ANALISIS DATA STUDI KOHORT

(1)

1

Etih Sudarnika

Laboratorium Epidemiologi Bagian Kesehatan Masyarakat Veteriner Departemen Ilmu Penyakit Hewan dan Kesmavet Fakultas Kedokteran Hewan IPB

ANALISIS DATA

STUDI KOHORT

Bahan Kuliah

Mata Ajaran Perancangan Kajian Epidemiologik PS KMV SPs IPB

(2)

Analisis Sederhana (Bivariate)

Ukuran Asosiasi

a b c d E NE n1 ND D n0 a t1 c t0 E NE Animal-time at risk Number of cases

(3)

1. Risk ratio (Relative Risk)

Disebut juga Cumulative Incidence Ratio (CIR) atau Incidence Risk Ratio

2. Incidence Density Ratio (IR)/ Incidence Rate Ratio

RR = CIR = CI1/CI0 = (a/n1) (c/n0) IR = I1/I0 = (a/t1) (c/t0)

(4)

4

Cumulative Incidence (CI)

(Incidence Proportion)

Number of NEW cases of disease during a period Population at the beginning of the period

(5)

5

Cumulative Incidence (CI)

(Incidence Proportion)

Number of NEW cases of disease during a period Population at the beginning of the period

Ex: Bilharziosis in Guadeloupe in 1979:

Population 350,000

New cases 1,250

Cumulative incidence = 0.0036 per year = 0.36 % per year

= 3.6 new cases / 1000 during a year

(6)

6 x x x x x x x x disease onset Month 1 Month12

Cumulative Incidence

Population = 12 Diseased = 7

(7)

Cumulative Incidence

CI = 7/12 = 0.58 per year = 58% per year

(8)

Cumulative Incidence

CI = 7/12 = 0.58 per year = 58% per year

CI assumes that the entire population at risk is followed up for the same time period

(9)

9

Incidence rate

Number of NEW cases of disease Total person - time of observation

(10)

Incidence rate

Number of NEW cases of disease Total animal - time of observation

Rate

Denominator:

- is a measure of time

- the sum of each individual’s time at risk and free from disease

(11)

A B C D E 90 91 92 93 94 95 96 97 98 99 Time at risk

x

6.0 6.0 10.0 8.5 5.0

Total years at risk 35.5

-- time followed x disease onset

(12)

12 A B C D E 90 91 92 93 94 95 96 97 98 99 00 Time at risk

x

6.0 6.0 10.0 8.5 5.0

Total years at risk 35.5

-- time followed x disease onset

Incidence rate (IR)

(Incidence density)

IR = 2 cases/ 35.5 animal years

= 0.056 cases / animal years

= 5.6 cases / 100 animal years

= 56 cases / 1000 animal years

(13)

• Seorang peneliti tertarik untuk menentukan frekuensi

infeksi intramammary (IMI) baru oleh Staph. aureus pada

sapi perah. Untuk itu ia mengidentifikasi lima ekor sapi

perah di dalam suatu peternakan dan diikuti selama satu

periode laktasi (10 bulan). Sampel yang diambil adalah

pada bulan ke-0 (calving), 2, 4, 6, 8 dan 10 (kering

kandang). Hasilnya disajikan dalam tabel di bawah ini.

Seekor sapi dianggap menderita infeksi intramammary

(IMI) baru jika hasil pemeriksaan negatif pada sampel

sebelumnya.

(14)

Waktu sampling Total bulan berisiko Sapi 0 2 4 6 8 10 Hanya kasus pertama Semua kasus A 0 X 0 0 X X 2 6 B 0 0 0 - - - 4 4 C X 0 0 X X X 0 4 D 0 0 0 0 0 0 10 10 E 0 0 X 0 X X 4 6 Keterangan: X = Biakan positif

= Biakan positif yang menunjukkan IMI baru 0 = Biakan negatif

- = Sapi dikeluarkan dari peternakan PAR = Population at risk

(15)

• Insidensi kumulatif dari IMI pada dua bulan

pertama periode laktasi

– PAR = 4 ekor

– IMI baru = 1 ekor

– Insidensi kumulatif pada dua bulan pertama periode

laktasi = ¼ = 25%

(16)

• Insidensi kumulatif dari IMI selama periode laktasi

– PAR = 4 – ½(1 withdrawal) = 3.5 ekor

– New IMI = 2 ekor

– Insidensi kumulatif selama periode laktasi = 2/3.5 =

57%

(17)

• Incidence rate dari IMI jika mempertimbangkan

hanya kasus pertama

– PAR = 20 ekor – bulan

– New IMI = 2 kasus

– I = 2/20 = 0.1 kasus/ekor-bulan

(18)

• Incidence rate dari IMI jika mempertimbangkan

semua kasus baru

– PAR = 30 ekor-bulan

– New IMI = 5 kasus

– I = 5/30 = 0.17 kasus/ekor-bulan

= 1.7 kasus/ekor-periode laktasi

(19)

Interpretasi:

RR = 1  tidak ada efek/asosiasi RR < 1  efek menurunkan risiko

(protective effect)

RR > 1  efek meningkatkan risiko

(20)

Selang Kepercayaan untuk RR

Perhitungan estimasi interval  perhatikan kembali 2 macam tabel lay-out analisis dari fixed-cohort dan dynamic cohort:

a b c d E NE n1 ND D n0 m1 m0 n a t1 c t0 E NE Animal-time at risk Number of cases

(21)

Rumus umum untuk estimasi interval (confidence limit/interval):

 

Z

1-/2



V

Keterangan:

 = estimasi titik (misal RR)

 = probabilitas kesalahan tipe I (  menolak H0 yang benar) (1-) = tingkat keyakinan (confidence level)

Z 1-/2 = deviasi normal standar sesuai dengan tingkat 

V = estimasi varians dari 

(22)

Karena distribusi estimasi rasio (misal RR) tidak normal

(dikarenakan skala yang asimetris; nilai 1,0 jauh lebih dekat ke 0,0 dibanding ke  ) maka perlu transformasi ke natural log (In) dari RR tersebut dan kemudian mengkonversi kembali ke skala aslinya dengan anti log (exp)

Dengan demikian, rumus dari (1-)% confidence limit/ interval adalah sbb:

Exp [ In (



)



Z

1-/2



V

(23)

Untuk fixed cohort:



= RR = CI

1

/CI

0

= (a/n

1

) / (c/n

0

)

V = V [In (RR)] = (1/a) + (1/c) – (1/n

1

) – (1/n

0

)

Untuk dynamic cohort:



= IR = I

1

/I

0

= (a/t

1

) / (c/t

0

)

(24)

Interpretasi:

CIR = 1.8; 95% CL (1.2 – 2.7); artinya:

1. Kita dapat memperkirakan bahwa interval ini akan

mencakup RR yang sesungguhnya sebanyak 95% kali (“95% of the time”), jika studi tersebut diulang berkali-kali 2. Kita 95% yakin bahwa interval ini (yaitu interval antara 1.2 –

2.7) akan mencakup nilai RR yang sesungguhnya di populasi sumber

(25)

3. Tes/ Uji Statistik

Untuk melakukan uji statistik  perhatikan kembali 2 macam tabel lay-out analisis dari fixed cohort dan dynamic cohort.

Untuk menguji nilai hipotesis secara statistik bahwa parameter (misal RR atau IR) di populasi sumber adalah sebesar nilai

tertentu (misal RR = 1.8), maka kita dapat menghitung nilai statistik (misal chi kuadrat atau chi) dan menentukan nilai p

(26)

Pengertian nilai p adalah:

Probabilitas menemukan nilai uji statistik yang diamati atau bahkan lebih ekstrim lagi (misal RR = 1.8 atau > 1.8) jika H0-nya betul (artiH0-nya tidak ada hubungan)

Probabilitas menemukan nilai statistik yang diamati atau

bahkan lebih ekstrim lagi (misal RR = 1.8 atau > 1.8) semata-mata karena chance (kebetulan)

(27)

Tes statistik yang dapat dipakai dalam analisis sederhana ini adalah tes Chi Mantel-Hanzel (M-H)

Untuk fixed cohort:



= RR = CI

1

/CI

0

= (a/n

1

) / (c/n

0

)

MH = (a-₀) / V₀

₀ = m₁n₁/n

(28)

Untuk dynamic cohort:



= IR = I

1

/I

0

= (a/t

1

) / (c/t

0

)

MH = (a-₀) / V₀

₀ = m₁t₁/t

(29)

Hubungan antara RR, IR dan OR

0 1 _

(30)

Hubungan antara RR, IR dan OR

• RR dan OR

– Nilainya akan hampir sama jika incidence risk rendah (<

5%)

• RR dan IR

– Nilainya akan hampir sama jika pajanan memiliki

dampak yang dapat diabaikan terhadap total waktu

yang berisiko di dalam populasi studi. Hal ini terjadi jika

penyakit jarang terjadi atau nilai IR mendekati 1

(31)

Hubungan antara RR, IR dan OR

• OR dan IR

– OR merupakan penduga yang baik untuk IR jika

penyakit jarang terjadi

(32)

Ukuran Dampak Potensial

Untuk mengukur dampak potensial dipakai konsep perbedaan selisish risiko untuk menjelaskan kelebihan resiko (excess risk) dari suatu penyakit yang dikaitkan dengan faktor risiko tertentu

Jenis ukuran dampak untuk faktor risiko adalah:  AR (attributable risk)

 PAR (population attributable risk)  AF (attributable fraction)

 AF_p(population attributable fraction)

Jenis ukuran dampak untuk faktor protektif/preventif adalah:  Prevented fraction (untuk populasi terpajan)

(33)

1. Attributable Risk

Dapat memberikan informasi tentang:

• Risiko penyakit tertentu di kelompok populasi terpajan yang dapat dinisbatkan (attributable) pada suatu pajanan

• Jumlah kasus penyakit tertentu di kelompok populasi terpajan yang dapat dihilangkan jika pajanannya dieliminir

Rumus:

AR = I₁ – I₀

(34)

2. Population Attributable Risk

• Risiko terkena suatu penyakit pada seluruh populasi studi (terpajan maupun tidak) yang dinisbatkan (attributable) pada suatu pajanan

• Jumlah kasus penyakit tertentu di seluruh populasi (terpajan maupun tidak) yang dapat dihilangkan jika pajanannya dieliminir dari populasi tersebut

• Ukuran ini dapat menjadi indikator faktor risiko mana yang paling relevan dengan (memberikan dampak) masalah kesehatan pada masyarakat

Rumus:

PAR = I_t – I₀

(35)

3. Attributable Fraction

 Proporsi risiko terjadinya penyakit di kalangan populasi terpajan yang dinisbatkan pada suatu pajanan

 Proporsi risiko terjadinya penyakit di kalangan populasi terpajan yang dapat dicegah dengan mengeliminasi

pajanannya

= AR / I₁ x 100

= (I1 – I0) / I1 x 100 = (RR – 1) / RR x 100 Rumus AF

(36)

Catatan:

P = proporsi pajanan pada populasi (proporsi populasi yang terpajan) = n1 / n

4. Population Attributable Fraction

• Proporsi risiko terjadinya penyakit di seluruh populasi stui yang dinisbatkan pada suatu pajanan

• Proporsi risiko terjadinya penyakit di seluruh populasi studi yang dapat dicegah dengan mengeliminasi pajanannya

= PAR / I_t x 100 = (It – I0) / It x 100

= P(E+)(RR – 1) / [P(E+)(RR-1) + 1] Rumus AF_p

(37)

5. Prevented Fraction (untuk populasi terpajan)

• Proporsi dari kasus baru potensial pada kelompok terpajan yang dapat muncul/ terjadi jika pajanan tidak ada

• Proporsi dari kasus baru potensial pada kelompok terpajan yang tercegah oleh pajanan

Ukuran ini apabila dipakai pada studi intervensi (misal vaccin trial) sering disebut juga ukuran “efficacy”

= (I₀ – I₁) / I₀ = 1 - RR

Rumus PFE

(38)

6. Population Prevented Fraction (untuk total populasi)

• Proporsi dari kasus baru potensial pada seluruh populasi yang dapat muncul/ terjadi jika pajanan tidak ada

• Proporsi dari kasus baru potensial pada seluruh populasi yang tercegah oleh pajanan

= (I₀ – I₁) / I₀

= P(E+)(1 – RR) = P(E+) x PFE Rumus PF

Catatan:

P = proporsi pajanan pada populasi (proporsi populasi yang terpajan) = n1 / n

(39)

Berbagai macam ukuran asosiasi

untuk berbagai macam studi

Cross-sectional Cohort Case-control

RR X X IR X OR X X X AR X X AF_e X X X PAR X X AF_p X X X

(40)

Analisis Kesintasan

(Survival Analysis)

 Survival Rate

 Hazard Rate

 Life Table

 Kurva Kaplan – Meier

(41)

Analisis Multivariate/ multivariabel

• Regresi Logistik Multiple

• Model Cox Proportion Hazard

• Model Extended Cox, dll

(42)

42

Chaerul Basri

Laboratorium Epidemiologi Bagian Kesehatan Masyarakat Veteriner Departemen Ilmu Penyakit Hewan dan Kesmavet Fakultas Kedokteran Hewan IPB

ANALISIS DATA STUDI KOHORT

Bahan Kuliah Mata Ajaran Perancangan Studi Epidemiologik PS KMV SPs IPB