nilai χ2 < nilai χ2d.f..1-α


nilai χ2d.f..1-α = 3.84

{ d.f = derajat kebebasan = (r-1)(c-1) = (2-1)(2-1) =1 dan 1-α= 1- 0.05 = 0.95) kita menolak H0 karena nilai nilai χ2 = 15.75 > 3.84 dimana nilai p < 0.05

artinya ada hubungan secara statistik antara variabel

cakupan imunisasi campak dengan insiden campak

•  kelebihan dari studi korelasi :

•  jika data telah tersedia relatif murah

•  dapat untuk melihat distribusi frekwensi kejadian penyakit

/masalah kesehatan dalam satuan agregat di populasi

•  dapat melihat hubungan antara variabel yang diteliti

dalam satuan agregat

•  dapat untuk membangun /memformulasikan hipotesis baru


•  kelemahan studi korelasi :

•  tidak dapat melihat hubungan ditingkat individu.

•  ada ecologic fallacy, yakni bias dalam menginterpretasikan,

hubungan tingkat agregat

disamakan dengan hubungan tingkat individu,

misal ada hubungan antara angka cakupan imunisasi campak

dengan angka insidens campak (hubungan dalam tingkat agregat)

→ belum berarti dalam tingkat idividu ada hubungan

antara imunisasi dengan kejadian penyakit campak pada seseorang

•  sehingga untuk membuktikan adanya hubungan ditingkat individu,

dari studi korelasi hanya dapat memformulasikan hipotesis baru

•  pembuktian hipotesis tadi dengan disain studi epidemiologi analitik


Disain Studi Potong-Lintang (cross-sectional study) •  nama lain : studi prevalensi, survey

•  bersifat observasional

•  unit pengamatan dan unit analaisisnya adalah individu

•  populasi studi merupakan populasi umum

•  sampel diambil secara random (acak)

•  setiap orang di populasi mempunyai kesempatan

yang sama untuk menjadi anggota sampel

•  sampel representatif /mewakili populasi

•  pengukuran variabel independet (exposure) dan variabel dependent

(outcome) dilakukan secara simultan, sehinga :

•  tidak dapat terlihat sekuens mana yang terjadi lebih dulu,

variabel independent atau variabel dependent, atau sebaliknya

•  konsekwensinya tidak dapat melihat hubungan sebab-akibat

(exposure harus mendahului outcome )


•  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


•  jika variabel “exposure” dan variabel “outcome” diukur sebagai

data kategorikal

•  hubungannya secara statistik dapat diuji dengan

uji χ kuadrat, atau regressi logistik

•  kekuatan hubungan dilihat dengan menghitung RR

atau OR

•  jika variabel “exposure” diukur sebagai data kontinyu dan

variabel “outcome” diukur sebagai data kategorikal

•  hubungannya secara statistik dapat diuji dengan

regressi logistik kekuatan hubungan dilihat dengan

menghitung exponensial koefisien regressi

•  setiap ada penambahan atau pengurangan satu satuan

unit “exposure” terjadi peningkatan atau pengurangan

odds “outcome” sebesar eksponensial koefisien regressi


•  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


Contoh :

•  dalam suatu penelitian dengan disain potong lintang :

•  ingin melihat hubungan antara skore intensitas psikosis

dengan kadar amphetamin darah.

•  D = skore intensitas psikosis (data kontinyu)

•  E = kadar amphetamin darah (data kontinyu)

•  pengukuran D dan E dilakukan secara simultan

•  populasi pengguna amphetamin yang datang ke klinik

ketergantungan obat

•  sampel 10 orang yang diambil secara random dari populasi

•  analisis deskriptif : menghitung mean, median, mode dari

variabel D dan E


•  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


Data Pasien Skore intesitas psikosis Kadar amphetamin darah

(Y) mg/ml ( X ) 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


persamaan garis linier : y = a + bx n ∑xy - ( ∑x )(∑y) b = -------------------------- n ∑x2 - (∑x )2

∑y - b∑x a = --------------------------- n

b2 [ ∑x2 - ( ∑x )2/n] r2 = ---------------------------------------- r = √r2 ∑y2 - (∑y)2/n silahkan hitung koefisien korelasi “r” dan koefisen regressi “b”


Uji statsitik: t statistik n - 2 t = r ------------ dengan derajat kebebasan = n-2 1 - r2 Apakah ada hubungan secara statistik antara kadar amphetamin darah dengan skore intensitas psikosis Buatlah persamaan garis y = a + bx Seseorang pecandu dengan kadar amphetamin 360 mg/ml darah berapa kira-kira skore intesitas psikosisnya


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 deskriptif : menghitung distribusi frekwensi D dan E

•  analisis analitik :

•  analisis khi kuadrat dengan tabel kontingensi

•  alpha ditentukan 0,05

•  untuk melihat hubungan E dan D hitung OR atau PR


Tabel kontingensi 2x2 untuk data diatas “Outcome” D + D - total E + 200 200 400 “exposure” E - 100 500 600 total 300 700 1000


Populasi

•  distribusi frekwensi variabel “exposure” •  distribusi frekwensi variabel “outcome”

•  sampel dipilih secara random (acak) •  sampel representatif untuk populasi

sampel

Distribusi frekwensi berdasarkan variabel “exposure” pada sampel •  terpapar dengan “exposure” → E + •  tidak terpapar dengan “exposure” → E - misal sampel terdiri dari 1000 orang

terpapar dengan “exposure” → E + = 400 orang = 40% tidak terpapar dengan “exposure” → E - = 600 orang = 60% E + 40%

E - 60%

prevalensi terpapar dengan “exposure” = 40% prevalensi tidak terpapar dengan exposure = 60%

sampel


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%

Prevalensi “disease” = 30% prevalensi “not disease” = 70%


Mendistribusikan variabel “disease” pada variabel “exposure” 200 D+ dari 400(E+) 200 D -

100 D+ dari 600 (E-) 500 D -

200 D+ 200 D -

100 D+ 500 D -

prevalens D+ pada kelompok E+ = 200/400

Prevalens Ratio = ------------------------------------------------------------------ = 3 prevalens D + pada kelompok E- = 100/600

dari 400 orang (E+) → prevalens D+ pada kelompok E+ = 200/400

dari 600 orang (E-) → prevalens D - pada kelompok E - = 100/600

E + E -


Odds D+|E + (kelompok orang terpapar) = 200/200 Odds D+|E - (kelompok tidaterpapar) = 100/500

Odds D+|E + (kelompok orang terpapar) 200/200 OR = ---------------------------------------------------- = ------------ = 5 Odds D+|E - (kelompok tidaterpapar) = 100/500 Tabel kontingensi 2x2 untuk data diatas “Outcome” D + D - total E + 200 200 400 “exposure” E - 100 500 600 total 300 700 1000


Mendistribusikan variabel “exposure” pada variabel “disease” 200 E+ dari 300 (D+) 100 E -

200 E+ dari 700 (D-) 500 E -

Prevalens E+|D + (kelompok orang sakit) = 200/300 Prevalens E+|D - (kelompok tidak sakit) = 200/700 Prevalens E+|D + (kelompok orang sakit) 200/300 Prevalens Ratio = ---------------------------------------------------= ------------ = 2 1/3 Prevalens E+|D - (kelompok tidak sakit) 200/700


Odds E+|D + (kelompok orang sakit) = 200/100 Odds E+|D - (kelompok tidak sakit) = 200/500

Odds E+|D + (kelompok orang sakit) = 200/100 OR = ------------------------------------------------------------------ = 5 Odds E+|D - (kelompok tidak sakit) = 200/500 Terlihat bahwa kalkulasi nilai OR tetap = 5.

•  bila variabel “disease” didistribusikan pada variabel “exposure” •  atau bila variabel “exposure” dididtribusikan pada variabel “disease”


Kelebihan Studi Potong Lintang : •  dapat untuk melihat distribusi frekwensi penyakit di populsi •  dapat untuk melihat hubungan variabel “exposure” dan variabel “outcome” •  hasil analisisnya dapat dipakai untuk membangun hipotesis baru

Kelemahan Studi Potong Lintang •  tidak dapat untuk melihat hubungan sebab akibat, karena variabel “exposure” dan variabel “outcome” diukur secara simultan

Asd

Documents