pengantar biostatisik -...
TRANSCRIPT
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 <[email protected]>
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