SAPTAWATI BARDOSONO

PENGANTAR BIOSTATISIK

PERKENALAN Perkuliahan 14 tatap muka @ 1 jam Diskusi kelompok 14 kali @ 1 jam Praktikum statistik 2 kali @ 4 jam Penanggungjawab mata ajaran:

Saptawati Bardosono Departemen Ilmu Gizi FKUI 0817149629 <tati_bardo@yahoo.com>

PERKENALAN Narasumber:

Joedo Prihartono (Kedokteran Komunitas) Muchtaruddin Mansyur (Kedokteran Komunitas) Soedigdo Sastroasmoro (Kesehatan Anak) Bambang Sutrisna (Kesehatan Masyarakat) Saptawati Bardosono (Gizi)

Evaluasi: Ujian tulis (esai) Penugasan individual (laporan rencana analisis data: Judul

penelitian, hipotesis, rancangan studi, variabel dependen dan independen, rencana analisis data)

Penugasan kelompok (laporan hasil diskusi kelompok per-topik)

Laporan Rencana Analisis Data Nama mahasiswa: _________________ Judul penelitian: ___________________ Hipotesis: ________________________ Rancangan penelitian: ______________ Variabel dependen: ________________ Variabel independen: _______________

_________________________________ Rencana analisis data: ______________

_________________________________

PERKENALAN Topik perkuliahan dan diskusi kelompok:

1. Strategi analisis dan Kaitan analisis dengan rancangan penelitian

2. Uji statistik multivariat dan regresi ganda3. Analisis faktor dan analisis kluster4. Analisis poison dan analisis diskriminan5. GLM dan MANOVA6. Regresi logistik dan kontrol perancu-interaksi7. Analisis kesintasan dan analisis regresi untuk

kesintasan

1. STRATEGI ANALISIS Pada semua penelitian tidak ada satupun analisis atau

jawaban yang 100% benar Tantangan bagi peneliti adalah melakukan analisis data

yang dapat menjawab pertanyaan penelitian sejelas-jelasnya dan sejujur-jujurnya

Perlu dilakukan: Rencana analisis Data checking Analisis awal Kontrol perancu dan interaksi Analisis data yang dapat diulang-ulang Masalah saat analisis dan interpretasi

1. KAITAN ANALISIS DENGAN RANCANGAN PENELITIAN

Bagaimana caranya mengkaitkan analisis dengan rancangan studi:

Rancangan RCT Efek intervensi Rancangan cross-sectional dan longitudinal Rancangan case-control

2. ANALISIS MULTIVARIAT Melakukan analisis data terhadap lebih dari dua

variabel pada setiap subyek Merupakan perluasan dari uji univariat (uji t) atau

uji bivariat (uji korelasi dan regresi sederhana) Prasyarat:

Pengujian menggunakan grafik untuk uji normalitas distribusi data

Pengujian adanya missing data Pengujian adanya outlier Pengujian asumsi lainnya: uji normalitas data, uji

linearitas dll

2. REGRESI GANDA Memprediksi besar variabel tergantung dengan

menggunakan data variabel bebas yang sudah diketahui jumlahnya

Syarat: Data kuantitatif Bila data kualitatif, diperlakukan sebagai variabel

dummy

2. REGRESI GANDA

Contoh: Peneliti ingin mengetahui efek gabungan dari

usia, tinggi badan dan jenis kelamin terhadap variasi nilai FEV-1 (forced expiratory volume dalam 1 detik) pada anak yang diukur dengan spirometer

2. REGRESI GANDA

FEV-1 Coefficient Std err t P > [t] 95%CI

Age 0.0946 0.0152 6.23 0.000 0.0648 smp 0.1244

Height 0.0246 0.0018 14.04 0.000 0.0211 smp 0.0280

Male 0.1213 0.0176 6.90 0.000 0.0868 smp 0.1559

Constant -2.360 0.1750 -13.49 0.000 -2.704 smp -2.0166

3. ANALISIS FAKTOR Mencoba menemukan hubungan antar sejumlah

variabel yang saling independen satu dengan yang lain sehingga bisa dibuat satu atau beberapa kumpulan variabel yang lebih sedikit dari jumlah variabel awal

Tujuannya: Mengidentifikasi adanya hubungan antar variabel

dengan melakukan uji korelasi Membuat sebuah variabel set baru (faktor) untuk

menggantikan sejumlah variabel tertentu

3. ANALISIS FAKTOR Syarat:

Jumlah sampel 10 subyek / variabel Korelasi bermakna dan Besar korelasi antar variabel

independe harus kuat (>0,5)

3. ANALISIS KLUSTER Tujuannya untuk mengelompokkan subyek

berdasarkan kesamaan katakteristiknya Syarat:

Homogenitas yang tinggi antar anggota dalam kluster

Heterogenitas yang tinggi antar kluster Bedanya dengan analisis faktor:

Analisis faktor untuk mereduksi variabel (kolom) Analisis kluster untuk mengelompokkan isi variabel

(baris)

3. ANALISIS KLUSTER

Contoh: Penelitian ingin mengevaluasi efek dari zat aktif

X dalam air minum terhadap kejadian (rate) karies gigi

832 anak sekolah di 8 lokasi berbeda (kluster) diikuti sampai mereka membutuhkan perawatan gigi

3. ANALISIS KLUSTER

Lokasi Anak butuh perawatan gigi

anak-tahun

Rate per-100 anak-tahun

Jumlah zat aktif (1000*ppm)

1 46 456.3 10.08 7.1

2 19 215.1 8.83 7.6

3 17 487.8 3.49 8.2

4 46 459.9 10.00 5.4

5 15 201.2 7.46 8.4

6 20 187.7 10.66 6.8

7 58 399.1 10.53 6.2

8 20 212.5 9.41 8.9

4. ANALISIS POISON Tujuannya untuk analisis rate untuk estimasi rate ratio

membandingkan kelompok paparan yang berbeda (mirip regresi logistik yang membandingkan OR dari kelompok paparan yang berbeda)

Sehingga bisa digunakan untuk: Membandingkan rate antara 2 kelompok

paparan/intervensi atau lebih Menentukan efek dari variabel paparan Kontrol efek perancu dari 1 atau lebih variabel Estimasi dan kontrol efek paparan2 yang berubah dari

waktu ke waktu

4. ANALISIS POISONContoh: Penelitian tentang faktor risiko penyakit jantung

mengikutsertakan 1786 laki-laki usia 43-61 tahun saat pertama kali diperiksa untuk kemudian diikuti selama 19 tahun sampai terjadinya infark miokard atau kematian karena penyakit jantung)

Ada 990 subyek perokok aktif dan 796 tidak pernah merokok atau eks-perokok

4. ANALISIS POISON

Perokok aktif awal penelitian

Infark miokard Orang-tahun berisiko

Rate per-1000 orang-tahun

Ya (terpapar) 230 13.978 230/13.978 = 16,98

Tidak (tidak terpapar)

118 12.183 118/12.183 = 9,68

Jumlah 348 26.161 348/26.161 = 13,30

4. ANALISIS DISKRIMINAN Mirip dengan analisis regresi namun variabel

dependen berupa data kategori dan variabel independen berupa data non-kategori

Tujuan: Mengetahui perbedaan yang ada antar kelompok

variabel dependen Variabel independen mana yang membedakan antar

kelompok Membuat model diskriminan

5. GENERAL LINEAR MODEL Mirip ANOVA namun variabel dependen dan

independen (kovariat) keduanya adalah data rasio

Bila variabel independen bukan data rasio, maka disebut faktor

5. MANOVA Mirip ANOVA namun variabel dependen lebih

dari satu dengan variabel independen yang berskala rasio sebagai kovariat dan yang berskala kategorik sebagai faktor

6. REGRESI LOGISTIK Memprediksi besar variabel tergantung yang

berupa variabel binari (ya-tidak) dengan menggunakan variabel bebas yang sudah diketahui besarnya, sehingga dapat digunakan untuk:

Membandingkan variabel efek antara 2 kelompok paparan/intervensi atau lebih

Menentukan efek dari variabel paparan

7. ANALISIS KESINTASAN Untuk studi longitudinal yang mengikuti subyek

sampai timbulnya kejadian tertentu (diagnosis penyakit atau dimulainya pengobatan), misal:

Risiko kematian setelah operasi jantung Timbul kembalinya tumor setelah diagnosis dan

pengobatan kanker payudara

7. ANALISIS KESINTASAN_REGRESI

Regresi Cox (proportional hazards regression) Non-proportional hazard regression

SAPTAWATI BARDOSONO2008

STRATEGI ANALISIS

RENCANA ANALISISStudi RCT:

Definisi operasional dari outcome primer dan sekunder Uji statistik yang akan digunakan:

Karakteristik subyek di awal penelitian Membandingkan kelompok intervensi terkait data awal

penelitian Analisis outcome primer (ITT) Analisis ulang dengan kontrol terhadap data awal Analisis sub-kelompok Analisis efek samping dan adverse outcome Analisis outcome sekunder

RENCANA ANALISIS

Studi Observasi: Seringkali sulit untuk membuat rencana analisis

secara lengkap Analisis disesuaikan dengan hipotesis utama dan

hipotesis tambahan (definisi variabel dependen dan independen)

Analisis variable perancu dan interaksi

MASALAH ANALISIS & INTERPRETASI HASIL Data dredging, mencoba semua kemungkinan

analisis hubungan dengan variabel outcome Menonjolkan hasil yang menarik yang tidak

direncanakan Merubah pengelompokan variabel paparan hanya

supaya bermakna=> Analisis harus dapat menjawab pertanyaan

penelitian dengan sejelas-jelasnya dan sejujur-jujurnya

SAPTAWATI BARDOSONO2008

KAITAN ANALISIS DENGAN RANCANGAN PENELITIAN

Randomized controlled trial Analisis variabel baseline ITT = intention to treat Penyesuaian variabel baseline Analisis sub-kelompok Rancangan cross-over Cluster randomized trial

Jenis rancangan lain Pre-post comparison Intervention-control comparison Adopters versus non-adopters comparison

Rancangan Cross-sectional Untuk pengukuran prevalens Hubungan antara variabel2 yang diteliti

Rancangan Longitudinal Untuk pengukuran insidens Mengikuti variabel secara monitoring terus-

menerus: Retrospektif Prospektif Cross-sectional berulang

Analisis untuk studi observasi Bergantung pada:

Data paparan: Binari Kategorik Kategorik-ordinal Numerik Kontrol perancu

Bergantung pada: Data efek:

Numerik Binari Rate survival

Rancangan Longitudinal Bergantung dari teknik sampling:

Acak sederhana Sistematik Strata Bertingkat Berdasar waktu

Rancangan Kasus-kontrol Kelompok tidak berpasangan (random) Kelompok berpasangan:

Stratum Individual:

1 kontrol per kasus Beberapa kontrol per kasus

Dengan paparan tunggal Kontrol variabel perancu