Studi Kasus Kontrol Tidak Berpasangan - etih.staff.ipb.ac.id · Case Control Total a d /T b c /T...
Transcript of Studi Kasus Kontrol Tidak Berpasangan - etih.staff.ipb.ac.id · Case Control Total a d /T b c /T...
Studi Kasus Kontrol Berpasangan
Materi Kuliah Perancangan Kajian Epidemiologi
(IPH 616)
Pengertian: Pemadanan (matching) adalah
retriksi parsial dalam seleksi subyek
Tujuan:
Membuat perkiraan asosiasi yang disesuaikan
(adjusted)
Meningkatkan presisi dan efisiensi untuk besaran
sampel tertentu
Pengertian dan tujuan
3
Confounding
Exposure Outcome
Peubah ketiga
Berasosiasi dengan paparan
- tanpa konsekuensi menjadi paparan
Berasosiasi menjadi outcome
- Tidak berasosiasi dengan paparan
4
Matching
Memastikan bahwa faktor perancu (confounding) terdistribusisecara merata di setiap kelompok studi Kontrol dipilih dengan cara memadankan terhadap karakteristik
yang spesifik dengan kasus
Kelompok unexposed dipilih dengan cara memadankan terhadapkarakteristik yang spesifik dengan kelompok exposed
Memeperoleh suatu data set yang seimbang, sehingga dapat: Mencegah confounding (jika dipadankan dengan confounder)
Meningkatkan presisi studi
5
Jenis
Individual matching
Kontrol dipilih secara individu untuk setiap kasusdengan memadankannya dengan peubah pemadantertentu
Pasangan individu (1:1)
Pemilihan kontrol lebih dari satu per kasus (1:n)
Frequency matching
Jumlah kontrol dipilih dalam suatu kategori peubahpemadan sesuai dengan jumlah kasus
Pemadanan dilakukan dengan menggunakan kelompoksuatu subyek
6
Individual matching
Echovirus meningitis outbreak, Germany, 2001
Kajian kasus kontrol berpadanan1:1
Source: A Hauri, RKI Berlin
Controls
Exposed Unexposed Total
Exposed 194 46 240
Cases
Unexposed 6 29 35
Total 200 75 275
7
Individual matching
Echovirus meningitis outbreak, Germany, 2001
Kajian kasus kontrol berpadanan1:1
Source: A Hauri, RKI Berlin
Controls
Exposed Unexposed Total
Exposed 194 46 240
Cases
Unexposed 6 29 35
Total 200 75 275
Concordant
pairs
Discordant pairs
8
Individual matching Controls
Exposed Unexposed Total
Exposed 194 46 240
Cases
Unexposed 6 29 35
Total 200 75 275
Cases Controls Total
Exposed 240 200 240
Unexposed 35 75 35
275 275 550
Matched 2x2 table
Unmatched 2x2 table
x
9
Individual matching: Analisis
Masing-masing pasangan dianggap satu strata
Hitung Mantel-Haenszel odds ratio
Nomenclature tabel 2x2 berpadanan Controls
Exposed Unexposed
Exposed e f
Cases
Unexposed g h
][
][
i
i
MHncb
ndaOR
10
Situasi e
Case Control Total ad/T bc/T
Exposed 1 1 2 0/2 0/2 Unexposed 0 0 0
Total 1 1 2
Individual matching: Analisis
Controls
Exposed Unexposed
Exposed e f
Cases
Unexposed g h
11
Situation f
Case Control Total ad/T bc/T
Exposed 1 0 1
Unexposed 0 1 1 1/2 0/2
Total 1 1 2
Individual matching: Analisis
Controls
Exposed Unexposed
Exposed e f
Cases
Unexposed g h
12
Situation g
Case Control Total ad/T bc/T
Exposed 0 1 1
Unexposed 1 0 1 0/2 1/2
Total 1 1 2
Individual matching: Analisis
Controls
Exposed Unexposed
Exposed e f
Cases
Unexposed g h
13
Situation h
Case Control Total ad/T bc/T
Exposed 0 0 0
Unexposed 1 1 2 0/2 0/2
Total 1 1 2
Individual matching: Analisis
Controls
Exposed Unexposed
Exposed e f
Cases
Unexposed g h
14
Individual matching: Analisis
ad/N bc/N
Situation e 0 0
Situation f 1/2 0
Situation g 0 1/2
Situation h 0 0
exposed control wherepairs discordant
exposed case wherepairs discordant
g
f
0h1/2g0f0e
0h 0g 1/2f 0e
][
][
i
i
MHncb
ndaOR
Individual matching: Analisis
g
f
0h1/2g0f0e
0h 0g 1/2f 0e
][
][
i
i
MHncb
ndaOR
exposed control wherepairs discordant
exposed case wherepairs discordant
gf
gf
22 )(
Mantel-Haenszel 2 test untuk padanan 1:1 = McNemar’s Test
16
Individual matching: Analisis
Controls
Exposed Unexposed Total
Exposed 194 46 240
Cases
Unexposed 6 29 35
Total 200 75 275
7.67 6
46
g
f ORMH 2 = (46 – 6) 2/(46 + 6)= 30.77
17
Pemadanan kasus terhadap n kontrol
Prinsipnya sama dengan pemadanan 1:1
Istilah:
Pasangan (pair) (1 kasus, 1 kontrol)
Triplet (1 kasus, 2 kontrol) 2 pasangan
Quadruplet (1 kasus, 3 kontrol) 3 pasangan
dst.
Analisis stratifikasi dengan menggunakanpasangan-pasangan tersebut
Conditional logistic regression analysis
18
Pemadanan kasus terhadap n kontrol
Quadruplets
Control1 Control2 Control3 C+/Ctrl - C-/Ctrl+
Case 1 + + − − 2 0
Case 2 − − + − 0 1
Case 3 + − − − 3 0
Case 4 + + + − 1 0
Total 6 1
1
6
exposed control wherepairs discordant
exposed case wherepairs discordant
MHOR
19
Frequency matching: Analisis
Age (yrs) Cases Controls, matched
0-14 10 10
15-29 15 15
30-44 35 35
>44 25 25
Total 85 85
20
Frequency matching: Analisis
Age (yrs) Cases Controls, matched
0-14 10 10
15-29 15 15
30-44 35 35
>44 25 25
Total 85 85
Stratum 2
15-29 yrs Cases Controls Total
Exp 7 5 12
N_exp 8 10 18
Total 15 15 30
Stratum 1
0-14 yrs Cases Controls Total
Exp 6 1 7
N_exp 4 9 13
Total 10 10 20
Stratum 3
Stratum 4
21
Mengapa dilakukan analisis stratifikasi?
Matching menghilangkan confounding, tetapi
memunculkan faktor confounding yang baru
Kontrol tidak lagi representatif (selection bias)
Kasus dan kontrol hampir mirip. Dengan
menghilangkan faktor pemadan, OR biasanya
underestimate
Matched design = matched analysis
Matching dilakukan jika peubah yang digunakan
untuk pemadanan (extraneous variable) adalah
confounder.
Jika terdapat hubungan yang kuat antara
extraneous variable dengan peubah exposure
overmatching
karena distribusi exposure pada kelompok kasus
dan kontrol akan memiliki kesamaan yang lebih
besar dibandingkan dengan populasi sumbernya.
Overmatching
23
Overmatching
20 kasus cryptosporidiosis
? Berasosiasi dengan kedatangan di kolam
renang setempat
2 Studi kasus kontrol berpadanan
Kontrol dari tempat latihan umum yang
sama dengan kasus (general practice (GP)
dan tgl lahir yang hampir sama
Kontrol adalah teman kasus
24
Overmatching
Controls
Exposed Unexposed
Exposed 1 15
Cases
Unexposed 1 3
GP, age-matched
OR = f/g = 15/1 = 15
Controls
Exposed Unexposed
Exposed 13 3
Cases
Unexposed 1 3
Friend-matched
OR = f/g = 3/1 = 3
Ukuran contoh studi berpadanan 1:1
)( 0110 qpqp
mn
Keterangan:
2
2
1
1(2
P
PPzz
m
P = R/(1 + R), R = prakiraan odds ratio
p1 = p0 R/[1 + p0 (R-1)]
p0 = proporsi kontrol yang terpapar variabel yang diteliti pada populasi sasaran
q0 = 1 - p0
q1 = 1 – p1
26
Keuntungan
Metode yang bermanfaat dalam kajian kasuskontrol untuk mengoptimumkan sumber daya.
Dapat mengendalikan faktor yang komplek, seperti lingkungan, genetik, dll.
Dapat meningkatkan efisiensi studi Mengatasi masalah data yang langka dengan cara
menyeimbangkan strata
Memaksimumkan informasi jika ukuran sampel kecil
Kadang-kadang lebih mudah untukmengidentifikasi kontrol Sampel acak tidak mungkin dilakukan
27
Kekurangan
Tidak dapat menguji asosiasi dengan peubahpemadan
Jika tidak ada kontrol yang teridentifikasi, makadata kasus akan hilang
Overmatching terhadap exposure akanmenyebankan OR berbias mendekati 1
Analisis statistika yang lebih rumit
Kadang-kadang sulit untuk mendapatkankontrol yang sesuai
28
Take-home messages
Merupakan teknik yang bermanfaat jika digunakan denganbijaksana Data set yang seimbang, meningkatkan presisi, mencegah
confounding
Dapat mengendalikan faktor yang komplek, yang kemungkinansulit diukur
Jangan melakukan pemadanan karena pertimbangankemudahan “Rutin”
Malas untuk memperoleh contoh acak dari populasi sumber
Ingin menghindarkan ukuran contoh yang besar
Jika melakukan pemadanan, maka pemadanan dilakukandengan menggunakan confounder