1
Introduksi
Disain penelitian Epidemiologi
2
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
3
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 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
•
4
Termasuk disain studi epidemiologi dengan unit pengamatan /analisis agregat adalah : disain studi korelasi
•
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
•
5
Pada disain studi epidemiologi yang bersifat studi observasional, peneliti hanya mengobservasi subjek-subjek yang diteliti tanpa melakukan intervensi Pada disain studi epidemiologi yang bersifat intervensi, peneliti melakukan intervensi pada subjek-subjek yang diteliti
6
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”
•
7
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
•
8
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
•
9
•
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
•
• • • • •
10
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
•
11
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 12
Untuk
mendapatkan
informasi
yang
dapat
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
•
13
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
•
14
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
•
15
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
•
16
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 b erikut : No ID
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
Sex
Umur
Suku
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
Kadar gula Darah gr/dl 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
Komplikasi
Status Keluar dr RS
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 Tidak ada Tidak ada Tidak ada Ada Ada Ada Ada Tidak ada Ada Ada Ada Ada Tidak ada Tidak ada Tidak ada
Meninggal Hidup Meninggal Meninggal Meninggal Meninggal Hidup Hidup Meninggal Hidup Hidup Hidup Hidup Hidup Meninggal Meninggal Hidup Hidup Hidup Hidup Hidup Meninggal Meningga Hidup Hidup Hidup Hidup Hidup Meninggal Meninggal Meninggal Meninggal Meninggal Meninggal Meninggal Hidup Hidup Hidup Hidup Hidup
17
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 yang diduga berisiko tinggi untu 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
•
•
•
18
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
•
19
•
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
20
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
kuadrat,
atau regressi logistik kekuatan hubungan dilihat dengan menghitung RR atau OR
•
21
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
•
22
data :
•
ID PKM
X (%)
Y(%)
1 2 3 4 5 6 7 8 9 10
50 55 60 65 70 75 80 85 90 95
60 70 35 30 25 20 25 20 15 10
N =10
X
Y
X2 502
X2
Y2
XY
602
50 x 60
Y2
XY
n xy - ( x )( xy) r = -----------------------------------------------n x2 - ( x )2 n y2 - ( y )2 23
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 = ---------------------------------------y2 - ( y)2/n
r = r2
24
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
25
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
•
26
sebagai contoh nilai r = - 0.95 ada hubungan linier yang kuat antara variabel x dan y
•
jika x meningkat y menurun atau sebaliknya
•
y
y • • • • • • • • •• • • • • • • •
•
• •
x
r = positif dan mendekati 1
•
• • • • • •
••
•
•
• • x
r = negatif dan mendekati 1
27
•
•
• • • •
• •
• •
• • •
•
•
r = positif dan mendekati nol
•
28
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
29
jika dipakai
•
= 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
30
contoh 2 : jika variabel terikat dan variabel bebas diukur dengan skala kategorikal data :
•
•
ID PKM 1 2 3 4 5 6 7 8 9 10
X (%) 50 55 60 65 70 75 80 85 90 95
kategori rendah rendah rendah rendah rendah tinggi tinggi tinggi tinggi tinggi
Y (%) 60 70 35 30 25 60 25 20 15 10
kategori Tinggi Tinggi Rendah Rendah Rendah Tinggi Rendah Rendah Rendah Rendah
X = cakupan imunisasi campak y = insidens campak PKM = puskesmas 31
Tabel distribusi cakupan imunisasi campak dan insidens campak Dari data diatas Insiden tinggi
Insiden rendah
Cakupan rendah
3
2
5
Cakupan tinggi
1
4
5
32
Contoh : Dari 35 puskesmas yang mempunyai cakupan imunisasi rendah, 25 puskesmas mempunyai insiden campak yang tinggi : proporsi dari insidens campak tinggi pada pkm cakupan rendah = 25/35
•
odds dari insidens campak tinggi| cakupan rendah = 25/10
•
Dari 50 puskesmas yang mempunyai cakupan imunisasi tinggi, 15 puskesmas mempunyai insiden campak yang tinggi proporsi dari insidens campak tinggi pada pkm cakupan tinggi = 15/50
•
odds dari insidens campak tinggi| cakupan tinggi = 15/35
•
Insidens 25/35 RR= -------------------- = ------------ = 1.56 Insidens 15/50
odds
25/10
OR= ------------ = ------------- = 5.81 odds
15/35
33
Uji statistik : •
uji homogenitas proprorsi binomial
uji independensi
•
kedua uji statistik diatas sama prosedurnya
•
k 2 =
--------------i = 1
2
( O - E )2 E
: Khi kuadrat
O : Observed value / nilai yang diamati E : Expected value / nilai yang diharapkan H0 : angka cakupan imunisasi dengan insidens campak, independen (tak berhubungan) Ha : angka cakupan imunisasi dengan insidens campak, tak independen (berhubungan) : 0.05 dengan derajat kebebasan = (c-1)((r-1) c= kolom r=baris jika
2
memberikan nilai P lebih besar dari
maka H 0 ditolak
34
tabel kontingensi “ Observed”
insidens DHF
rendah
tinggi a
rendah b
total (a+b)
d
(c+d)
angka kpdt jentik tinggi total (a+b) (a+c) a” = ---------------(a+b+c+d)
(c+d) (a+c) c” = ---------------(a+b+c+d)
c (a+c)
(b+d)
(a+b+c+d)
(a+b) ( b+d) b” =----------------(a+b+c+d)
(c+d) (b+d) d”= -------------(a+b+c+d)
jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test 35
(a+b) (a+c) a” = ---------------(a+b+c+d)
(a+b) ( b+d) b” =----------------(a+b+c+d)
(c+d) (a+c) c” = ---------------(a+b+c+d)
(c+d) (b+d) d”= -------------(a+b+c+d)
jika ada nilai sel “E” kurang dari 5, uji yang dipakai Fisher Exact Test
D+
D-
E+
“a”
“b”
E-
“c”
“d”
36
Contoh menghitung nilai “expected”
Insidens penyakit tinggi rendah
total
rendah
25(a)
10(b)
35 (a+b)
tinggi
15(c)
35(d)
50 (c+d)
40(a+c)
45(b+d)
cakupan imunisasi
total
85 (a+b+c+d)
total row x total colum nilai “expected” =-----------------------------------grand total
nilai “expected” a =
total row x total colum 35 x 40 ------------------------------------ = ------------------- = 16.47 grand total 85
nilai “expected” b =
total row x total colum 35 x 45 ------------------------------------ = ------------------- = 18.53 37 grand total 85
nilai “expected” c =
total row x total colum 50 x 40 ------------------------------------ = ------------------ = 23.53 grand total 85
nilai “expected” d =
total row x total colum 50 x 45 ------------------------------------ = ------------------= 26.47 grand total 85
38
( O - E )2 2 = --------------i = 1 E k
(25 - 16.17) 2 (10 - 18.53) 2 (15 - 23.53) 2 (35 - 26.47) 2 2 = --------------+ ------------------ + --------------- + -------------------- = 15.75 16.7 18.53 23.53 26.47 Didapat nilai
2
yang mana dibawa H 0 akan mengikuti distribusi
khi kuadrat untuk tingkat
= 0.05
kita akan menolak H 0 jika nilai nilai kita akan menerima H 0 jika nilai nilai
2
> nilai 2
< nilai
2
d.f..12 d.f..1-
39
2
nilai
d.f..1-
= 3.84
{ d.f = derajat kebebasan = (r-1)(c-1) = (2-1)(2-1) =1 dan 1- = 1- 0.05 = 0.95) kita menolak H 0 karena nilai nilai
2
= 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
•
40
•
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
41
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 )
42
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
43
•
jika variabel “exposure” dan variabel “outcome” diukur sebagai
data kategorikal hubungannya secara statistik dapat diuji dengan
•
uji
kuadrat, atau regressi logistik
kekuatan hubungan dilihat dengan menghitung PR
•
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
44
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
45
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
46
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
47
Data Pasien
1 2 3 4 5 6 7 8 9 10
Skore intesitas psikosis (Y) 10 30 20 15 45 35 50 15 40 55
Kadar amphetamin darah mg/ml ( X ) 150 300 250 150 450 400 425 200 350 475
48
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 = ---------------------------------------y2 - ( y)2/n silahkan hitung koefisien korelasi “r”
r = r2
dan koefisen regressi “b”
49
Uji statsitik: t statistik
t=r
n-2 -----------1 - r2
dengan derajat kebebasan = n-2
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
50
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
•
51
Tabel kontingensi 2x2 untuk data diatas “Outcome” D+ D-
total
E+
200
200
400
E-
100
500
600
total
300
700
1000
“exposure”
52
sampel dipilih secara random (acak) sampel representatif untuk populasi
Populasi
• •
sampel •
sampel
•
distribusi frekwensi variabel “exposure” distribusi frekwensi variabel “outcome”
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%
53
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%
54
Mendistribusikan variabel “disease” pada variabel “exposure”
200 D+ dari 400(E+) 200 D -
E+
200 D+
200 D -
E-
100 D+
500 D -
100 D+ dari 600 (E-) 500 D -
dari 400 orang (E+)
prevalens D+ pada kelompok E+ = 200/400
dari 600 orang (E-)
prevalens D+ pada kelompok E - = 100/600
prevalens D+ pada kelompok E+ = 200/400 Prevalens Ratio = ------------------------------------------------------------------ = 3 prevalens D + pada kelompok E- = 100/600
55
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
E-
100
500
600
total
300
700
1000
“exposure”
56
Mendistribusikan variabel “exposure” pada variabel “disease”
200 E+
200 E+ dari 700 (D-)
dari 300 (D+) 100 E -
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
57
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” • •
58
