oleh:dr. Evy Luciana, MEpid

Klasifikasi Studi EpidemiologiEksperimental vs Observasional

Unit observasi: Individual vs Agregat

Pengukuran: Longitudinal vs Cross-sectional

Cohort vs Case-control sampling

Experimental ObservationalExperimental/intervention studies involve an active attempt to change a disease determinant (exposure/behaviour/progress of a disease) through treatmentObservational studies allow nature to take its courseThe investigator measures but does not intervene

Deskriptif AnalitikMenjelaskan frekuensi & distribusi masalah kesehatan terutama berdasarkan faktor orang, tempat dan waktu

Studi mengenai determinants dari masalah kesehatan

Menggunakan kelompok pembanding untuk melihat hubungan kausalitas (sebab-akibat)

SIKLUS PENELITIAN

PENELITIAN DESKRIPTIFA descriptive study is limited to a description of the occurrence & distribution of a disease in a population

Often the 1st step in epidemiological investigation

Limited descriptive information in which the characteristics of a no. of patients with a specific disease are described but are NOT compared with those of a reference population makes no attempt to analyze the links between exposure & effect

Identifies non-random variations in the distribution of disease to enable an investigator to generate testable hypotheses regarding etiology

Studi Cross-sectionalTujuan: mempelajari angka kejadian suatu penyakit/masalah kesehatanmempelajari hubungan antara suatu faktor risiko dengan angka kejadian suatu penyakitUnit analisa: individualFaktor risiko/exposure dan status penyakit/masalah kesehatan diukur pada saat yang sama

PENELITIAN KASUS KELOLABegins with selection of cases

Continue with selection of controls:Matched: frequency/group, individual un-matched

Look backward in time to search for a possible cause (exposure)

The occurrence of a cause is compared between cases and controls

Types of Case-Control:

Hospital-BasedPopulation based

Case-ControlMulai dari kasus/disease (OUTCOME) duluCases (D+)Controls (D-)vsexposureExposure (+)Exposure (+)Exposure (-)Exposure (-)19992009timelineditelusuri ke belakang

PENELITIAN KOHORTBegin with a group of people FREE of disease but classify them into sub-groups:ExposedNot exposed

Follow up to see the development of new cases of disease

The occurrence of cases (diseases) were compared between groups with or without exposure

Types of Cohort:Prospective / Concurrent Retrospective / Historical / Non-concurrent

JENIS PENELITIAN KOHORT1.CONCURENT (Prospective)Investigator identifies the original population at the beginning of study Exposure & non-exposure are ascertained as they occur during the studyOutcome is ascertained in the future

NON CONCURENT (Retrospective/Historical)Population is identified on the basis of records of previous exposuresAll the exposure and effect (disease) data have been collected before the actual study beginsBegin the study with pre-existing population to reduce the duration

Cohort ProspektifMulai dari EXPOSUREExposed (E)Non-exposed (NE)vsoutcomeDisease (+)Disease (+)Disease (-)Disease (-)20092019timelinedilihat ke depan

Cohort RetrospektifTetap mulai dari EXPOSURE duluExposed (E)Non-exposed (NE)vsoutcomeDisease (+)Disease (+)Disease (-)Disease (-)19992009timelinedilihat ke depan

timeline199920092019Cohort ProspektifCohort RetrospektifCase - ControlCross SectionalExposure & OutcomeDilihat pd saat bsamaanD(+) D(-)E (+) E (-)

D(+) D(-)

E(+) E(-)

E(+) E(-)

Jenis PenelitianPilihan SubjekInfo ExposureInfo DiseaseCross-Sectional-CurrentCurrentCase-ControlDiseasePastCurrentCohort ProspektifExposureCurrentFutureCohort RetrospektifExposurePastCurrent

B I A S(Error in measurement)

Random errorIndividual biological variationSampling error (chance variation)

Systematic errorSelection biasMeasurement/Observation/Information bias

Effect of BiasA true association may be partially masked

A spurious association found

Under/Over-estimation of association

Controlling BiasSelection Bias:Minimize DO/LTFU/non-participantSame diagnostic criteria

Observation bias:Standardized proceduresObjective measurement of exposures/outcomesBlinding / masking: single, double, triple

Blinding / MaskingA study technique by which subject(s) / researcher / statistical analyst does not know :the group to which the subject(s) have been allocatedStatus of exposure / outcomeHypothesis of the study

CONFOUNDINGFaktor lain yang juga berpengaruh pada faktor penyebab maupun akibat yang sedang diteliti, sehingga dapat mengacaukan hasil penelitian

Bivariat vs Multivariat (confounding)OR crude = 4,26OR >35 thn = 5,73 OR 3549195Usia ibu 35DownControlTotalYes156No38689Total49195

Penelitian Analitik Ingin dibuktikan apakah ada hubungan kausalitas (sebab akibat)

Asosiasi statistik: uji statistik untuk menguji hipotesa apakah p-value < 0,05Asosiasi epidemiologi: Hills criteria

Bermakna/tidaknya suatu uji statistik tergantung jumlah sampelKuat/tidaknya suatu asosiasi epidemiologik tergantung besar/kecilnya bias (internal validity)

Both Cohort and Case-Control studies are designed to determine whether there is excess risk or a reduced risk of a certain disease in association with a certain exposure or characteristic

How do we determine whether an excess risk is associated? By calculating the ratio of the attack rate or incidence rate

By calculating the difference in the risks or in the incidence rates Disease risk in exposedDisease risk in non-exposedDisease riskin exposedDisease riskin non-exposed

CASE - CONTROLTo determine if the 2 groups differ in proportion of being exposed to a specific factor DISEASENO DISEASE compared to ExposedExposedNot ExposedNot ExposedCompare prevalence of exposure ina/(a+c)withb/(b+d)diseaseno disease

C O H O R TTo determine differences in rate at which disease developsin relation to exposure factor EXPOSEDNOT EXPOSED compared to DiseaseDiseaseNo DiseaseNo DiseaseCompare prevalence of disease inwitha/(a+b)c/(c+d)exposednot exposed

RELATIVE RISK Probability of Exposed in Disease (Ie)RR = ------------------------------------------------------- Probability of Not Exposed in Disease (I0) a / (a+b)RR = ------------- c / (c+d)

Ie = E(+) pada D(+)Io = E(-) pada D(+)

ARTI RELATIVE RISKMereka yang terpapar pada faktor risiko mempunyai kemungkinan relatif untuk menderita penyakit sekian kali lebih besar dibandingkan mereka yang tidak terpapar

Menunjukkan adanya hubungan sebab akibat

Menunjukkan besaran dari hubungan tersebut

Penting dalam menetapkan adanya hubungan etiologis

Bila RR = 1 maka risiko antara yg terpapar dan tidak terpapar untuk medapat penyakit tidak berbeda (sama)

Bila RR > 1 maka yg terpapar mempunyai risiko yg lebih besar untuk mendapat penyakit daripada yg tidak terpaparAsosiasi positif bersifat harmfulAsosiasi kuat apabila RR>2Asosiasi sedang apabila RR >1,5 2Asosiasi lemah apabila RR >1 -

Calculating RR in COHORTThen follow to see whetherFirst select subjects based on exposure

Disease develops(+)Disease doesnt develop (-)TOTALExposed (+)aba+bNon-Exposed (-)cdc+dTOTALa+cb+dn

Example RR in COHORTIncidence in exposed = 84/3000 = 28.0/1000Incidence in non-exposed = 87/5000 = 17,4/1000Therefore RR = 28,0/17,4 = 1,61Mrk yg merokok mpy risiko 1,61x > dr mrk yg tdk

CHD(+)CHD (-)TOTALSmoking8429163000Dont smoke8749135000TOTAL17178298000

In NE persons, although they arent exposed, they have some risk of disease the risk of disease is not zeroThis is called background risk

Therefore:

Total risk of disease = Background risk + Additional riskin E person due to exposure

BackgroundriskLevels of riskIncidence not due to exposureIncidence due to exposure

ATTRIBUTABLE RISK

AR = Ie I0

Ie = Insidens tpapar; I0 = Insidens tdk tpapar

b (r - 1)AR = ----------------

b (r 1) + 1

b = proporsi populasi terpaparr = resiko relatif

ARTI ATTRIBUTABLE RISKMemperkirakan besarnya kontribusi suatu faktor risiko/keterpaparan dalam menimbulkan penyakit atau mencegah penyakit itu bila faktor risiko tersebut dihilangkan

Menunjukkan besarnya kontribusi suatu faktor tertentu terhadap timbulnya penyakit

Disebut juga Risk Difference (RD)

Penting dalam praktek klinik maupun kesehatan masyarakat

Pemahaman Attributable Risk

Bila AR = 0 maka kontribusi risiko suatu faktor tertentu terhadap timbulnya penyakit antara yg terpapar dan tidak terpapar adalah sama

Bila AR > +0 maka kontribusi risiko suatu faktor tertentu terhadap timbulnya penyakit adalah terpapar > tidak terpapar

Bila AR < -0 maka kontribusi risiko suatu faktor tertentu terhadap timbulnya penyakit adalah tidak terpapar > terpapar (disbt Preventive Fraction)

Incidence among smokers = 84/3000 = 28,0 per 1000Incidence in non-smokers = 87/5000 = 17,4 per 1000

AR = 28,0 17,4 = 10,6 per 1000

by stop smoking, 10,6 out of 28,0 incident cases of CHD are prevented

CHD (+)CHD (-)TotalSmoking8429163000Dont smoke8749135000

Comparison of RR and RR RR for Lung CA = 140/10 = 14 RR for CHD = 669/413 = 1,6

AR for Lung CA = 140 10 = 130/100.000 AR for CHD = 669 413 = 256/100.000

There is much stronger association for smoking-Lung CA

than for smoking-CHD But elimination of cigarettes would prevent more deaths

among smokers from CHD than from lung CA

Annual Mortality Rate per 100.000Lung CancerCHDCigarette smokers140669Non-smokers10413

ODDS RATIO(= Estimated Relative Risk)Mrpk rasio dari 2 Odds Dipakai bila frekuensi penyakit jarang (< 10%)Kasus yang dikumpulkan mewakili semua kasus yang adaKontrol mewakili seluruh populasi umum

OR in Unmatched Case-ControlOR is defined as the ratio of:

Odds that the cases were exposedOdds that the controls were exposed

Therefore OR = a/c = ad

b/d bc

Bila angka kejadian penyakit kecil sehingga a sangat kecil dibandingkan b maka dpt dianggap (a+b)b mis (5+100)100

Demikian pula lebih sedikit dijumpai orang yg tidak terpapar yg menderita penyakit itu, sehingga dapat dianggap (c+d)d

Maka RR OR

aa + bc + dcabcdadbc=

Example where OR RRRR = (200/10000) : (100/10000) = 2

OR = (200 x 9900) (9800 x 100) = 2,02

DiseaseNo DiseaseTotalExposed200980010000Not Exposed100990010000

EXPERIMENTAL STUDYWhen the investigator controls the assignment of subjects to the independent variables, after the participants are identified & non-participants eliminated

In human populations only to reduce risk of disease/deathProphylactic trialTherapeutic trial

PROSEDUR PENELITIAN EKSPERIMENTAL

RANDOMIZATION(random allocation)Suatu prosedur untuk menempatkan subyek penelitian ke dalam kelompok perlakuan atau kelompok pembanding secara acak (random)

To ensure the groups being compared are equivalent comparable at the start of an investigation ie. any difference is due to chance & unaffected by biases

BUKU RUJUKANGordis L. Epidemiology, third edition. Philadelphia: Elsevier Saunders, 2004: 115-176, 177-190.Beaglehole R, Bonita R, Kjellstrom T. Basic epidemiology, reprinted. Geneva: WHO, 1994: 31-52.Rothman KJ. Epidemiology an introduction. New York: Oxford University Press, 2002: 8-23, 94-129

oleh:dr. Evy Luciana, MEpid

BiostatistikUnsur utama statistik data (kumpulan angka)

Data harus akurat :

Realibilitas kekonsistensian (presisi)Validitas ketepatan (akurasi)

PopulasiSamplePopulasi seluruh unit yang ditelitiSample bagian dari populasi yang dapat mewakiliki populasi tersebut

Variable menurut SKALANominal antar nilai sederajatOrdinal ada gradasi / tingkatanInterval ada selisih / jarak yg terukurRatio ada kelipatan

Skala yang lebih tinggi dapat diubah menjadi skala yang lebih rendah

VARIABEL MENURUT SIFATKategorik / Kualitatif / Non-parametrik:hasil dari pengklasifikasian

Numerik / Kuatitatif / parametrik:Diskrit (bilangan bulat): hasil penghitunganKontinu: hasil pengukuran

Latihan

VariableSkalaSifatAgamaDenyut nadiBerat BadanStatus GiziJenis KelaminSuhu tubuhTingkat pendidikan

LatihanKadar Hb < 8 gr/dLKadar Hb 8 10 gr/dLKadar Hb > 10 gr/dL

Termasuk skala apakah ?

Tahapan StatistikPengumpulan data :Data apa, cara ukur, alat ukur, siapaPengolahan data: Editing: memeriksa data Coding: diberi kode sesuai klasifikasiProcessing: entry data ke komputerCleaning: check hasil entry dataAnalisis data memberi makna data (peran statistik)Penyajian data : tekstular, tabular, grafikal (tidak boleh duplikasi)

TabelHarus ada:Nomor tabelJudul: what, who, where, whenIsi: kolom & barisVaribelJumlahPersentase (%)Narasi yg menyimpulkan

Macam-macam GrafikKatagorik :Bar diagram : menunjukkan jumlahPie diagram : menunjukkan proporsi (%)Pareto : menunjukkan besar masalah

Numerik :Histogram : data kontinuFrekuensi poligon : > 2 kelompok dataOgive : data kumulatif (cakupan)Line diagram : tren, unsur waktu, diskrit

Bar Diagram

Pie Diagram

Line Diagram

Ukuran TengahUkuran ringkasan yang dapat mewakili data yang diukur atau disurveiData Katagorik : proporsi (%)Data Numerik :

Mean x (rata2) : terpengaruh nilai ekstrimArithmetic (rata-rata hitung)Geometric (rata-rata ukur)

Mode : nilai yang paling sering munculMedian : nilai tengah yang membagi data menjadi 2 bagian yang sama

Ukuran Tengah Var.NumerikMean = 62,14 kg

Total / n 435/7

Mode = 65 kg

3x 65 kg

Median = 65

Urutkan dulu:55,55,60,65,65,65,70

NoBB (kg)165260355465565670755

Ukuran VariasiUntuk melihat seberapa jauh data menyebar : homogen / heterogenKatagorik : proporsi (%)Numerik :

Range (rentang) : max - minVarians (S2)Standard deviasi (S)Koefisien variasi (S/x)

Pengambilan SampleNon-random:ConvenientConsecutiveJudgmental/PurposiveAccidentalQuota

Random:Simple Random Sampling (SRS)Undi / tabel / komputer (epitable)Stratified samplingCluster SamplingMultistagePPS (Probability Proportionate to Size)

P O P U L A S ISTRATIFIKASIAntar strata HeterogenDalam strata homogenStratifiedSamplingStrata 1Strata 2Strata 3

P O P U L A S ICLUSTERAntar cluster HomogenDalam cluster heterogenClusterSamplingCluster 2Cluster 1Cluster 3

Contoh pemilihan secara PPS:Misalnya 1 Desa terdiri dari 6 RW (45 RT) dimana:RW 01 = 10 RT; RW 02 = 8 RT; RW 03 = 6 RT; RW 04 = 9 RT; RW 05 = 7 RT; RW 06 = 5 RT

Jika ingin dipilih 30 RT dari 45 RT secara PPS makaDari RW 01 terpilih: 10/45 x 30 cluster = 6,6 7 RTDari RW 02 terpilih: 8/45 x 30 = 5,3 5 RTDari RW 03 terpilih: 6/45 x 30 = 4 RTDari RW 04 terpilih: 9/45 x 30 = 6 RTDari RW 05 terpilih: 7/45 x 30 = 4,6 5 RTDari RW 06 terpilih: 5/45 x 30 = 3,3 3 RT

Var. bebas Var. tgantungVar. bebas:= Var. independent= Exposure untuk penelitian observasional= Intervensi untuk penelitian eksperimentalMrpk fk risiko atau sesuatu yg diduga sbg penyebab

Var. tergantung:= Var. dependent= OutcomeMrpk penyakit atau sesuatu yg diduga sbg akibat

Penelitian Var. independent Var. dependent (sebab/exposure) akibat/outcome

Contoh:Kebiasaan merokok CA Paru

CA ParuTdk CA ParuMerokokabTdk Merokokcd

Uji statistik utk analisis bivariat

Var. DepKatagorikVar. DepNumerikVar. IndepKatagorikChi Squaret test /AnovaVar. IndepNumerikt test /AnovaKorelasi (Pearson) / Regresi

LatihanApakah ada hubungan antara tingkat kepuasan pasien (Y/T) dengan jenis kelamin pasien ?

Apakah ada hubungan antara kebiasaan ibu merokok (Y/T) dengan berat bayi yang dilahirkannya ?

Apakah ada hubungan antara penghasilan per bulan dengan tingkat pendidikan responden (rendah, sedang, tinggi) ?

Apakah ada hubungan antara frekuensi kunjungan ANC bumil dengan kadar Hb-nya ?

Contoh Perhitungan c2 460 orang ikut percobaan efektifitas vaksin Hepatitis B : 240 org mdp vaksin sdgkan 220 org lainnya mdp plasebo.

20 org pd klmpk yg mdp vaksin dan 80 org pd klmpk yg mdp plasebo kmd diket menderita Hepatitis B.

Apakah tdp asosiasi statistik antara vaksinasi Hepatitis B dan kejadian Hepatitis B?

H0: Tidak ada hubungan yang bermakna antara vaksinasi Hep B dengan kejadian Hepatitis B

df = (b-1) (k-1) = (2-1) (2-1) = 1

Pada df = 1 dgn tingkat kemaknaan a = 0,05 maka batas penolakan c2 = 3,841 (lihat tabel c2)

Maka H0 ditolak jk c2 >3,841 (p-value

Rumus perhitungan Chi-Squarec2 = (O E)2Ec2 = c2 = c2 = { l O E l 0,5 }2EN (ad bc)2N { l ad bc l 0,5N }2(a+b)(c+d)(a+c)(b+d)Dengan Koreksi YateSS(a+b)(c+d)(a+c)(b+d)

Karena c2 = 53 > batas penolakan (c2 = 3,841) maka H0 ditolakTerdapat hubungan yang bermakna (p-value < 0,0005)antara vaksinasi Hep B dgn kejadian Hepatitis B

SetOE(O E)2/E1 (a)80(80+20)(80+140)/460 = 47,83(80 47,83)2 / 47,83= 21,642 (b)140360 x 220 / 460 = 172,176,013 (c)20100 x 240 / 460 = 52,1719,844 (d)220360 x 240 / 460 = 187,835,51S460c2 = 53,00

Macam StatistikDeskriptif menjelaskan variable yang diteliti tanpa melakukan generalisasi ke populasi

Analitik / Induktif / Inferensial menyimpulkan secara umum. Syaratnya : Sample harus representatifJumlah harus cukupTehnik pengambilan sample harus benar

Statistik AnalitikUji Hipotesis :Menetapkan hipotesis : Ho : TIDAK ada hub / pbedaan yg bmaknaHa dalam proposal penelitian yg ditulis adalah Ha tapi yg diuji adalah HoMemilih uji statistik : mencari p-valueMenentukan batas kemaknaan (level of significance) : a = 0,05Keputusan : bandingkan p-value dgn ap-value < a : Ho ditolakp-value > a : Ho gagal ditolak (diterima)

Pertimbangan adanya kausalitasAsosiasi statistikUji hipotesis (p-value) Bermakna/tidaknya suatu uji statistik tergantung jumlah sampel

Asosiasi epidemiologikHills Criteria of Causality Kuat/tidaknya suatu asosiasi epidemiologik tergantung besar/kecilnya bias (internal validity)

Statistical representativeness based on sampling vs biological representativeness based on scientific knowledge

BUKU RUJUKANBudiarto E. Biostatistika, untuk kedokteran dan kesehatan masyarakat. EGC, 2001.

Sastroasmoro S, Ismael S. Dasar-dasar metodologi penelitian klinis. Edisi ke-3. Jakarta: Binarupa Aksara, 2008.