DESAIN STUDI EPIDEMIOLOGI DESKRIPTIF Putri Winda Lestari, S.KM., M.Kes (Epid) STIKes Binawan
Classification of Epidemiology Study Classification of Community Epidemiology Prevention Treatment Trials Study Intervention Tulchinsky & Varavikova, Rothman, Fos & Fine
Classification of Epidemiology Study Prof. Hadisaputro Case Report Case Series Clinical Series Clinical Trial Health Care Trial Retrospecti ve Case referent Cohort Prospectiv e Prevalence Interventi on Case compare Longitudin al Communi ty Trial Incident
Klasifikasi Desain Studi Epidemiologi
STUDI DESKRIPTIF Adalah riset epidemiologi yang bertujuan utk menggambarkan pola frekuensi & distribusi masalah kesehatan (man, place, time). Menjawab pertanyaan who, where, when tapi tidak menjawab why. Berdasarkan unit pengamatan, studi deskriptif dibagi menjadi : Populasi Individu Studi Korelasi Populasi (Studi Ekologi) Rangkaian Berkala (Time Series) Case Report (Laporan Kasus) Case Series (Rangkaian Kasus) Cross Sectional (Potong Lintang)
Tujuan Epidemiologi Deskriptif Memberikan bukti untuk mengembangkan hipotesis Memberikan informasi untuk pelayanan kesehatan dan administrator bagi pengalokasian sumber daya dan perencanaan program pencegahan dan pendidikan Untuk dapat menggambarkan distribusi penyakit berdasarkan karakteristik populasi Untuk evaluasi trend masalah kesehatan dan membandingkan antara daerah Untuk dapat memperhitungkan besarnya masalah kesehatan sebagai basis perencanaan dan evaluasi program Untuk identifikasi masalah kesehatan yg nantinya dilanjutkan dengan penelitian analitik untuk uji hipotesa
1. Studi Korelasi Populasi Disebut juga studi ekologi. Adalah studi epidemiologi dgn populasi sbg unit analisis utk mendeskripsikan pola frekuensi & distribusi masalah kesehatan atau mendeskripsikan hubungan korelatif antara penyakit & faktor yang mempengaruhi. Menggunakan data dr seluruh populasi utk membandingkan: Frekuensi penyakit pd kelompok2 yg berbeda dr suatu populasi pd suatu periode yg sama Frekuensi dr kelompok2 yg sama pd periode yg berbeda 1. Studi Korelasi Populasi
Analisis yang dilakukan dapat bersifat: Deskriptif : melihat distribusi frekuensi dari variabel yg diteliti Analitik : melihat korelasi/hubungan antara variabel2 yg diteliti Jika variabel exposure dan outcome sbg data kontinyu hubungannya secara statistik diuji dengan uji korelasi kekuatan/keeratan hubungan dilihat dengan melihat nilai koefisien korelasi ( r ) Jika variabel exposure dan outcome sbg data kategorikal hubungannya secara statistik dapat diuji 1. Studi Korelasi dengan Populasi uji kuadrat atau regressi logistik
Koefisien Korelasi Kekuatan hubungan linier antara variabel X (paparan) dan variabel Y (penyakit) dihitung dalam koefisien koefisien korelasi. Koefisien korelasi mengukur berapa besar perubahan setiap unit frekuensi penyakit diikuti oleh perubahan setiap unit paparan, atau sebaliknya. Nilai koefisien korelasi berkisar +1 hingga -1. Perlu diingat!!! Suatu korelasi yang kuat antara variabel X dan Y, tidak dengan sendiri dpt diartikan bahwa X adalah penyebab Y atau Y disebabkan oleh X. 1. Studi Korelasi Populasi
Contoh Studi korelasi populasi yg mempelajari korelasi antara konsumsi daging perkapita dan frekuensi penyakit Ca colon pd wanita pd negara2 ttt. Terlihat bahwa ada hubungan/korelasi yg + Negara2 dgn tgkt konsumsi daging perkapita yg rendah memiliki frekuensi Ca colon yg rendah Negara2 dgn tgkt konsumsi daging perkapita yg tinggi memiliki frekuensi Ca colon yg tinggi 1. Studi Korelasi Populasi
Kelebihan Dapat menggunakan data insidensi, prevalensi, maupun mortalitas. Desain studi yg tepat sekali digunakan pd penyelidikan awal hubungan paparan & penyakit. Dpt dilakukan cepat, mudah dan murah karena data yg diperlukan biasanya telah tersedia Pemerintah atau instansi swasta biasanya scr rutin mengumpulkan data: demografi, produksi pangan, pencatatan pelaporan mengenai morbiditas dan mortalitas Cocok utk menilai efektivitas program intervensi kesehatan pd populasi sasaran. 1. Studi Korelasi Populasi
Contoh lagi Gambar : Studi Korelasi populasi utk mempelajari hubungan korelatif antara kematian karena kanker paru pd pria dalam tahun 1950 dan konsumsi sigaret per kapita pada tahun 1930 di berbagai negara.
Gambar diatas menyajikan sebuah studi tetang hub. korelatif antara kematian karena Ca paru pd pria (1950) dan konsumsi sigaret per kapita (1930) di berbagai negara. Perbedaan waktu 20 tahun perkiraan periode laten dan durasi penyakit, yaitu sejak pertama kali terpapar sigaret sampai terminasi penyakit (kematian). Gambar tsb menunjukkan konsumsi sigaret per kapita berkorelasi + dengan kematian krn Ca paru. Artinya: makin besar konsumsi sigaret per kapita makin besar pula laju kematian karena Ca paru. Berdasarkan kesimpulan, peneliti membuat hipotesis kausal : merokok sigaret adlh penyebab kematian Ca paru. Hipotesis tsb selanjutnya diuji dengan rancangan studi epidemiologi analitik. 1. Studi Korelasi Populasi
Kelemahan 1. Tidak dapat melihat hubungan paparan dan penyakit ditingkat individu Studi korelasi populasi dpt mengetahui jumlah org yang terpapar dan jumlah org yang sakit pd populasi, tetapi tidak dpt diketahui bagaimana status paparan dan status penyakit pd individu. Dengan kata lain, kita tidak dpt mengetahui apakah seseorang yang terpapar juga berpenyakit. Jika populasi sbg unit analisis kita pakai utk membuat interferensi kausal pd individu, maka terjadi kekeliruan kesalahan ekologi (ecologi fallacy) 1. Studi Korelasi Populasi
2. Ada ecologic fallacy, yakni bias dalam menginterpretasikan Kesalahan ekologi pertama kali ditemukan sosiolog, William Robinson (1950) : Sebuah studi korelasi populasi menemukan adanya korelasi kuat (r = 0,62) antara proporsi melek huruf dan proporsi imigran di AS tahun 1930-an. Betulkah daerah yang melek hurufnya tinggi karena byk kaum imigran?? Ketika Robinson mengkorelasikan melek huruf dan imigran secara individual, diperoleh r = -0,12. Artinya: kaum imigran berkorelasi lemah dengan melek huruf, bahkan korelasi terbalik. Kenapa terdapat perbedaan temuan?? Karena kebanyakan imigran tinggal di kota besar drpd pedesaan. Dimana tingkat melek huruf di kota besar > pedesaan. 1. Studi Korelasi Populasi
3. Tidak mampu mengendalikan pengaruh faktor perancu (confounding) Faktor perancu bersama faktor penelitian berkorelasi dengan penyakit, meciptakan keadaan problem multikolinieritas. Karena multikolinieritas perkiraan korelasi melalui analisis populasi selalu > analisis individu Contoh: terlepas dari korelasi + dan kuat antara merokok sigaret dan kematian karena Ca paru, kita dpt menduga bahwa perkiraan tsb > dr sesungguhnya. Karena adanya pengaruh faktor lain yang bermultikoliner, seperti: polusi udara, asbes, radium, hidrokarbon, arsen inorganik, radiasi, dll. 1. Studi Korelasi Populasi
2. Studi Rangkaian Berkala Adalah rancangan studi yang bertujuan mendeskripsikan/ mempelajari frekuensi penyakit/ status kesehatan dari sebuah atau beberapa populasi berdasarkan serangkaian pengamatan pd beberapa sekuen waktu. Data frekuensi penyakit hasil pengamatan, sesuai dasar urutan kronologis. Menguhubungkan variasi frekuensi dari waktu ke waktu. 2. Studi Rangkaian Berkala
Studi rangkaian berkala digunakan untuk: Meramalkan kejadian penyakit berikutnya berdasarkan pengalaman terdahulu Mengevaluasi efektivitas intervensi kesh. masyarakat (dilakukan dengan cara mempelajari perubahan gerakan kurva frekuensi penyakit pd populasi sasaran beberapa interval waktu, baik sebelum maupun sesudah implementasi intervensi). 2. Studi Rangkaian Berkala
3. Case Report Penekanan mendalami suatu kasus/unit sosial utk memberikan gambaran lengkap. Case report cenderung mengamati sampel kecil, tetapi variabel yang dipelajari banyak dan mendalam. Laporan tentang profil dari pasien, biasanya merupakan penyakit-penyakit baru, masalah kesehatan baru ataupun fenomena baru yang belum jelas. Laporan terperinci tentang gejala dan tanda, cara penegakan diagnosis, pengobatan dan follow-up seorang pasien secara individual. Diterapkan utk: memperdalam suatu penyakit & pengobatan bagi dokter, proses perawatan dlm keperawatan, kasus hukum, ekonomi, sosial, dsb. 3. Case Report
Kelebihan 3. Case Report
4. Case Series Merupakan kumpulan kasus-kasus individual suatu penyakit dengan diagnosis yang sama, hampir sama dengan laporan studi kasus, namun dengan kasus yang lebih banyak. Serial kasus termasuk penelitian observasional, karena mengikuti perjalanan penyakit beberapa pasien yang diketahui paparannya, atau memeriksa paparan dan hasil dari catatan medis pasien. Surveilens yang rutin dilakukan untuk suatu penyakit yang belum jelas diagnosisnya ataupun sudah jelas diagnosisnya : merupakan kumpulan laporan kasus, atau serial kasus untuk mendeteksi munculnya penyakit baru 4. Case Series dapat digunakan juga untuk mendeteksi
Contoh Kumpulan laporan kasus dapat dianalisis secara sederhana yakni dengan melihat distribusi/ frekuensi penyakit berdasarkan Orang, Tempat, Waktu Contoh: next slide 4. Case Series
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 Jenis kelamin : 9 pria, 1 wanita umur : 8 dewasa muda, 2 tua pekerjaan : 6 pemusik, 4 pegawai Berdasarkan Perilaku Berhubungan intim : Sesama jenis 8 orang, lawan jenis 2 orang Berdasarkan kebiasaan mengkonsumsi drugs : Menggunakan jarum suntik 8 orang, 2 orang bukan 4. Case pengguna Series
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 Dari gambaran demografisnya 90% pria 80% dewasa muda 60% pemusik Dari kebiasaan mengkonsumsi narkoba 80% pecandu narkoba Dari perilaku seksual : 80 % homoseksual 4. Case Series
Diperoleh gambaran distribusi, frekuensi penyakit berdasarkan : gejala dan tanda serta pemeriksaan laboratoris gambaran demografi kebiasaan mengkonsumsi narkoba perilaku seksual Dari analisis sederhana diatas didapat informasi kelompok orang yang berisiko antara lain : pria dewasa muda pemusik pecandu narkoba homoseksual 4. Case Series
Kemudian dari informasi tadi dapat dibangun suatu hipotesis: Pria lebih berisiko 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 4. Case Series
Case Report & Case Series Berbeda dgn studi korelasi populasi, penelitian case report dan case series menggambarkan pengalaman dr pasien2 atau group dr suatu populasi dgn diagnosa yg sama. Tipe dr studi ini mengandalkan identifikasi oleh para klinisi thdp: Penemuan2 yg tdk biasa pd pasien Riwayat perjalanan penyakit ttt pd pasien Akan membawa kpd suatu formulasi hipotesa baru Dlm hal ini dpt dikatakan case report dan case series mrpkn ruang antara yg menghubungkan antara kedokteran klinik dan epidemiologi Case series kumpulan case report dr individu2
Keterbatasan Case Report & Case Series Tdk bisa utk membuktikan adanya hubungan yg valid scr statistik antara faktor resiko dan timbulnya penyakit. Case report hanya merupakan pengalaman 1 org perorang, adanya faktor resiko yg dicurigai mungkin hanya faktor kebetulan saja. Case series merupakan kumpulan dr case report dan kadang2 cukup besar datanya utk dilakukan pengukuran thdp paparan dg faktor resiko; tp tetap ada keterbatasanya yaitu tidak adanya kelompok pembanding
5. CROSS SECTIONAL Disebut juga studi potong lintang Adalah rancangan studi epidemiologi yang mempelajari hubungan penyakit & paparan dengan cara mengamati status paparan & penyakit secara serentak. Data yang dihasilkan adalah prevalensi, bukan insidensi sehingga disebut juga survei prevalensi. 5. CROSS SECTIONAL
Ciri-ciri Pengukuran paparan & penyakit scr serentak Tidak ada periode follow-up Penelitian ini bertujuan mendeskripsikan prevalensi penyakit tertentu Pada penelitian ini tidak terdapat pembanding kelompok Hubungan sebab- akibat hanya merupakan perkiraan saja Merupakan penelitian pendahuluan dari penelitian analitis Oleh karena pengukuran paparan dgn status penyakit pd saat bersamaan, maka tdk dpt dianalisa apakah paparan mendahului penyakit atau sebaliknya 5. CROSS SECTIONAL
Tujuan untuk mengetahui masalah kesehatan masyarakat di suatu wilayah untuk mengetahui prevalensi penyakit tertentu di suatu daerah untuk memperkirakan hubungan sebab akibat bila penyakit mengalami perubahan yang jelas dan tetap untuk memformulasikan hipotesis spesifik yang akan diuji melalui penelitian analitik. 5. CROSS SECTIONAL
Kelebihan dan Kekurangan Kelebihan Mudah, cepat, murah Jarang terancam drop out Dapat dipakai utk penelitian selanjutnya Tidak mengalami hambatan etik Berguna utk informasi perencanaan 5. CROSS SECTIONAL Kekurangan Paparan diukur dlm waktu yang sama shg kurang dpt melihat hub sebab akibat (gambaran kausal) Kesimpulan korelasi antara paparan dan penyakit paling lemah Sulit utk penyakit yg jarang Sulit utk penyakit akut, pendek masa inkubasi dan masa sakitnya Butuh banyak sampel
Analisis Cross Sectional Deskriptif distribusi frekuensi masalah kesehatan berdasarkan orang - tempat - waktu distribusi frekuensi dalam bentuk angka prevalens Analitik Jika variabel exposure dan outcome diukur sebagai data kontinu Hubungannya secara statistik diuji dengan uji korelasi kekuatan/keeratan hubungan dilihat dengan melihat nilai koefisien korelasi ( r ) ataupun dengan koefisien regresi Jika variabel exposure dan outcome sbg data kategorikal hubungannya secara statistik dapat diuji dengan uji kuadrat atau regressi logistik kekuatan hubungan dilihat dengan menghitung 5. CROSS SECTIONAL
Rancangan Penelitian 5. CROSS SECTIONAL
PR (Prevalence Ratio) Rumus PR kelompok terpapar (Po) = a/ a+b PR kelompok tidak terpapar (P1) = c/ c+d D + D - Total E + a b a + b E - c d c + d Total a + c b + d a + b + c +d PR = Po / P1 5. CROSS SECTIONAL
Contoh Kasus Dalam suatu penelitian dengan desain cross sectional,ingin melihat hubungan antara merokok dan bronchitis kronis. D = bronchitis kronis (outcome) E = merokok (exposure) 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 PR? 5. CROSS SECTIONAL
Tabel 2 x 2 Outcome (Disease) D + D - Total Exposure E + 200 200 400 E - 100 500 600 Total 300 700 1000 5. CROSS SECTIONAL
Mendistribusikan variabel disease pada variabel exposure dari 400(E+) 200 D+ dari 600 (E-) 200 D - D + D - Total 100 D+ 500 D - E + 200 200 400 E - 100 500 600 Total 300 700 1000 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 5. CROSS SECTIONAL
Apa arti PR pada penelitian tersebut? 5. CROSS SECTIONAL