Ada dua desain umum studi cross-sectional. Yang pertama adalahsurvei yang dilakukan untuk menentukan prevalensi penyakit atau fisiologisstatus populasi pekerja, atau beberapa subset daripadanya, disatu titik waktu. Jenis studi cross-sectional dapat disebutsurvei satu kali. Pendekatan kedua, survei dicabut, adalahperpanjangan survei satu kali di mana kesehatan selanjutnya (danpaparan) penilaian yang dibuat pada tenaga kerja. Umumunsur semua studi cross-sectional adalah bahwa hasil kesehatanjumlah kasus penyakit yang ada dalam populasi pada suatu titikpada waktunya. Harus diakui bahwa penyakit istilah digunakan secara longgardi sini untuk mencakup penyakit yang sebenarnya (misalnya, penyakit jantung iskemik),gejala (misalnya, mati rasa pada ekstremitas), dan fisiologis negara(Misalnya, menghitung diferensial sel darah putih).Meskipun studi cross-sectional dapat dianggap sebagai variandesain epidemiologi lainnya, mereka memiliki karakteristik yang membedakan:selalu melibatkan pengukuran prevalensi penyakit lebihdari kejadian. Prevalensi penyakit menunjukkan jumlah kasus yang ada dalam populasi. Prevalensi titik mengacu pada prevalensidiperkirakan pada satu titik waktu (misalnya, jumlah pekerja denganbronkitis kronis ditentukan selama survei yang dilakukan pada tahun 1988).Prevalensi periode menunjukkan jumlah kasus yang ada selamabeberapa interval waktu (misalnya, jumlah pekerja dengan carpal tunnelsindrom selama tahun 1974-1988). Prevalensi periode jarangdiduga dalam epidemiologi kerja. Selain itu, interpretasiperiode prevalensi tidak jelas karena merupakan campuran dariprevalensi titik awal dan tingkat insiden berikutnya. Dengan demikian, kitaakan membatasi perhatian kita ke titik prevalensi, selanjutnya disebuthanya sebagai prevalensi.Prevalensi dihitung sebagai jumlah kasus dibagi denganjumlah pekerja dalam penelitian ini. Dengan demikian, prevalensi adalah proporsi.Tingkat prevalensi istilah kadang-kadang digunakan, meskipun beberapa penulis(Misalnya, Elandt-Johnson, 1975) cadangan tingkat istilah untuk nomorkasus baru terjadi dari waktu ke waktu. Lazim, atau yang sudah ada, kasustermasuk kasus yang berkembang selama periode waktu yang berbeda tetapidi mana individu yang masih hidup dan terus mainfcst penyakitpada saat studi cross-sectional. Ada hubungan langsungantara kejadian penyakit, durasi penyakit, dan prevalensi(Freeman dan Hutchison, 1980).Studi prevalensi sangat berharga bagi nonfatal, degeneratifpenyakit tanpa poin dari onset. Perawatan medis untuk sepertipenyakit (misalnya, bronkitis kronis) seringkali tidak dicari sampai penyakittelah menjadi relatif maju (Kelsey et al., 1986). Prevalensi penyakitakan terbesar bagi penyakit yang relatif sering terjadidalam angkatan kerja (yaitu, tingkat kejadian yang tinggi) dan bertahan untuk waktu yang lamawaktu. Penyakit ketekunan berarti bahwa penyakit ini tidak cepatfatal pada dirinya sendiri, tidak secara rutin mengakibatkan komplikasi fatal,dan bukan kondisi sementara dengan hanya periode singkat dari aktivitas.Kebanyakan penelitian prevalensi terbatas pada pekerja aktif, dan dengan demikian akantidak mendeteksi penyakit yang mengakibatkan penghentian cepat kerja.Osteoarthritis adalah contoh dari kondisi yang lazim di beberapapekerjaan yang melibatkan tekanan muskuloskeletal berulang danOleh karena itu akan cocok untuk studi cross-sectional. Akutleukemia myelogenous, sebaliknya, akan hampir mustahil untukmenyelidiki dalam studi cross-sectional.2.1. Survei One-TimeJenis yang paling umum dari studi cross-sectional adalah survei satu kalidi mana prevalensi penyakit pada populasi pekerja diukur pada satu titik waktu. Gambar 7-1 menunjukkan bagaimana lima pekerja hipotetisakan diklasifikasikan dalam studi cross-sectional yang dilakukan pada tahun 1988.Pekerja A, B, dan C berada di "terkena" kategori, sedangkan pekerjaD dan E adalah "non-terpapar." Dalam sebuah studi cross-sectional, semuapekerja kecuali C akan dimasukkan karena pekerja C sebelumnyakerja kiri. Di antara terkena, pekerja B akan diklasifikasikansebagai kasus, tapi Seorang pekerja tidak akan, karena penyakitnya tidakhadir pada saat penelitian. Di antara non-terbuka, pekerjaD akan menjadi kasus. Dengan demikian, perbandingan sederhana terpajan dan tidak terpajanakan menyarankan prevalensi yang sama, meskipun fakta bahwainsiden penyakit lebih besar di antara terkena. Kami membahasbias jenis ini kemudian dalam bab ini.2.2. Survei diulangSurvei diulang, kadang-kadang disebut studi panel, adalah serangkaian cross sectionalStudi yang dilakukan dari waktu ke waktu, biasanya pada kelompok yang samapekerja. Tujuan dari survei diulang adalah untuk mengevaluasi perubahanstatus kesehatan dalam kaitannya dengan perubahan eksposur. Desain sebuahSurvei diulang digambarkan pada Gambar 7-2. Karena survei diulangmelibatkan tindak lanjut dari kelompok pekerja, dapat dianggap sebagaikasus khusus dari penelitian kohort prospektif. Survei berulang terutamaberguna untuk studi variabel fisiologis, seperti pulmo-nary fungsi atau tekanan darah, yang berubah selama beberapatahun dapat menunjukkan tahap awal proses penyakit.Ketika perubahan fisiologis adalah hasil studi, pendekatan terbaikadalah untuk memasukkan mata pelajaran yang sama dalam survei diulang. Namun, beberapasurvei diulang termasuk pendaftar baru atau bahkan dapat dilakukanpada kelompok yang sama sekali baru dari pekerja. Dalam contoh terakhir,Penelitian cross-sectional asli direplikasi. Orang mungkin memilih untuk menirusebuah studi cross-sectional pada kelompok yang berbeda (s) pekerja jikatujuan penelitian adalah untuk memperkirakan prevalensi penyakit atau fisiologisFungsi dalam keadaan paparan berubah. Sebagai contoh,jika pada tahun 1960 kita telah mempelajari prevalensi hipertensiantara pekerja yang terpapar tingkat tinggi racun kardiovaskular daneksposur telah berkurang selanjutnya, maka mungkin saja diinginkanuntuk melakukan survei prevalensi baru pada tahun 1988 pada kelompok yang berbedapekerja. Hipertensi, jika tidak diobati, adalah kondisi persisten;dengan demikian, termasuk pekerja dari survei awal akan mencegah kitadari menentukan efek paparan diturunkan.Apabila hasil kesehatan tidak dianggap persisten, termasuksubyek yang sama dalam survei diulang pada umumnya lebih validdaripada memilih mata pelajaran baru, karena sebagian besar pembaur bisa dihilangkanjika pengukuran individu dalam dua (atau lebih) survei dapatdihubungkan. Mempelajari mata pelajaran yang sama berulang-ulang mungkin juga advan-tageous dalam hal efisiensi statistik karena biasanya kurangvariabilitas dalam pengukuran dalam individu dibandingkan antara kelompok(Berry, 1974).3. SUMBER KESEHATAN DAN SAMBUNGAN DATA3.1. Hasil Data KesehatanKeuntungan utama dari studi cross-sectional adalah bahwa spektrum yang luashasil kesehatan dapat dipelajari. Ini span berkisar daripenyakit klinis (misalnya, infark miokard) yang juga mungkintermasuk dalam kelompok atau kasus-kontrol studi untuk fisiologis halusperubahan (misalnya, tingkat enzim hati) yang hanya dapat dideteksi dengan khususteknik laboratorium. Akibatnya, ada beragamsumber dan metode yang digunakan untuk memperoleh informasi hasil kesehatan(Tabel 7-3). Sumber khas termasuk pemeriksaan fisik, radiografisurvei, laporan laboratorium, catatan medis, asuransiklaim, dan kuesioner diberikan kepada pekerja. Data darilebih dari satu sumber ini termasuk dalam banyak cross-sectionalstudi, terutama ketika ada beberapa hasil kesehatanbunga atau ketika hasil kesehatan utama memerlukan konfirmasiData dari beberapa sumber untuk mendirikan diagnosis. Silikosis, yangBukti pelengkap dari radiografi, pemeriksaan fisik,dan pengujian fungsi paru diperlukan untuk membentuk tegasdiagnosis, adalah salah satu contohnya.3.2. data eksposurSumber data eksposur yang berguna untuk studi cross-sectionaltergantung pada sifat dari hasil kesehatan diselidiki.Sebagai contoh, dalam sebuah studi tentang hubungan antara paparan timbal bersamaan dan fungsi ginjal, udara dan konsentrasi mungkin kemihtimbal adalah faktor paparan yang relevan. Sebaliknya, kitamungkin tertarik untuk mengetahui tidak hanya "saat ini" eksposurpara pekerja tetapi juga paparan kumulatif mereka untuk memimpin. Oleh karena itu,kami akan melengkapi data eksposur saat ini dengan indeksseumur hidup bekerja paparan timbal yang berasal dari kompilasi masa lalubekerja informasi sejarah.Beberapa sumber yang paling berguna dari data eksposur saat ini danpengukuran terakhir industri kesehatan, sejarah pekerjaan, sampel biologisdari senyawa atau metabolit mereka, dan kuesioner diberikanuntuk pekerja atau pengawas mereka (Tabel 7-4). Bila mungkin,diinginkan untuk mencoba untuk menguatkan pengukuran paparan ataulaporan dari lebih dari satu sumber.4. PILIHAN TOPIK PILIHANAda beberapa pilihan untuk memilih pekerja untuk dimasukkan dalamPenelitian cross-sectional. Pendekatan yang ideal adalah untuk mempelajari semua yang aktif danpensiunan yang pernah bekerja di pabrik atau industri, tetapiini jarang praktis. Pendekatan yang paling lengkap dan layakbiasanya untuk mencakup semua pekerja aktif di pabrik atau industri.Lainnya, strategi yang lebih ketat yang mencakup subset pekerjadipilih berdasarkan karakteristik paparan atau, lebih jarang,untuk memilih pekerja sehubungan dengan pengalaman kesehatan. keuntungandan kelemahan dari berbagai pilihan seleksi busur dipertimbangkan dalammengikuti diskusi.4.1. Tanaman-atau Industri Studi LebarTermasuk semua pekerja aktif bekerja di pabrik atau industri analoguntuk melakukan penelitian kohort pada seluruh tenaga kerja. IniPendekatan dibenarkan ketika data kesehatan busur direkam secara rutin untuk semuapekerja, seperti dari pemeriksaan pra kerja dan selanjutnya.Sebuah Ditanam atau industri survei lebar umumnya meningkat ketika data paparan juga diperoleh kering ditabulasikan untuk semua karyawan(Misalnya, dosimetri radiasi di PLTN). Namun, kecuali dalamtenaga kerja kecil kurang dari, katakanlah, 100 pekerja, pendekatan ini bisamenjadi mahal, terutama ketika rumit danprosedur diagnostik atau laboratorium mahal diperlukan.Pembenaran lain untuk termasuk semua pekerja, bahkan ketika kesehatanData tidak tersedia, adalah ketika industri yang ditelitimelibatkan eksposur terhadap bahaya dikenal. Penelitian cross-sectional makamenjadi berpotensi manfaat langsung kepada pekerja dengan melayani sebagaiberarti skrining penyakit dan rujukan untuk pengobatan untuk diidentifikasikasus.Seperti penelitian kohort, kadang-kadang mungkin disarankan untuk membatasisubjek dalam penelitian cross-sectional untuk pekerja dengan minimumDurasi kerja jika ada alasan untuk percaya bahwa paparanEfek memerlukan induksi minimum atau waktu latency. Tidak termasukpekerja jangka pendek dengan kemungkinan atipikal sosiodemografi char-acteristics adalah alasan lain untuk memaksakan kerja minimumkriteria durasi dalam beberapa studi. Dalam penelitian yang diuraikan dalam Contoh7.3, para peneliti memilih sepuluh tahun minimum kerja dipertambangan kriteria inklusi karena dianggap bahwa pernapasanefek dianggap diperlukan eksposur berkepanjangan.4.2. Seleksi Status ExposurePaling sering, para pekerja yang dipilih untuk studi cross-sectional padaberdasarkan status eksposur mereka. Artinya, pekerja dengan eksposur tertentuprofil dalam pabrik atau industri yang ditargetkan untuk studi. DiContoh 7.1 kita melihat bahwa tukang las yang dipilih secara khusus karenaeksposur mereka dan dibandingkan dengan pekerja lain diasumsikannon-terkena las asap. Isolasi kelompok paparan tertentubunga, termasuk pekerja non-terbuka, bisa lebih costandwaktu-efisien daripada mempelajari seluruh tenaga kerja. Atau,himpunan bagian dari pekerja yang terpapar dapat dipilih dari survei tanaman-lebaruntuk penyelidikan medis yang lebih intensif. Dalam contoh terakhirSurvei keseluruhan akan berfungsi sebagai mekanisme penyaringan penyakit.Desain penelitian cross-sectional, dimana sampel subyekdipilih berdasarkan tingkat paparan dari kolam yang lebih besar dari pekerja, merupakan strategi yang efisien dalam hal memfasilitasi mengevaluasi eksposur-gradien respon, terutama ketika pekerja dari seluruh yangberbagai eksposur adalah sampel.Contoh 7.4 dan 7.5 juga menggambarkan dua metode paparanklasifikasi. Dalam studi tukang las (lihat Contoh 7.4), paparanklasifikasi dibuat berdasarkan tingkat diukur pada saatpenelitian, sedangkan dalam studi pekerja kehutanan (lihat Contoh7.5), paparan kumulatif digunakan untuk mengkategorikan pekerja. Secara umum,eksposur saat ini lebih relevan daripada paparan kumulatifdalam studi gejala sisa jangka pendek, dan eksposur kumulatifyang lebih tepat untuk efek tertunda atau progresif.4.3. Seleksi Status PenyakitPemilihan subjek untuk studi cross-sectional juga dapat dibuat dengansehubungan dengan status penyakit. Berikut penelitian yang digunakan adalah desain kasus kontrolyang terbatas pada kasus-kasus umum. Dalam situasi ini, kasus penyakitantara tenaga kerja dibandingkan dengan noncases sehubungan denganeksposur. Sebagai contoh, kita dapat membandingkan profil pemaparan sekelompok pekerja dengan neuropati perifer dengan perbandingankelompok pekerja lain bebas dari penyakit. Seperti dalam casecontrol khasPenelitian, yang cocok di pembaur dapat diterapkan.4.4. Perbandingan PopulasiMengingat hanya desain cross-sectional paling khas, dimanapemilihan subjek berdasarkan status paparan, ada beberapa pilihanpilihan untuk populasi perbandingan (Tabel 7-8). SepertiStudi kohort, kita dapat mengklasifikasikan kelompok pembanding baik sebagaipopulasi eksternal atau internal.Perbandingan eksternalData dari survei prevalensi populasi umum dapat membentuk dasaruntuk perbandingan prevalensi penyakit atau distribusi variabel fisiologisdengan populasi penelitian. Sebagai contoh, NasionalKesehatan dan Gizi Pemeriksaan Survei yang dilakukan pada sampeldari populasi Amerika Serikat (Pusat Nasional untuk Statistik Kesehatan, 1973)telah menghasilkan sejumlah besar data pada kardiovaskularpenyakit, tekanan darah, diabetes, dan kondisi lainnya. Perbandinganterhadap populasi umum dapat dibuat untuk seluruh tenaga kerjaatau himpunan bagian dari pekerja yang ditunjuk sesuai dengan eksposurtingkat. Perbandingan prevalensi penyakit dengan populasi umummungkin bias oleh Sehat Pekerja Efek dalam banyak cara yang samabahwa perbandingan kematian dengan populasi perbandingan eksternalsering bias dalam penelitian kohort. Bahkan, penyakit yang samayang biasanya lebih sering terjadi pada kohort industri kematianpenelitian (misalnya, penyakit pernapasan kronis) juga kurang umum di antara populasi pekerja dalam studi prevalensi (Sterling danWeinkam, 1985). Sehat Pekerja Effect bahkan mungkin lebih kuatdalam studi prevalensi karena mereka biasanya hanya mencakup aktifpekerja yang dipekerjakan.Sumber lain data perbandingan eksternal diterbitkan laboratoriumnilai untuk variabel fisiologis. Contohnya termasuk parunilai fungsi, jumlah sel darah diferensial kering distribusi sel darah putih,nilai lipid serum, dan berbagai kimia darah. IniData yang digunakan untuk mewakili "normatif" nilai-nilai, memberikan citherrentang normal atau, dalam beberapa kasus, diperkirakan nilai bagi individuberdasarkan jenis kelamin, etnis, variabel antropometri, atau merokokkebiasaan.Satu harus berhati-hati tentang mengandalkan dipublikasikan normatifData untuk perbandingan ketika sumber busur data referensi tidakditentukan secara eksplisit. Seringkali tidak ada cara untuk mengetahui karakteristikdari populasi dari mana data tersebut dihasilkan. Beberapasumber data ini termasuk relawan sehat (sering,mahasiswa kedokteran), donor darah, dan pasien yang menerima rutinpemeriksaan medis. Survei yang dilakukan pada kelompok-kelompok yang dipilih secara acak dari populasi umum adalah sumber yang lebih baik dari "eksternalnilai acuan dari yang dijelaskan sebelumnya.Pekerja dari industri lain juga dapat dipilih sebagai eksternalkelompok pembanding. Strategi yang paling diinginkan adalah untuk memilih perbandingangrup dari industri yang mempekerjakan pekerja dengan sosiodemografikarakteristik yang mirip dengan orang-orang dari kelompok terpapartetapi bebas dari paparan bunga dan dari eksposur lainnyayang dapat menyebabkan hasil kesehatan yang diteliti. Sebagai contoh, jika kitasedang mempelajari efek neurobehavioral antara pekerja yang terpaparpelarut organik dalam pabrik cat, maka yang cocokkelompok pembanding eksternal mungkin pekerja di beberapa pabrik lainnyayang tidak terkena pelarut atau logam neurotoksik (misalnya, memimpinpekerja pabrik baterai akan dihilangkan dari pertimbangan).Perbandingan internalKelompok pembanding internal dipilih dari antara angkatan kerjatermasuk dalam penelitian cross-sectional digunakan terutama untuk memeriksagradien prevalensi menurut tingkat eksposur. Metode untukpengelompokan populasi penelitian dalam studi cross-sectional adalahsama seperti yang dijelaskan dalam Bab 5 untuk studi kohort, dan karena itutidak akan mengulangi. Perbedaan utama antara sub-kohortanalisis dan subkelompok analisis dalam studi cross-sectional adalahbahwa, dalam kasus yang paling umum, analisis sub-kohort membutuhkan atribusiorang-time ke setiap strata paparan dicapai, sedangkan diStudi cross-sectional subkelompok paparan diperlakukan sebagai tetapkategori (seperti eksposur hanya dinilai pada satu titik waktu), sehinggamenyederhanakan analisis jauh.Kita telah melihat contoh perbandingan internal dalamStudi oleh Sjogren dan Ulfvarsori (1985) tukang las (lihat Contoh7.4) dan Miyashita et al. (1983) dari gergaji operator (lihat Contoh7.5). Dalam studi terakhir perbandingan itu dengan kehutanan lainnyapekerja tanpa gergaji paparan, meskipun kita mungkin juga mempertimbangkanpekerja dengan 0-2,500 kumulatif orang-jam rantaimelihat pekerjaan sebagai kategori referensi internal lain (lihat Tabel 7-7).Biasanya, hal ini sangat diinginkan untuk memilih kelompok pembanding internal yangkarena perbandingan prevalensi dengan pekerja non-terpapar cenderungakan kurang dipengaruhi oleh Sehat Pekerja Effect, sumberbias seleksi, dan membingungkan. Sejumlah kecil non-terpaparpekerja mungkin memerlukan penggunaan perbandingan eksternal,namun demikian.5, METODE ANALISIS DATAPada bagian ini kami akan menjelaskan metode untuk analisis cross-sectionalData penelitian. Metode untuk membandingkan prevalensi penyakit yangdiuraikan pertama. Selanjutnya, kita mempertimbangkan teknik analitik yang berguna untukmembandingkan distribusi variabel fisiologis, termasuk perubahandari waktu ke waktu yang akan diukur dalam survei diulang.5.1. Perbandingan PrevalensiTabel 7-11 menampilkan tata letak data dasar untuk studi cross-sectionalmembandingkan prevalensi penyakit antara kelompok paparan. Format data ini merupakan tabel empat kali lipat untuk strata z'th beberapaperancu (misalnya, umur).Jika kita menunjukkan prevalensi penyakit tertentu dalam penelitian inipenduduk menurut P, maka dapat ditampilkan (Rothman, 1986) bahwaPenyakit rata prevalensi odds sama dengan tingkat kejadian (/) kaliDurasi (D) ketika tingkat kejadian konstan dari waktu ke waktu:Dengan demikian, kemungkinan prevalensi [ekspresi (7.1)] adalah hasil dasarmengukur dalam studi cross-sectional karena berbanding lurusdengan kejadian penyakit yang menarik intrinsik. Oleh karena itu, prevalensiodds ratio, yang merupakan rasio odds prevalensi diterkena peluang prevalensi di non-terkena, adalah dasarefek ukuran dalam studi cross-sectional. Ini berarti bahwa metodeuntuk memperkirakan odds rasio dalam studi kasus-kontrol (lihat Bab6) juga dapat diterapkan dalam studi cross-sectional. Secara khusus, prevalensiodds ratio dapat dihitung dengan menggunakan Mantel-HaenszelMetode (Mantel dan Haens / el, 1959) seperti yang diberikan dalam ekspresi (6.6).Juga, interval kepercayaan berbasis tes (Miettinen, 1976) [ekspresi(6.3)], yang menggunakan Mantel-Haenszel chi-square [rumus (6.2)],bisa digunakan. Sebuah metode alternatif untuk kepercayaan estimasi intervaldiberikan oleh Robins et al. (1986) [ekspresi (6,8)], dapat digunakanbukan metode berbasis tes. Karena prosedur ini telahdibahas dalam Bab 6, kita berkonsentrasi di sini pada metode yang melibatkanprevalensi sendiri, yang mendekati kemungkinan prevalensi saatPenyakit ini jarang terjadi.Prevalensi antara terkena (T3), dan non-terpapar (P0)masing-masing adalah,Perbandingan prevalensi dapat mengambil bentuk perbedaan atau rasiolangkah-langkah. Prevalensi perbedaan (PD) hanya ekspresi (7,2) -Ekspresi (7.3), atauRasio prevalensi (PR) adalah hasil bagi dari dua prevalensi:Untuk menggambarkan perhitungan untuk kasus yang paling sederhana ini, pertimbangkandata prevalensi bronkitis kronis di kalangan tukang las (Sjogren danUlf'varson, 1985) dari Tabel 7-1. Di antara tukang las aluminiumPrevalensi adalah 4/59 atau 6,78 kasus per 100 pekerja, dan prevalensiantara pekerja non-terpapar dari industri yang sama adalah 2 /64, atau 3,13 per 100. Dengan demikian, perbedaan prevalensi adalah 6,78-3,13== 3.65, dan rasio prevalensi adalah 6.78 / 3.13 = 2.17.Tindakan Ringkasan EffectHal ini biasanya menarik untuk menghitung perbedaan prevalensi tunggal atauRasio di strata pembaur sehingga untuk menyederhanakan presentasihasil. Satu prosedur menggabungkan perbedaan prevalensidi strata untuk mendapatkan ukuran ringkasan adalah untuk menghitung tertimbangrata-rata perbedaan, di mana bobot adalah invers darivarians dari perbedaan prevalensi-strata tertentu. Perkiraandari varians dari perbedaan prevalensi (Rothman, 1986)diberikan sebagaidi mana notasi berikut bahwa Tabel 7-11. Prevalensi RingkasanPerbedaan (SPD) kemudian menjadidimana W, adalah invers dari varians dari lapisan-spesifikPD ,. Interval kepercayaan untuk varians tertimbang prevalensi terbalikPerbedaan (Kleinbaum et al., 1982) diberikan sebagaidimana W, adalah invers-strata tertentu dari varians; danZ adalah standar normal menyimpang (misalnya, Z = \ 0,96 untuk 95-persen keyakinanInterval).Satu dapat menghitung perkiraan Mantel-Haenszel dari SPR(Greenland dan Robins, 1985) menurut berikutekspresi:Interval kepercayaan untuk SpRM ^ H dapat diperoleh dengan menghitungvarians dari ln (SPRM_H) dan eksponensial. Perkiraanrumus untuk variansi ln (SPRM_H) (Greenland dan Robins,1985) adalahInterval kepercayaan untuk SpRM H kemudianBila ada lebih dari dua atau tiga pembaur, yang stratifiedMetode analisis yang dijelaskan di sini mungkin sulit untuk menerapkankarena jumlah kecil di beberapa strata. Dalam situasi ini, matematikapemodelan dapat digunakan (lihat Bab 8). Pendekatan terbaikadalah model peluang prevalensi menggunakan regresi logistik, seperti yang dilakukanuntuk data kasus-kontrol.5.2. Perbandingan Distribusi Variabel fisiologisDalam beberapa penelitian cross-sectional hasil kesehatan terusdidistribusikan variabel fisiologis bukan hanya kehadiranatau tidak adanya penyakit atau gejala. Sesuai statistikprosedur analisis dijelaskan dalam buku teks standar pada regresianalisis (Snedecor dan Cochran, 1967; Kleinbaum dan Kupper,1978; Draper dan Smith, 1981). Pembaca disebut initeks untuk mendapatkan pemahaman yang komprehensif tentang teknik-teknik khususdan sifat matematika yang mendasarinya. Bagian berikutmerangkum beberapa metode praktis untuk analisis data yangdiperoleh dalam studi cross-sectional kerja dari fisiologisvariabilitas.Satu-Time Data SurveiDalam situasi yang paling sederhana yang akan membandingkan distribusi fisiologisvariabel (misalnya, fungsi paru) antara pekerja yang terpapardan kelompok pembanding. Satu umum, dan berguna, pertamapendekatan adalah untuk membandingkan nilai rata-rata antara kelompok. Jika uji statistik yang diinginkan, maka i-uji Student untuk tak tertandingi atauData cocok, tergantung pada pekerja apakah terbuka dan perbandingankelompok telah cocok, dapat dihitung. EkstensiZ-test untuk beberapa kategori paparan analisis varians(Draper dan Smith, 1981), di mana tes keseluruhan signifikansi (Uji F)dilakukan antara sarana semua kelompok.The / analisis-test dan varian F-test hanya cocok ketatuntuk data terdistribusi normal. Beberapa variabel fisiologis tidakterdistribusi normal, tetapi transformasi logaritmik dari datadapat membuat lebih banyak data terdistribusi normal.Metode umum untuk meneliti hubungan antarapaparan dan variabel hasil kesehatan kontinyu adalah beberapa linearanalisis regresi. Model regresi mengambil bentukdimana Y merupakan variabel hasil, X, busur eksposurdan variabel pengganggu, R, adalah koefisien mereka, dan e adalahIstilah kesalahan acak. Bn adalah istilah intercept yang hanya rata-ratanilai variabel hasil untuk seluruh kelompok yang akanterlihat jika tidak ada variabel eksposur atau salah satu pembaurmemiliki efek apapun. Koefisien menunjukkan jumlah perubahandalam variabel hasil per unit perubahan dari eksposur atau perancu.Dengan demikian, model regresi memperkirakan dampak dari masing-masing independenvariabel (X,) disesuaikan dengan dampak dari semua variabel laindalam model.Bentuk paling sederhana dari ekspresi (7.12) adalah Y = Bn + BTX, di manaX dapat mengambil nilai-nilai baik 1 untuk terbuka dan 0 untuk non-terpapar.(Kami telah menghilangkan istilah error di sini.) Jika X diperlakukan sebagai kontinyuvariabel (misalnya, ppm trichloroethylene), maka interpretasiB, adalah perubahan tambahan untuk variabel hasil per unitpaparan (dalam hal ini, per ppm trichloroethylene). Seperti yang telah kitaterlihat, kadang-kadang hanya mungkin untuk menetapkan peringkat paparan ordinal.Jika, misalnya, kita membandingkan nilai hasil kesehatanantara empat kelompok paparan, maka kita akan membutuhkan tiga variabel X(X ,, X2, dan X3), masing-masing nilai asumsi 0 atau 1 untuk terkena ataunon-terkena tingkat tertentu. Jadi, jika kita memiliki empat kategoritrichloroethylene- 5 ppm-kitaakan membangun tiga istilah paparan dalam model regresi X ,,X2, dan X: i. Dengan demikian, seorang pekerja di kategori terendah akan ditugaskannilai 0 untuk ketiga X istilah, seorang pekerja di kategori kedua (1.0-2,4 ppm) akan diberi nilai 1 untuk X! dan 0 untuk masing-masingistilah X lainnya, dan sebagainya. Koefisien untuk salah satu dari persyaratan X kemudian akan menunjukkan perbedaan berarti antara tingkat itudan tingkat eksposur terendah.Berulang-Analisis Data SurveiJenis yang paling sederhana dari survei diulang adalah ketika kesehatanData yang diperoleh dari mata pelajaran yang sama pada dua titik waktu. IniDesain yang paling berlaku untuk pengukuran variabel fisiologis(Data kontinu). Hal ini juga memungkinkan untuk memperoleh biner berulangdata (misalnya, gejala pernapasan), tapi ini jarang dilakukan dalam kerjaepidemiologi. Oleh karena itu, kita akan fokus pembahasan padasurvei diulang variabel fisiologis.Biasanya, desain survei diulang menilai perubahan fisiologisfungsi dari waktu ke waktu, seperti yang digambarkan oleh Contoh 7.2 tentangFungsi paru-paru pada petugas pemadam kebakaran (Peters et al., 1974). Perbandingan antara dua titik dalam waktu membutuhkan dipasangkan pengukuran yangperbedaan dihitung untuk setiap individu. Desain dipasangkan,dimana setiap mata pelajaran berfungsi sebagai perbandingan sendiri, memiliki keuntunganmengendalikan untuk pembaur dari faktor pribadi (misalnya,kebiasaan merokok). Selanjutnya, perbedaan variabel fisiologisbiasanya dapat didistribusikan bahkan ketika variabel sendiritidak. Sebagai contoh, jumlah trombosit dapat log didistribusikan secara normaldalam sampel pekerja, namun perbedaan antara nilai yang terukurdi dua titik waktu akan diharapkan untuk mendekati normaldistribusi yang lebih erat. Pengecualian untuk generalisasi ini terjadiketika perubahan variabel dari waktu ke waktu dalam arah diprediksi, terlepasstatus paparan. Fungsi paru, misalnya,menurun seiring dengan usia; dengan demikian, dipasangkan perbedaan fungsi parupengukuran yang dilakukan pada dua titik dalam waktu tidak lebih normaldidistribusikan dari nilai ditentukan pada satu waktu.Sebuah langkah survei diulang hanya dapat mencakup satu kelompok terpaparnamun masih memberikan estimasi perubahan valid, asalkan hasilnyavariabel tidak diharapkan untuk mengubah arah diketahui. Akan Tetapi,jika diketahui bahwa variabel dapat berubah dari waktu ke waktu, terlepas daripaparan (misalnya, usia atau efek musiman), maka lebih baik untuk memilikikelompok pembanding yang benar dari siapa berulang pengukuran jugadiperoleh pada waktu yang sama sebagai kelompok terpapar. Hal ini analoguntuk memilih kelompok plasebo terkontrol dalam terapi klinistrial. Bila hanya satu kelompok terpapar dievaluasi berulang kali, itu harusdiasumsikan bahwa perubahan yang diharapkan dari variabel hasil adalahnol. Secara umum, perkiraan yang lebih baik dari perubahan berarti yang diharapkan bisadiperoleh dari perubahan berarti yang terjadi di antara perbandingankelompok. Data yang diterbitkan pada variabel fisiologis dapat digunakan untukmenghasilkan nilai-nilai diprediksi jika tidak mungkin untuk mengidentifikasi cocokperbandingan kelompok, dalam hal perubahan dapat dinyatakansebagai persentase dari yang diperkirakan.Hal ini juga diakui bahwa ketika pengukuran ulang dilakukanuntuk variabel fisiologis, kedua dan pengukuran berikutnya untukorang dengan nilai-nilai awalnya ekstrim cenderung untuk berkumpul ke arahRata-rata kelompok. Fenomena ini dikenal sebagai regresi untuk mean(Davis, 1976). Regresi untuk mean hanya menimbulkan masalah untuk datainterpretasi dalam survei diulang ketika subjek dengan nilai-nilai ekstrimyang istimewa dipilih untuk pengukuran berulang. (Ini adalahsering dilakukan dalam program skrining penyakit dan pengobatan rujukan,seperti survei tekanan darah.) Bias dari regresi untuk meansecara efektif dihilangkan ketika pengukuran ulang dilakukanterlepas dari nilai awal.Sebuah survei diulang menggabungkan pengukuran yang dilakukan pada lebihdari dua titik waktu membutuhkan perhitungan yang lebih rumityang dapat dicapai dengan menggunakan analisis regresi. Pada prinsipnya, iniAnalisis melibatkan komputasi kemiringan regresi waktu pada hasilvariabel untuk setiap pekerja, memperoleh kemiringan rata-rata untukkelompok, dan membandingkan hasil ringkasan ini dengan referensi yangKelompok (Draper dan Smith, 1981; Donner, 1984).