DESAIN STUDI KOHORT - Etih SudarnikaEtih Sudarnika -...
Transcript of DESAIN STUDI KOHORT - Etih SudarnikaEtih Sudarnika -...
1
Etih Sudarnika
Laboratorium Epidemiologi
Bagian Kesehatan Masyarakat Veteriner
Departemen Ilmu Penyakit Hewan dan Kesmavet
Fakultas Kedokteran Hewan IPB
ANALISIS DATA
STUDI KOHORT
Bahan Kuliah Mata Ajaran Perancangan Kajian Epidemiologik
PS KMV SPs IPB
Analisis Sederhana (Bivariate)
Ukuran Asosiasi
a b
c d
E
NE
n1
NDD
n0
a t1
c t0
E
NE
Animal-time
at risk
Number of
cases
1. Risk ratio (Relative Risk)
Disebut juga Cumulative Incidence Ratio (CIR)
atau Incidence Risk Ratio
2. Incidence Density Ratio (IR)/ Incidence Rate Ratio
RR = CIR = CI1/CI0
= (a/n1)
(c/n0)
IR = I1/I0
= (a/t1)
(c/t0)
4
Cumulative Incidence (CI)(Incidence Proportion)
Number of NEW cases of disease during a period
Population at the beginning of the period
5
Cumulative Incidence (CI)(Incidence Proportion)
Number of NEW cases of disease during a period
Population at the beginning of the period
Ex: Bilharziosis in Guadeloupe in 1979:
Population 350,000
New cases 1,250
Cumulative incidence = 0.0036 per year
= 0.36 % per year
= 3.6 new cases / 1000 during a
year
7
xx
x
x
x
x
xx disease onset
Month 1 Month12
Cumulative Incidence
CI = 7/12
= 0.58 per year
= 58% per year
8
xx
x
x
x
x
xx disease onset
Month 1 Month12
Cumulative Incidence
CI = 7/12
= 0.58 per year
= 58% per year
CI assumes that the entire population at risk
is followed up for the same time period
Incidence rate
Number of NEW cases of disease
Total animal - time of observation
Rate
Denominator:
- is a measure of time
- the sum of each individual’s time at risk
and free from disease
A
B
C
D
E
90 91 92 93 94 95 96 97 98 99 Time at risk
x
x
6.0
6.0
10.0
8.5
5.0
Total years at risk 35.5
-- time followed
x disease onset
animal-time
12
A
B
C
D
E
90 91 92 93 94 95 96 97 98 99 00 Time at risk
x
x
6.0
6.0
10.0
8.5
5.0
Total years at risk 35.5
-- time followed
x disease onset
Incidence rate (IR)(Incidence density)
IR = 2 cases/ 35.5 animal years
= 0.056 cases / animal years
= 5.6 cases / 100 animal years
= 56 cases / 1000 animal years
• Seorang peneliti tertarik untuk menentukan frekuensi infeksi intramammary (IMI) baru oleh Staph. aureus pada sapi perah. Untuk itu ia mengidentifikasi lima ekor sapi perah di dalam suatu peternakan dan diikuti selama satuperiode laktasi (10 bulan). Sampel yang diambil adalah pada bulan ke-0 (calving), 2, 4, 6, 8 dan 10 (keringkandang). Hasilnya disajikan dalam tabel di bawah ini. Seekor sapi dianggap menderita infeksi intramammary (IMI) baru jika hasil pemeriksaan negatif pada sampel sebelumnya.
Waktu sampling Total bulan berisiko
Sapi 0 2 4 6 8 10
Hanya
kasus
pertama
Semua
kasus
A 0 X 0 0 X X 2 6
B 0 0 0 - - - 4 4
C X 0 0 X X X 0 4
D 0 0 0 0 0 0 10 10
E 0 0 X 0 X X 4 6
Keterangan:
X = Biakan positif
= Biakan positif yang menunjukkan IMI baru
0 = Biakan negatif
- = Sapi dikeluarkan dari peternakan
PAR = Population at risk
X
• Insidensi kumulatif dari IMI pada dua bulan pertama periode laktasi
– PAR = 4 ekor
– IMI baru = 1 ekor
– Insidensi kumulatif pada dua bulan pertama periode laktasi = ¼ = 25%
• Insidensi kumulatif dari IMI selama periode laktasi
– PAR = 4 – ½(1 withdrawal) = 3.5 ekor
– New IMI = 2 ekor
– Insidensi kumulatif selama periode laktasi = 2/3.5 = 57%
• Incidence rate dari IMI jika mempertimbangkan hanya kasus pertama
– PAR = 20 ekor – bulan
– New IMI = 2 kasus
– I = 2/20 = 0.1 kasus/ekor-bulan
= 1 kasus/ekor-periode laktasi
• Incidence rate dari IMI jika mempertimbangkan semua kasus baru
– PAR = 30 ekor-bulan
– New IMI = 5 kasus
– I = 5/30 = 0.17 kasus/ekor-bulan
= 1.7 kasus/ekor-periode laktasi
Interpretasi:
RR = 1 tidak ada efek/asosiasi
RR < 1 efek menurunkan risiko
(protective effect)
RR > 1 efek meningkatkan risiko
(harmfull/ destructive effect)
Selang Kepercayaan untuk RR
Perhitungan estimasi interval perhatikan kembali 2 macam
tabel lay-out analisis dari fixed-cohort dan dynamic cohort:
a b
c d
E
NE
n1
NDD
n0
m1 m0 n
a t1
c t0
E
NE
Animal-time
at risk
Number of
cases
Rumus umum untuk estimasi interval (confidence limit/interval):
Z 1-/2 V
Keterangan:
= estimasi titik (misal RR)
= probabilitas kesalahan tipe I ( menolak H0 yang benar)
(1-) = tingkat keyakinan (confidence level)
Z 1-/2 = deviasi normal standar sesuai dengan tingkat
V = estimasi varians dari
V = estimasi standard error dari
Karena distribusi estimasi rasio (misal RR) tidak normal
(dikarenakan skala yang asimetris; nilai 1,0 jauh lebih dekat ke
0,0 dibanding ke ) maka perlu transformasi ke natural log (In)
dari RR tersebut dan kemudian mengkonversi kembali ke skala
aslinya dengan anti log (exp)
Dengan demikian, rumus dari (1-)% confidence limit/ interval
adalah sbb:
Exp [ In () Z 1-/2 V
= Exp [ Z 1-/2 V ]
Untuk fixed cohort:
= RR = CI1/CI0 = (a/n1) / (c/n0)
V = V [In (RR)] = (1/a) + (1/c) – (1/n1) – (1/n0)
Untuk dynamic cohort:
= IR = I1/I0 = (a/t1) / (c/t0)
V = V [In (IR)] = (1/a) + (1/c)
Interpretasi:
CIR = 1.8; 95% CL (1.2 – 2.7); artinya:
1. Kita dapat memperkirakan bahwa interval ini akan
mencakup RR yang sesungguhnya sebanyak 95% kali
(“95% of the time”), jika studi tersebut diulang berkali-kali
2. Kita 95% yakin bahwa interval ini (yaitu interval antara 1.2 –
2.7) akan mencakup nilai RR yang sesungguhnya di
populasi sumber
3. Tes/ Uji Statistik
Untuk melakukan uji statistik perhatikan kembali 2 macam
tabel lay-out analisis dari fixed cohort dan dynamic cohort.
Untuk menguji nilai hipotesis secara statistik bahwa parameter
(misal RR atau IR) di populasi sumber adalah sebesar nilai
tertentu (misal RR = 1.8), maka kita dapat menghitung nilai
statistik (misal chi kuadrat atau chi) dan menentukan nilai p
Pengertian nilai p adalah:
Probabilitas menemukan nilai uji statistik yang diamati atau
bahkan lebih ekstrim lagi (misal RR = 1.8 atau > 1.8) jika H0-
nya betul (artinya tidak ada hubungan)
Probabilitas menemukan nilai statistik yang diamati atau
bahkan lebih ekstrim lagi (misal RR = 1.8 atau > 1.8) semata-
mata karena chance (kebetulan)
Tes statistik yang dapat dipakai dalam analisis sederhana ini
adalah tes Chi Mantel-Hanzel (M-H)
Untuk fixed cohort:
= RR = CI1/CI0 = (a/n1) / (c/n0)
MH = (a-0) / V0
0 = m1n1/n
V0 = m1m0n1n0 / n2(n-1)
Hubungan antara RR, IR dan OR
• RR dan OR
– Nilainya akan hampir sama jika incidence risk rendah (< 5%)
• RR dan IR
– Nilainya akan hampir sama jika pajanan memiliki dampak yang dapat diabaikan terhadap total waktu yang berisiko di dalam populasi studi. Hal ini terjadi jika penyakit jarang terjadi atau nilai IR mendekati 1
Hubungan antara RR, IR dan OR
• OR dan IR
– OR merupakan penduga yang baik untuk IR jika penyakit jarang terjadi
Ukuran Dampak Potensial
Untuk mengukur dampak potensial dipakai konsep perbedaan selisish risiko
untuk menjelaskan kelebihan resiko (excess risk) dari suatu penyakit yang
dikaitkan dengan faktor risiko tertentu
Jenis ukuran dampak untuk faktor risiko adalah:
AR (attributable risk)
PAR (population attributable risk)
AF (attributable fraction)
AFp(population attributable fraction)
Jenis ukuran dampak untuk faktor protektif/preventif adalah:
Prevented fraction (untuk populasi terpajan)
Population prevented fraction (untuk total populasi)
1. Attributable Risk
Dapat memberikan informasi tentang:
• Risiko penyakit tertentu di kelompok populasi terpajan yang
dapat dinisbatkan (attributable) pada suatu pajanan
• Jumlah kasus penyakit tertentu di kelompok populasi terpajan
yang dapat dihilangkan jika pajanannya dieliminir
Rumus:
AR = I1 – I0
Ukuran Dampak Potensial
2. Population Attributable Risk
Dapat memberikan informasi tentang:
• Risiko terkena suatu penyakit pada seluruh populasi studi (terpajan maupun
tidak) yang dinisbatkan (attributable) pada suatu pajanan
• Jumlah kasus penyakit tertentu di seluruh populasi (terpajan maupun tidak)
yang dapat dihilangkan jika pajanannya dieliminir dari populasi tersebut
• Ukuran ini dapat menjadi indikator faktor risiko mana yang paling relevan
dengan (memberikan dampak) masalah kesehatan pada masyarakat
Rumus:
PAR = It – I0
Ukuran Dampak Potensial
3. Attributable Fraction
Dapat memberikan informasi tentang:
Proporsi risiko terjadinya penyakit di kalangan populasi
terpajan yang dinisbatkan pada suatu pajanan
Proporsi risiko terjadinya penyakit di kalangan populasi
terpajan yang dapat dicegah dengan mengeliminasi
pajanannya
= AR / I1 x 100
= (I1 – I0) / I1 x 100
= (RR – 1) / RR x 100
Rumus AF
Ukuran Dampak Potensial
Catatan:
P = proporsi pajanan pada populasi (proporsi populasi yang
terpajan) = n1 / n
4. Population Attributable Fraction
• Proporsi risiko terjadinya penyakit di seluruh populasi stui yang
dinisbatkan pada suatu pajanan
• Proporsi risiko terjadinya penyakit di seluruh populasi studi
yang dapat dicegah dengan mengeliminasi pajanannya
= PAR / It x 100
= (It – I0) / It x 100
= P(E+)(RR – 1) / [P(E+)(RR-1) + 1]
Rumus AFp
Ukuran Dampak Potensial
5. Prevented Fraction (untuk populasi terpajan)
• Proporsi dari kasus baru potensial pada kelompok terpajan
yang dapat muncul/ terjadi jika pajanan tidak ada
• Proporsi dari kasus baru potensial pada kelompok terpajan
yang tercegah oleh pajanan
Ukuran ini apabila dipakai pada studi intervensi (misal vaccin
trial) sering disebut juga ukuran “efficacy”
= (I0 – I1) / I0= 1 - RR
Rumus PFE
Ukuran Dampak Potensial
6. Population Prevented Fraction (untuk total populasi)
• Proporsi dari kasus baru potensial pada seluruh populasi yang
dapat muncul/ terjadi jika pajanan tidak ada
• Proporsi dari kasus baru potensial pada seluruh populasi yang
tercegah oleh pajanan
= (I0 – I1) / I0= P(E+)(1 – RR)
= P(E+) x PFE
Rumus PF
Catatan:
P = proporsi pajanan pada populasi (proporsi populasi yang terpajan) = n1
/ n
Ukuran Dampak Potensial
Berbagai macam ukuran asosiasi untuk berbagai macam studi
Cross-sectional Cohort Case-control
RR X X
IR X
OR X X X
AR X X
AFe X X X
PAR X X
AFp X X X
Analisis Kesintasan
(Survival Analysis)
Survival Rate
Hazard Rate
Life Table
Kurva Kaplan – Meier
Tes Statistik, seperti Log-rank-test, dll
Analisis Multivariate/ multivariabel
• Regresi Logistik Multiple
• Model Cox Proportion Hazard
• Model Extended Cox, dll