desain studi kohort - etih sudarnikaetih sudarnika -...

1

Etih Sudarnika

Laboratorium Epidemiologi

Bagian Kesehatan Masyarakat Veteriner

Departemen Ilmu Penyakit Hewan dan Kesmavet

Fakultas Kedokteran Hewan IPB

ANALISIS DATA

STUDI KOHORT

Bahan Kuliah Mata Ajaran Perancangan Kajian Epidemiologik

PS KMV SPs IPB

Analisis Sederhana (Bivariate)

Ukuran Asosiasi

a b

c d

E

NE

n1

NDD

n0

a t1

c t0

E

NE

Animal-time

at risk

Number of

cases

1. Risk ratio (Relative Risk)

Disebut juga Cumulative Incidence Ratio (CIR)

atau Incidence Risk Ratio

2. Incidence Density Ratio (IR)/ Incidence Rate Ratio

RR = CIR = CI1/CI0

= (a/n1)

(c/n0)

IR = I1/I0

= (a/t1)

(c/t0)

4

Cumulative Incidence (CI)(Incidence Proportion)

Number of NEW cases of disease during a period

Population at the beginning of the period

5

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

year

6

xx

x

x

x

x

xx disease onset

Month 1 Month12

Cumulative Incidence

Population = 12 Diseased = 7

7

xx

x

x

x

x

xx disease onset

Month 1 Month12


CI = 7/12

= 0.58 per year

= 58% per year

8

xx

x

x

x

x

xx disease onset

Month 1 Month12


CI = 7/12

= 0.58 per year

= 58% per year

CI assumes that the entire population at risk

is followed up for the same time period

9

Incidence rate

Number of NEW cases of disease

Total person - time of observation

Incidence rate

Number of NEW cases of disease

Total animal - time of observation

Rate

Denominator:

- is a measure of time

- the sum of each individual’s time at risk

and free from disease

A

B

C

D

E

90 91 92 93 94 95 96 97 98 99 Time at risk

x

x

6.0

6.0

10.0

8.5

5.0

Total years at risk 35.5

-- time followed

x disease onset

animal-time

12

A

B

C

D

E

90 91 92 93 94 95 96 97 98 99 00 Time at risk

x

x

6.0

6.0

10.0

8.5

5.0

Total years at risk 35.5

-- time followed

x disease onset

Incidence rate (IR)(Incidence density)

IR = 2 cases/ 35.5 animal years

= 0.056 cases / animal years

= 5.6 cases / 100 animal years

= 56 cases / 1000 animal years

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

Waktu sampling Total bulan berisiko

Sapi 0 2 4 6 8 10

Hanya

kasus

pertama

Semua

kasus

A 0 X 0 0 X X 2 6

B 0 0 0 - - - 4 4

C X 0 0 X X X 0 4

D 0 0 0 0 0 0 10 10

E 0 0 X 0 X X 4 6

Keterangan:

X = Biakan positif

= Biakan positif yang menunjukkan IMI baru

0 = Biakan negatif

- = Sapi dikeluarkan dari peternakan

PAR = Population at risk

X

• 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 = ¼ = 25%

• Insidensi kumulatif dari IMI selama periode laktasi

– PAR = 4 – ½(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 RR

Perhitungan estimasi interval perhatikan kembali 2 macam

tabel lay-out analisis dari fixed-cohort dan dynamic cohort:

a b

c d

E

NE

n1

NDD

n0

m1 m0 n

a t1

c t0

E

NE

Animal-time

at risk

Number of

cases

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

Z 1-/2 V

Keterangan:

= 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 Statistik

Untuk 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 H0-

nya betul (artinya tidak ada hubungan)

Probabilitas menemukan nilai statistik yang diamati atau

bahkan lebih ekstrim lagi (misal RR = 1.8 atau > 1.8) semata-

mata 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

0 1

OR IR RR RR IR 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


• OR dan IR

– OR merupakan penduga yang baik untuk IR jika penyakit jarang terjadi

Ukuran Dampak Potensial

Untuk 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)

1. 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


2. Population Attributable Risk


• 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


3. Attributable Fraction


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

= AR / I1 x 100

= (I1 – I0) / I1 x 100

= (RR – 1) / RR x 100

Rumus AF


Catatan:

P = proporsi pajanan pada populasi (proporsi populasi yang

terpajan) = n1 / n

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


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”

= (I0 – I1) / I0= 1 - RR

Rumus PFE


6. 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 studi

Cross-sectional Cohort Case-control

RR X X

IR X

OR X X X

AR X X

AFe X X X

PAR X X

AFp X 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

42

Chaerul Basri

Laboratorium Epidemiologi

Bagian Kesehatan Masyarakat Veteriner

Departemen Ilmu Penyakit Hewan dan Kesmavet

Fakultas Kedokteran Hewan IPB

ANALISIS DATA STUDI KOHORT

Bahan Kuliah Mata Ajaran Perancangan Studi Epidemiologik

PS KMV SPs IPB

desain studi kohort - etih sudarnikaetih sudarnika -...

Documents