sesi 7_skrining indonesia2009-000

5/12/2018 SESI 7_SKRINING INDONESIA2009-000 - slidepdf.com

http://slidepdf.com/reader/full/sesi-7skrining-indonesia2009-000 1/182

SKRININGSKRINING



ObjektifObjektif topiktopik skriningskrining

MendefinisikanMendefinisikan istilahistilah skriningskrining

MenjelaskanMenjelaskan tujuantujuan,, penggunaanpenggunaan,,dandan sifatsifat--sifatsifat ujiuji skriningskrining

MenghitungMenghitung berbagaiberbagai ukuranukuran yangyang

digunakandigunakan dalamdalam menilaimenilai suatusuatu ujiujiskriningskrining



Definisi skriningDefinisi skrining

MenurutMenurut US US CommiissionCommiission ononChronic Illness (1951)Chronic Illness (1951)

IdentifikasiIdentifikasi dugaandugaan penyakitpenyakityangyang tidaktidak diketahuidiketahui atauatau

kelainankelainan dengandengan penerapanpenerapan testes((ujiuji),), pemeriksaanpemeriksaan atauatau prosedurprosedurlain yanglain yang dapatdapat diterapkanditerapkansecarasecara cepatcepat..



UjiUji skriningskrining

MemisahkanMemisahkan secarasecara jelas jelas orangorang yangyangsehatsehat mungkinmungkin mempunyaimempunyai penyakitpenyakitdaridari padapada orangorang--orangorang yangyang sehatsehatyangyang mungkinmungkin tidaktidak mempunyaimempunyai

penyakitpenyakit

TidakTidak ditujukanditujukan untukuntuk menjadimenjadi

diagnostikdiagnostik.. OrangOrang dengandengan testes positifpositifatauatau temuantemuan dicurigaidicurigai harusharus dirujukdirujukkeke dokterdokter merekamereka untukuntuk diagnosisdiagnosis

dandan perlakuanperlakuan pengobatanpengobatan



UjiUji SkriningSkrining

HanyaHanya merupakanmerupakan pemeriksaanpemeriksaan awalawal,,respondenresponden yangyang positifpositif memerlukanmemerlukanpemeriksaanpemeriksaan diagnostikdiagnostik keduakedua

InisiatifnyaInisiatifnya lebihlebih baikbaik dimulaidimulai oleholeh penelitipenelitiatauatau orangorang atauatau lembagalembaga penyediapenyediapelayananpelayanan daridari padapada keluhankeluhan--keluhankeluhan pasienpasien

UmumnyaUmumnya pedulipeduli dengandengan penyakitpenyakit kronikkronikdandan bertujuanbertujuan mendeteksimendeteksi penyakitpenyakit yangyangbelumbelum dalamdalam pengobatanpengobatan medikmedik



Definisi:Definisi:

SkriningSkrining adalahadalah deteksideteksi dinidini daridari::

-- suatusuatu penyakitpenyakit,,

-- prekursorprekursor daridari suatusuatu penyakitpenyakit,,-- kerentanankerentanan terhadapterhadap suatusuatupenyakitpenyakit

padapada individuindividu yangyang tidaktidak/ /belumbelummenunjukkanmenunjukkan tandatanda atauatau gejalagejala daridaripenyakitpenyakit tersebuttersebut..



DIAGNOSA DINIDIAGNOSA DINI

MENGET AHUI PENYAKITMENGET AHUI PENYAKITSEDINISEDINI--DININYA SEBELUMDININYA SEBELUMGEJ AL A KLINIK T AMP AKGEJ AL A KLINIK T AMP AK



People who are as yet asymptomatic

Early detection

Classifying likelihood having a disease

Further evaluation by diagnostic test

Early treatment

Cured Noresponse Died



SKRININGSKRINING

AD AL AH USAH A UNTUK MENGIDENTIFIKASI AD AL AH USAH A UNTUK MENGIDENTIFIKASI PENYAKIT/KEL AINAN YANG SEC ARA KLINIS PENYAKIT/KEL AINAN YANG SEC ARA KLINIS

BELUM JEL AS DENGAN MENGGUNAKAN TEST,BELUM JEL AS DENGAN MENGGUNAKAN TEST,

PEMERIKSAAN AT AU PROSEDUR TERTENTUPEMERIKSAAN AT AU PROSEDUR TERTENTU YANG D AP AT DIGUNAKAN SEC ARA CEP AT YANG D AP AT DIGUNAKAN SEC ARA CEP AT

UNTUK MEMBED AKAN ORANGUNTUK MEMBED AKAN ORANG--ORANG YANG ORANG YANG KELIH AT ANNYA SEH AT, BENAR2 SEH ATKELIH AT ANNYA SEH AT, BENAR2 SEH AT

DENGAN T AMP AK SEH AT TET API DENGAN T AMP AK SEH AT TET API SESUNGGUHNYA MENDERIT A KEL AINAN.SESUNGGUHNYA MENDERIT A KEL AINAN.



TestTest SkriningSkrining dapatdapat dilakukandilakukan dengandengan::

PertanyaanPertanyaan/ /KuesionerKuesioner:: misalmisal: M AST (Michigan Alcohol: M AST (Michigan Alcohol

Screening Test)Screening Test) utkutk mengidentifikasimengidentifikasi

risikorisiko alkoholismalkoholism PemeriksaanPemeriksaan FisikFisik::

misalmisal:: pemeriksaanpemeriksaan tekanantekanan darahdarah

PemeriksaanPemeriksaan LaboratoriumLaboratorium:: misalmisal:: pemeriksaanpemeriksaan gulagula darahdarah, HPV, HPV

XX--ray,ray, termasuktermasuk diagnostic imaging:diagnostic imaging:

misalmisal:: mammografimammografi



DiagnosaDiagnosa vsvs SkriningSkrining

TestTest SkriningSkrining seringkaliseringkali dapatdapatdipergunakandipergunakan sebagaisebagai testtest diagnosadiagnosa

DiagnosaDiagnosa:: menyangkutmenyangkut konfirmasikonfirmasi

mengenaimengenai adaada atauatau tidaknyatidaknya suatusuatupenyakitpenyakit padapada individuindividu yangyang dicurigaidicurigaiatauatau at risk at risk menderitamenderita suatusuatu

penyakitpenyakit ContohContoh:: pemeriksaanpemeriksaan gulagula darahdarah,,

skriningskrining utkutk orgorg sehatsehat,, tetapitetapi

diagnostikdiagnostik utkutk penderitapenderitaD

MD

M



Tahap-tahap riwayat alamiah penyakit

Tahapsuseptibilitas

Tahap penyakit

subklinis

Tahap klinis

penyakit

Tahap pemulihan,

cacat atau

meninggal

Pemajanan

Perubahan

patologik

Onset

simptom

Waktu biasanya

diagnosis ditegakkan

Onset biologis Gejala muncul

DPCP

DPCP = Detectable PreClinical Phase

Lead time



A Key Assumption of Screening Programs:

Early detection will lead to more favorable prognosis

Natural History of Disease

Initiation Disease

Detectable

by Screening

Clinical

Symptoms

DeathComplications

from thedisease



TahapanTahapan padapada Riwayat Riwayat Alamiah Alamiah Penyakit Penyakit



NATURAL HISTORY OF DISEASENATURAL HISTORY OF DISEASE

PREPATHOGENESE

Sucseptibility Adaptation

PATHOGENESE

Early pathogenese

disease

Clinic

Exposure

Lantency

Early detection

Of disease



NATURAL HISTORY OF DISEASENATURAL HISTORY OF DISEASE

1.1. PERIOD OF PREPATHOGENESEPERIOD OF PREPATHOGENESE

2.2. PERIOD OF PATHOGENESEPERIOD OF PATHOGENESE

LEVEL OF PREVENTIONLEVEL OF PREVENTION

1.1. PRIMARY PREVENTIONPRIMARY PREVENTION

2.2. SECONDARY PREVENTIONSECONDARY PREVENTION

3.3. TERTIARY PREVENTION TERTIARY PREVENTION



Kategori dari PencegahanKategori dari Pencegahan

PenyakitPenyakit PencegahanPencegahan Primer:Primer:

pencegahanpencegahan sebelumsebelum suatusuatu penyakitpenyakit dapatdapat

terjaditerjadi PencegahanPencegahan SekunderSekunder::

deteksideteksi dinidini suatusuatu penyakitpenyakit sewaktusewaktupenyakitpenyakit tersebuttersebut masihmasih dapatdapat

disembuhkandisembuhkan.. SkriningSkrining adalahadalah tindakantindakanutamautama padapada pencegahanpencegahan sekundersekunder

PencegahanPencegahan TersierTersier::

membatasimembatasi sekuelesekuele daridari suatusuatu penyakitpenyakit



JENIS PENYAKIT YANG TEP ATJENIS PENYAKIT YANG TEP AT

UNTUK SKRININGUNTUK SKRINING MERUP AKAN PENYAKIT YG SERIUSMERUP AKAN PENYAKIT YG SERIUS

PENGOB AT AN SBLM GEJ AL A MUNCULPENGOB AT AN SBLM GEJ AL A MUNCULH ARUS LEBIH UNTUNG DIB ANDINGKAN H ARUS LEBIH UNTUNG DIB ANDINGKAN DENGAN SETEL AH GEJ AL A MUNCUL .DENGAN SETEL AH GEJ AL A MUNCUL .

PREV ALENS PENYAKIT PRE KLINIK H ARUS PREV ALENS PENYAKIT PRE KLINIK H ARUS TINGGI P AD A POPUL ASI YANG TINGGI P AD A POPUL ASI YANG DISKRININGDISKRINING



Pengobatan fase preklinikPengobatan fase preklinik

Pengobatan pada DPCP lebih baik sebelumPengobatan pada DPCP lebih baik sebelumgejala munculgejala muncul

DPCP = detectable preclinical phase (FaseDPCP = detectable preclinical phase (Fasepreklinik yang dapat dideteksi)preklinik yang dapat dideteksi)

Contoh:Contoh:

kanker servikskanker serviks dpcpdpcp panjang, 10 tahun. Uji (tes)panjang, 10 tahun. Uji (tes)Papanicoulaou smear (Pap smear) akan efektif Papanicoulaou smear (Pap smear) akan efektif

kanker paru ,kanker paru , dpcpdpcp pendek, maka skrining tidakpendek, maka skrining tidakefektif efektif



PrevalensPrevalens dpcpdpcp tinggi padatinggi pada

populasipopulasi biaya program skrining, diarahkan padabiaya program skrining, diarahkan pada

kasus terdeteksikasus terdeteksi

skrining terbatasskrining terbatas

deteksi kanker payudara untuk wanitadeteksi kanker payudara untuk wanitayang punya riwayat keluargayang punya riwayat keluarga

kanker kandung kemih pada pekerja yangkanker kandung kemih pada pekerja yangterpaparterpapar



Hipertensi contoh penyakit yangHipertensi contoh penyakit yang

baik diskriningbaik diskrining serius , mortalitas tinggi ; terdokumentasiserius , mortalitas tinggi ; terdokumentasi

pengobatan dini , menurunkan mortalitaspengobatan dini , menurunkan mortalitas

& morbiditas& morbiditas

prevalensi tinggi di populasi, 20 %prevalensi tinggi di populasi, 20 %



PKU (Phenyl Keton Urea)PKU (Phenyl Keton Urea)

penyakit jarang ; bayi lahir tanpa adapenyakit jarang ; bayi lahir tanpa adafenilamin hidroksilasefenilamin hidroksilase

akumulasi fenilamin , mental retardasiakumulasi fenilamin , mental retardasi

1 antara 15.000 kelahiran1 antara 15.000 kelahiran

jenis Skrining: akurat; murah ; sederhana; jenis Skrining: akurat; murah ; sederhana;

PKU skrining seluruh bayiPKU skrining seluruh bayi



SYARAT SYARAT SKRININGSYARAT SYARAT SKRINING

1.1. PENYAKIT HRS MERUP AKAN M ASAL AHPENYAKIT HRS MERUP AKAN M ASAL AHKES.M ASYARAKAT YG PENTINGKES.M ASYARAKAT YG PENTING

2.2. H ARUS AD A C ARA PENGOB AT AN YAGN H ARUS AD A C ARA PENGOB AT AN YAGN EFEKTIFEFEKTIF

3.3. TERSEDIA FASILIT AS PENGOB AT AN D AN TERSEDIA FASILIT AS PENGOB AT AN D AN DIAGNOSADIAGNOSA

4.4. DIKET AHUI ST ADIUMDIKET AHUI ST ADIUMPREKLINIK,SIMPTOM ATIK DINI & M ASA PREKLINIK,SIMPTOM ATIK DINI & M ASA

L ATENL ATEN5.5. TEST HRS COCOK,H ANYA TEST HRS COCOK,H ANYA

MENGAKIB ATKAN SEDIDKIT KETID AK MENGAKIB ATKAN SEDIDKIT KETID AK NYAMNAN ,DPT DITERIM A OLEHNYAMNAN ,DPT DITERIM A OLEH

M ASYARAKATM ASYARAKAT



SYARAT SYARAT SKRININGSYARAT SYARAT SKRINING

6.6. TEL AH DIMENGERTI RIWAYATTEL AH DIMENGERTI RIWAYAT AL AMIAH PENYAKIT AL AMIAH PENYAKIT

7.7. H AR

US

AD A

POLIC

Y YANG

JEL AS

H AR

US

AD A

POLIC

Y YANG

JEL AS

8.8. BIAYA H ARUS SEIMB ANG, BIAYA BIAYA H ARUS SEIMB ANG, BIAYA SKRINING HRS SESU AI DENGAN SKRINING HRS SESU AI DENGAN HIL ANGNYA KONSEKUENSI HIL ANGNYA KONSEKUENSI

KESEH AT AN KESEH AT AN 9.9. PENEMU AN H ARUS TERUS PENEMU AN H ARUS TERUS

MENERUSMENERUS



TYPE OF SCREENING TYPE OF SCREENING

1.1. M ASS SCREENINGM ASS SCREENING

2.2. SELECTIVE SCREENINGSELECTIVE SCREENING

3.3. SINGLE DISEASE SCREENINGSINGLE DISEASE SCREENING

4.4. CASE FINDING SCREENINGCASE FINDING SCREENING

5.5. MULTIPHASIC SCREENINGMULTIPHASIC SCREENING



ASPEK EPIDEMIOLOGI SKRINING ASPEK EPIDEMIOLOGI SKRINING

TEST TEST

V ALIDIT AS V ALIDIT AS

RELIABILIT ASRELIABILIT AS

EFFIC AC Y EFFIC AC Y



A

DC

B




KEM AMPU AN D ARI SU ATUKEM AMPU AN D ARI SU ATUPEMERIKSAAN /TEST UNTUK PEMERIKSAAN /TEST UNTUK

MENENTUKAN INDI VIDU M ANA YANG MENENTUKAN INDI VIDU M ANA YANG MEMPUNYAI PENYAKIT/BERISIKOMEMPUNYAI PENYAKIT/BERISIKO

(TID AK NORM AL) D AN(TID AK NORM AL) D AN

INDI VIDU M ANA YANG TID AK INDI VIDU M ANA YANG TID AK MEMPUNYAI PENYAKITMEMPUNYAI PENYAKIT

(NORM AL/SEH AT).(NORM AL/SEH AT).



Validitas Dari SuatuTes Skrining/Tes Diagnostik

Validitas suatu tes skrining atau tes diagnostik

adalah kemampuan dari suatu tes diagnostikuntuk membedakan antara orang yang sakit dan

orang yang tidak sakit

Validitas mempunyai 2 komponen yaitu :

Sensitifitas

Spesifisitas



INDIKATOR UTK MENILAIINDIKATOR UTK MENILAI


1.SENSITI VIT AS1.SENSITI VIT AS

2.SPESIFISIT AS2.SPESIFISIT AS



Gerstman Chapter 4 42

§4.3 Validity

Compare test results to a gold standard

diagnosis

Classify each observation:

TP = true positives

TN = true negatives

FP = false positivesFN = false negatives

Cross-tabulate results



B AGAIMANA MENENTUKAN V ALIDIT AS

SUATU SKRINING TEST?

Skrining test harus dibandingkan dengan suatu gold

standard atau reference standard

Penyakit berdasarkan gold standard

Test Result Present Absent

Positive true positive false positive

Negative false negative true negative




Sensitivity and Specificity

Sensitivity (SEN) proportion of cases that

test positive = TP / (TP + FN)TP / (TP + FN) Specificity (SPEC) proportion of noncases

that test negative = TN / (TN + FP)= TN / (TN + FP)

Test D+ Dí Total

T+ TP FP TP+FP

Tí FN TN FN+TN

Total TP+FN FP+TN N



SENSITI VIT ASSENSITI VIT AS

KEM AMPU AN D ARI SU ATUKEM AMPU AN D ARI SU ATUSKRINING TEST UNTUK SKRINING TEST UNTUK

MENGIDENTIFIKASI SEC ARA MENGIDENTIFIKASI SEC ARA BENAR ORANGBENAR ORANG--ORANG YANG ORANG YANG MEMPUNYAI PENYAKIT/MEMPUNYAI PENYAKIT/

BERISIKO .BERISIKO .



SPESIFISIT ASSPESIFISIT AS

KEM AMPU AN D ARI SU ATUKEM AMPU AN D ARI SU ATUSKRINING TEST UNTUK SKRINING TEST UNTUK

MENGIDENTIFIKASI SEC ARA MENGIDENTIFIKASI SEC ARA BENAR ORANGBENAR ORANG--ORANG YANG ORANG YANG SEH AT AT AU YANG TID AK SEH AT AT AU YANG TID AK

MEMPUNYAI PENYAKIT/MEMPUNYAI PENYAKIT/BERISIKO .BERISIKO .



Hasil Tes Diagnostik Dikotomus

y Hasil tes diagnostik yang bersifat dikotomus dapatberupa hasil tes yang positif dan hasil tes yangnegatif

y Konsep sensitifitas dan spesifisitas dari tes diagnostikdengan hasil tes yang bersifat dikotomus :

Contoh pada kalkulasi dibawah ini : Dari 100 orang sakit, 80 diidentifikasikan secara benar

(hasil tes positif ) oleh tes diagnostik Sensitifitas dari tes adalah 80%. Disini 20 orang tidak dapat diidentifikasikan

dengan benar oleh tes diagnostik tersebut.

Dari 900 orang yang tidak sakit, 800 diidentifikasikansecara benar (hasil tes negatif) oleh tes diagnostik

Spesifisitas dari tes adalah 800/900 atau 89%. Disini ada 100 orang yang tidak dapat

diidentifikasikan dengan benar oleh tesdiagnostik tersebut



Kalkulasi dasar dari sensitifitas dan spesifisitas

STATUS PENYAKIT

HASIL TES SAKIT (+ ) SAKIT ( - )

POSITIF TP (True + ) FP (False + )

NEGATIF FN (False - ) TP (True - )

TP + FN FP + TN



Sensitifitas dari tes adalah TP / (TP + FN) yaitu

proporsi dari orang yang sakit yang hasil tesnya positif

Spesifisitas dari tes adalah TN/(TN +

FP)

yaitu proporsidari orang yang sehat yang hasil tesnya negatif

TP atau True Positive adalah orang yang sakit dan hasiltesnya dinyatakan positif oleh tes diagnostik

FP atau False Positive adalah orang yang sehat/ tidak

sakit tapi hasil tesnya dinyatakan positif oleh tesdiagnostik



TN atau True Negative adalah orang yang sehat/tidak

sakit dan hasil tesnya dinyatakan negatif oleh tes

diagnostik

FN atau False Negatif adalah orang sakit tapi hasil

tesnya dinyatakan negatif oleh tes diagnostik



POPULATIONPOPULATION

TEST TEST WITH DISEASE WITH DISEASE WITHOUT WITHOUTDISEASEDISEASE

POSITIVEPOSITIVE

Have DiseaseHave Disease

Have Positive TestHave Positive Test

= TRUE= TRUE

POSITIVESPOSITIVES

(TP)(TP)

No Disease butNo Disease but

Have Positive TestHave Positive Test

=FALSE=FALSE

POSITIVESPOSITIVES

(FP)(FP)

NEGATIVENEGATIVE

Have DiseaseHave Disease

Have Negative TestHave Negative Test

= FALSE= FALSE

NEGATIVESNEGATIVES

(FN)(FN)

No Disease butNo Disease but

Have Negative TestHave Negative Test

=TRUE=TRUE

NEGATIVESNEGATIVES

TN) TN)

SENSITIVITAS = TP

TP+FN SPECIIFISITAS =

TN

TN+FP



Disease gold standard

Test Result Present Absent TotalPositive TP FP all who test +

Negative FN TN all who test -

Total All with All without

Disease Disease

Sensitivity = TP Specificity = TN

TP + FN FP + TN



TRUE POSITIFTRUE POSITIF

POSITIF BERD ASARKAN POSITIF BERD ASARKAN SKRINING TEST D AN POSITIF SKRINING TEST D AN POSITIF

AT AU SAKIT BERD ASARKAN AT AU SAKIT BERD ASARKAN GOLD ST AND ARD GOLD ST AND ARD



TRUE NEGATIFTRUE NEGATIF

NE

GAT

IFBE

RD ASARKAN SKRINING

TES

TN

EGA

TIF

BERD ASARKAN

SKRINING

TES

TD AN NEGATIF / SEH AT/TID AK SAKITD AN NEGATIF / SEH AT/TID AK SAKIT

BERD ASARKAN GOLD ST AND ARDBERD ASARKAN GOLD ST AND ARD



FALSE POSITIFFALSE POSITIF

POSITIF BERD ASARKAN POSITIF BERD ASARKAN SKRINING TEST TET API SKRINING TEST TET API

NEGATIF AT AU TID AK NEGATIF AT AU TID AK SAKIT/SEH AT BERD ASARKAN SAKIT/SEH AT BERD ASARKAN

GOLD ST AND ARD GOLD ST AND ARD



FALSE NEGATIFFALSE NEGATIF

NE

GAT

IFBE

RD ASARKAN SKRINING

TES

TN

EGA

TIF

BERD ASARKAN

SKRINING

TES

TTET API POSITIF AT AU SAKITTET API POSITIF AT AU SAKIT

BERD ASARKAN GOLD ST AND ARDBERD ASARKAN GOLD ST AND ARD



BAGAIMANA MENENTUKAN VALIDITAS



B AGAIMANA MENENTUKAN V ALIDIT AS

SUATU SKRINING TEST?

Skrining test harus dibandingkan dengan suatu gold standard atau reference standard

Penyakit berdasarkan gold standard

Test SKRINING SAKIT TIDAK SAKIT

Positive 80 100 180

Negative 20 800 820

100 900 1000



Karakteristik Performance Dari Suatu Tes Diagnostik

1.Sensitifitas

2.Spesifisitas

3.False Negative Rate

4.False Postive rate

5.Prevalence

6.Predictive Value Positive

7.Predictive value Negative



Sensitifitas

Definisi :

Sensitifitas suatu tes diagnostik adalah : besarnya

probabilitas bahwa seseorang yang sakit akan

memberikan hasil tes positif pada tes diagnostik

tersebut

Sensitifitas adalah True Positive Rate (TPR) dari

suatu Tes diagnostik

Notasi : P( T+|D+ ).

Kalkulasi : Sensitifitas P (T+ |D+ ) = TPR

Individu yang sakit dengan hasil tes +Sensitifitas =-------------------------------------------------------

Semua individu sakit



Contoh : Dari 600 orang karsinoma payudara

yang ditentukan dengan biopsi (gold standard),

570 diantaranya dinyatakan positif oleh suatu

tes diagnostik X

Sensitifitas tes X = P (T+ |D+ ) = 570/600 =

0.95 atau 95%



Spesifisitas

Definisi : Sepisifisitas suatu tes diagnostik adalah

besarnya probabilitas bahwa individu yang tidak

sakit/sehat akan memberikan hasil tes yang negati

pada tes tersebut

Notasi : Spesifisitas = P (T- |D-)

Kalkulasi : Spesifisitas = P(T-|D-) = TNR (True Negative

Rate)

Individu yang sehat dengan hasil tes negatif Spesifisitas = -------------------------------------------------------------

Semua individu sehat



Contoh : dari 1000 individu tanpa karsinoma payudara

yang ditentukan oleh biopsi (gold standard), 850

diantaranya dinyatakan negatif oleh tes X

Spesifisitas tes X adalah P (T-|D-) = 850/1000 =

0.85 atau 85%



False Negative Rate (FNR)

Definisi : False Negative Rate dari suatu tes diagnostik

adalah besarnya probabilitas dari individu-individu

yang sakit memberikan hasil tes negatif

Notasi : P(T-|D+)Kalkulasi : FNR = P(T-|D+)

Individu-individu yang sakit dengan hasiltes negatif

FNR = ------------------------------------------------------------------Semua individu yang sakit



Contoh : Dari 600 individu dengan karsinoma

payudara 30 diantaranya memberi hasil tes yang

negatif pada tes X.

False Negative Rate dari Tes X = P(T-|D+)

adalah 30/600 = 0.05 atau 5%



False Positive Rate (FPR)

Definisi : False Positive Rate suatu tes diagnostik

adalah probabilitas dari orang yang sehat

memberikan hasil tes yang positif

Notasi : FPR = P(T+|D-)Kalkulasi : False Positive Rate = P(T+ |D-)

Individu-individu sehat dengan hasiltes positif

FPR = -----------------------------------------------------------------Semua individu sehat



Contoh : Dari 1000 individu sehat (tanpa karsinoma

payudara yang dinyatakan oleh Gold standard) 150

diantaranya dinyatakan positif oleh tes X.

False Positive Rate = P(T+|D-) = 150/1000 = 0.15

atau 15 %



LATIHANLATIHAN6464..810810 WANIT AWANIT A USIAUSIA 4040--6060 T AHUNT AHUN

MENGIKUTIMENGIKUTI SU ATUSU ATU V ALIDIT AS V ALIDIT AS TESTTESTSKRININGSKRINING (( mamografimamografi && pempem..anan fisik)fisik) ..

SETEL AHSETEL AH 55 T AHUNT AHUN ,, D ARID ARI 11151115 YANG YANG

SKRININGSKRINING TESTTEST POSITIF,POSITIF, DIKONFIRM ASIDIKONFIRM ASI

132132 KANKERKANKER P AYUP AYU D ARAD ARA ,, SED ANGKANSED ANGKAN6363..695695 YANG YANG TESTTEST SKRININGNYASKRININGNYA NEGATIFNEGATIF

TERNYAT ATERNYAT A 4545 ORANGORANG DIKONFIRM ASIDIKONFIRM ASI JUGAJUGA

KANKERKANKER P AYUP AYU D ARAD ARA..

B AGAIM ANA TINGKAT V ALIDIT AS SKRINING B AGAIM ANA TINGKAT V ALIDIT AS SKRINING TEST INI ?TEST INI ?



SensitivitasSensitivitas

Adalah proporsi dari Adalah proporsi daritrue positive diantaratrue positive diantarasemua yang sakit:semua yang sakit:

a/(a+c)a/(a+c)

Dapat Dapat direpresentasikandirepresentasikansebagai:sebagai:

11-- FN%=FN%=

11 -- (c/(a+c))x 100(c/(a+c))x 100

FN%= persentasi orgFN%= persentasi orgsakit dng test negatif sakit dng test negatif palsu (False Negative)palsu (False Negative)



SpesifitasSpesifitas

Adalah proporsi true Adalah proporsi truenegative diantaranegative diantarayang tidak sakit:yang tidak sakit:

d/(b+d)d/(b+d)

Dapat Dapat direpresentasikandirepresentasikansebagai:sebagai:

11 -- FP%=FP%=

11 -- (d/(b+d))x 100(d/(b+d))x 100

FP%= persentasi orgFP%= persentasi org

dng test positif tetapidng test positif tetapitidak sakit (Falsetidak sakit (FalsePositive)Positive)



Accuracy Accuracy

Adalah proporsi true test diantara semua Adalah proporsi true test diantara semuayang diyang di--test:test:

(a+d)/(a+b+c+d)(a+d)/(a+b+c+d)



Pada suatu populasi 10.000 orang dilaksanakanpemeriksaan gula dalam air seni , ternyata 15%

dari populasi memberikan hasil positif.Pada populasi tersebut dilaksanakan pemeriksaangula darah.

Hasilnya 850 orang kadar gula darahnya lebih tinggi

dari normal, dimana 600 orang diantaranya jugamenunjukkan hasil urine yang juga positif.

1. Bila gula darah yang lebih dipercaya, berapasensitivitas & spesifisitas pem.an urine

2. Bila pem.an urine yang lebih dipercaya, berapasensitivitas & spesifisitas pem.an gula darah



RELIABILIT ASRELIABILIT AS

KEM AMPU AN TEST AT AUKEM AMPU AN TEST AT AUPENGUKURAN UNTUK PENGUKURAN UNTUK

MENGH ASILKAN NIL AI YANG SAM A MENGH ASILKAN NIL AI YANG SAM A P AD A INDI VIDU D ANP AD A INDI VIDU D AN

KONDISI YANG SAM AKONDISI YANG SAM A



Random



Random

Between observer (tends to besystematic)

Systematic

Within observer (tends to ber andom)Observer

(measurement)variation

Subject(biological)variation

Sensitivity (abilityto identify true

positives)

Specificity (abilityto exclude truenegatives)

Evaluation of quality of measurement

Repeatibility

Validity



OBSER VER BIASOBSER VER BIAS

1.1. INTER OBSER VER BIASINTER OBSER VER BIAS

2.2. INTRA OBSER VER BIASINTRA OBSER VER BIAS



INTER OBSER VER BIASINTER OBSER VER BIAS

BIAS YANG TERJ ADIBIAS YANG TERJ ADI

AKIB AT 2 (DU A) OBSER VER AKIB AT 2 (DU A) OBSER VER MENGINTERPRET ASI SATUMENGINTERPRET ASI SATUH ASIL TEST D AN MEMBERI H ASIL TEST D AN MEMBERI

INTERPRET ASI YANG BERBED AINTERPRET ASI YANG BERBED A



INTRA OBSER VER BIASINTRA OBSER VER BIAS

BIAS YANG TERJ ADI DIKARENAKAN BIAS YANG TERJ ADI DIKARENAKAN 1 (SATU ) OBSER VER 1 (SATU ) OBSER VER

MENGINTERPRET ASI BERBED A MENGINTERPRET ASI BERBED A TERH AD AP SATU H ASIL TEST D AL AMTERH AD AP SATU H ASIL TEST D AL AM

WAKTU YANG BERBED AWAKTU YANG BERBED A

R li bilit d i t t tR li bilit d i t t t



Reliabilitas dari suatu test Reliabilitas dari suatu test

Faktor yang mempengaruhi reliabilitas dari suatu test Faktor yang mempengaruhi reliabilitas dari suatu test adalah:adalah:

INTRAOBSER VER BIASINTRAOBSER VER BIAS

Variasi intrasubyek, mis: variasi yang terjadi pada Variasi intrasubyek, mis: variasi yang terjadi padapengukuran tekanan darah pada waktu yangpengukuran tekanan darah pada waktu yang

berbeda pada seseorg dapat memberikan hasil ygberbeda pada seseorg dapat memberikan hasil ygberbeda.berbeda.

INTEROBSER VER BIASINTEROBSER VER BIAS

Variasi interobserver: hasil observasi yang dilakukan Variasi interobserver: hasil observasi yang dilakukanoleh 2 orang pemeriksa pada subyek yang samaoleh 2 orang pemeriksa pada subyek yang samamendapatkan hasil yang berbeda. Mis, perbedaanmendapatkan hasil yang berbeda. Mis, perbedaanhasil pembacaan foto Ro yang sama oleh 2 oranghasil pembacaan foto Ro yang sama oleh 2 orang

ahli radiologi.ahli radiologi.



8383

INTRA SUBJECT V ARIATIONS

variation withinvariation within

individual subjectsindividual subjects



8484

INTRA SUBJECT V ARIATION

Blood

Pressure

(mm Hg)

Female

Aged

27 yrs

Female

Aged

62 yrs

Male

Aged

33 yrs

Basal 110/70 132/82 152/109

Lowest

hour

86/47 102/61 123/78

Highesthour 12

6/79 172/94 153/107

Casual 108/64 155/93157/109



8585

INTER OBSER VER BIAS

variation between those reading thevariation between those reading the

test resultstest results



8686

INTRA OBSER VER BIAS

variation in the reading of test resultsvariation in the reading of test results

by the same reader by the same reader



8787

Percent agreement.

KAPPA

Estimating observer variation



8888

Percent agreement

Abnormal Suspect Normal

Abnormal A B C

Suspect D E F

Normal G H I

Percent agreement = (A+E+I) / TotalX100

Observer variation percentageObserver variation percentage



8989

Observer variation percentageObserver variation percentageagreement agreement

Abnormal Abnormal Suspect Suspect DoubtfulDoubtful NormalNormal

Abnormal Abnormal55 88 44 66

Suspect Suspect 44 1010 66 1212

DoubtfulDoubtful 88 66 1515 2424

NormalNormal77 1212 66 2020

Percentage agr153eement =( (5+10+15+20) /153 x 100%) = 32.67%



9090

ComparisonsComparisons # of pairs# of pairs

of filmsof films

PercentagePercentage

5 categories5 categories

Agreement Agreement

2 categories2 categories

A versus A A versus A 6969 55.1%55.1% 91.3%91.3%

B versus BB versus B 2525 46.2%46.2% 80.8%80.8%



Penilaian ReliabilitasPenilaian Reliabilitas

(O bserved Agreement) - (Agreement Expected by chance)Kappa =

1 - (Agreement Expected by chance)

Interpretasi nilai Kappa (Altman, 1991):

0.8 - 1 : sangat baik (very good)

0.6 - <0.8 : baik (good)

0.4 - <0.6 : moderate

0.2 - <0.4 : cukup (fair)

<0.2 : buruk ( poor)

(terdapat beberapa pembagian/interpretasi nilai Kappa yang tidak terlalu

berbeda satu sama lain oleh beberapa peneliti lain)



Contoh:

Klasifikasi subtipe histologi dari 75 spesimen patologi kanker paru (dlm bentuk "slide") yangdibaca oleh 2 orang ahli patologi (A dan B) adalah sbb:

O bserved:

Grading oleh A Total o/ B

Grade II Grade III

Grade II 41 3 44 (58.6%)

Grade III 4 27 31 (41.4%)

Gradingoleh B

Total o/ A 45 (60%) 30 (40%) 75 (100%)

Observed Agreement

= (41+27)/75

= 0.907

Expected by chance:

Grading oleh A Total o/ B

Grade II Grade III

Grade II (44x45)/75

=0.264

(44x30)/75

=0.176

44 (58.6%)

Grade III (31x45)/75

=0.186

(31x30)/75

=0.124

31 (41.4%)

Grading

oleh B

Total o/ A 45 (60%) 30 (40%) 75 (100%)

Agreement Expected

by chance

= (26.4+12.4)/75= 0.517



Contoh (lanjutan) «

0.907 - 0.517 0.39

Kappa = ------------------------------ = ------------ = 0.81

1 - 0.517 0.483

Artinya: pemeriksaan/pembacaan sediaan patologi kanker paru yang dilakukan

oleh ahli patologi A dan B sangat mirip (tidak bervariasi), atau mempunyai

agreement yang sangat baik (Kappa = 0.81).



9494

Pathologist's diagnosis of

melanoma

37 cases of melanoma submittedby a panel of melanoma experts of

cases they considered definitecases.Reviewed by two pathologistsOne considered 21 cases

malignant and 16 benign, theother considered 10 malignant,one indeterminate and 26 benign



9595

Percent agreement

Melanoma Indeterminate Benign

Melanoma 10 1 10

Indeterminate 0 0 0

Benign 0 0 16

Percent agreement = (10+0+16)/37 X100 = 70 %



9696

KAPPA

Second Exam

Normal Retinopathy Total

First Normal 46 10 56

Exam Retinopathy 12 32 44

Total 58 42 100

Observed agreement = 46 + 32/100 =78%



9797

KAPPA

Second Exam


First Normal 58%x56 42%x56 56

Exam Retinopathy 58%x44 42%x44 44

Total 58 42 100



9898

KAPPA

Second Exam


First Normal 32.5 23.5

Exam Retinopathy 25.5 18.5

Total

Agreement expected by chance

=32.5+18.5/100

=51%



9999

KAPPA = % obseved agreement - % expected by chance


100% - (percent agreement expected by chance)



100100

KAPPA = 78 - 51/49 = 0.55

Kappa can be between 0 and 1

Usually a score above 0.4 indicatesa reasonable level of agreementand above 0.6 is good.




101101

KAPPA

Organ Agreement Kappa

Liver necrosis 47% 0.2

Rectal cancer gr ading 50-69% 0.1-0.5

Hodgkinsclassification

56% 0.4

Breast cancer classification

73% 0.4

Bandolier 37



EFFICACY EFFICACY

UNTUK MENILAI EFFICAY DARI SUATUUNTUK MENILAI EFFICAY DARI SUATUSKRINING TEST , DIUKUR :SKRINING TEST , DIUKUR :

PREDICTI VE V ALUEPREDICTI VE V ALUE

PROB ABILIT AS SAKIT TERH AD APPROB ABILIT AS SAKIT TERH AD APSU ATU H ASIL PEMERIKSAAN TESTSU ATU H ASIL PEMERIKSAAN TEST

1.1. POSITIF PREDICTI VE V ALUEPOSITIF PREDICTI VE V ALUE

2.2. NEGATI VE PREDICTI VE V ALUENEGATI VE PREDICTI VE V ALUE



POSITI VE PREDICITI VE V ALUEPOSITI VE PREDICITI VE V ALUE

PERSENT ASE D ARI MEREKA DENGAN PERSENT ASE D ARI MEREKA DENGAN H ASIL TEST POSITIF YANG BENAR H ASIL TEST POSITIF YANG BENAR

BENAR SAKITBENAR SAKIT



Positive Predictive ValuePositive Predictive Value

Proporsi dari true positive (orang sakit Proporsi dari true positive (orang sakit dengan test skrining positif) diantaradengan test skrining positif) diantara

semua yang mempunyai test positif:semua yang mempunyai test positif:

a/(a+b)a/(a+b)

NEGATIVE PREDICITIVENEGATIVE PREDICITIVE



NEGATI VE PREDICITI VENEGATI VE PREDICITI VE V ALUE V ALUE

PERSENT ASE D ARI MEREKA DENGAN PERSENT ASE D ARI MEREKA DENGAN H ASIL TEST NEGATIF YANG BENAR H ASIL TEST NEGATIF YANG BENAR

BENAR SEH ATBENAR SEH AT



DISEASE STATEDISEASE STATE

TR UE POSITIVE TR UE POSITIVE

( A)( A)

FALSE POSITVEFALSE POSITVE

( B)( B)

FALSE NEGATIVEFALSE NEGATIVE

( C )( C )

TR UE NEGATIVE TR UE NEGATIVE

( D )( D )

DISEASE NO DISEASE TES

POSITIVE

NEGATIVE

POSITIVE PREDICTIVE

VALUE

=

NEGATIVE PREDICTIVE

VALUE=

TP

TP+FP

TN

TN+FN

D

C+D

=

=

A

A+B

Di ld t d d



Disease gold standard

Test Result Present Absent TotalPositive TP FP all who test +

Negative FN TN all who test -

Total All with All without

Disease Disease

positive predictive value = TP / TP + FP

Negative predictive value = TN / TN + FN

P di ti V l f T t




Predictive Value of TestsTest D+ Dí Total

T+ TP FP TP+FP

Tí FN TN FN+TN

Total TP+FN FP+TN N

Predictive value positive (PVP) proportion

of positive tests that are actually cases

= TP / (TP+FP)TP / (TP+FP) Predictive value negative (PVN) proportion

of negative tests that are actually non-cases

= TN / (TN+FN)TN / (TN+FN)

P l




Prevalence

[True] prevalence = (TP + FN) / N

Apparent prevalence = (TP + FP) / N

Test D+ Dí Total

T+ TP FP TP+FP

Tí FN TN FN+TN

Total TP+FN FP+TN N



Predictive Value Positive (PVP)

Definisi : Predictive Value Positive dari suatu tes

diagnostik adalah probabilitas dari individu-individu

dengan hasil tes positif yang benar-benar sakit

Notasi : P (D+|T+ )

Kalkulasi : Positive Predictive Value = P(T+|D+)

Individu-individu dengan tes positif yangbenar-benar sakit

PVP=----------------------------------------------------------------Semua individu dengan hasil tes positif



Contoh : Dari 720 orang yang dinyatakan

positif oleh tes X, hanya 570 orang yang benar-

benar sakit (dinyatakan oleh Gold standard)

PVP dari tes X = P(D+T+) = 570/720 =

0.79 atau 79%



Predictive Value Negative (PVN)

Definisi : Predictive Value Negative dari suatu tes

diagnostik adalah probabilitas individu dengan hasil

tes negatif yang benar-benar sehat

Notasi : P(D-|T-)Kalkulasi : Peredictive Value Negative = P (D-|T-)

Individu-individu yang sehat dengan hasiltes negatif

PVN =---------------------------------------------------------------------Semua individu dengan hasil tes negatif



Contoh : dari 880 orang yang dinyatakan negati

oleh tes X tetapi yang dinyatakna benar-benar

sehat oleh gold standard hanya 850 orang.

Predictive Negative Value dari tes X=

850/880 = 0.96 atau 96%



Prevalence

Definisi : Prevalence adalah proporsi individu di

populasi yang telah sakit

Notasi : P (D+)

Kalkulasi : Prevalence = P(D+)

Jumlah individu sakit

Prevalence =------------------------------------Jumlah populasi



PREDICTIVE VALUE DEPEND ONPREDICTIVE VALUE DEPEND ON

1.1. PREVALENCE OF A DISEASEPREVALENCE OF A DISEASE

2.2. SPEC

EFIC

ITY OFA

SCR

EENING TESTSPEC

EFIC

ITY OFA

SCR

EENING TEST

Example: Low Prevalence




p

Population

D+ Dí Total

T+Tí

Total 1000 1,000,000

Use HIV screening test in one million people in which

HIV prevalence = .001

Since

Prev = (# of cases) / NThen (# of cases) = Prev × N.

For the illustration:

(# of cases) = 0.001× 1,000,000 = 1000

Example: SEN & SPEC




pLow prevalence population

D+ Dí Total

T+Tí

Total 1000 999,000 1,000,000

Use HIV screening test in one million people in which

HIV prevalence = .001

those free of disease1,000,000 ± 1,000 = 999,000

Example: SEN & SPEC




pLow prevalence example

D+ Dí Total

T+ 990

Tí

Total 1000

TP = SEN × (# of cases)= 0.99 × 1000

= 990

This test has a SENsitivity = .99

Thus, it will pick up 99% of the cases

Example: SEN & SPEC




pLow prevalence example

D+ Dí Total

T+ 990

Tí 10

Total 1000

False Negatives

It follows that:

Example: SEN & SPEC




plow prevalence example

D+ Dí Total

T+

Tí 989,010

Total 999,000

TN = SPEC × noncases= 0.99 × 999,000

= 989,010

This test has SPEC = .99

Thus, it will correctly identify 99% of the noncases

Example: SEN & SPEC




plow prevalence example

D+ Dí Total

T+ 9,990Tí 989,010

Total 999,000

False Positives

It follows that:

Example PVP




Example PVP

D+ Dí Total

T+ 990 9,990 10,980

Tí 10 989,010 989,020Total 1000 999,000 1,000,000

PVP = TP / (TP + FP) = 990 / 10,980 = 0.090Strikingly low PVP! (even though SEN & SPEC are

high)

The Predictive Value Positive is thus:

Example PVN




Example PVN

D+ Dí Total

T+ 990 9,990 10,980Tí 10 989,010 989,020

Total 1000 999,000 1,000,000

PVN = TN / (TN + FP) = 989010 / 999000 = 0.99

The Predictive Value Negative is thus:

Example: High prevalence




population

D+ Dí Total

T+ 99,000 9,000 108,000

Tí 1,000 891,000 892,000

Total 100,000 900,000 1,000,000

SEN = 99000 / 100,000 = 0.99

SPEC = 891,000 / 900,000 = 0.99

Prevalence = 100000 / 1,000,000 = 0.10 = 10%

An HIV screening test is used in one million people. Prevalence

in population is now 10%. SEN and SPEC are again 99%.

Example: PVP, PVN




p ,high prevalence population

D+ Dí Total

T+ 99,000 9,000 108,000

Tí 1,000 891,000 892,000

Total 100,000 900,000 1,000,000

PVP = 99,000 / 108,000 = 0.92 (better PVP in high prev pop.)

PVN = 891,000 / 900,000 = 0.99

Prevalence = 100000 / 1,000,000 = 0.10 = 10%

An HIV screening test is used in one million people. Prevalence

in population is now 10%. SEN and SPEC are again 99%.

RELATIONSHIP OF DISEASE PREVALENCE TORELATIONSHIP OF DISEASE PREVALENCE TO

PREDICTIVE VALUEPREDICTIVE VALUE




( Example : Sensitivity = 50%; Specificity = 50%)( Example : Sensitivity = 50%; Specificity = 50%)

125125

( TRUE( TRUE

POSITIVES)POSITIVES)

375375

( FALSE( FALSE ² ² POSOTIVE )POSOTIVE )

125125 375375

DIEASE

REVALENCE

DIEASE

REVALENCE

250250

( TRUE POSITIVES)( TRUE POSITIVES)

250250

( FALSE( FALSE ² ² POSOTIVEPOSOTIVE))

250250 250250

TEST DIEASED NON-DIEASED

+

-

250 750

500 500

25%


+

-

50%

PREDICTIVE VALUE

125

125+375= 25%

250

250+250= 50%

PREDICTIVE VALUE

RELATIONSHIP OF DISEASE PREVALENCE TORELATIONSHIP OF DISEASE PREVALENCE TO

D CT AD CT A




( Example : Prevalence = 30%; SENSITIVITAS = 50%)( Example : Prevalence = 30%; SENSITIVITAS = 50%)

150150

( TRUE( TRUE

POSITIVES)POSITIVES)

350350


150150 350350

SPECIFICITY

SPECIFICITY

150150

( TRUE POSITIVES)( TRUE POSITIVES)

140140


150150 560560


+

-

300 700

300 700

50%


+

-

80%

PREDICTIVE VALUE

150

150+350= 30%

150

150+140= 52%

PREDICTIVE VALUE



One of the reasons Positive Predictive Value isused as a measure of efficacy is because itdepends on the prevalence of the disease

For a given screening test with sensitivity fixedat X% and specificity fixed at Y%,

if the prevalence then PPV

orif the prevalence then PPV

For example, for a screening test withsens=99% and spec=95% (Gordis, 1996)



p ( , )

Disease

Prev Test Present Absent Total PP V

1% +

-

Totals

5% +

-

Totals

For example, for a screening test withsens=99% and spec=95% (Gordis, 1996)



p ( )

Disease

Prev Test Present Absent Total PP V

1% + 99 495 594 17%

- 1 9,405 9,406 =99/594

Totals 100 9,900 10,000

5% + 495 475 970 51%

- 5 9,025 9,030 =495/970

Totals 500 9,500 10,000

HubunganHubungan antaraantara SPSP dengandengan PP VPP V



PP V PP V sangat sangat dipengaruhidipengaruhi oleholeh SP,SP, tetapitetapi tidaktidak terlaluterlalu dipengaruhidipengaruhioleholeh SNSN daridari suatusuatu metodametoda skriningskrining..

MakinMakin tinggitinggi SP,SP, makamaka PP V PP V akanakan meningkat meningkat ((lebihlebih baikbaik). Hal). Hal iniiniterutamaterutama terjaditerjadi bilabila PrevalensPrevalens daridari penyakit penyakit ygyg didi--skrinskrin rendahrendah..

Ilustrasi hubungan Spesifitas (SP) dengan Positive Predictive Value (PPV):

Diketahui Prevalens = 10% dan SN = 100%

SP Hasil test Sakit Tdk Sakit Total PPV

70%

+

-

Total

1000

0

1000

2700

6300

9000

3700

6300

10000

1000/3700

=27%

95%+-

Total

10000

1000

4508550

9000

14508550

10000

1000/1450=69%



If increase sensitivity, reduce specificityIf increase sensitivity, reduce specificity



y, p yy, p yIf increase specificity, reduce sensitivityIf increase specificity, reduce sensitivity

22 26

Noglaucoma

glaucoma

4214

Area ofoverlap

For quantitative tests, we have to think aboutscreening a little differently



screening a little differently

Truly

Diseased

Not

Diseased

True Negatives

False Negatives

False Positives

True Positives

Disease Cutpoint for screening

Risk factor level

Risk factor level

So what would happen if we lowered the cut off?



Truly

Diseased

Not

Diseased

True Negatives

False Negatives

False Positives

TruePositives

Disease Cutpoint

Some notable features of sensitivity



yand specificity for a quantitative test:

Lowering the cutpoint for the screening test will

true positives sensitivity

true negatives specificity

And of course, increasing the cutpoint will havethe exact opposite effect.

Kombinasi Test SkriningKombinasi Test Skrining



Kombinasi Test SkriningKombinasi Test Skrining

Ada Ada 2 2 macammacam kombinasikombinasi testtest skriningskrining

ParalelParalel:: meningkatkanmeningkatkan sensitivitassensitivitas

Series = TwoSeries = Two--staged screening =staged screening =SkriningSkrining bertahapbertahap:: meningkatkanmeningkatkan

spesifisitasspesifisitas.. JenisJenis iniini yangyang lebihlebihseringsering dipakaidipakai..

What are other strategies for dealing



139

with this tradeoff ?

Use parallel tests

- here a positive result on any one test defines the person as a probable case

Use serial tests

- here a positive result on a first test are re-evaluated on a second test

- individuals must test positive on bothtests to be considered a probablecase.

Use of Multiple Screening TestsUse of Multiple Screening Tests



Sequential (two-stage) testing:

A less expensive, less invasive, or less

uncomfortable test is performed first«

those who screen positive are referred for

further testing using a test which may

ha

ve grea

ter sensitivitya

nd specificity«

reduces f alse positives, hence an increase

in net specificity.



141141

SkriningSkrining BertahapBertahap (two(two--stage screening)stage screening)



Skrining tahap I: lebih murah, tidak terlaluSkrining tahap I: lebih murah, tidak terlaluinvasif, atau tidak terlalu mengganggu.invasif, atau tidak terlalu mengganggu.

Hanya mereka yang positif thd. testHanya mereka yang positif thd. testskrining tahap I akan mendapat testskrining tahap I akan mendapat test

skrining tahapII

.skrining tahapII

. Skrining tahap II diharapkan dapatSkrining tahap II diharapkan dapat

mengurangi positif palsu (false positive).mengurangi positif palsu (false positive).

Contoh:Contoh:

Diabetes: test I gula darah, test II Diabetes: test I gula darah, test II glucose tolerance test (GTT)glucose tolerance test (GTT)

HI V: test I Elissa, test II Western blotHI V: test I Elissa, test II Western blot

C id th h th ti l l iC id th h th ti l l i



143143

Consider the hypothetical example inConsider the hypothetical example inFigure 5

Figure 5--77, in which a population is, in which a population isscreened for diabetes using a test withscreened for diabetes using a test with

a sensitivity of 70% and a specificitya sensitivity of 70% and a specificityof 80%.of 80%.

How are the data shown in this tableHow are the data shown in this tableobtained? The disease prevalence inobtained? The disease prevalence inthis population is given as 5%, so thatthis population is given as 5%, so that

in the population of 10,000, 500in the population of 10,000, 500persons have the disease.persons have the disease.



144

Figure 5-8 Hypothetical example of a two-stage screening program: II.

Downloaded from: StudentConsult (on 14 December 2008 10:30 AM)

© 2005 Elsevier

2 stages sequential testingD Prevalens Diabetes Mellitus (DM) = 5%.

Population = 10.000



145

Test I (Blood glucose)

DMPos (+) Neg (-)

Total

Pos (+) 350 1900 2250

Neg (-) 150 7600 7750

screen

test

500 9500 10000

SN = 350/500 = 70%

SP = 7600/9500 = 80%

Test II (Glucose Tolerance Test)

DMPos (+) Neg (-)

Total

Pos (+) 315 190 505

Neg (-) 35 1710 1745Test

350 1900 2250

SN = 315/350 = 90%

SP = 1710/1900 = 90%

Net SN = 315/500 = 63% )

Net SP = (7600 + 1710) / 9500 = 98% l



146146

Since 350 people (of the 2,250) haveSince 350 people (of the 2,250) havethe disease and the test has athe disease and the test has asensitivity of 90%, 315 of those 350sensitivity of 90%, 315 of those 350will be correctly identified as positive.will be correctly identified as positive.

Because 1,900 (of the 2,250) do notBecause 1,900 (of the 2,250) do nothave diabetes and the test specificityhave diabetes and the test specificity

is 90%, 1,710 of the 1,900 will beis 90%, 1,710 of the 1,900 will becorrectly identified as negative andcorrectly identified as negative and190 will be false positives190 will be false positives



147147

We are now able to calculate theWe are now able to calculate the netnetsensitivitysensitivity and theand the net specificitynet specificity of usingof usingboth tests in sequence.both tests in sequence.

After finishing both tests, 315 people of After finishing both tests, 315 people of

the total 500 people with diabetes in thisthe total 500 people with diabetes in thispopulation of 10,000 will have beenpopulation of 10,000 will have beencorrectly called positive:correctly called positive:

315/500 =

63%

315/500 =

63% net sensitivitynet sensitivity..

Thus, there is a loss in net sensitivity byThus, there is a loss in net sensitivity byusing both tests.using both tests.



148148

. To calculate. To calculate net specificitynet specificity, note that, note that7,6007,600 people of the 9,500 in thispeople of the 9,500 in thispopulation who do not have diabetespopulation who do not have diabeteswere correctly called negative in thewere correctly called negative in the

firstfirst--stage screeningstage screeningand were not tested further; anand were not tested further; anadditional 1,710 of those 9,500additional 1,710 of those 9,500

nondiabeticsnondiabetics were correctly calledwere correctly callednegative in the secondnegative in the second--stagestagescreening.screening.



149149

..Thus a total of 7,600 + 1,710 of theThus a total of 7,600 + 1,710 of the9,5009,500 nondiabeticsnondiabetics were correctlywere correctlycalled negative:called negative:

9,310/9,500 = 98%9,310/9,500 = 98% net specificitynet specificity..

Thus, use of both tests has resultedThus, use of both tests has resultedin a gain inin a gain in net specificitynet specificity

ContohContoh perhitunganperhitungan skriningskrining bertahapbertahap

Diketahui: Prevalens Diabetes Mellitus (DM) = 5% Besar



Diketahui: Prevalens Diabetes Mellitus (DM) 5%. Besar

populasi = 10.000

Test I (Gula Darah)

DM

Pos (+) Neg (-)

Total

Pos (+) 350 1900 2250

Neg (-) 150 7600 7750

Hasil

test

500 9500 10000

SN = 350/500 = 70%

SP = 7600/9500 = 80%

Test II (Glucose Tolerance Test)

DM

Pos (+) Neg (-)

Total

Pos (+) 315 190 505

Neg (-) 35 1710 1745

Hasil

Test

350 1900 2250

SN = 315/350 = 90%

SP = 1710/1900 = 90%

Net SN = 315/500 = 63% (mereka yang betul-betul positif diantara yang didiagnosa secara klinis

sebagai DM)

Net SP = (7600 + 1710) / 9500 = 98% (mereka yang betul-betul

negatif diantara yang didiagnosa secara

klinis sebagai bukan DM). SP meningkat

dibandingkan SP awal

Use of Multiple Screening TestsUse of Multiple Screening Tests



151151

Simultaneous testing:

Multiple tests are used simultaneously«

Person tests ³positive´ if there is a positive

result on any of the tests employed«

reduces f alse negatives, hence an increasein sensitivity « but at the expense of

decreased specificity.

Skrining ParalelSkrining Paralel



Skrining ParalelSkrining Paralel

PositifPositif,, bilabila individuindividu memberimemberi hasilhasilpositifpositif untukuntuk test yangtest yang manapunmanapun

((salahsalah satusatu maupunmaupun keduakedua testtestskriningskrining).).

MisMis:: skriningskrining CaCa mammaemammae dengandenganpemeriksaanpemeriksaan fisikfisik (PF)(PF) dandanmammografimammografi.. SudahSudah disebutdisebut positifpositifbilabila PF PF sajasaja (+),(+), atauatau mammomammo sajasaja(+).(+).

Simultaneous testing:Simultaneous testing:Let us now turn to the use of simultaneousLet us now turn to the use of simultaneous



153153

Let us now turn to the use of simultaneousLet us now turn to the use of simultaneoustests.tests.

Let us assume that, in a population of 1,000Let us assume that, in a population of 1,000people, the prevalence of a disease is 20%.people, the prevalence of a disease is 20%.

Therefore, 200 people have the disease, but weTherefore, 200 people have the disease, but wedo not know who they are.do not know who they are.

In order to identify the 200 people who haveIn order to identify the 200 people who have

this disease, we screen this population ofthis disease, we screen this population of1,000 using 2 tests for this disease, test A and1,000 using 2 tests for this disease, test A andtest B, at the same time.test B, at the same time.

Let us assume that the sensitivity andLet us assume that the sensitivity andspecificity of the two tests are as follows:specificity of the two tests are as follows:

Simultaneous testing:Simultaneous testing:



154154

Test ATest A Test BTest B

Sensitivity = 80% Sensitivity = 90%

Specifi city = 60% Specifi city = 90%

Test ATest A



155155

Test ATest A

Test BTest B



156156

Test BTest B

The first question we ask is "WhatThe first question we ask is "What



157157

The first question we ask is, "WhatThe first question we ask is, "What

is theis the net sensitivitynet sensitivity using test A using test A and test Band test B simultaneouslysimultaneously?"?"

To be considered positive andTo be considered positive andtherefore included in the numeratortherefore included in the numeratorfor net sensitivity for two tests usedfor net sensitivity for two tests usedsimultaneously, a person must besimultaneously, a person must beidentified as positive by test A, testidentified as positive by test A, testB, or both tests.B, or both tests.



158158

To calculate net sensitivity, let us firstTo calculate net sensitivity, let us firstconsider the results of screening withconsider the results of screening withtest A whose sensitivity is 80%: of thetest A whose sensitivity is 80%: of the200 people who have the disease, 160200 people who have the disease, 160test positivetest positive

InIn Figure 5Figure 5--9 A9 A, the oval represents, the oval representsthe 200 people who have the disease.the 200 people who have the disease.

InIn Figure 5Figure 5--9B9B the pink circle withinthe pink circle withinthe oval represents the 160 who testthe oval represents the 160 who testpositive with test A. These 160 are thepositive with test A. These 160 are thetrue positives using test A.true positives using test A.



159

Figure 5-9 Hypothetical example of simultaneous testing: Net sensitivity.


© 2005 Elsevier

Consider next the results of screening

with test B whose sensitivity is 90%



160

with test B whose sensitivity is 90% .

Of the 200 people who have the disease,180 test positive by test B.

In Figure 5-9C, the oval again representsthe 200 people who have the disease.

The blue circle within the oval represents

the 180 who test positive with test B.These 180 are the true positives using test

B.

In order to calculate the numerator for net

sensitivity we cannot just add the number



161

sensitivity, we cannot just add the number

of persons who tested positive using testA to those who tested positive using test

B because some people tested positive on

both tests.These people are shown in lavender by

the overlapping area of the two circles,

and we do not want to count them twice(Fig. 5-9D). How do we determine how

many people tested positive on both tests?

Test A has a sensitivity of 80% and thus



162

Test A has a sensitivity of 80% and thus

identifies as positive8

0% of the 200 whohave the disease (160 people).

Test B has a sensitivity of 90%. Therefore,it identifies as positive 90% of the same

160 people who are identified by test A(144 people).

Thus, when tests A andB

are usedsimultaneously, 144 people are identifiedas positive by both tests (Fig. 5-9E).

Recall that test A correctly identified 160



163

people with the disease as positive.

Because 144 of them were identified byboth tests, 160 - 144, or 16 people, were

correctly identified only by test A .

Test B correctly identified 180 of the 200

people with the disease as positive.

Because 144 of them were identified byboth tests, 180 - 144, or 36 people, were

correctly identified only by test B.



164

Thus, as seen in Figure 5-9F, the net

sensitivity using tests A and B simultaneously

:

16 +144 +36 = 196/200 = 98 %

200

The next question is "What is the net specificity



165

The next question is, What is the net specificity

using test A and test B simultaneously?"

To be included in the numerator for net

specificity for two tests used simultaneously, a

person must be identified as negative by bothtests.

In order to calculate the numerator for net

specificity, we therefore need to determine howmany people had negative results on both tests.

How do we do this?

Test A has a specificity of 60% and thus



166

p y

correctly identifies60% of the

800 who donot have the disease (480 people) .

In Figure 5-10A, the oval represents the

800 people who do not have the disease.

The green circle within the oval in Figure

5-10B represents the 480 people who test

negative on test A. These are the truenegatives using test A.



167

Figure 5-10 Hypothetical example of simultaneous testing: Net specificity .


© 2005 Elsevier

Test B has a specificity of 90% and thus



168

Test B has a specificity of 90% and thus

identifies as negative 90% of the 800 peoplewho do not have the disease (720 people) and

the yellow circle in Fig. 5-10C).

However, to be called negative in simultaneoustests, only people who test negative on both

tests are considered to have had negative

results (Fig. 5-10D).

These people are shown in light green by the

overlapping area of the two circles.

Test B also identifies as negative 90% of the



169

es a so de es as ega e 90% o e

same 480 people identified as negative bytest A (432 people).

Thus, as shown by the overlapping circles,when tests A and B are used simultaneously,

432 people are identified as negative by both

tests (Fig. 5-10E).



170

Thus, when tests A and B are usedsimultaneously (Fig. 5-10F),t

The net specificity = 432/800 = 54%.

Thus, when two simultaneous tests are



171

,

used, there is a net gain in sensitivity (from80% using test A and 90% using test B to

98% using both tests simultaneously).

However, there is a net loss in specificity

(net specificity = 54%) compared to using

either test alone (specificity of 60% using

test A and 90% using test B).

Sensitivitas dan Spesifisitas adalahSensitivitas dan Spesifisitas adalahparameter yang digunakan untukparameter yang digunakan untuk



parameter yang digunakan untukparameter yang digunakan untuk

melakukan skrining atau tidak. Keduamelakukan skrining atau tidak. Keduaparameter ini tidak dipengaruhi olehparameter ini tidak dipengaruhi olehprevalens.prevalens.

Predictive values dihitung setelah testPredictive values dihitung setelah testdilakukan, dan digunakan utk menilaidilakukan, dan digunakan utk menilai

hasil test skrining. Parameter inihasil test skrining. Parameter inidipengaruhi oleh Sensitivitas,dipengaruhi oleh Sensitivitas,Spesifisitas, dan Prevalens dariSpesifisitas, dan Prevalens daripenyakit.penyakit.

KriteriaKriteria PenyakitPenyakit yangyang sesuaisesuaiutkutk dilakukandilakukan SkriningSkrining



utkutk dilakukandilakukan SkriningSkrining

PenyakitPenyakit harusharus adaada didi populasipopulasi yangyangakanakan didi--skrinskrin

PenyakitPenyakit yangyang merupakanmerupakan masalahmasalah::morbiditasmorbiditas dandan/ /atauatau mortalitasnyamortalitasnyatinggitinggi didi masyarakatmasyarakat

DeteksiDeteksi dinidini dandan intervensiintervensi harusharusdapatdapat memperbaikimemperbaiki outcomeoutcome

RisikoRisiko SkriningSkrining



True Positive: labeling effect.True Positive: labeling effect.

Org yg mempunyai hasil positif akanOrg yg mempunyai hasil positif akandikategorikan sebagai sakitdikategorikan sebagai sakit

False Positive:False Positive:

Pengeluaran uang yg tidak perluPengeluaran uang yg tidak perlu

Kemungkinan harm dari testKemungkinan harm dari test

konfirmasikonfirmasi

Anxiety Anxiety

Takut untuk menjalani test di masa y.a.dTakut untuk menjalani test di masa y.a.d

Risiko SkriningRisiko Skrining



True Negative:True Negative:

biaya yg dikeluarkan dan risiko untukbiaya yg dikeluarkan dan risiko untukdilakukan test.dilakukan test.

False Negative:False Negative:

Delayed interventionDelayed intervention

Mengabaikan tanda2 dini dan gejalaMengabaikan tanda2 dini dan gejalapenyakitpenyakit

Evaluasi SkriningEvaluasi Skrining



SurvivalSurvival tidaktidak dapatdapat dipakaidipakai untukuntukmengevaluasimengevaluasi skriningskrining karenakarena adanyaadanyalead time biaslead time bias dandan length bias.length bias.

EfektifitasEfektifitas testtest skriningskrining dapatdapat dinilaidinilaidaridari mortality ratemortality rate populasipopulasi ygyg didi--skrinskrindibandingkandibandingkan dengandengan mortalitasmortalitaspopulasipopulasi yangyang tidaktidak didi--skrinskrin..

Evaluasi Program SkriningEvaluasi Program Skrining



ReliabilityReliability

FeasibilityFeasibility

Validity Validity

PerformancePerformance

EffectivenessEffectiveness

Validitas:Validitas:



Validitas: Validitas:

Sensitifitas dan SpesifisitasSensitifitas dan Spesifisitas

Performance:Performance:

Positive Predictive Value (probabilitasPositive Predictive Value (probabilitasutk sakit diantara yang test positive)utk sakit diantara yang test positive)

Negative Predictive ValueNegative Predictive Value

(probabilitas utk tidak sakit diantara(probabilitas utk tidak sakit diantarayang test negative)yang test negative)

FeasibilityFeasibility



Acceptability Acceptability

CepatCepat

MudahMudah

Aman Aman

CostCosteffectivenesseffectiveness

SkriningSkrining

DiagnosisDiagnosis

FollowFollow--upup

IntervensiIntervensi


http://slidepdf.com/reader/full/sesi-7skrining-indonesia2009-000 180/182Epidemiology Kept Simple




p gy p p

Chapter 4

Screening for Disease

Referensi



Gordis L eon, M.D., M.P.H., Dr.P.H. 2009. Epidemiolgy. W.B.Saunders Company. Philadelphia,chapter 5

sesi 7_skrining indonesia2009-000

Documents