Etih Sudarnika Laboratorium Epidemiologi Bagian Kesehatan Masyarakat Veteriner Departemen Ilmu Penyakit Hewan dan Kesmavet Fakultas Kedokteran Hewan IPB

ANALISIS DATA STUDI KOHORTBahan Kuliah Mata Ajaran Perancangan Kajian Epidemiologik PS KMV SPs IPB

1

Analisis Sederhana (Bivariate)Ukuran Asosiasi

E NE

D a c

ND b n1 n0 d

Number of cases

Animal-time at risk

E NE

a c

t1 t0

1. Risk ratio (Relative Risk) Disebut juga Cumulative Incidence Ratio (CIR) atau Incidence Risk Ratio RR = CIR = CI1/CI0 = (a/n1) (c/n0)

2. Incidence Density Ratio (IR)/ Incidence Rate Ratio IR = I1/I0 = (a/t1) (c/t0)

Cumulative Incidence (CI) (Incidence Proportion)Number of NEW cases of disease during a period

Population at the beginning of the period

4

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 year5

Cumulative Incidencex x x x x xMonth 1

xx disease onset

Month12

Population = 12

Diseased = 76

Cumulative Incidencex x x x x xMonth 1

CI = 7/12

= 0.58 per year= 58% per year xx disease onset

Month12

7

Cumulative Incidencex x x x x xMonth 1

CI = 7/12

= 0.58 per year= 58% per year xx disease onset

Month12

CI assumes that the entire population at risk is followed up for the same time period8

Incidence rateNumber of NEW cases of disease Total person - time of observation

9

Incidence rateNumber of NEW cases of disease Total animal - time of observation RateDenominator: - is a measure of time - the sum of each individuals time at risk and free from disease

animal-time90 91 92 93 94 95 96 97 98 99 Time at risk

AB

6.0

x

6.0

CD E Total years at risk-- time followed x disease onset

10.08.5

x35.5

5.0

Incidence rate (IR) (Incidence98 99 00 density) Time at risk 90 91 92 93 94 95 96 97AB

6.0

IR

= 2 cases/ 35.5 xanimal years

6.0

CD E Total years at riskx disease onset

10.0

= 0.056 cases / animal years

8.5 5.0 35.5

x

= 5.6 cases / 100 animal years = 56 cases / 1000 animal years -- time followed12

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 satu periode laktasi (10 bulan). Sampel yang diambil adalah pada bulan ke-0 (calving), 2, 4, 6, 8 dan 10 (kering kandang). Hasilnya disajikan dalam tabel di bawah ini. Seekor sapi dianggap menderita infeksi intramammary (IMI) baru jika hasil pemeriksaan negatif pada sampel sebelumnya.

Waktu sampling Sapi A B C D E 0 0 0 X 0 0 2 X 0 0 0 0 4 0 0 0 0 X 6 0 X 0 0 8 X X 0 X 10 X X 0 X

Total bulan berisiko

Hanya kasus pertama 2 4 0 10 4

Semua kasus 6 4 4 10 6

Keterangan: X = Biakan positif = Biakan positif yang menunjukkan IMI baru X 0 = Biakan negatif = Sapi dikeluarkan dari peternakan PAR = Population at risk

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 = = 25%

Insidensi kumulatif dari IMI selama periode laktasi PAR = 4 (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 RRPerhitungan estimasi interval perhatikan kembali 2 macam tabel lay-out analisis dari fixed-cohort dan dynamic cohort:

E NE

D a cm1

ND n1 b n0 dm0 n

Number of cases

Animal-time at risk

E NE

a c

t1 t0

Rumus umum untuk estimasi interval (confidence limit/interval):

Z 1-/2 VKeterangan: = 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 StatistikUntuk 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 H0nya betul (artinya tidak ada hubungan)

Probabilitas menemukan nilai statistik yang diamati atau bahkan lebih ekstrim lagi (misal RR = 1.8 atau > 1.8) sematamata 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)

Untuk dynamic cohort:

= IR = I1/I0 = (a/t1) / (c/t0)MH = (a-0) / V0 0 = m1t1/t V0 = m1t1t0 / t2

Hubungan antara RR, IR dan OR

OR IR RR

RR IR OR

0

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 PotensialUntuk 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)

Ukuran Dampak Potensial1. 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 Rumus AF = AR / I1 x 100 = (I1 I0) / I1 x 100 = (RR 1) / RR x 100

Ukuran Dampak Potensial

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

Catatan: P = proporsi pajanan pada populasi (proporsi populasi yang terpajan) = n1 / n

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

Rumus PFE

= (I0 I1) / I0 = 1 - RR

Ukuran Dampak Potensial6. 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

Berbagai macam ukuran asosiasi untuk berbagai macam studiCross-sectional RR IR OR AR X X X Cohort X X X X X Case-control

AFePAR

XX

XX

X X

AFp

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

Chaerul Basri Laboratorium Epidemiologi Bagian Kesehatan Masyarakat Veteriner Departemen Ilmu Penyakit Hewan dan Kesmavet Fakultas Kedokteran Hewan IPB

ANALISIS DATA STUDI KOHORTBahan Kuliah Mata Ajaran Perancangan Studi Epidemiologik 42 PS KMV SPs IPB