1. ukuran-ukuran dalam epidemiologyadeheryana.weblog.esaunggul.ac.id/wp-content/uploads/...kuantitas...

Ukuran Frekuensi Penyakit – Lecture Note 2013

1 Ade Heryana – S2 Kesehatan Masyarakat FKMUI

1. UKURAN-UKURAN DALAM EPIDEMIOLOGY

Ada bermacam-macam jenis satuan ukuran, diantaranya:

Mengukur Jarak meter, kilometer

Mengukru Waktu jam, hari bulan

Mengukur Kejadian Kasus

Mengukur Hubungan Rasio Odds, Risiko

Terdapat dua macam ukuran yang digunakan dalam epidemiolog, yaitu

1. Tipe Kuantitas Matematis

2. Tipe Kuantitas Epidemiologis

Ringkasan Ukuran-ukuran dalam Epidemiologi

Tipe Kuantitas Matematis

Dengan Denominator

Rasio

RR, OR, IDR

Proporsi

%, AR%, PAR%

Rate

Crude, Specific, Adjusted

Tanpa Denominator

Enumerasi Hitung, Angka

mutlak



TIPE KUANTITAS MATEMATIS

Ada empat jenis tipe kuantitas matematis, yaitu

Enumerasi (hitungan)

Rasio

Proporsi

Rate

Hitungan (Enumerasi) atau Angka Mutlak merupakan jumlah kasar atau frekuensi. Contoh: 10

kasus, 1961 kasus, dsb.

Rasio merupakan nilai yang didapat dengan pembagian suatu kuantitas dengan kuantitas yang lain.

Kuantitas numerator (pembilang) boleh berbeda dari kuantitas denominator (penyebut) atau

denominator mungkin tidak memuat numerator.

Contoh: 𝑎

𝑏

UKURAN dalam

Epidemiologi

Ukuran Frekuensi Penyakit

Insiden

Insidens Kumulatif, Insidens Densitas

Prevalen

Prevalens Titik,

Prevalens Periode

Mortalitas

Ukuran Asosiasi (Rasio)

RR, OR, IDR, PR

Ukuran Efek (Dampak)

Perbedaan Efek

RD, AR, ER, PAR

Fraksi Efek

AR%, PAR%, PF



Proporsi merupakan suatu fraksi atau tipe rasio yang unsur numerator adalah bagian dari

denominator. Bila dikalikan dengan 100, biasanya disebut suatu persentase.

Contoh:

28/56 = 0,5; 0,5 x 100% = 50%

Ada 28 kasus dari 56 orang. Berarti proporsi kasus adalah 50%.

Rate adalah tipe spesifik dari rasio yang digunakan mengkuantifikasi proses dinamik seperti

pertumbuhan dan kecepatan. Rate merupakan pernyataan numeris dari frekuensi suatu peristiwa,

dihitung dengan cara pembagian antara jumlah individu yang mengalami peristiwa (numerator)

dengan jumlah total (keseluruhan) yang mungkin dapat (kapabel) mengalami peristiwa

(denominator atau populasi berisiko) dan perkalian dengan suatu konstanta (tetapan). Rate disebut

juga Tingkat atau Laju.

Format umum dari Rate adalah

𝑅𝑎𝑡𝑒 =𝑁𝑢𝑚𝑒𝑟𝑎𝑡𝑜𝑟

𝐷𝑒𝑛𝑜𝑚𝑖𝑛𝑎𝑡𝑜𝑟× 𝐹

Numerator adalah jumlah orang atau individu yang mengalami peristiwa

Denominator adalah jumlah populasi berisiko (jumlah total orang keseluruhan individu yang

mungkin mengalami peristiwa)

F adalah factor pengali, biasanya kelipatan 10, mengkonversi rate dari suatu fraksi ke suatu

jumlah keseluruhan.

Dengan demikian Rate dapat berarti suatu pernyataan numeris dari frekuensi kejadian yang terjadi

dalam suatu kelompok orang tertentu (didefinisikan) di dalam satu periode waktu tertentu.

Contoh:

Pada tahun 2004, ada 100 kasus demam berdarah di suatu kota yang berpenduduk 1.250.000 orang. Berapa

rate kasus demam berdarah di kota itu ?

Rate = Σ 𝐾𝑎𝑠𝑢𝑠

Σ 𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖=

100 𝐾𝑎𝑠𝑢𝑠

1.250.000 𝑂𝑟𝑎𝑛𝑔=


12.500 𝑂𝑟𝑎𝑚𝑔= 8 𝐾𝑎𝑠𝑢𝑠 𝑝𝑒𝑟 100.000 𝑜𝑟𝑎𝑛𝑔



Rate merupakan bentuk khusus dari suatu proporsi yang memuat waktu (atau faktor lain) dalam

denominator.

Contoh:

- Incidence rate = 3 kasus per 100 orang per tahun

- Kematian per 1000 penumpang - kilometer

2. UKURAN-UKURAN FREKUENSI PENYAKIT

Ukuran Frekuensi Penyakit merupakan kuantifikasi kejadian penyakit, dengan mengitung individu

yang terinfeksi, yang sakit dan yang meninggal. UFP biasanya menggunakan kata-kata (mis: kadang-

kadang, jarang)

UFP merefleksikan besar kejadian penyakit (morbiditas) atau kematian karena penyakit (mortalitas)

dalam suatu populasi. Biasanya diukur sebagai suatu rate atau proporsi.

Kesepakatan kecil tentang arti umumnya yang digunakan kata-kata untuk frekuensi

“biasanya” bila angka 0,5 – 0,8

“Kadang-kadang” bila angka 0,2 – 0,6

“jarang” bila angka 0,01 – 0,2

Jenis ukuran frekuensi penyakit:

1. Insidens (Incidence)

2. Prevalens (Prevalence)

3. Mortalitas (Mortality)

A. INSIDENS

Insidens merefleksikan jumlah kasus baru (insiden) yang berkembang dalam suatu periode

waktu di antara populasi yang berisiko. Yang dimaksud kasus baru adalah perubahan status dari

sehat menjadi sakit. Periode Waktu adalah jumlah waktu yang diamati selama sehat hingga

menjadi sakit

Insidens ada dua jenis:



1. Insidens kumulatif (Cumulative Incidence) atau Risk atau Proporsi Insidens

Berarti rata-rata risiko seorang individu terkena penyakit. Orang-orang yang berada dalam

denominator haruslah terbebas dari penyakit pada permulaan periode (observasi atau

tindak lanjut)

Metode ini hanya layak bila ada sedikit atau tidak ada kasus yang lolos dari pengamatan

karena kematian, tidak lama berisiko, hilang dari pengamatan. Semua non-kasus diamati

selama seluruh periode pengamatan.

Insidens Kumulatif juga menunjukkan probabilitas individu berisiko berkembang menjadi

penyakit dalam periode waktu tertentu dan menyatakan individu tidak meninggal karena

sebab lain selama periode itu.

Ciri-ciri Insidens Kumulatif:

Tidak berdimensi, dinilai dari nol sampai satu

Merujuk pada individu

Mempunyai periode rujukan waktu yang ditentukan dengan baik

Rumus Insidens Kumulatif = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑎𝑠𝑢𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠 𝑠𝑒𝑙𝑎𝑚𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑤𝑎𝑘𝑡𝑢 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢

𝐽𝑢𝑚𝑙𝑎ℎ 𝑂𝑟𝑎𝑛𝑔 𝐵𝑒𝑟𝑖𝑠𝑖𝑘𝑜 𝑝𝑎𝑑𝑎 𝑃𝑒𝑟𝑚𝑢𝑙𝑎𝑎𝑛 𝑊𝑎𝑘𝑡𝑢

Contoh (Insidens Kumulatif)

Dari gambar di bawah, berapa insidens kumulatif (IK) selama 7 tahun waktu pengamatan?

Jawab :

IK = ∑ 𝐾𝑎𝑠𝑢𝑠 𝐵𝑎𝑟𝑢

∑ 𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑏𝑒𝑟𝑖𝑠𝑖𝑘𝑜 𝑝𝑎𝑑𝑎 𝑎𝑤𝑎𝑙 𝑝𝑒𝑛𝑔𝑎𝑚𝑎𝑡𝑎𝑛=


7 𝑜𝑟𝑎𝑛𝑔= 43 𝑘𝑎𝑠𝑢𝑠 𝑝𝑒𝑟 100 𝑜𝑟𝑎𝑛𝑔



ATTACK RATE

Attack Rate yaitu jenis khusus Insidens Kumulatif yang berguna selama epidemic.

Contoh (Attack Rate)



2. Densitas insidens (Incidence Density) atau Insidens orang – waktu (Person – Time

Incidence) atau Tingkat insidens (Incidence rate)

Densitas Insidens berarti rata-rata rate untuk populasi berisiko selama waktu yang

ditentukan.

Karena denominator diukur dalam orang-waktu, hal ini tidak perlu bahwa semua individu

diamati untuk periode yang sama. Densitas Insidens menyatakan suatu jumlah kasus baru

per orang-waktu.

Rumus Densitas Insidens = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑎𝑠𝑢𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠 𝑡𝑒𝑟𝑗𝑎𝑑𝑖 𝑑𝑎𝑙𝑎𝑚 𝑃𝑒𝑟𝑖𝑜𝑑𝑒 𝑊𝑎𝑘𝑡𝑢

𝐽𝑢𝑚𝑙𝑎ℎ 𝑂𝑟𝑎𝑛𝑔−𝑊𝑎𝑘𝑡𝑢

Ciri-ciri Insidens Rate:

Tidak ada periode rujukan (tidak ada seperti rate 2-tahun)

Mempunyai dimensi yang invers waktu (misal: 0,001/tahun)

Mempunyai nilai nol dan infiniti (~)

Contoh (Densitas Insidens)

Dari gambar di bawah, hitunglah berapa nilai Densitas Insidens (DI) atau Insidens orang-waktu

(PTI) atau Incidence Rate (IR) !

Jawab:

Jumlah Orang-Waktu = 7 + 7 + 2 + 7 + 3 + 2 + 5 = 33 orang-tahun

𝐷𝐼 = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑎𝑠𝑢𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠 𝑡𝑒𝑟𝑗𝑎𝑑𝑖 𝑑𝑎𝑙𝑎𝑚 𝑃𝑒𝑟𝑖𝑜𝑑𝑒 𝑊𝑎𝑘𝑡𝑢

𝐽𝑢𝑚𝑙𝑎ℎ 𝑂𝑟𝑎𝑛𝑔−𝑊𝑎𝑘𝑡𝑢=


33 𝑂𝑟𝑎𝑛𝑔−𝑡𝑎ℎ𝑢𝑛=

9,1 𝑘𝑎𝑠𝑢𝑠 𝑝𝑒𝑟 100 𝑜𝑟𝑎𝑛𝑔 − 𝑡𝑎ℎ𝑢𝑛



Contoh (Insidens Rate)

Hitunglah Incidence Rates pada gambar di bawah ini.



Arti Angka Incidence Rates

Misalkan Densitas Insiden (Insidens orang waktu atau Incidence Rate) = 9,1 kasus/100

orang- tahun. Unit (satuan) orang-tahun dalam contoh di atas adalah 1 x 100 x orang-tahun

= 4 x 25 orang- tahun, artinya angka ini dari orang-waktu dapat diakumulasi dengan

observasi 100 orang selama 1 tahun, 25 orang selama 4 tahun, 10 orang selama 10 tahun.

Instantaneous Incidence Density

Disebut juga Instantaneous Incidence Rate atau Person-time Incidence Rate atau Force of

Morbidity atau Hazard Rate.

IDD merupakan:

Kejadian segera dari kasus baru, pada suatu “titik” atau segera dalam waktu T per unit

waktu di antara populasi berisiko selama waktu T.

Ukuran teoritis jumlah kasus yang terjadi per satuan populasi-waktu (orang-tahun

berisiko).

Mengukur kejadian penyakit pada satu titik waktu t (ditentukan secara matematik

sebagai limit, seperti t 0.

Probabilitas seseorang yang sehat pada waktu t akan mengalami sakit dalam interval

t+t dibagi t.

B. PREVALENS

Prevalens merefleksikan jumlah kasus yang ada (kasus lama maupun kasus baru) dalam populasi

dalam suatu waktu atau periode waktu tertentu. Probabilitas bahwa seorang individu menjadi

kasus (atau menjadi sakit) dalam waktu atau periode waktu tertentu.

Ukuran Prevalens ada dua macam:

1. Prevalens Titik (Point of Prevalence), disebut juga Prevalens atau Proporsi Prevalens

Prevalens Titik adalah probabilitas bahwa seorang individu menjadi kasus (atau menjadi

sakit) pada suatu titik waktu.



Ciri-ciri dari Prevalens Titik adalah:

Tidak mempunyai dimensi

Variasi nilai antara nol dan satu

Rumus Prevalens Titik = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑎𝑠𝑢𝑠 𝑦𝑎𝑛𝑔 𝑎𝑑𝑎 𝑝𝑎𝑑𝑎 𝑆𝑎𝑡𝑢 𝑇𝑖𝑡𝑖𝑘 𝑑𝑎𝑙𝑎𝑚 𝑤𝑎𝑘𝑡𝑢 𝑇

𝑇𝑜𝑡𝑎𝑙 𝐽𝑢𝑚𝑙𝑎ℎ 𝑂𝑟𝑎𝑛𝑔 𝑝𝑎𝑑𝑎 𝑊𝑎𝑘𝑡𝑢 𝑇

Contoh (Prevalens Titik)

Dari gambar di atas hitunglah Prevalens pada tahun ke 2,3,4,56, dan 7

Rumus Prevalens Titik = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑎𝑠𝑢𝑠 𝑦𝑎𝑛𝑔 𝑎𝑑𝑎 𝑝𝑎𝑑𝑎 𝑆𝑎𝑡𝑢 𝑇𝑖𝑡𝑖𝑘 𝑑𝑎𝑙𝑎𝑚 𝑤𝑎𝑘𝑡𝑢 𝑇

𝑇𝑜𝑡𝑎𝑙 𝐽𝑢𝑚𝑙𝑎ℎ 𝑂𝑟𝑎𝑛𝑔 𝑝𝑎𝑑𝑎 𝑊𝑎𝑘𝑡𝑢 𝑇

Maka,

Prevalens titik pada t=2 adalah 0 7⁄


Prevalens titik pada t=4 adalah 2 6⁄ (terdapat satu kasus hilang dalam pengamatan)

Prevalens titik pada t=5 adalah 2 6⁄ (terdapat satu kasus hilang dalam pengamatan)

Prevalens titik pada t=6 adalah 2 5⁄ (terdapat satu kasus meninggal)




2. Prevalens Periode (Period of Prevalence), disebut juga Prevalens Tahunan (Annual of

Prevalence) atau Prevalens selama hidup (Lifetime of Prevalence)

Rumus Prevalens Periode = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑎𝑠𝑢𝑠 𝑦𝑎𝑛𝑔 𝐴𝑑𝑎 𝑆𝑒𝑙𝑎𝑚𝑎 𝑠𝑢𝑎𝑡𝑢 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑤𝑎𝑘𝑡𝑢

𝐽𝑢𝑚𝑙𝑎ℎ 𝑂𝑟𝑎𝑛𝑔 𝑠𝑒𝑙𝑎𝑚𝑎 𝑃𝑒𝑟𝑖𝑜𝑑𝑒

Contoh (Prevalens Periode)

Dari gambar di atas hitunglah Prevalens Periode (PP) dari tahun ke-1 hingga ke-4.

Rumus PP = 𝐽𝑢𝑚𝑙𝑎ℎ 𝐾𝑎𝑠𝑢𝑠 𝑦𝑎𝑛𝑔 𝐴𝑑𝑎 𝑆𝑒𝑙𝑎𝑚𝑎 𝑠𝑢𝑎𝑡𝑢 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑤𝑎𝑘𝑡𝑢

𝐽𝑢𝑚𝑙𝑎ℎ 𝑂𝑟𝑎𝑛𝑔 𝑠𝑒𝑙𝑎𝑚𝑎 𝑃𝑒𝑟𝑖𝑜𝑑𝑒

Karena jumlah orang (populasi) dalam pengamatan berubah-ubah, maka kita dapat menggunakan

jumlah rata-rata dari populasi, atau yang umum digunakan adalah jumlah populasi pada tengah

tahun pengamatan (midpoint year), sehingga PP = 2 7⁄ = 0,29

Dari gambar di atas,

- Notasi A, B,C,D, E, F, G merupakan individu yang diamati (ada 7 orang)

- Notasi 1, 2, 3, 4, 5, 6, 7 merupakan tahun yang diamati (ada 7 tahun pengamatan)

- Jumlah kasus baru selama 7 tahun pengamatan ada 3 kasus

- Rata-rata lama sakit = (3+5+2)/3 tahun = 3,3 tahun

- Orang – waktu (Person–Time)



Jumlah waktu seseorang yang memberikan kontribusi masa sehat sejak awal

pengamatan.

- Untuk A = masa sehat 7 tahun

- Untuk B = masa sehat 7 tahun

- Untuk C = masa sehat 2 tahun

- Untuk D = masa sehat 7 tahun

- Untuk E = masa sehat 3 tahun

- Untuk F = masa sehat 2 tahun

- Untuk G = masa sehat 5 tahun

Total orang– tahun = (7+7+2+7+3+2+5) orang- tahun = 33 orang tahun

Hubungan Antara Insidens dan Prevalens

Jika dalam kondisi yang tetap, maka hubungan insidens dan prevalens adalah P = I x D, dimana P

adalah Prevalens [Prevalens periode], I adalah Insidens [Densitas Insindens], dan D adalah rata-rata

lama sakit.

Contoh (Hubungan antara I dan P)

Dari gambar di atas (untuk pengamatan selama 7 tahun), maka

I = 3 kasus/33 orang-tahun dan D = 3,3 tahun, sehingga

P = 3 kasus/33 orang tahun x 3,3 tahun = 3 kasus/10 orang = 30 kasus/100 orang

Perbandingan antara Insidens dan Prevalens

INSIDENS PREVALENS

Hanya menghitung kasus baru Menghitung kasus yang ada (kasus baru dan lama)

Tidak bergantung durasi rata-rata penyakit Bergantung pada durasi lama rata-rata penyakit

Dapat diukur sebagai Rate atau Proporsi Selalu diukur sebagai Proporsi

Merefleksikan kemungkinan menjadi penyakit

sepanjang waktu

Merefleksikan kemungkinan terjadi penyakit pada satu

waktu tertentu

Lebih disukai pada studi etiologi penyakit Lebih disukai pada studi utilisasi pelayanan kesehatan



Ringkasan Insidens dan Prevalens

Dynamic Prevalence



C. UKURAN MORTALITAS

Mortalitas merefleksikan jumlah kematian dalam suatu populasi.

1. Ratio Kematian terhadap Kasus atau Death-to-case Ratio

𝐷𝑇𝐶𝑅 =∑ 𝐾𝑒𝑚𝑎𝑡𝑖𝑎𝑛 𝑑𝑎𝑟𝑖 𝑃𝑒𝑛𝑦𝑎𝑘𝑖𝑡 𝑇𝑒𝑟𝑡𝑒𝑛𝑡𝑢 𝑠𝑒𝑙𝑎𝑚𝑎 𝑃𝑒𝑟𝑖𝑜𝑑𝑒 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢

∑ 𝐾𝑎𝑠𝑢𝑠 𝐵𝑎𝑟𝑢 𝑑𝑎𝑟𝑖 𝑃𝑒𝑛𝑦𝑎𝑘𝑖𝑡 𝑦𝑎𝑛𝑔 𝑑𝑖𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑘𝑎𝑠𝑖 𝑠𝑒𝑙𝑎𝑚𝑎 𝑝𝑒𝑟𝑖𝑜𝑑𝑒 𝑦𝑎𝑛𝑔 𝑠𝑎𝑚𝑎

Contoh (Death-to-Case Ratio)

Pada tahun 2004, ada 200 kasus baru TB Paru yang dilaporkan di suatu wilayah.

Pada tahun yang sama ada 15 kematian yang terjadi pada penderita TB Paru, maka

DTCR = 15/200 = 75 kematian per 1000 kasus baru.

2. Infant Mortality Rate (IMR)

𝐼𝑀𝑅 =∑ 𝐵𝑎𝑦𝑖 𝑦𝑎𝑛𝑔 𝑀𝑒𝑛𝑖𝑛𝑔𝑔𝑎𝑙

∑ 𝐵𝑎𝑦𝑖 𝑦𝑎𝑛𝑔 𝐿𝑎ℎ𝑖𝑟 𝐻𝑖𝑑𝑢𝑝

Contoh (Infant Mortality Rate)

IMR = 7,2 artinya terdapat 7,2 bayi yang meninggal per 1000 kelahiran hidup

3. Neonatal Mortality Rate (NMR)

𝑁𝑀𝑅 =∑ 𝐾𝑒𝑚𝑎𝑡𝑖𝑎𝑛 𝐵𝑎𝑦𝑖 𝑑𝑎𝑙𝑎𝑚 28 ℎ𝑎𝑟𝑖 𝑝𝑒𝑟𝑡𝑎𝑚𝑎 𝑘𝑒ℎ𝑖𝑑𝑢𝑝𝑎𝑛


Contoh (Neonatal Mortality Rate)

NMR = 5,2 artinya terdapat 5,4 kematian neoatal per 1000 kelahiran hidup

4. Postneonatal Mortality Rate (PNMR)

𝑃𝑁𝑀𝑅 =∑ 𝐾𝑒𝑚𝑎𝑡𝑖𝑎𝑛 𝐵𝑎𝑦𝑖 𝑢𝑚𝑢𝑟 28 ℎ𝑎𝑟𝑖 𝑠𝑎𝑚𝑝𝑎𝑖 11 𝑏𝑢𝑙𝑎𝑛


Contoh (Post Neonatal Mortality Rate)

PNMR = 2,8 artinya terdapat 2,8 kematian postneoatal per 1000 kelahiran hidup



5. Maternal Mortality Rate (MMR)

𝑀𝑀𝑅 =∑ 𝐾𝑒𝑚𝑎𝑡𝑖𝑎𝑛 𝐼𝑏𝑢 𝑑𝑖𝑠𝑒𝑏𝑎𝑏𝑘𝑎𝑛 𝑘𝑒ℎ𝑎𝑚𝑖𝑙𝑎𝑛, 𝑘𝑒𝑙𝑎ℎ𝑖𝑟𝑎𝑛, 𝑛𝑖𝑓𝑎𝑠


Contoh (Maternal Mortality Rate)

PNMR = 6,1 artinya terdapat 6,1 kematianibu per 1000 kelahiran hidup

6. Case Fatality Rate (CFR)

𝐶𝐹𝑅 =∑ 𝑀𝑒𝑛𝑖𝑛𝑔𝑔𝑎𝑙 𝑑𝑖 𝑎𝑛𝑡𝑎𝑟𝑎 𝐾𝑎𝑠𝑢𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛

∑ 𝐾𝑎𝑠𝑢𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛

7. Proportionate Mortality (PM)

𝑃𝑀 =∑ 𝐾𝑒𝑚𝑎𝑡𝑖𝑎𝑛 𝐾𝑎𝑟𝑒𝑛𝑎 𝐾𝑎𝑠𝑢𝑠 𝑇𝑒𝑟𝑡𝑒𝑛𝑡𝑢

∑ 𝐾𝑒𝑚𝑎𝑡𝑖𝑎𝑛 𝑘𝑎𝑟𝑒𝑛𝑎 𝑆𝑒𝑚𝑢𝑎 𝑆𝑒𝑏𝑎𝑏

8. Proportionate Mortality Ratio (PMR)

Ukuran ini membandingkan Propotionate Mortality pada satu kelompok umur dengan

kelompok umur yang lain pada satu populasi

𝑃𝑀𝑅 =𝑃𝑀𝐺𝑟𝑜𝑢𝑝 1

𝑃𝑀𝐺𝑟𝑜𝑢𝑝 2

Contoh (Proportionate Mortality Rate)

PM pada semua kasus = 7,1%;

PM pada umur 25 – 44 = 2,5%;

PM pada umur 45 – 64 = 4,3%, maka

PMR antara umur 45 – 64 dan 25 – 44 adalah (4,3/2,5) = 1,72



3. UKURAN ASOSIASI

Ukuran Asosiasi merefleksikan kekuatan atau besar asosiasi antara suatu eksposur/faktor risiko dan

kejadian suatu penyakit. Ukuran Asosiasi juga memasukkan suatu perbandingan frekuensi penyakit

antara dua atau lebih kelompok dengan berbagai derajat eksposur. Beberapa ukuran assosiasi

digunakan untuk mengestimasi efek.

Pertanyaan dasar dalam epidemiologi analitik adalah apakah exposure dan disease berhubungan?

Ukuran asosiasi antara E and D tergantung kepada skala pengukuran dari E and D. Jika E and D

keduanya diukur dengan skala kategorikal, ukuran asosiasi antara E and D dalam bentuk :

RR

OR

PR

Jika E skala kategorikal, D skala kontinyu

ukuran asosiasi, antara E and D dalam bentuk

: membandingkan nilai “mean” D pada

jelompok E+ and E-

Pada ukuran rasio (perbandingan relatif),

rasio dua frekuensi penyakit membandingkan

kelompok terpajan dengan kelompok tidak



terpajan. Sedangkan pada ukuran perbedaan efek (perbandingan absolut), perbedaan antara ukuran

frekuensi penyakit suatu kelompok terpajan dan kelompok yang tidak terpajan.

Absolute Comparison (Perbedaan) vs Relative Comparison (Rasio)

Anggaplah anda memiliki uang Rp 20.000,- dan teman Anda memiliki uang Rp. 10.000,-

- Pada Absolute Comparisons, selisih uang Anda dan teman Anda adalah Rp. 20.000 – Rp.

10.000 = Rp 10.000 atau “saya memiliki uang Rp 10.000,- lebih banyak dibanding kamu”

- Pada Relative Comparisons, uang Anda dan teman Anda diperbandingkan yaitu Rp. 20.000 :

Rp. 10.000,- = 2 (tanpa satuan) atau “saya memiliki uang dua kali lebih banyak dibanding

kamu”

- Perbedaan antara ukuran frekuensi penyakit suatu kelompok terpajan dan kelompok yang

tidak terpajan

Contoh lain, misalkan: “the 5-year rate of a disease in smokers is 2 per 100, in non-smokers is 1

per 100

- Rasio dua frekuensi penyakit dengan membandingkan kelompok terpajan terhadap kelompok

tidak terpajan

- Absolute Comparison: (2 per 100) – (1 per 100) = 1 per 100, there is one addition case per

100 smokers

- Relative comparison: (2 per 100) ÷ (1 per 100) = 2 [no units; “per 100” units cancel out].

Smokers are at twice the risk of non-smokers

Jika E and D keduanya diukur dengan skala kontinyu, ukuran asosiasi antara E and D dalam bentuk:

Koefisien korelasi

Koefisien regressi

Jika E dalam skala kontinyu and

D dalam skala kategorikal,

ukuran asosiasi antara E and D

dalam bentuk:

Koefisien regressi dari

persamaan logistic

regression



Pada ukuran Asosiasi terdapat dua jenis koefisien hubungan, yakni:

1. Koefisien Model

Merupakan koefisien variabel yang diturunkan dari model matematis yang menujukkan

besarnya hubungan antara variabel eksposur dan penyakit. Contoh: Linier, Logistik, Cox, Poisson.

Koefisien Linier 𝑦 = 𝑏0 + 𝑏1𝑋1 + 𝑏2𝑋2 + 𝑏3𝑋3 + … + 𝑏𝑘𝑋𝑘 . Interpretasi 𝑏1 adalah

peningkatan dalam outcome (penyakit) ) mempengaruhi nilai rata-rata y (variabel kontinu)

per unit sebesar X1, disesuaikan (distandarisasi) dengan semua variabel lain dalam model

Koefisien Logistik log(𝑜𝑑𝑑𝑠) = 𝑏0 + 𝑏1𝑋1 + 𝑏2𝑋2 + 𝑏3𝑋3 + … + 𝑏𝑘𝑋𝑘. Interpretasi 𝑏1

adalah peningkatan dalam log odds outcome (penyakit) per unit meningkat dalam X1,

disesuaikan dengan semua variabel lain dalam model.

Koefisien Cox log(ℎ𝑎𝑧𝑎𝑟𝑑) = 𝑏0 + 𝑏1𝑋1 + 𝑏2𝑋2 + 𝑏3𝑋3 + … + 𝑏𝑘𝑋𝑘. Interpretasi 𝑏1

adalah peningkatan dalam log hazard outcome (penyakit) per unit meningkat dalam X1,

disesuaikan (distandarisasi) dengan semua variabel lain dalam model.

Koefisien Poisson log(𝑟𝑎𝑡𝑒) = 𝑏0 + 𝑏1𝑋1 + 𝑏2𝑋2 + 𝑏3𝑋3 + … + 𝑏𝑘𝑋𝑘. Interpretasi 𝑏1

adalah peningkatan dalam log rate outcome (penyakit) per unit meningkat dalam X1,

disesuaikan (distandarisasi) dengan semua variabel lain dalam model

2. Koefisien Korelasi

Merupakan ukuran lain asosiasi yang juga diturunkan dari model matematis, namun tidak

merefleksikan parameter kausal.

Persamaan matematisnya 𝑦 = 𝑏0 + 𝑏1𝑋

𝑏0 adalah intersep yaitu nilai y yang diestimasi ketika X = 0

𝑏1 adalah koefisien korelasi (regresi) yaitu peningkatan yang diperkirakan pada

dependent variable (y) per unit dalam variable predictor (X).

Jika X=1, maka 𝑦 = 𝑏0 + 𝑏1

Jika X=2, maka 𝑦 = 𝑏0 + 2𝑏1



Macam-macam Ukuran Asosiasi

1. Relative (Ukuran Rasio)

Relative Risk

(RR)

Risk Ratio

Rate Ratio

Odds Ratio

(OR)

2. Absolute

Risk Difference (RD)

Ukuran Asosiasi biasanya ditampilkan dalam bentu Tabel 2x2,

D+

(Disease+) D-

(Disease -)

E+ (Exposure+) a b a+b

E- (Exposure-) c d c+d

a+c d+d a+b+c+d

Contoh hipotesis tabel 2x2,

D+ (Lung Cancer)

D- (No Lung Cancer)

E+ (Smoking) 70 300 370

E- (No Smoking) 15 700 715

85 1000 1085

𝑅𝑒𝑙𝑎𝑡𝑖𝑣𝑒 𝑅𝑖𝑠𝑘(𝑅𝑅) =𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑒 𝑖𝑛 𝑡ℎ𝑒 𝑒𝑥𝑝𝑜𝑠𝑒𝑑

𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑒 𝑖𝑛 𝑡ℎ𝑒 𝑢𝑛𝑒𝑥𝑝𝑜𝑠𝑒𝑑=

𝑎 (𝑎 + 𝑏)⁄

𝑐 (𝑐 + 𝑑)⁄=

70 (70 + 300)⁄

15 (15 + 700)⁄

= 9.0

Berarti perilaku merokok menyebabkan resiko menderita Lung Cancer sembilan kali lebih sering

dibanding perilaku tidak merokok.



Ukuran Rasio, terdiri dari

Rasio Risiko atau Risiko Relatif (RR)

𝑅𝑅 =𝑅𝑖𝑠𝑖𝑘𝑜 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

𝑅𝑖𝑠𝑖𝑘𝑜 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

Rasio Insidens Kumulatif (RIK)

𝑅𝐼𝐾 =𝐼𝑛𝑠𝑖𝑑𝑒𝑛 𝐾𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

𝐼𝑛𝑠𝑖𝑑𝑒𝑛 𝐾𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑓 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

Interpretasi Relative Risk (RR)

a. RR = 1 mengindikasikan kejadian penyakit pada kelompok terpajan sama dengan pada

kelompok tidak terpajan, artinya TIDAK ADA ASOSIASI antara kelompok terpajan dengan

tidak terpajan.

b. RR > 1 mengindikasikan hubungan yang positif, atau risiko meningkat pada kelompok

terpajan

c. RR < 1 berarti bahwa terjadi penurunan risiko pada kelompok terpajan



Contoh (Relative Risk dan Risk Difference)

A Prospective Study of 3,000 Smokers and 5,000 Non-smokers to Investigate Smoking and

Coronary Heart Disease (CHD). Then follow up to see how many.

D+ (Develop

CHD) D- (Do not

Develop CHD) Total

Incidence per 1000 per

year

E+ (Healthy smokers) 84 2916 3000 28.00

E- (Healthy Non-smokers)

87 4913 5000 17.4

171 7829 8000

RR (Ratio of two risk; Risk Ratio; Relative Risk) = 𝐶𝐼𝐸+ 𝐶𝐼𝐸− = 28 17,4 = 1,6⁄⁄ artinya perilaku

merokok memiliki risiko CHD 1,6 kali dibanding tidak merokok.

Difference of two risks (Risk Difference) = 𝐶𝐼𝐸+ − 𝐶𝐼𝐸− = 28,0 − 17,4 = 10,6

Ratio Rate atau Rasio Densitas Insidens (RDI)

𝑅𝐷𝐼 =𝐷𝑒𝑛𝑠𝑖𝑡𝑎𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

𝐷𝑒𝑛𝑠𝑖𝑡𝑎𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

Rasio Prevalens (RP)

𝑅𝑃 =𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑠 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛𝑠 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

Perhitungan RR untuk IR (Incidence Rate)

𝑅𝑅 =𝐼𝑅 𝑝𝑎𝑑𝑎 𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝐸𝑥𝑝𝑜𝑠𝑒𝑑 (𝐸)

𝐼𝑅 𝑝𝑎𝑑𝑎 𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖 𝑢𝑛𝐸𝑥𝑝𝑜𝑠𝑒𝑑 (𝑁𝐸)=

𝑎 𝑁1⁄

𝑐 𝑁0⁄

D+

(Outcome) Person Time

E+ (Exposure) a N1

E- (No Exposure) c N0

a+c T



Contoh (Rasio Densitas Insiden)

Kaitan antara merokok dan angka insidens stroke dalam suatu studi Kohort.

Kategori Merokok Jumlah Kasus

Stroke

Orang-Tahun Observasi (> 8

thn)

Tingkat Insidens Stroke (per

100.000 orang tahun)

Tidak pernah Merokok 70 395.594 17,7

Mantan Perokok 65 232.712 27,9

Perokok 139 280.141 49,6

Total 274 908.447 30,2

Maka:

𝑅𝐷𝐼 =𝐷𝑒𝑛𝑠𝑖𝑡𝑎𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

𝐷𝑒𝑛𝑠𝑖𝑡𝑎𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛=

49,6

17,7= 2,8

Contoh (Risk Ratio)

Postmenopausal Hormone Supplement and CHD

CHD Person-year

Ever Use 30 54.308,7

Past Use 19 24.386,7

Current 11 29.922,0

Never Use 60 51.477,5

o RR Ever Use vs Never Use = 30 54.308,7⁄

60 51.477,5⁄= 0,5

o RR Past Use vs Never Use = 19 24.386,7⁄

60 51.477,5⁄= 0,7

o RR Current Use vs Never Use= 11 29.922,0⁄

60 51.477,5⁄= 0,3

Rasio Odds

Disebut juga Odds Ratio (OR), Odds Relative, Rasio Cross-Product, yakni rasio dua odds yang

digunakan dalam studi Kasus-Kontrol untuk mengestimasi Ratio Rate atau Rasio Risiko.

Menghitung OR yaitu dengan membagi odds untuk satu kelompok terhadap odds untuk

kelompok yang lain. Interpretasi OR sama seperti risiko relative.



Odds suatu kejadian adalah rasio “probabilitas bahwa kejadian terjadi atau p” terhadap

“probabilitas kejadian tidak terjadi atau 1-p” atau

𝑂𝑑𝑑𝑠 𝑠𝑢𝑎𝑡𝑢 𝑝𝑒𝑟𝑖𝑠𝑡𝑖𝑤𝑎 =𝑝

1 − 𝑝

Odds Ratio pada Studi Kohort = 𝑂𝑑𝑑𝑠 𝑒𝑥𝑝𝑜𝑠𝑒𝑑 𝑝𝑒𝑟𝑠𝑜𝑛 𝑑𝑎𝑟𝑖 𝑑𝑒𝑣𝑒𝑙𝑜𝑝 𝑑𝑖𝑠𝑒𝑎𝑠𝑒

𝑂𝑑𝑑𝑠 𝑛𝑜𝑛−𝑒𝑥𝑝𝑜𝑠𝑒𝑑 𝑝𝑒𝑟𝑠𝑜𝑛 𝑑𝑎𝑟𝑖 𝑑𝑒𝑣𝑒𝑙𝑜𝑝 𝑑𝑖𝑠𝑒𝑎𝑠𝑒=

𝑎 𝑏⁄

𝑐 𝑑⁄=

𝑎𝑑

𝑏𝑐

D+ (Develop

Disease)

D- (Do not Develop Disease)

E+ (Exposed) a b a+b

E- (Not Exposed) c d c+d

a+c d+d a+b+c+d

Contoh (Odds Ratio pada Kohort)

Tabulasi silang pemajan dan status sakit, insidens sakit dan Probabilitas odds sakit pada studi

Kohort

Pemajan D+

(Sakit)

D- (Tidak Sakit)

Total Insiden

Sakit (Risk)

Prob. Odds Sakit

E+ a b a+b a (a + b)⁄ a a + b⁄

1 − (a a + b⁄ )=

a

b

E- c d c+d c (c + d)⁄ c c + d⁄

1 − (c c + d⁄ )=

c

d

Total a+c b+d a+b+c+d

Odds Ratio pada Studi Case-Control = 𝑂𝑑𝑑𝑠 𝑡ℎ𝑎𝑡 𝑎 𝑐𝑎𝑠𝑒 𝑤𝑎𝑠 𝑒𝑥𝑝𝑜𝑠𝑒𝑑

𝑂𝑑𝑑𝑠 𝑡ℎ𝑎𝑡 𝑎 𝐶𝑜𝑛𝑡𝑟𝑜𝑙 𝑤𝑎𝑠 𝑒𝑥𝑝𝑜𝑠𝑒𝑑=

𝑎 𝑐⁄

𝑏 𝑑⁄=

𝑎𝑑

𝑏𝑐

D+ (CASES

with Disease)

D- (CONTROLS

without Disease)

E+ (History of Exposure) a b a+b

E- (No History Exposure) c d c+d

a+c d+d a+b+c+d



Contoh (Odds Ratio pada Kasus-Kontrol)

Faktor D+

(KASUS) D-

(KONTROL) Total

E+ (Perokok) 650 (a) 950 (b) 1600

E- (Bukan Perokok) 50 (c). 350 (d) 400

700 1300 2000

Odds Ratio = 𝑎×𝑑

𝑏×𝑐=

650×350

950×50= 4,8 artinya perokok mempunyai risiko menjadi 4,8 kali dari yang

bukan perokok atau odds perokok menjadi kasus 4,8 kali lebih besar dari odds bukan perokok.

Pada studi Case-Control, hanya OR yang dapat digunakan untuk menghitung asosiasi.

Sedangkan pada studi Kohort, RR dan OR dapat digunakan sebagai pengukuran asosiasi.

RR dapat pula dihitung pada studi Case-Control, bila:

Prevalen pemajan pada kelompok kasus sama atau hampir sama dengan populasi

subyek penyakit dimana kasus diambil

Prevalen pemajan pada kelompok control sama dengan populasi non-disease dimana

kasus diambil

Kasus penyakit jarang terjadi (CI < 0,1)

D+ D-

E+ a b a+b

E- c d c+d

a+c b+d a+b+c+d

Bila kasus penyakit jarang, sel a dan sel c akan kecil,

RR = 𝑎 𝑎+𝑏⁄

𝑐 𝑐+𝑑⁄=

𝑎 𝑏⁄

𝑐 𝑑⁄=

𝑎𝑑

𝑏𝑐= OR

Contoh (Odds Ratio pada penyakit yang jarang)

D+ (Develop

Disease)

D- (Do Not Develop Disease)

E+ (Exposed) 200 9800 10000

E- (Not Exposed) 100 9900 10000

300 19700 20000



Relative Risk = 200 10000⁄

100 10000⁄= 2

Odds Ratio = 200×9900

100×9800= 2,02

Contoh (Odds Ratio pada penyakit yang tidak jarang)

D+ (Develop

Disease)

D- (Do Not Develop Disease)

E+ (Exposed) 50 50 100

E- (Not Exposed) 25 75 100

75 125 200

Relative Risk = 50 100⁄

25 100⁄= 2

Odds Ratio = 50×75

25×50= 3

Interpretasi Odds Ratio:

Relative odds associated with exposure

OR = 1 no association

OR > 1 positive association

OR < 1 negative association

Size of OR indicates strength of association



4. UKURAN DAMPAK

Jenis Ukuran Dampak (Measures of Effect)

Attributable Risk (AR)

Attributable Risk Percent (AR%)

Population Attributable Risk (PAR)

Population Attributable Risk Percent (PAR%)

Pada perhitungan Ukuran Dampak, diasumsikan bahwa hubungan Sebab-Akibat antara exposure

dan outcomes tetap ada.

Ukuran Dampak:

a. Merefleksikan dampak suatu faktor pada frekuensi atau risiko dari suatu masalah (outcome)

kesehatan

b. Merefleksikan kelebihan jumlah kasus karena suatu faktor (attributable) atau jumlah kasus yang

dapat dicegah oleh eksposur (pemajan )

Relative Risk vs Attributable Risk

RELATIVE RISK ATTRIBUTABLE RISK

Menghitung kekuatan asosiasi Menghitung potensi pencegahan

penyakit bila factor exposure dihilangkan

Merupakan indikator yang digunakan

untuk menentukan adanya kemungkinan

hubungan sebab-akibat

Penggunaan untuk Etiology Penggunaan untuk Policy decisions dan

Funding decisions (mis: prevention

programs)



A. ATTRIBUTABLE RISK (AR)

Disebut juga Perbedaan Risiko, Risk Difference (RD), Excess Risk (ER), Absolute Risk.

AR = 𝑅𝑖𝑠𝑖𝑘𝑜 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛 − 𝑅𝑖𝑠𝑖𝑘𝑜 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

AR berguna untuk

a. Mengukur besarnya masalah Kesmas yang disebabkan oleh suatu pemajan

b. Menilai aksi prioritas bagi Kesmas



Contoh (Attributable Risk)

D+ (Develop

CHD)

D- (Do Not Develop

CHD)

E+ (Smoke) 84 2916 3000

E- (Not Smoke) 87 4913 5000

171 7829 8000

ISMOKE = 84

3000= 0,0280 = 28,0 𝑝𝑒𝑟 1000 𝑜𝑟𝑎𝑛𝑔

INO SMOKE = 87

5000= 0,0174 = 17,4 𝑝𝑒𝑟 1000 𝑜𝑟𝑎𝑛𝑔 (background risk)

AR = (28,0 − 17,4) 𝑝𝑒𝑟 1000 𝑜𝑟𝑎𝑛𝑔 = 10,6 𝑝𝑒𝑟 1000 𝑜𝑟𝑎𝑛𝑔

Artinya 10,6 dari 28 per 1000 insiden CHD:

- Merupakan sumbangan dari perokok

- Dapat dicegah bila kebiasaan merokok dikurangi

Contoh (Attributable Risk – Fast Driving)

D+ (Dead) D- (Not Dead)

Total Risk AR

E+ (Fast) 100 1900 2000 0,05 0,04

E- (Slow) 80 7920 8000 0,01

180 9820 10000

Contoh (Attributable Risk – Drunk Driving)


Total Risk AR

E+ (Drunk) 45 255 300 0,150 0,136

E- (Not Drunk) 135 9565 10000 0,014

180 10120 10300



B. ATRRIBUTABLE RISK PERCENT (AR%)

Disebut juga Etiologic Fraction.

AR% = 𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠(𝑡𝑒𝑟𝑝𝑎𝑗𝑎𝑛)−𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠(𝑡𝑖𝑑𝑎𝑘 𝑡𝑒𝑟𝑝𝑎𝑗𝑎𝑛)

𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠(𝑡𝑒𝑟𝑝𝑎𝑗𝑎𝑛)× 100%

Contoh (Attributable Risk Percent)

D+ (Develop

CHD)

D- (Do Not Develop

CHD)

E+ (Smoke) 84 2916 3000

E- (Not Smoke) 87 4913 5000

171 7829 8000

ISMOKE = 84

3000= 0,0280 = 28,0 𝑝𝑒𝑟 1000 𝑜𝑟𝑎𝑛𝑔

INO SMOKE = 87

5000= 0,0174 = 17,4 𝑝𝑒𝑟 1000 𝑜𝑟𝑎𝑛𝑔 (background risk)

AR% = (28,0 − 17,4) 28,0⁄ = 37,9 %

Artinya:

- 38% penyebab kematian pada CHD bisa disebabkan oleh kebiasaan merokok

- 38% penyebab kematian pada CHD dapat dicegah bila kebiasaan merokok dikurangi



Contoh (Attributable Risk % – Fast Driving)


Total Risk AR%

E+ (Fast) 100 1900 2000 0,05 𝟎, 𝟎𝟓 − 𝟎, 𝟎𝟏

𝟎, 𝟎𝟓= 𝟖𝟎% E- (Slow) 80 7920 8000 0,01

180 9820 10000

Contoh (Attributable Risk% – Drunk Driving)


Total Risk AR%

E+ (Drunk) 45 255 300 0,150 𝟎, 𝟏𝟓 − 𝟎, 𝟎𝟏𝟒

𝟎, 𝟏𝟓= 𝟗𝟏% E- (Not Drunk) 135 9565 9700 0,014

180 9820 10000

C. POPULATION ATTRIBUTABLE RISK (PAR)

Disebut juga Attributable Fraction (Population) atau Etiologic Fraction (Population) atau

Population Attributable Risk Proportion atau Population Attributable Risk Fraction.

PAR adalah proporsi (atau fraksi) rate penyakit pada seluruh populasi yang mewakili rate

penyakit dalam kelompok terpajan.

PAR = 𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠(𝑃𝑜𝑝𝑢𝑙𝑎𝑠𝑖) − 𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠(𝑡𝑖𝑑𝑎𝑘 𝑡𝑒𝑟𝑝𝑎𝑗𝑎𝑛)

Berbeda dengan AR yang

mengukur pada kelompok

terpajan, PAR mengukur

seluruh populasi (terpajan dan

tidak terpajan). Ukuran ini

berguna bagi pengambil

kebijakan dalam menentukan

anggaran bagi progam

pencegahan penyakit.



Contoh (Population Attributable Risk)

D+

(Diabetes) D- (Not

Diabetes) Total Insidens

E+ (Obese) 850 3650 4500

E- (Slim) 250 5250 5500 250

5500= 0,0455 atau 45,5 per 1000

1100 8900 10000 1100

10000= 0,011 atau 110 per 1000

PAR = (110 – 45,5) / 1000 = 64,5 per 1000

Artinya:

- 64,5 dari 110 per 1000 insiden Diabetes disebabkan oleh obesitas

- 64,5 dari 110 per 1000 insiden Diabetes yang terjadi dapat dicegah dengan mengurangi berat

badan secukupnya

D. POPULATION ATTRIBUTABLE RISK PERCENT (PARP)

Disebut juga Attributable Fraction (population) atau Etiologic Fraction (population). PARP berarti

proporsi kasus baru yang dapat dicegah jika pada semua orang yang tidak terpajan.

PAR% = 𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠(𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖)−𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠(𝑡𝑖𝑑𝑎𝑘 𝑡𝑒𝑟𝑝𝑎𝑗𝑎𝑛)

𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠(𝑝𝑜𝑝𝑢𝑙𝑎𝑠𝑖)× 100%

Contoh (Population Attributable Risk Percent)

D+

(Diabetes) D- (Not

Diabetes) Total Insidens

E+ (Obese) 850 3650 4500

E- (Slim) 250 5250 5500 250

5500= 0,0455 atau 45,5 per 1000

1100 8900 10000 1100

10000= 0,011 atau 110 per 1000

PAR %= (110 – 45,5) / 110 = 58,6 %

Artinya:

- 59% insiden Diabetes disebabkan oleh obesitas pada populasi

- 59% insiden Diabetes yang terjadi dapat dicegah dengan mengurangi berat badan

secukupnya



Contoh (PAR dan PAR % – Fast Driving)


Total Risk

E+ (Fast) 100 1900 2000 0,05

E- (Slow) 80 7920 8000 0,01

180 9820 10000 0,018

PAR = 0,018 – 0,010 = 0,008

PAR% = (0,018 – 0,010) / 0,018 = 44,4 %

Artinya 44% kematian saat mengemudi di populasi disebabkan mengemudi dengan kecepatan

tinggi

Contoh (PAR dan PAR% – Drunk Driving)


Total Risk AR

E+ (Drunk) 45 255 300 0,150 0,136

E- (Not Drunk) 135 9565 9700 0,014

180 9820 10000 0,018

PAR = 0,018 – 0,014 = 0,004

PAR% = (0,018 – 0,014) / 0,018 = 22 %

Artinya 22% kematian saat mengemudi di populasi disebabkan mabuk minuman keras

E. CUMULATIVE INCIDENCE DIFFERENCE (CID)

Disebut juga Perbedaan Insidens Kumulatif.

CID = 𝐼𝐾 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛 − 𝐼𝐾 𝑝𝑎𝑑𝑎 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

F. INCIDENCE DENSITY DIFFERENCE (IDD)

Disebut juga Perbedaan Rate atau Perbedaan Densitas Insiden

IDD = 𝐷𝑒𝑛𝑠𝑖𝑡𝑎𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛𝑠 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛 − 𝐷𝑒𝑛𝑠𝑖𝑡𝑎𝑠 𝐼𝑛𝑠𝑖𝑑𝑒𝑛 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛

G. PREVALENCE DIFFERENCE (PD)

Disebut juga Perbedaan Prevalen.

PD = 𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛 − 𝑃𝑟𝑒𝑣𝑎𝑙𝑒𝑛 𝐾𝑒𝑙𝑜𝑚𝑝𝑜𝑘 𝑡𝑖𝑑𝑎𝑘 𝑇𝑒𝑟𝑝𝑎𝑗𝑎𝑛



UKURAN DAMPAK PADA STUDI CASE CONTROL

Pada studi Case Control, pengukuran Insidens bisa dilakukan hanya pada kasus tertentu. AR dan PAR

tidak bisa dihitung dari studi Case Control. Studi ini hanya bisa menghitung AR% dan PAR%.

BIla Odds Ratio dianggap sebagai RR, maka rumus menghitung AR% dan PAR% pada studi Case

Control adalah

AR% = 𝑂𝑅−1

𝑂𝑅× 100%

PAR% = (𝑃𝐸)(𝑂𝑅−1)

[(𝑃𝐸)(𝑂𝑅−1)]+1× 100%

Dimana 𝑃𝐸 =

prop. pemajan kelompok kontrol (asumsi proporsi ini mewakili proporsi pemajan populasi)

Contoh (AR% dan PAR% pada Studi Case Control)

Case-control study to evaluate the impact of smoking as related to bladder cancer

D+ (Bladder

Cancer)

D- (Not Bladder Cancer)

Total

E+ (Smoke) 160 120 280

E- (Do Not Smoke) 90 200 290

250 320 570

Odds Ratio = 160/90

120/200= 2,96

AR% = 𝑂𝑅−1

𝑂𝑅× 100% =

2,96−1

2,96× 100% = 66,2%

Artinya

66% kasus Bladder Cancer diantara perokok disebabkan kebiasaan merokok

66% kasus Bladder Cancer diantara perokok dapat dicegah dengan mengurangi kebiasaan

merokok

Diasumsikan ada hubungan kausal antara merokok dan Bladder Cancer



PAR% = (𝑃𝐸)(𝑂𝑅−1)

[(𝑃𝐸)(𝑂𝑅−1]+1× 100% =

(120 320⁄ )(2,96−1)

[(120 320⁄ )(2,96−1)]+1× 100% = 42,4%

Artinya

42% kasus Bladder Cancer bisa disebabkan oleh kebiasaan merokok

42% kasus Bladder Cancer dapat dicegah bisa masyarakat mengurangi kebiasaan merokok

Diasumsikan ada hubungan kausal antara merokok dan Bladder Cancer

Pada studi Kohort, rumus mengitung PAR% adalah

PAR% = 𝑃 (𝑅𝑅−1)

[𝑃 (𝑅𝑅−1)]+1× 100%

PREVENTED FRACTION (PF)

Bila RR < 1, proporsi kasus baru akan timbul bila tidak ada factor pemajan.

PF = 𝐼𝑢𝑛𝑒𝑥𝑝𝑜𝑠𝑒𝑑−𝐼𝑒𝑥𝑝𝑜𝑠𝑒𝑑

𝐼𝑢𝑛𝑒𝑥𝑝𝑜𝑠𝑒𝑑= 1 − 𝑅𝑅

Contoh (Prevented Fraction – Vaccice Efficcacy)

D+ (Cases) Population Cases/1000 RR

E+ (Vaccinated) 150 301.545 0,49 0,28

E- (Unvaccinated) 515 298.655 1,72 1 (Ref)

665 600.200 1,11

PF = 1,72−0,49

1,72= 0,72 𝑎𝑡𝑎𝑢

= 1 − 𝑅𝑅 = 1 − 0,28 = 0,72

Contoh (AR – Dua Kasus)

D1+ (Lung Cancer) per 100.000 ADR

D2+ (CHD) per 100.000 ADR

E+ (Smoker) 127,2 1000

E- (Non-smoker) 12,8 500

RRLC = 127

12,8= 9,9 sehingga ARLC = 127 − 12,8 = 114,4 𝑝𝑒𝑟 100.000



RRCHD = 1000

500= 2 sehingga ARCHD = 1000 − 500 = 500 𝑝𝑒𝑟 100.000

Artinya

Risiko akibat kebiasaan merokok pada CHD (RR=2) lebih rendah dibanding pada LC

(RR=9,9)

AR pada CHD (AR=500) lebih tinggi dibandingkan pada LC (AR=114,4)

Kesimpulannya CHD merupakan kasus yang sering terjadi pada populasi , sehingga jumlah

pasien hidup yang tertolong akan lebih lebih CHD dibanding LC.

Faktor pemajan memiliki efek relative (RR) yang kuat, tetapi memiliki perbedaan yang kecil (RD).

Contoh (RR dan RD)

D1+ (Lung Cancer) per 100.000 ADR

D2+ (CHD) per 100.000 ADR

E+ (Smoker) 104 565

E- (Non-smoker) 10 413

RELATIVE RISK (RR) 10,4 1,37

RISK DIFFERENCE (RD) 94 152

Contoh (RR, RD, AR, PAR, PF)

Data hipotesis kanitan antara kadar Kolesterol dan angka insidens penyakit jantung koroner dalam

suatu Kohort

D+ (Cases) Population Cases/1000 RR

E+ (Vaccinated) 150 301.545 0,49 0,28

E- (Unvaccinated) 515 298.655 1,72 1 (Ref)

665 600.200 1,11

PF = 1,72−0,49

1,72= 0,72 𝑎𝑡𝑎𝑢

= 1 − 𝑅𝑅 = 1 − 0,28 = 0,72

1. ukuran-ukuran dalam epidemiologyadeheryana.weblog.esaunggul.ac.id/wp-content/uploads/...kuantitas...

Documents