Ukuran-Ukuran Dasar Dalam Epidemiologi

Created by : Aria Gusti

What Is The Unique Skill Of Epidemiologists?

MEASURING DISEASE FREQUENCY IN

POPULATIONS

1. Rasio- Dapat dinyatakan dalam a/b

- Berguna untuk pembandingan

- Contoh ukuran yang menggunakan rasioSex ratio

Dependency ratio

Rasio bidan per penduduk

Rasio puskesmas per penduduk

A. Perhitungan Frekuensi Penyakit

How Many?

Community A Community B

2. Proporsi / Persentase

• Menyatakan besar relatif suatu kelompok terhadap total semua kelompok

• Untuk dua kelompok a dan b, proporsi a= a/(a+b) atau persentase a = a/(a+b) x 100%

Misal : Proporsi kematian karena DHF adalah jumlah yang mati karena DHF dibagi jumlah seluruh kematian

Distribusi Frekuensi, Proporsi dan Persentase Responden Menurut Tingkat Pendidikan

Tingkat Pendidikan Frekuensi Proporsi %

Tidak sekolah/tdk tamat SD 5 5/53 9,4

Tamat SD 23 23/53 43,4

Tamat SLTP 10 10/53 18,9

Tamat SLTA 11 11/53 20,8

Tamat Diploma/Universitas 4 4/53 7,5

Jumlah 53 100

3. Rate

• Besarnya peristiwa yang terjadi terhadap jumlah keseluruhan penduduk dimana peristiwa itu berlangsung dalam suatu batas waktu tertentu

• Memasukkan unsur waktu dalam perhitungan rasio maupun proporsi

• Contoh:– CDR (crude death rate)– CBR (crude birth rate)– RNI (rate of natural increase)

Rate

1000hun tengah tapopulasi

setahun dalam hidupkelahiran NCBR

1000hun tengah tapopulasi

setahun dalamkematian NCDR

CDRCBRRNI

B. Ukuran Morbiditas

1. Insidensi

Jumlah kejadian/penyakit (kasus baru) pada kelompok pddk tertentu dlm suatu kurun waktu tertentu

Pada penyakit menular tertentu dengan masa tunas yg pendek dapat dihitung attack rate (angka serangan), misal pada wabah atau Kejadian Luar Biasa (KLB) yg biasanya berlangsung tidak terlalu lama (beberapa hari atau minggu saja).

2. Prevalensi

a. Point prevalence, jlh seluruh penderita (lama+baru) yg ada pada suatu saat tertentu

b. Periode prevalence, jlh seluruh penderita (lama+baru) yg ada pada suatu periode tertentu

Contoh soal :

1. Jika kita ingin memperoleh ukuran insidensi kanker payudara diantara wanita di Tanah Datar selama tahun 2009, kasus kanker payudara mana yg kita jadikan penyebut (numerator) ?

a. Seluruh kasus kanker payudara diantara wanita Tanah Datar tahun 2009 ?, atau

b. Hanya kasus baru kanker payudara diantara wanita Tanah Datar tahun 2009 ?

Contoh soal :

2: Diasumsikan kita mulai menghitung insidensi pada 1 januari 2009, wanita Tanah Datar mana yg kita jadikan pembilang (denuminator) dari ukuran insidensi ?

a. Seluruh wanita di Tanah Datar pada tahun 2009.

b. Hanya wanita tanpa kaknker payudara di Tanah Datar pada 1 Januari 2009

Contoh soal :

3: Untuk menghitung prevalensi kanker payudara pada wanita Tanah Datar tahun 2009, kasus kanker payudara mana yang kita jadikan numeraor ?

a. Seluruh kasus kanker payudara yg dilaporkan pad atahun 2009?

b. Seluruh kasus kanker payudara yg pernah dilaporkan?, atau

c. Seluruh kasus kanker payudara yg masih bertahan yg pernah dilaporkan?

4.Selama tahun 2009 ditemukan 100 org penderita TB baru. Penderita TB tahun 2008 yang masih bertahan sampai tahun 2009 50 orang. Jumlah pddk Tanah Datar 400.000 orang.

Hitung angka insidensi dan prevalensi TB di Kab Tanah Datar tahun 2009!

Contoh soal :

Manfaat ukuran insidensi

1. Angka insidensi dapat digunakan untuk mengukur angka kejadian penyakit. Perubahan angka insidensi dapat menunjukkan adanya perubahan faktor2 penyebab penyakit, yaitu fluktuasi alamiah dan adanya program pencegahan.

2. Dalam penelitian epidemiologi sebab akibat3. Perbandingan antara berbagai populasi dengan

pemamapan yg berbeda4. Untuk mengukur besarnya risiko determinan

tertentu

Manfaat ukuran prevalensi

1. Menggambarkan tingkat keberhasilan program pemberantasan penyakit

2. Penyusunan perencanaan pelayanan kesehatan, misal obat, tenaga, ruangan

3. Menyatakan banyaknya kasus yg dapat didiagnosis

C. Ukuran Mortalitas

1. Crude Death Rate (CDR)

Angka kematian kasar adalah jumlah kematian yg dicatat selama satu tahun per 1000 penduduk di pertengahan tahun yg sama

AKK/CDR = Jmh kematian yg dicatat dlm thn kalender X 1000Jlh seluruh pddk pertengahan thn yg sama

2. Age Specific Death Rate (ASDR)

Jmlh kematian pada kelompok umur tertentu

tertentu selama satu tahun

Jmlh penduduk golongan umur tersebut pada

pertengahan tahun yg sama

/ 1000

• Bisa interval 5 tahunan atau• Kelompok umur khusus spt : neonatus, bayi,

balita, usia sekolah, dewasa, usia lanjut, dll.

Kelompok Umur

Cth : Angka Kematian Bayi (Infant Mortality Rate)

Dirinci lagi menjadi :

Perinatal Mortality Rate (Kematian Janin >28 mgg Usia Kehamilan s.d bayi berusia 7 hari)

Neonatal Mortality Rate (0 – 1 bulan)

Post Neonatal Mortality Rate (1 bulan – 1 tahun)

A. Infant mortality rate (IMR)

Examples for age spesific death rates:

Jmlh kematian bayi selama satu tahun

Jmlh bayi lahir hidup di area yg sama dan tahun yg sama/ 1000

Tinggi rendahnya IMR berkaitan dengan

1. Penyakit infeksi yg dapat dicegah dgn imunisasi

2. Diare yg dapat menyebabkan dehidrasi

3. Personal higiene dan sanitasi lingkungan yg kurang memadai, serta sosial ekonomi rendah

4. Gizi buruk dan daya tahan tubuh yg menurun

B. Perinatal mortality rate (PMR)

Examples for age spesific death rates:

Jmlh kematian janin pada kehamilan 28 mgg atau lebih +

jumlah kematian bayi < 7 hari selama satu tahun

Jmlh bayi lahir hidup di area yg sama dan tahun yg sama

/ 1000

Tinggi rendahnya PMR berkaitan dengan

1. Banyaknya bayi Berat Badan Lahir Rendah (BBLR)

2. Status gizi ibu dan bayi

3. Keadaan sosial ekonomi

4. Penyakit infeksi terutama ISPA

5. Pertolongan persalinan

C. Neonatal mortality rate (NMR)

Examples for age spesific death rates:

Jmlh kematian bayi berumur < 28 hari selama satu tahun

Jmlh bayi lahir hidup di area yg sama dan tahun yg sama/ 1000

Tinggi rendahnya NMR berguna untuk mengetahui :

1. Tinggi randahnya usaha perawatan antenatal/ selama kehamilan dan post natal/perawatan bayi setelah lahir

2. Program imunisasi

3. Pertolongan persalinan

4. Penyakit infeksi terutama ISPA

D. Post Neonatal mortality rate (PNMR)

Examples for age spesific death rates:

Jmlh kematian bayi berumur > 28 hari sampai 1 tahun

selama satu tahun

Jmlh bayi lahir hidup di area yg sama dan tahun yg sama

/ 1000

Tinggi rendahnya PNMR berkaitan dengan :

1. Penyakit infeksi yang sebenarnya dapat dicegah dengan imunisasi

2. Diare yg mengakibatkan dehidrasi

3. Lingkungan dan higiene sanitasi yg kurang memadai

4. Gizi buruk dan penurunan daya tahan tubuh

E. Angka Kematian Balita (Akaba)

Examples for age spesific death rates:

Jmlh kematian balita dalam 1 tahun

Jmlh balita di area yg sama dan tahun yg sama/ 1000

Tinggi rendahnya Akaba berkaitan dengan :

1. Program pelayanan kesehatan

2. Program imunisasi

3. Program perbaikan gizi

4. Tingkat pendidikan, keadaan sosial ekonomi, dll

Tinggi rendahnya MMR berkaitan dengan

Examples for age spesific death rates:

F. Maternal Mortality Rate (MMR)

Jmlh kematian ibu karena kehamilan, persalinan dan

masa nifas selama satu tahun

Jmlh kelahiran hidup pada tahun dan wilayah yg sama

/ 100 000

1. Keadaan sosial ekonomi

2. Kesehatan ibu selama hamil, bersalin dan nifas

3. Pelayanan kesehatan terhadap ibu

4. Pertolongan persalinan dan perawatan masa nifas

3. Cause Specific Mortality Rate (CSMR)

Jmlh kematian karena sebab penyakit tertentu

selama satu tahun

Jmlh penduduk pada pertengahan tahun yg sama

/ 100000

Jumlahnya sangat kecil dibandingkan jumlah penduduk

Maka digunakan konstanta 100.000 untuk menghindari angka desimal

Lebih menunjukkan keganasan penyakit

tersebut pada kondisi atau lingkungan

tertentu

Seperti kematian saat Kejadian Luar Biasa

(KLB) penyakit tertentu

Jmlh kematian karena penyebab penyakit tertentu

dlm suatu lingkungan dan kurun waktu tertentu

Jmlh penderita penyakit tsb dlm lingkungan dan kurun

waktu yg sama

/ 1 000

4. Case Fatality Rate (CFR)

Selama tahun 2009 di Tanah Datar dilaporkan 9.000 kasus DBD. 100 org diantaranya meninggal dunia. Jumlah pddk Tanah Datar 400.000 orang.

Hitung angka :

1. Cause Spesific Mortality Rate (CSMR)

2. Case Fatality Rate (CFR)

Contoh soal :

D. Ukuran Fertilitas

1. Crude Birth Rate (CBR)Angka kelahiran kasar adalah jumlah kelahiran yg dicatat selama satu tahun per 1000 penduduk di pertengahan tahun yg sama

Jmlh kelahiran hidup selama satu tahun

Jmlh penduduk pada pertengahan tahun yg sama/ 1000

• Perhitungan CBR ini sederhana, mudah dihitung tetapi kasar.

• Perhitungan ini disebut perhitungan kasar karena yang menjadi pembagi adalah seluruh penduduk baik laki-laki maupun perempuan seluruh usia termasuk yang bukan perempuan usia reproduksi (15-49 tahun).

Keterbatasan CBR

2. Age Specific Birth Rate (ASBR)Jumlah kelahiran hidup oleh ibu pada golongan umur tertentu yg dicatat selama satu tahun per 1000 penduduk wanita golongan umur tertentu pada pertengahan tahun yg sama

Jmlh kelahiran hidup oleh ibu golongan umur

tertentu selama satu tahun

Jmlh penduduk wanita golongan umur tertentu

pada pertengahan tahun yg sama

/ 1000

Age Specific Birth Rate (ASBR)

• Biasanya dengan interval 5 tahun• Usia subur = 15 – 49 tahun 7 interval.• Dapat disusun menjadi distribusi frekuensi pada

setiap golongan umur (interval). • Dapat diketahui : umur berapa yang punya

tingkat kesuburan yang tinggi.

• Usia 15-20 5/25 x 1000 = 200 per 1000

• Usia 20-25 10/30 x 1000 = 333 per 1000

Dapat disimpulkan wanita usia 20-25 tahun. lebih subur daripada usia 15-20 tahun

E. Ukuran RisikoRisiko dapat diartikan sebagai derajad ketidakpastian

Risiko = 0 Ada kepastian suatu peristiwa tidak akan terjadi

Risiko = 1Terdapat kepastian bahwa suatu peristiwa pasti akan terjadi

Besarnya risiko untuk terkena penyakit dapat dibandingkan dengan menghitung besarnya insidensi suatu penyakit antara orang yg terpapar dgn faktor penyebab penyakit tsb dgn yg tidak terpapar

1. Risiko Atribut (Attribute Risk/AR)

• Selisih angka insidensi antara kelompok terpapar dgn tidak terpapar

• Dianggap sbg akibat pemaparan oleh faktor penyebab penyakit (atribut)

Cth : Hubungan antara merokok dgn kanker paru

Dari 100 perokok berat 5 menderita ca paru besar risiko = 5/100 = 0,05

Dari 100 bukan perokok 2 menderita ca paru besar risiko = 2/100 = 0,02

Risiko Atribut = 0,05 – 0,02 = 0,03 3% insidensi ca paru disebabkan oleh kebiasaan merokok

Risiko atribut bermanfaat untuk memperkirakan besarnya risiko yg dapat dihindarkan bila ‘atribut’ yg dianggap sbg penyebab penyakit dihindarkan.

Cth : Hubungan antara kontrasepsi oral dgn tromboflebitis

Dari 1700 pengguna kontrasepsi oral 17 menderita tromboflebitis

Dari 1000 yg tdk menggunakan kontrasepsi 5 menderita tromboflebitis

Risiko Atribut = (17/1700) – (5/1000) = 0,005 0,5%

Risiko tromboflebitis yg dapat dihindarkan dgn tidak menggunakan kontrasepsi oral adalah 0,53%

Risko atribut penting diketahui untuk :

• Penyuluhan kepada masyarakat ttg manfaat yg diperoleh bila faktor penyebab penyakit dihindarkan

• Menyusun rencana pencegahan penyakit dgn menghilangkan atau mengurangi ‘atribut’ atau faktor yg dianggap sbg penyebab timbulnya penyakit

2. Risiko Relatif (Risk Ratio/RR)

• Menghitung rasio antara 2 kelompok• Membandingkan insidensi antara kelompok terpapar dgn

yg tidak terpapar

Cth : Hubungan antara merokok dgn kanker prostat

Dari 1000 perokok 90 menderita ca prostat

Dari 1000 bukan perokok 30 menderita ca prostat

Besarnya risiko yg ditanggung oleh perokok untuk terkena ca prostat dibandingkan dgn bukan perokok dapat dijelaskan sbb.

Ca Prostat Jumlah Risiko

+ -

Perokok 90 910 1000 0,09

Bukan perokok 30 970

1000 0,03

Jumlah 120 1880 2000 RR=3,0

Kesimpulan : Perokok mempunyai risiko menderita Ca Prostat 3 kali lebih besar dibandingkan dengan bukan perokok

3. Odds Ratio (OR)

• Pada penelitian retrospektif perhitungan risiko relatif hanya berdasarkan perkiraan saja yg disebut odds ratio.

• Yg dibandingkan bukan angka insidensi tetapi pemaparan

Cth : Hubungan antara merokok dgn kanker prostat

Dari 1000 perokok 90 menderita ca prostat

Dari 1000 bukan perokok 30 menderita ca prostat

Besarnya risiko yg ditanggung oleh perokok untuk terkena ca prostat dibandingkan dgn bukan perokok dapat dijelaskan sbb.

Ca Prostat Odds

+ -

Perokok 90 910 90/910

Bukan perokok

30 970 30/970

Odds 90/30 910/970 OR=3,2

Kesimpulan : Besarnya risiko untuk menderita Ca Prostat pada perokok 3,2 kali lebih besar dibandingkan dengan risiko menderita prostat pada yang bukan perokok

• OR = 90/910 : 30/970

= 90 x 970/30x910

= 87300/27300

= 3,2

Thank You