Studi Kasus Kontrol Berpasangan. Materi Kuliah Perancangan Kajian Epidemiologi (IPH 616)

Transkripsi

1 Studi Kasus Kontrol Berpasangan Materi Kuliah Perancangan Kajian Epidemiologi (IPH 616)

2 Pengertian dan tujuan Pengertian: Pemadanan (matching) adalah retriksi parsial dalam seleksi subyek Tujuan: Membuat perkiraan asosiasi yang disesuaikan (adjusted) Meningkatkan presisi dan efisiensi untuk besaran sampel tertentu

3 Confounding Exposure Outcome Peubah ketiga Berasosiasi dengan paparan - tanpa konsekuensi menjadi paparan Berasosiasi menjadi outcome - Tidak berasosiasi dengan paparan 3

4 Matching Memastikan bahwa faktor perancu (confounding) terdistribusi secara merata di setiap kelompok studi Kontrol dipilih dengan cara memadankan terhadap karakteristik yang spesifik dengan kasus Kelompok unexposed dipilih dengan cara memadankan terhadap karakteristik yang spesifik dengan kelompok exposed Memeperoleh suatu data set yang seimbang, sehingga dapat: Mencegah confounding (jika dipadankan dengan confounder) Meningkatkan presisi studi 4

5 Jenis Individual matching Kontrol dipilih secara individu untuk setiap kasus dengan memadankannya dengan peubah pemadan tertentu Pasangan individu (1:1) Pemilihan kontrol lebih dari satu per kasus (1:n) Frequency matching Jumlah kontrol dipilih dalam suatu kategori peubah pemadan sesuai dengan jumlah kasus Pemadanan dilakukan dengan menggunakan kelompok suatu subyek 5

6 Individual matching Echovirus meningitis outbreak, Germany, 2001 Kajian kasus kontrol berpadanan1:1 Controls Exposed Unexposed Total Cases Exposed Unexposed Total Source: A Hauri, RKI Berlin

7 Individual matching Echovirus meningitis outbreak, Germany, 2001 Kajian kasus kontrol berpadanan1:1 Controls Concordant pairs Exposed Unexposed Total Cases Exposed Unexposed Total Discordant pairs 7Source: A Hauri, RKI Berlin

8 Individual matching Controls Exposed Unexposed Total Matched 2x2 table Cases Exposed Unexposed Total Cases Controls Total Unmatched 2x2 table Exposed Unexposed x

9 Individual matching: Analisis Masing-masing pasangan dianggap satu strata Hitung Mantel-Haenszel odds ratio OR MH [ a d [ bc Nomenclature tabel 2x2 berpadanan n n i i ] ] Controls Exposed Unexposed Cases Exposed e f Unexposed g h 9

10 Individual matching: Analisis Situasi e Case Control Total ad/t bc/t Exposed /2 0/2 Unexposed Total Controls Exposed Unexposed Cases Exposed e f Unexposed g h 10

11 Individual matching: Analisis Situation f Case Control Total ad/t bc/t Exposed Unexposed Total /2 0/2 Controls Exposed Unexposed Cases Exposed e f Unexposed g h 11

12 Individual matching: Analisis Situation g Case Control Total ad/t bc/t Exposed Unexposed Total /2 1/2 Controls Exposed Unexposed Cases Exposed e f Unexposed g h 12

13 Individual matching: Analisis Situation h Case Control Total ad/t bc/t Exposed Unexposed Total /2 0/2 Controls Exposed Unexposed Cases Exposed e f Unexposed g h 13

14 Individual matching: Analisis ad/n bc/n Situation e 0 0 Situation f 1/2 0 Situation g 0 1/2 Situation h OR MH [ ad [ bc ni ] 0e 1/2f 0g 0h n ] 0e 0f 1/2g 0h i discordantpairs where caseexposed discordantpairs where control exposed f g

15 Individual matching: Analisis OR MH [ ad [ bc ni ] 0e 1/2f 0g 0h n ] 0e 0f 1/2g 0h i discordantpairs where caseexposed discordantpairs where control exposed f g Mantel-Haenszel 2 test untuk padanan 1:1 = McNemar s Test 2 2 ( ) f g f g

16 Individual matching: Analisis Controls Exposed Unexposed Total Cases Exposed Unexposed Total OR MH f = (46 6) 2 /(46 + 6)= g 6 16

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 menggunakan pasangan-pasangan tersebut Conditional logistic regression analysis 17

18 Pemadanan kasus terhadap n kontrol Quadruplets Control1 Control2 Control3 C+/Ctrl - C-/Ctrl+ Case Case Case Case Total 6 1 OR MH discordantpairs where case exposed discordantpairs where control exposed

19 Frequency matching: Analisis Age (yrs) Cases Controls, matched > Total

20 Frequency matching: Analisis Stratum 1 Age (yrs) Cases Controls, matched > Total yrs Cases Controls Total Exp N_exp Total Stratum yrs Cases Controls Total Exp N_exp Total 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 21

22 Overmatching 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.

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 23

24 Overmatching Exposed Controls Unexposed GP, age-matched OR = f/g = 15/1 = 15 Cases Exposed 1 15 Unexposed 1 3 Exposed Controls Unexposed Friend-matched OR = f/g = 3/1 = 3 Cases Exposed 13 3 Unexposed

25 Ukuran contoh studi berpadanan 1:1 Keterangan: m z 2 z P n P(1 P m ( p q p ) q P = R/(1 + R), R = prakiraan odds ratio p 1 = p 0 R/[1 + p 0 (R-1)] p 0 = proporsi kontrol yang terpapar variabel yang diteliti pada populasi sasaran q 0 = 1 - p 0 q 1 = 1 p 1

26 Keuntungan Metode yang bermanfaat dalam kajian kasus kontrol 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 untuk mengidentifikasi kontrol Sampel acak tidak mungkin dilakukan 26

27 Kekurangan Tidak dapat menguji asosiasi dengan peubah pemadan Jika tidak ada kontrol yang teridentifikasi, maka data kasus akan hilang Overmatching terhadap exposure akan menyebankan OR berbias mendekati 1 Analisis statistika yang lebih rumit Kadang-kadang sulit untuk mendapatkan kontrol yang sesuai 27

28 Take-home messages Merupakan teknik yang bermanfaat jika digunakan dengan bijaksana Data set yang seimbang, meningkatkan presisi, mencegah confounding Dapat mengendalikan faktor yang komplek, yang kemungkinan sulit diukur Jangan melakukan pemadanan karena pertimbangan kemudahan Rutin Malas untuk memperoleh contoh acak dari populasi sumber Ingin menghindarkan ukuran contoh yang besar Jika melakukan pemadanan, maka pemadanan dilakukan dengan menggunakan confounder 28

29