Dalam sebuah studi, ditemukan 8 kasus baru penyakit X dalam 1 tahun pada populasi 1.200 orang. Karena adanya migrasi dan kematian, total person-time yang berhasil dicatat adalah 1.050 person-years. Hitunglah Incidence Rate penyakit X dan nyatakan hasilnya dalam bentuk per 1.000 person-years.
\[ \text{Incidence Rate (IR)} = \frac{\text{Jumlah Kasus Baru}}{\text{Total Person-Time}} \times 1000 \]
# 1. Mendefinisikan variabel
jumlah_kasus_baru <- 8
total_person_time <- 1050
# 2. Menghitung Incidence Rate (IR) per 1.000 person-years
incidence_rate <- (jumlah_kasus_baru / total_person_time) * 1000
incidence_rate ## [1] 7.619048Hasil perhitungan menunjukkan bahwa Incidence Rate penyakit X adalah 7.62 per 1.000 person-years.
Artinya, diperkirakan terdapat sekitar 7 hingga 8 kasus baru penyakit X untuk setiap 1.000 orang yang diamati selama periode satu tahun dalam populasi tersebut. Angka ini menggambarkan kecepatan atau laju kemunculan kasus baru pada populasi yang berisiko.
Dalam sebuah penelitian kohort terhadap 500 orang sehat di awal periode, setelah 2 tahun pengamatan ditemukan 25 kasus baru hipertensi. * Hitung Cumulative Incidence. * Bagaimana interpretasinya dalam konteks risiko?
\[\text{Cumulative Incidence (CI)} = \frac{\text{Jumlah Kasus }}{\text{Populasi Awal Berisiko}} \]
# 1. Mendefinisikan variabel
kasus_baru_hipertensi <- 25
populasi_awal_berisiko <- 500
# 2. Menghitung Cumulative Incidence
cumulative_incidence <- kasus_baru_hipertensi / populasi_awal_berisiko
cumulative_incidence## [1] 0.05# 3. Mengubah ke dalam format persen
ci_persen <- cumulative_incidence * 100
ci_persen## [1] 5Hasil perhitungan Cumulative Incidence adalah 0.05, atau jika dinyatakan dalam persen menjadi 5%.
Artinya, setiap individu yang sehat pada awal penelitian memiliki risiko rata-rata sebesar 5% untuk terkena hipertensi selama periode pengamatan 2 tahun.
Pada survei kesehatan di kota berpenduduk 20.000 orang, ditemukan 400 orang menderita diabetes pada saat survei dilakukan. * Hitung prevalensi diabetes di kota tersebut. * Apa makna angka tersebut dalam konteks kesehatan masyarakat?
\[\text{Prevalensi} = \frac{\text{Jumlah Kasus}}{\text{Total Populasi}}\]
# 1. Mendefinisikan variabel
jumlah_kasus_diabetes <- 400
total_populasi <- 20000
# 2. Menghitung Prevalensi
prevalensi <- jumlah_kasus_diabetes / total_populasi
prevalensi## [1] 0.02# 3. Mengubah ke format persen
prevalensi_persen <- prevalensi * 100
prevalensi_persen## [1] 2Hasil perhitungan prevalensi diabetes adalah 0.02, atau jika dinyatakan dalam persen menjadi 2%. Prevalensi diabetes di kota tersebut adalah 2%.
Angka ini menunjukkan bahwa pada saat survei dilakukan, 2 dari setiap 100 orang di kota tersebut hidup dengan diabetes.
Data dari sebuah studi kohort menunjukkan: Dari 200 perokok, 40 orang menderita penyakit paru kronis. Dari 300 bukan perokok, 15 orang menderita penyakit paru kronis.
Tentukan: 1. Cumulative Incidence pada kelompok perokok dan bukan perokok. 2. Relative Risk (RR). 3. Attributable Risk (AR). 4. Interpretasikan hasilnya.
\[\text{Cumulative Incidence (CI)} = \frac{\text{Jumlah Kasus }}{\text{Populasi Awal Berisiko}} \]
\[\text{Relatice Risk (RR)} = \frac{\text{CI}_{\text{terpapar}}}{\text{CI}_{\text{tidak terpapar}}}\]
\[\text{Attributable Risk (AR)} = \text{CI}_{\text{terpapar}} - \text{CI}_{\text{tidak terpapar}}\]
# Mendefinisikan Variabel
sakit_perokok <- 40
total_perokok <- 200
sakit_bukan_perokok <- 15
total_bukan_perokok <- 300
# 1. Menghitung Cumulative Incidence (CI) untuk setiap kelompok
ci_perokok <- sakit_perokok / total_perokok
ci_perokok## [1] 0.2ci_bukan_perokok <- sakit_bukan_perokok / total_bukan_perokok
ci_bukan_perokok## [1] 0.05# 2. Menghitung Relative Risk (RR)
relative_risk <- ci_perokok / ci_bukan_perokok
relative_risk## [1] 4# 3. Menghitung Attributable Risk (AR)
attributable_risk <- ci_perokok - ci_bukan_perokok
attributable_risk## [1] 0.15Sebuah penelitian kasus-kontrol memberikan data sebagai berikut:
| Paparan / Penyakit | Penyakit (+) | Tidak Penyakit (-) |
|---|---|---|
| Terpapar (+) | 45 = a | 30 = b |
| Tidak Terpapar (-) | 20 = c | 55 = d |
Odds Ratio (OR) dihitung dengan membandingkan odds paparan pada kelompok kasus (yang berpenyakit) dengan odds paparan pada kelompok kontrol (yang tidak berpenyakit).
\[\text{Odds Ratio (OR)} = \frac{a \times d}{b \times c}\]
# Mendefinisikan sel-sel tabel kontingensi 2x2
# a = Kasus yang terpapar
# b = Kontrol yang terpapar
# c = Kasus yang tidak terpapar
# d = Kontrol yang tidak terpapar
a <- 45
b <- 30
c <- 20
d <- 55
# Menghitung Odds Ratio (OR)
odds_ratio <- (a * d) / (b * c)
odds_ratio## [1] 4.125Berdasarkan perhitungan menggunakan R, nilai Odds Ratio (OR) yang diperoleh adalah 4.125.
Nilai OR = 4.125 memiliki makna penting terkait hubungan antara paparan dan penyakit.
Makna Utama: Odds (peluang) untuk memiliki riwayat paparan pada kelompok kasus (orang yang sakit) adalah 4.12 kali lebih tinggi dibandingkan dengan odds paparan pada kelompok kontrol (orang yang tidak sakit).
Hubungan Paparan dan Penyakit: Karena nilai OR secara substansial lebih besar dari 1, hal ini menunjukkan adanya asosiasi positif yang kuat antara paparan dan penyakit. Dengan kata lain, paparan tersebut kemungkinan besar merupakan sebuah faktor risiko untuk terjadinya penyakit tersebut.
Sebagai Estimasi Risiko: Dalam studi kasus-kontrol, kita tidak bisa menghitung Relative Risk (RR) secara langsung. Namun, jika penyakit yang diteliti tergolong jarang terjadi di populasi (rare disease assumption), maka nilai Odds Ratio dapat dianggap sebagai estimasi yang baik untuk Relative Risk. Dengan asumsi tersebut, kita dapat menginterpretasikan bahwa individu yang terpapar memiliki risiko sekitar 4.1 kali lebih besar untuk menderita penyakit dibandingkan individu yang tidak terpapar.
Pada suatu wabah, ditemukan 250 kasus dengan 10 di antaranya meninggal.
Case Fatality Rate (CFR) adalah proporsi kematian di antara individu yang terdiagnosis menderita suatu penyakit. Ini adalah ukuran utama untuk menentukan seberapa mematikan suatu penyakit.
\[\text{Case Fatality Rate (CFR)} = \frac{\text{Jumlah Kematian}}{\text{Jumlah Kasus}} \times 100\%\]
# 1. Mendefinisikan variabel
jumlah_kematian <- 10
jumlah_kasus <- 250
# 2. Menghitung Case Fatality Rate (CFR)
case_fatality_rate <- (jumlah_kematian / jumlah_kasus) * 100
case_fatality_rate ## [1] 4Berdasarkan perhitungan, nilai Case Fatality Rate (CFR) dari wabah tersebut adalah 4%.
Case Fatality Rate sebesar 4% memiliki makna sebagai berikut:
Makna Langsung: Angka ini berarti bahwa dari setiap 100 orang yang secara resmi terdiagnosis menderita penyakit ini selama wabah, diperkirakan 4 orang di antaranya meninggal dunia.
Sebagai Indikator Keparahan: CFR adalah indikator langsung untuk mengukur tingkat keganasan atau keparahan (virulensi) suatu penyakit. Semakin tinggi nilai CFR, semakin mematikan penyakit tersebut. Dalam konteks ini, CFR sebesar 4% menunjukkan bahwa penyakit ini memiliki tingkat fatalitas yang signifikan. Angka ini memberikan sinyal kepada otoritas kesehatan bahwa penyakit tersebut berbahaya dan memerlukan respons kesehatan masyarakat yang serius untuk mencegah kematian lebih lanjut.