studi kasus kontrol tidak berpasangan - staf...

Studi Kasus Kontrol Berpasangan

Materi Kuliah Perancangan Kajian Epidemiologi

(IPH 616)

Pengertian: Pemadanan (matching) adalah

retriksi parsial dalam seleksi subyek

Tujuan:

Membuat perkiraan asosiasi yang disesuaikan

(adjusted)

Meningkatkan presisi dan efisiensi untuk besaran

sampel tertentu

Pengertian dan tujuan

3

Confounding

Exposure Outcome

Peubah ketiga

Berasosiasi dengan paparan

- tanpa konsekuensi menjadi paparan

Berasosiasi menjadi outcome

- Tidak berasosiasi dengan paparan

4

Matching

Memastikan bahwa faktor perancu (confounding) terdistribusisecara merata di setiap kelompok studi Kontrol dipilih dengan cara memadankan terhadap karakteristik

yang spesifik dengan kasus

Kelompok unexposed dipilih dengan cara memadankan terhadapkarakteristik yang spesifik dengan kelompok exposed

Memeperoleh suatu data set yang seimbang, sehingga dapat: Mencegah confounding (jika dipadankan dengan confounder)

Meningkatkan presisi studi

5

Jenis

Individual matching

Kontrol dipilih secara individu untuk setiap kasusdengan memadankannya dengan peubah pemadantertentu

Pasangan individu (1:1)

Pemilihan kontrol lebih dari satu per kasus (1:n)

Frequency matching

Jumlah kontrol dipilih dalam suatu kategori peubahpemadan sesuai dengan jumlah kasus

Pemadanan dilakukan dengan menggunakan kelompoksuatu subyek

6

Individual matching

Echovirus meningitis outbreak, Germany, 2001

Kajian kasus kontrol berpadanan1:1

Source: A Hauri, RKI Berlin

Controls

Exposed Unexposed Total

Exposed 194 46 240

Cases

Unexposed 6 29 35

Total 200 75 275

7

Individual matching

Echovirus meningitis outbreak, Germany, 2001

Kajian kasus kontrol berpadanan1:1

Source: A Hauri, RKI Berlin

Controls


Exposed 194 46 240

Cases

Unexposed 6 29 35

Total 200 75 275

Concordant

pairs

Discordant pairs

8

Individual matching Controls


Exposed 194 46 240

Cases

Unexposed 6 29 35

Total 200 75 275

Cases Controls Total

Exposed 240 200 240

Unexposed 35 75 35

275 275 550

Matched 2x2 table

Unmatched 2x2 table

x

9

Individual matching: Analisis

Masing-masing pasangan dianggap satu strata

Hitung Mantel-Haenszel odds ratio

Nomenclature tabel 2x2 berpadanan Controls

Exposed Unexposed

Exposed e f

Cases

Unexposed g h

][

][

i

i

MHncb

ndaOR

10

Situasi e

Case Control Total ad/T bc/T

Exposed 1 1 2 0/2 0/2 Unexposed 0 0 0

Total 1 1 2


Controls

Exposed Unexposed

Exposed e f

Cases

Unexposed g h

11

Situation f


Exposed 1 0 1

Unexposed 0 1 1 1/2 0/2

Total 1 1 2


Controls

Exposed Unexposed

Exposed e f

Cases

Unexposed g h

12

Situation g


Exposed 0 1 1

Unexposed 1 0 1 0/2 1/2

Total 1 1 2


Controls

Exposed Unexposed

Exposed e f

Cases

Unexposed g h

13

Situation h


Exposed 0 0 0

Unexposed 1 1 2 0/2 0/2

Total 1 1 2


Controls

Exposed Unexposed

Exposed e f

Cases

Unexposed g h

14


ad/N bc/N

Situation e 0 0

Situation f 1/2 0

Situation g 0 1/2

Situation h 0 0

exposed control wherepairs discordant

exposed case wherepairs discordant

g

f

0h1/2g0f0e

0h 0g 1/2f 0e

][

][

i

i

MHncb

ndaOR


g

f

0h1/2g0f0e

0h 0g 1/2f 0e

][

][

i

i

MHncb

ndaOR



gf

gf

22 )(

Mantel-Haenszel 2 test untuk padanan 1:1 = McNemar’s Test

16


Controls


Exposed 194 46 240

Cases

Unexposed 6 29 35

Total 200 75 275

7.67 6

46

g

f ORMH 2 = (46 – 6) 2/(46 + 6)= 30.77

17

Pemadanan kasus terhadap n kontrol

Prinsipnya sama dengan pemadanan 1:1

Istilah:

Pasangan (pair) (1 kasus, 1 kontrol)

Triplet (1 kasus, 2 kontrol) 2 pasangan

Quadruplet (1 kasus, 3 kontrol) 3 pasangan

dst.

Analisis stratifikasi dengan menggunakanpasangan-pasangan tersebut

Conditional logistic regression analysis

18

Pemadanan kasus terhadap n kontrol

Quadruplets

Control1 Control2 Control3 C+/Ctrl - C-/Ctrl+

Case 1 + + − − 2 0

Case 2 − − + − 0 1

Case 3 + − − − 3 0

Case 4 + + + − 1 0

Total 6 1

1

6



MHOR

19

Frequency matching: Analisis

Age (yrs) Cases Controls, matched

0-14 10 10

15-29 15 15

30-44 35 35

>44 25 25

Total 85 85

20

Frequency matching: Analisis

Age (yrs) Cases Controls, matched

0-14 10 10

15-29 15 15

30-44 35 35

>44 25 25

Total 85 85

Stratum 2

15-29 yrs Cases Controls Total

Exp 7 5 12

N_exp 8 10 18

Total 15 15 30

Stratum 1

0-14 yrs Cases Controls Total

Exp 6 1 7

N_exp 4 9 13

Total 10 10 20

Stratum 3

Stratum 4

21

Mengapa dilakukan analisis stratifikasi?

Matching menghilangkan confounding, tetapi

memunculkan faktor confounding yang baru

Kontrol tidak lagi representatif (selection bias)

Kasus dan kontrol hampir mirip. Dengan

menghilangkan faktor pemadan, OR biasanya

underestimate

Matched design = matched analysis

Matching dilakukan jika peubah yang digunakan

untuk pemadanan (extraneous variable) adalah

confounder.

Jika terdapat hubungan yang kuat antara

extraneous variable dengan peubah exposure

overmatching

karena distribusi exposure pada kelompok kasus

dan kontrol akan memiliki kesamaan yang lebih

besar dibandingkan dengan populasi sumbernya.

Overmatching

23

Overmatching

20 kasus cryptosporidiosis

? Berasosiasi dengan kedatangan di kolam

renang setempat

2 Studi kasus kontrol berpadanan

Kontrol dari tempat latihan umum yang

sama dengan kasus (general practice (GP)

dan tgl lahir yang hampir sama

Kontrol adalah teman kasus

24

Overmatching

Controls

Exposed Unexposed

Exposed 1 15

Cases

Unexposed 1 3

GP, age-matched

OR = f/g = 15/1 = 15

Controls

Exposed Unexposed

Exposed 13 3

Cases

Unexposed 1 3

Friend-matched

OR = f/g = 3/1 = 3

Ukuran contoh studi berpadanan 1:1

)( 0110 qpqp

mn

Keterangan:

2

2

1

1(2

P

PPzz

m

P = R/(1 + R), R = prakiraan odds ratio

p1 = p0 R/[1 + p0 (R-1)]

p0 = proporsi kontrol yang terpapar variabel yang diteliti pada populasi sasaran

q0 = 1 - p0

q1 = 1 – p1

26

Keuntungan

Metode yang bermanfaat dalam kajian kasuskontrol untuk mengoptimumkan sumber daya.

Dapat mengendalikan faktor yang komplek, seperti lingkungan, genetik, dll.

Dapat meningkatkan efisiensi studi Mengatasi masalah data yang langka dengan cara

menyeimbangkan strata

Memaksimumkan informasi jika ukuran sampel kecil

Kadang-kadang lebih mudah untukmengidentifikasi kontrol Sampel acak tidak mungkin dilakukan

27

Kekurangan

Tidak dapat menguji asosiasi dengan peubahpemadan

Jika tidak ada kontrol yang teridentifikasi, makadata kasus akan hilang

Overmatching terhadap exposure akanmenyebankan OR berbias mendekati 1

Analisis statistika yang lebih rumit

Kadang-kadang sulit untuk mendapatkankontrol yang sesuai

28

Take-home messages

Merupakan teknik yang bermanfaat jika digunakan denganbijaksana Data set yang seimbang, meningkatkan presisi, mencegah

confounding

Dapat mengendalikan faktor yang komplek, yang kemungkinansulit diukur

Jangan melakukan pemadanan karena pertimbangankemudahan “Rutin”

Malas untuk memperoleh contoh acak dari populasi sumber

Ingin menghindarkan ukuran contoh yang besar

Jika melakukan pemadanan, maka pemadanan dilakukandengan menggunakan confounder

studi kasus kontrol tidak berpasangan - staf...

Documents