Sesi I_Sejarah, Pengertian, Konsep, Peranan Epidemiologi Dan Transisi Epidemiologi
Indikator Pengukuran Dalam Epidemiologi Penyakit Kronik
-
Upload
ramlihamdan -
Category
Documents
-
view
149 -
download
0
description
Transcript of Indikator Pengukuran Dalam Epidemiologi Penyakit Kronik
Indikator & pengukuran dalam epidemiologi penyakit kronik& degeneratif sertafaktor yang mempengaruhi akurasi
Prof.Dr.dr.Rizanda Machmud M.Kes
KONSEP SEHAT - SAKIT
• Batasan sehat itu sendiri sangat beragam, salah satu konsep sehat menurut WHO, adalah: suatu keadaan sehat yang komplit meliputi fisik, mental, sosial dan bukan hanya ketiadaan dari penyakit ataupun kelemahan
• Penilaian terhadap kesehatan individu didasarkan pada pemeriksaan fisik, pemeriksaan laboratorium, dan pemeriksaan-pemeriksaan lainnya terhadap kesehatan orang yang bersangkutan
• Penilaian terhadap kesehatan masyarakat didasarkan pada kejadian-kejadian penting yang menimpa penduduk atau masyarakat
• Indikator kesehatan masyarakat, seperti angka kematian, angka kelahiran, angka kesakitan
4
Pengertian, tujuan, & manfaat
• Kumpulan keterangan berbentuk angka yang berhubungan dengan masalah kesehatan
• Semua catatatan berupa angka yang dikumpulkan secara sistematis ttg kesehatan dan hal-hal yang berhubungan dengan kesehatan.
• Tujuannya, untuk memperoleh informasi yang jelas & terperinci ttg keadaan kesehatan suatu masyarakat.
5
Pengertian, tujuan, & manfaat (lanj)
• Manfaat :• Mengukur derajat kesehatan masyarakat• Memonitor kemajuan status kesehatan• Mengadakan evaluasi program• Mengadakan perbandingan keadaan kesehatan• Memotivasi petugas & pengambil keputusan• Menentukan prioritas masalah
6
Proporsi, Rate & Ratio
• Proporsi• Perbandingan antara dua nilai dimana pembilang
merupakan bagian dari penyebut • Rate
• Perbandingan antara dua nilai dimana pembilang merupakan bagian dari penyebut, & unsur waktu juga diperhatikan.
• Ratio• Perbandingan dimana pembilang dan penyebut
merupakan kelompok yang berbeda
Tabel 1. Distribusi Frekuensi Penyakit Menurut 10 Penyakit Terbanyak di Puskesmas ABC tahun XXX
Jenis \penyakit Jumlah
(Nilai absolut)
Persentase %
(Nilai Relatif)
ISPA
Dermatitis
Artritis
Diare
Gastritis
Anemia
Katarak
Ginggivitis
Tumor
Dan lain-lain
Jumlah
13.526
10.523
5.637
4.120
1200
52
45
36
12
10.560
45.801
29.53
22.98
12.31
9
2.62
0.11
0.09
0.07
0.03
23.05
100
CONTOH RATIO
• Perbandingan antara pria dan wanita dalam data kependudukan dikelurahan jumlah penduduk laki-laki adalah 11.543 orang dan jumlah penduduk wanita adalah 11.474 orang
• 11.543/ 11.474 = 1.006• Ratio jumlah penduduk antara pria dan
wanita adalah ini berarti penduduk laki-laki lebih banyak 1.006 kali dibandingkan penduduk wanita
STATISTIKA MORTALITAS
• Angka kematian kasar• Specific death Rate• Case Fatality Rate
• Proporsional Mortality Rate
ANGKA KEMATIAN KASAR
• Adalah jumlah seluruh kematian selama satu tahun berjalan dibagi jumlah penduduk pertengah
• an tahun atau midyear population disuatu negara.• Angka kematian kasar atau Crude death Rate
(CDR) sangat tergantung pada komposisi seks dan umur penduduk. Bila komposisi penduduk terdiri dari banyak orang lanjut usia, maka CDR akan lebih tinggi, sebaliknya bila komposisi penduduknya terdiri dari banyak usia muda, maka CDR akan lebih kecil.
CONTOH CDR
• Total kematian penduduk Indonesia tahun XXX sebanyak 17.308.680 orang dan jumlah penduduk Indonesia pertengahan tahun XXX sebanyak 178.440.000 orang. Berapa CDR tahun XXX?
• Perhitungan;• Angka Kematian kasar = • (17.308.680/ 178.440.000) X1000 =9.7 per 1000• Angka kematian kasar penduduk Indonesia tahun
XXX adalah 10 orang per 1000 penduduk
SPESIFIC DEATH RATE
• Merupakan angka kematian yang ditujukan kepada penyebab kematian spesifik oleh penyakit tertentu
• Biasanya dihubungkan dengan faktor-faktor yang terdapat dimasyarakat seperti umur, seks, pekerjaan, dan status sosial
Jumlah kematian karena sebab tertentu selama 1 thn Spesific Death Rate = x 100.000 Jumlah penduduk pertengahan tahun yang sama
MANFAAT
• Sebagai base line data pada studi epidemiologik • Untuk mengetahui faktor-faktor risiko yang dapat
menimbulkan kesakitan dan kematian oleh penyakit tertentu di masyarakat
• Dipakai untuk estimasi terhadap etiologi penyakit. • Dipakai sebagai bahan pertimbangan untuk
menyusun rencana pencegahan dan pemberantasan penyakit tertentu.
• Dipergunakan juga untuk mengetahui tingginya risiko kematian penduduk karena penyakit tertentu
CONTOH
• Jumlah kematian karena TBC di suatu wilayah pada tahun XXX adala sebanyak 3.000 orang. Jumlah penduduk pertengahan tahun adalah 13.821.000. Berapakah rate kematian karena TBC tersebut ?
• Perhitungan;• Spesific death rate = • (3.000/ 13.821.000) X 100.000 =• 2 per 100.000 penduduk
CASE FATALITY RATE
• Merupakan persentase angka kematian oleh sebab penyakit tertentu yang dipakai untuk menentukan derajat keganasan/ kegawatan suatu penyakit tersebut.
• Perhitungan rasio ini dengan cepat dapat diketahui jenis penyakit mana yang paling banyak menimbulkan kematian, sehingga dapat segera disusun strategi penanggulangan
Jumlah kematian akibat suatu penyakit Case Fatality Rate(CFR) = x 100 Jumlah seluruh kasus penyakit yang sama
CONTOH
• Jumlah kematian akibat kanker payudara di rumah sakit A, dilaporkan sebanyak 56 orang dan pasien yang dirawat dengan penyakit yang sama sebanyak 112 orang. Berapa Case Fatality Rate penyakit tersebut?
• Perhitungan;• (56/ 112) X 100%• CFR = 50%
Proportional Mortality Rate
• Merupakan proporsi angka kematian yang terjadi pada pada golongan umur tertentu,
• Menjadi salah satu indikator penting untuk melakukan estimasi penyebab kematian utama disuatu negara
• Dipakai sebagai base line data untuk perencanaan pelayanan kesehatan
Jumlah kematian oleh umur tertentu yang dicatat selama 1 tahun
Proportional Mortality Rate = x 100
Jumlah seluruh kematian dalam tahun yang sama
STATISTIKA MORBIDITAS
• Di negara-negara maju dengan taraf kesehatan yang tinggi, tingkat kematian telah dapat ditekan serendah-rendahnya, terutama kematian yang disebabkan penyakit infeksi.
• Pola penyakit dinegara tersebut telah bergeser dari penyaikt infeksi ke penyakit non infeksi, seperti penyakit jantung, hipertensi, diabetes melitus dan lain sebagainya
• Di Indonesia saat ini telah terjadi suatu transisi epidemi penyakit dimana penyakit yang timbul masih didominasi oleh penyakit infeksi, akan tetapi terjadi pula peningkatan penyakit non infeksi
RATE MORBIDITAS
• Rate morbiditas adalah jumlah penderita yang dicatat selama 1 tahun per 1000 penduduk pertengahan tahun yang sama
• Rate ini dapat digunakan untuk menggambarkan keadaan kesehatan secara umum
Jumlah penderita yang dicatat selama 1 tahun Rate Morbiditas = x 1000 Jumlah penduduk pertengahan tahun yang sama.
RATE PREVALENSI
• Rate prevalensi suatu penyakit adalah jumlah penyakit tertentu yang dicatat selama 1 tahun per 1000 penduduk yang berisiko terkena penyakit yang sama.
• Rate ini merupakan frekuensi penyakit lama dan baru yang berjangkit di masyarakat di suatu wilayah pada waktu tertentu
Rumus;
Jumlah penyakit tertentu yang dicatat selama 1 tahun Rate = x 1000 Prevalensi Jumlah penduduk pertengahan tahun yang sama.
MANFAAT
• Rate prevalensi sangat bermanfaat untuk mempelajari penyakit kronik yang terjadi dalam masyarakat dan digunakan untuk mengetahui tingkat keberhasilan program pemberantasan penyakit.
• Rate ini dapat juga digunakan untuk menyusun rencana tentang pelayanan kesehatan yang dibutuhkan, obat-obatan dan lain-lain
JENIS RATE PREVALENSI
• Bila rate prevalensi ditentukan pada suatu saat misalnya pada bulan juli tahun X, maka disebut point prevalence rate;
• Apabila ditentukan selama suatu periode tertentu misalnya dari 1 Januari sampai dengan 31 Desember tahun X, maka disebut sebagai periode prevalence rate.
RATE INSIDENSI
• Rate insidensi adalah jumlah kasus baru atau penderita baru penyakit tertentu yang dicatat selama 1 tahun per 1000 penduduk yang mempunyai resiko untuk terkena penyakit tersebut
Jumlah kasus baru atau penderita baru penyakit tertentu yang dicatat selama 1 tahun
Rate = x 1000 Insidensi
Jumlah penduduk yang mempunyai resiko untuk terkena penyakit tersebut.
MANFAAT
• Mengetahui tingkat keberhasilan program imunisasi yang dijalankan terhadap penyakit-penyakit yang dapat dicegah dengan imunisasi.
• Mengetahui adanya letusan penyakit.• Membandingkan tingkat perkembangan penyakit
pada berbagai kelompok masyarakat.• Mengetahui secara langsung risiko untuk terkena
penyakit tertentu.
Gambar kejadian Incidens dan Prevalence Rate penyakit TBC di daerah XYZ
Kasus TBC
1. B S
2. B S R
3. B S
4. B S
5. B M
6. R S
1 Januari th XY 31 Desember thXY
keterangan : B = Kasus baru S = Sembuh R = Relaps M= mati jumlah penduduk = 300
• Berapakah point prevalence rate pada tanggal 1 Januari tahun XY?
Jumlah orang yang menderita penyakit TBC 4 orang
tgl 1 Jan th XY
X 1000 = 13
Jumlah penduduk 300 orang
Berapa incident rate penyakit tersebut?
Jumlah kasus baru 5 kasus X 1000 = 17 Jumlah penduduk yang berisiko 294
Berapakah periode prevalence rate dari tanggal 1 January – 31 Desember th XY ?
Jumlah kasus penderita TBC 1 Jan-31Des th XY 6 kasus X 1000 = 20 Jumlah penduduk 300 orang
FAKTOR- FAKTOR YANG MEMPENGARUHI AKURASI BIAS
TOPIK BAHASAN
• ERROR• BIAS• PENGUKURAN• BERBAGAI KESALAHAN DALAM PENELITIAN • PENGENDALIAN KESALAHAN
ERROR
MEASUREMENT ERROR
RANDOM ERROR
SYSTEMATIC ERROR
BIAS
JENIS-JENIS BIAS
• SELECTION BIAS• BIAS INFORMASI• CONFOUNDING
SELECTION BIAS
• Penyimpangan perkiraan pengaruh yang diakibatkan oleh cara pemilihanpengaruh
• Terdiri dari
a) Prevalence incidens bias
b) Berkson bias
c) Non-respon bias
d) Wrong sample size bias
Prevalence incidens bias
• Terjadi dalam kasus case control• Selective survival pada prevalent cases• Kasus-kasus ringan sudah membaik kasus berat
mengakibatkan kematian• Dalam memilih kasus, kita terlambat melihat
penyakitnya• Kasus-kasus berat yang sudah menimbulkan
kematian tidak akan muncul daiantara outcome
Lanj.
• Tingginya CFR pada tahap dini dari penyakit jantung koroner akan mengurangi – invalidate studi terhadap faktor-faktor etiologik yang mungkin ada karena orang-orang yang tersedia adalah orang yang masih hidup (kasus-kasus parah tidak terdapat)
• Pada studi kohort serum kolesterol memiliki OR 2.4 sedangkan pada studi case kontrol memiliki OR 1.16
BERKSON BIAS
• Selektif dalam penerimaan pasien dirumah sakit• Penyebabnya tergantung gejala, akses, rumah sakit
rujukan utk penyakit tertentu, populer atau tdak RS tsb
Contoh; • Individu yang memiliki 2 gejala cenderung dirawat inap di
RS dibanding yang memiliki 1 gejala
Contoh
• Pada penyakit muskuloskletal dengan penyakit pernafasan• Pada populasi umum OR 1.06; tidak ada hubungan antara
penyakit muskuloskletal dengan pernafasan• Pada orang yang di rawat di RS OR 4.06 ada hubungan
antara penyakit muskuloskletal dengan pernafasan
NON-RESPONSE BIAS
• Adanya penolakan untuk berperan serta dalam suatu penelitian
• Orang yang tidak memberikan tanggapan pada sampel cenderung berbeda dari orang yang tersedia
• Kebiasaan merokok, ternyata yang memberikan tanggapan lebih baik hanya dari rokok kretek dibanding rokok cerutu
WRONG SAMPLE SIZE
• Sampel yang terlampau kecil ketidak mampuan untuk mendeteksi perbedaan-perbedaan klinik secara penting
• Sampel yang terlampau besar ukuran-ukuran statistik bermakna atas perbedaan-perbedaan secara klinik tidak penting
INFORMATION BIAS
• Kekeliruan ketidak pastian atau informasi didalam pengukuran paparan atau outcome
• Distorsi didalam memperkirakan pengaruh yang diakibatkan measurement error atau misclasification atas subjek-subjek pada satu atau lebih variabel
TERDIRI ATASa) Diagnostic biasb) Recall bias
DIAGNOSTIC BIAS
• Terjadi karena penampilan tatacara diagnostik kasus tidak proporsional dengan tatacara diagnostik pada kontrol
• Pengetahuan mengenai subjek sebelum keterpaparannya dengan suatu hal yang diduga sebagai penyebab penyakit dapat berpengaruh dalam proses diagnostik outcome
Contoh
• Penyakit yang manifestasi klinik yang langka dan memerlukan uji labor utk prosedur diagnostik, akan missed dalam kelompok kontrol
• Ca cervix pada individu yang terpapar dan tidak terpapar terapi estrogen, prosedur yang sama harus dilakukan untuk kedua kelompok
• Pencegahannya, blinding terhadap kasus dan kontrol
Recall bias
• Kesalahan pengelompokan bila informasi mengenai variabel paparan tidak diketahui atau tidak akurat.
Contoh;• Ibu-ibu yang kehamilan terakhirnya berakhir dengan
kecacatan atau kematian janin (kasus) dan ibu-ibu yang sepadan yang kehamilannya berahir normal (kontrol) ibu2 kasus melaporkan lebih banyak keterpaparan dengan obat2an.
CONFOUNDING
• Bias yang terjadi bila data pengaruh faktor yang diteliti tercampur dengan data pengaruh variabel luar (extraneous)
• Hubungan rsebab akibat yang menghubungkan faktor yang diteliti dengan variabel lain yang merancukan dengan penyakit didalam populasi.
• Variabel umum sebagai perancu; umur, jenis kelamin, status sosial ekonomi, tingkat keparahan penyakit
confounding
• Bias confounding dapat dikontrol dalam analisis, bias seleksi tidak dapat dikontrol
Contoh;• Hubungan konsumsi alkohol dengan infark miokard. • Merokok sebagai sebagai salah satu penyebab penyakit
infark miokard• Alkohol dan merokok saling berhubungan
Upaya penanggulangan bias
• Restriksi - Kriteria inklusi dan eksklusi• Matcing• Stratifikasi• Control melalui analisis
SYARAT-SYARAT PENGUKURAN(1)
• ISOMORFISME(1)• Ukuran harus “sedekat” mungkin dengan benda/ kejadian yang
diukurnya (identik dengan yang diukur)• Kesulitannya: Yg diukur adalah (umumnya) sebagian
karakteristik/properti dari obyek yang diukur• Seringkali bahkan hanya indikan-nya saja
• Indikan= sesuatu yang dapat “menunjukkan” keadaan sesuatu yang lainnya.• Mengukur kondisi fisik lebih “sederhana” dp. kondisi psikologis (BB vs.
Komitmen bekerja)
SYARAT-SYARAT PENGUKURAN(3)
• EXHAUSTIVE• Pengukuran harus meliputi “seluruh” kemungkinan ukuran sesuai
dengan tujuan studi• Misal:
• Jenis kelamin: Lk/Pr• Pendidikan: Buta-huruf s/d PT3
• MUTUALLY EXCLUSIVE• Pengukuran tidak tumpang tindih• Misal:
• Kategorisasi umur: 0-1| >1-5| >5-10| dst
Realiable & Valid
TEORI RELIABILITAS(1)
• Setiap alat ukur mengandung komponen:• Nilai Sebenarnya (True value=Xt), dan • Nilai Kesalahan (Error=Xe)
• Xu = Xt + Xe
• Pengukuran berulang menghasilkan varians:• Vu=Vt + Ve
TEORI RELIABILITAS(2)
• Reliabilitas (=r) adalah proporsi Varians Sebenarnya thd Varians Pengukuran:
• r = Vt / Vu; Nilai Vt biasanya tidak diketahui
• Sedangkan Vu = Vt + Ve atau Vt = Vu-Ve
• r = (Vu-Ve) / Vu atau r = 1 - (Ve/Vu) • Bila Ve = 0; maka r = 1
VALIDITAS PENGUKURAN
• Menjawab pertanyaan:• Apakah alat ukur yg dipakai memang mengukur sesuatu yg ingin diukur:
• Timbangan badan u/ mengukur BB• Pita ukur u/ mengukur TB
• Jenis Validitas Pengukuran (American Psychological Association):• V-Construct (V-konstruk)• V-Content (V-Isi)• V-Criterion (V-kriterium)
VALIDITAS ISI
• Adalah adekuasi sampling isi alat ukur (representativeness)
• Menjawab pertanyaan:• Apakah isi alat ukur telah mewakili populasi properti dari sesuatu
yang ingin diukur• Misal:
• isi ujian Metlit harus mewakili TIU/TIK mata ajaran Metlit• kuesioner ttg kepuasan pasien mewakili seluruh aspek/dimensi kepuasan
pasien
VALIDITAS KRITERIUM
• Adalah kemampuan alat ukur memprediksi kriteria lain yang berhubungan
• Apakah alat ukur yang dipakai dapat memprediksi “sesuatu” dengan baik?• Ujian Metlit yg baik memprediksi keberhasilan tesis• Pasien yg puas akan kembali untuk berobat (re-visit)
• Penyulit:• Menemukan kriteria yang benar
VALIDITAS KONSTRUK
• Adalah kemampuan alat ukur dalam menerjemahkan aspek teoritis
• Faktor apakah yang berperan dalam menjelaskan hasil ukur?• Faktor apa yg berkaitan dengan keberhasilan/kegagalan ujian metlit
• dpl. faktor berkaitan dengan variasi hasil• mengapa data menunjukkan sukses Metlit berkaitan dengan konstruk
kreativitas/imajinasi?• proses validasi konstruk berkaitan erat dengan proses penelahaan
ilmiah empiris (empirical scientific enquiry)
External validiti
External validity
BERBAGAI KEMUNGKINAN KESALAHAN
No Tahapan Studi Kemungkinan Kesalahan
1 Pengembangan konsep danhipotesis
V-Konstruk/Kriteria (Pengukuran)
2 Pemilihan Desain V-Internal Penelitian
2 Pengembangan instrumen V-Isi/Reliabilitas (Pengukuran)
3 Sampling V-Eksternal Penelitian
4 Pengumpulan data Bias bersumber responden &pewawancara (Reliabilitas)
5 Manajemen data Kuesioner tidak terbaca Salah "entry"
6 Analisa data Penggunaan jenis statistik
7 Interpretasi hasil & ProsesInduktif
V-Konstruk
PENANGGULANGAN BIAS
Summary of how research works
RESEARCH QUESTION
TRUTH IN THE UNIVERSE
STUDY PLAN
TRUTH IN THE STUDY
Target population
Women aged 50-69
Phenomena of interest
The proportion who take estrogen
Intended sample
All women aged 50-69 seen in
clinic(s) in one year
Intended variablesSelf reported
estrogen treatment
Errors
design
infer
Errors
implement
ACTUALSTUDY
FINDINGS IN THE STUDY
Actual Subjects
Actual Measurements
Errors
OPTIMASI VALIDITAS SUDI
• MAKSIMASI VARIANS• KONTROL VARIABEL LUAR• MINIMISASI KESALAHAN
MAKSIMASI VARIANS
• PRINSIP SEBANYAK MUNGKIN (melalui proses deduksi yg komprehensif)– Pelajari semua variabel yang mungkin
berhubungan dengan var dep.– Pelajari antar-hubungan variabel2 yg ada
• REDUKSI MODEL SESUAI KEBUTUHAN– Mereduksi variabel yg kecil pengaruhnya– Mampu laksana
KRITERIA INKLUSI
• Homogenisasi – Variabel luar dijadikan ‘konstan’
• Matching– Kelompok Intervensi dan Kontrol memiliki
kesamaan dalam hal variabel luar
KONTROL VARIABEL LUAR (BEBAS)
STATISTIK MULTIVARIAT
• Melihat pengaruh/hubungan antara var dependen dengan var independen (utama) dengan mengendalikan/mengontrol var independen lainnya– Pengaruh motivasi thd kinerja dengan
mengendalikan faktor pendidkan, persepsi peran, masa kerja, pembinaan, dst
KONTROL VARIABEL LUAR (BEBAS)
12
VARIABEL NON-EKSPERIMENTAL(CONFOUNDING)
• VARIABEL SUBYEKMis.: Genetik, Umur, Sex, Pendidikan, dll
Pengendalian:
RandomisasiMatching
Rancangan-UlangRancangan analisa statistik
• VARIABEL LINGKUNGANKeadaan sekitar yang pengaruhi studi
Pengendalian:
Lingkungan dibuat konstanRandomisasi
Rancangan analisa statistik
OPTIMASI VALIDITAS STUDI
MINIMASI KESALAHAN PENGUKURAN
PENGENDALIAN KESALAHAN SISTEMATIK• Pembakuan alat ukur• peneraan alat ukur• pelatihan• pengukuran ganda• pengendalian “lingkungan” saat mengukur
RELIABILITAS & vALIDITAS PENGUKURAN• Konsisten - Tepat - Teliti• Construct - Content - Criterion related
13
KESALAHAN DALAM PENELITIAN(ERROR)
• KESALAHAN PENGUKURANInstrumen tidak valid/reliabel
Pengendalian:
Uji-coba instrumenCounter-balance
• KESALAHAN PENELITISubyektivitas
Pengendalian:
Blind experimentPengukuran ganda (pengukur/frek)
Terimakasih