Nama: Muhammad Al Fauzan
NPM: 140610230011
Mata Kuliah: Epidemiologi
Dosen Pengampu: Dr. I Gede Nyoman Mindra Jaya,
M.Si.
Dalam bidang epidemiologi, digunakan berbagai ukuran statistik untuk memahami pola, dinamika, serta dampak suatu penyakit terhadap populasi.
Beberapa ukuran utama yang sering digunakan antara lain:
- Incidence Rate : Jumlah kasus baru suatu penyakit dalam periode
tertentu dibagi dengan total waktu pemajanan (person-time) dari populasi
berisiko.
- Cumulative Incidence : Proporsi individu yang mengalami penyakit baru
dalam suatu periode tertentu di antara populasi berisiko pada awal
periode.
- Prevalensi : Proporsi individu yang memiliki penyakit tertentu (kasus
lama + baru) pada suatu titik waktu (point prevalence) atau periode
tertentu (period prevalence).
Selain ukuran frekuensi, terdapat juga ukuran asosiasi untuk menilai
hubungan antara faktor risiko dan penyakit, di antaranya:
- Relative Risk (RR) : membandingkan risiko penyakit antara kelompok
terpajan dan tidak terpajan
- Odds Ratio (OR) : membandingkan peluang kejadian penyakit antara dua
kelompok
- Attributable Risk (AR) : mengukur seberapa besar risiko penyakit dapat
dikaitkan dengan suatu faktor risiko
- Case Fatality Rate (CFR) : menunjukkan proporsi kematian di antara
kasus penyakit tertentu
Dalam sebuah studi, ditemukan 8 kasus baru penyakit X dalam 1 tahun pada populasi 1.200 orang. Karena ada migrasi dan kematian, total person-time yang berhasil dicatat adalah 1.050 person-years.
Rumus:
\[ IR = \frac{\text{Kasus Baru}}{\text{Total Person-Time}} \]
Perhitungan: \[ IR = \frac{8}{1050} = 0.00762 \text{ per person-year} \]
Interpretasi:
Incidence Rate penyakit X adalah 7,62 kasus baru per 1.000 person-years.
Artinya, apabila terdapat 1.000 individu yang diikuti selama 1 tahun
penuh, maka diperkirakan akan muncul sekitar 7 hingga 8 kasus baru
penyakit X dalam periode tersebut.
Perhitungan ini mempertimbangkan person-time, yaitu total waktu partisipasi seluruh individu dalam studi (dalam kasus ini sebesar 1.050 person-years). Karena ada faktor migrasi dan kematian yang mengurangi lama waktu observasi, nilai person-time lebih kecil daripada jumlah penduduk dikalikan 1 tahun.
Dengan demikian, angka 7,62 menunjukkan laju kejadian penyakit baru dalam populasi yang sedang diamati. Semakin tinggi nilai Incidence Rate, semakin cepat penyakit tersebut muncul di populasi, sehingga informasi ini penting untuk menilai kecepatan penyebaran penyakit dan menjadi dasar dalam perencanaan program pencegahan serta intervensi kesehatan masyarakat.
Perhitungan: Untuk menyatakan hasil dalam bentuk per 1.000 person-years, kalikan dengan 1.000:
\[ IR = 0.00762 \times 1000 = 7.62 \text{ per 1.000 person-years} \]
Interpretasi:
Hasil perhitungan menunjukkan bahwa Incidence Rate (IR) penyakit X
adalah 7,62 kasus baru per 1.000 person-years.
Artinya, apabila terdapat 1.000 orang yang diikuti selama 1 tahun penuh, maka diperkirakan akan muncul sekitar 7 hingga 8 kasus baru penyakit X pada populasi tersebut.
Mengubah hasil ke dalam bentuk per 1.000 person-years dilakukan agar angka yang diperoleh lebih mudah dipahami dan dibandingkan, karena angka awal (0,00762 per person-year) terlalu kecil untuk diinterpretasikan secara praktis.
Dengan demikian, penyajian dalam skala per 1.000 person-years memberikan gambaran yang lebih intuitif mengenai tingkat risiko dan memudahkan dalam membandingkan laju kejadian penyakit antar studi, wilayah, atau kelompok populasi yang berbeda.
# Data untuk Incidence Rate
kasus_baru <- 8
person_time <- 1050
# Perhitungan Incidence Rate
IR <- round(kasus_baru/ person_time,5);IR## [1] 0.00762IR_per_1000 <- round(IR * 1000,2);IR_per_1000## [1] 7.62Dalam sebuah penelitian kohort terhadap 500 orang sehat di awal periode, setelah 2 tahun pengamatan ditemukan 25 kasus baru hipertensi.
Rumus:
\[ CI = \frac{\text{Kasus Baru dalam Periode}}{\text{Populasi Berisiko Awal}} \] Perhitungan: \[ CI = \frac{25}{500} = 0.05 = 5\% \]
Interpretasi:
Hasil perhitungan menunjukkan bahwa Cumulative Incidence (CI) hipertensi
dalam periode 2 tahun adalah 5%. Artinya, dari 500 orang yang sehat pada
awal periode penelitian, sebanyak 25 orang mengalami hipertensi selama 2
tahun pengamatan. Dengan kata lain, dalam kelompok ini terdapat 5 kasus
baru hipertensi pada setiap 100 individu yang diikuti selama 2
tahun.
Interpretasi dalam Konteks Risiko:
Angka 5% dapat diartikan sebagai risiko kumulatif. Ini berarti bahwa
individu yang sehat pada awal periode memiliki peluang sebesar 5% untuk
mengembangkan hipertensi dalam 2 tahun ke depan. Sebagai contoh, jika
kita mengamati 100 orang sehat selama 2 tahun, maka diperkirakan sekitar
5 orang di antaranya akan menderita hipertensi. Interpretasi ini penting
karena memberikan gambaran tentang peluang terjadinya penyakit baru pada
populasi berisiko dalam jangka waktu tertentu, sehingga dapat digunakan
untuk merancang program pencegahan atau intervensi kesehatan.
# Data untuk Cumulative Incidence
kasus_baru_cumulative <- 25
populasi_awal <- 500
# Perhitungan Cumulative Incidence
CI <- round(kasus_baru_cumulative / populasi_awal, 2);CI## [1] 0.05Pada survei kesehatan di kota berpenduduk 20.000 orang, ditemukan 400 orang menderita diabetes pada saat survei dilakukan.
Rumus:
\[ P = \frac{\text{Kasus (baru + lama)}}{\text{Total Populasi}} \]
Perhitungan: \[ P = \frac{400}{20000} = 0.02 = 2\% \]
Interpretasi:
Hasil perhitungan menunjukkan bahwa prevalensi diabetes di kota tersebut
adalah 2%. Artinya, dari setiap 100 penduduk kota, terdapat sekitar 2
orang yang menderita diabetes pada saat survei dilakukan. Angka ini
menggambarkan proporsi total kasus diabetes (baik kasus lama maupun baru
yang masih ada) dalam populasi pada titik waktu tertentu. Dengan kata
lain, pada populasi berjumlah 20.000 orang, sebanyak 400 orang tercatat
menderita diabetes.
Angka prevalensi 2% menunjukkan bahwa diabetes merupakan masalah
kesehatan yang nyata di kota tersebut, meskipun hanya memengaruhi
sebagian kecil dari populasi. Dalam konteks kesehatan masyarakat, angka
ini penting karena:
Memberikan gambaran mengenai beban penyakit di masyarakat.
Menjadi indikator awal bagi otoritas kesehatan untuk
mengidentifikasi kebutuhan intervensi.
Dapat digunakan sebagai dasar dalam perencanaan program
kesehatan, seperti kampanye pencegahan, edukasi pola hidup sehat,
skrining dini, serta penyediaan layanan pengobatan dan perawatan bagi
penderita.
Dengan demikian, prevalensi 2% menegaskan bahwa meskipun diabetes tidak menyerang mayoritas penduduk, penyakit ini tetap membutuhkan perhatian khusus karena dapat menimbulkan komplikasi serius dan berdampak pada kualitas hidup penderitanya serta sistem pelayanan kesehatan masyarakat.
# Data untuk Prevalensi
kasus_diabetes <- 400
populasi_kota <- 20000
# Perhitungan Prevalensi
P <- round(kasus_diabetes / populasi_kota, 2);P## [1] 0.02Data yang diberikan:
Perhitungan Cumulative Incidence pada perokok:
\[ CI_{\text{perokok}} = \frac{40}{200} = 0.20 = 20\% \]
Perhitungan Cumulative Incidence pada bukan perokok:
\[ CI_{\text{bukan perokok}} = \frac{15}{300} = 0.05 = 5\% \]
Interpretasi:
Cumulative incidence pada kelompok perokok adalah 20%, yang berarti ada
20% risiko bagi individu dalam kelompok perokok untuk mengembangkan
penyakit paru kronis. Sementara pada kelompok bukan perokok, cumulative
incidence adalah 5%, yang menunjukkan bahwa ada 5% risiko bagi individu
yang tidak merokok untuk mengembangkan penyakit paru kronis.
Rumus Relative Risk:
\[ RR = \frac{CI_{\text{exposed}}}{CI_{\text{unexposed}}} \]
Perhitungan:
\[ RR = \frac{0.20}{0.05} = 4 \]
Interpretasi:
Risiko penyakit paru kronis pada perokok 4 kali lebih tinggi
dibandingkan dengan bukan perokok. Ini menunjukkan bahwa merokok
meningkatkan risiko terkena penyakit paru kronis secara signifikan.
Rumus Attributable Risk:
\[ AR = CI_{\text{exposed}} - CI_{\text{unexposed}} \] Perhitungan:
\[ AR = 0.20 - 0.05 = 0.15 = 15\% \]
Interpretasi:
Ada 15% risiko tambahan pada kelompok perokok yang dapat dikaitkan
dengan paparan merokok untuk mengembangkan penyakit paru kronis. Ini
menunjukkan seberapa besar pengaruh merokok terhadap risiko terkena
penyakit paru kronis pada kelompok perokok.
Interpretasi Hasil:
Hasil ini mengindikasikan bahwa merokok berperan besar dalam meningkatkan risiko penyakit paru kronis, dan intervensi untuk mengurangi prevalensi merokok dapat menurunkan kejadian penyakit paru kronis secara signifikan.
# Data untuk Cumulative Incidence
perokok_positif <- 40
perokok_total <- 200
bukan_perokok_positif <- 15
bukan_perokok_total <- 300
# Cumulative Incidence perokok
CI_perokok <- round(perokok_positif / perokok_total, 2);CI_perokok## [1] 0.2# Cumulative Incidence bukan perokok
CI_bukan_perokok <- round(bukan_perokok_positif / bukan_perokok_total, 2);CI_bukan_perokok## [1] 0.05# Relative Risk (RR)
RR <- round(CI_perokok / CI_bukan_perokok, 2);RR## [1] 4# Attributable Risk (AR)
AR <- round(CI_perokok - CI_bukan_perokok, 2);AR## [1] 0.15Data yang diberikan:
Rumus:
\[ OR = \frac{a/b}{c/d} = \frac{ad}{bc} \]
Perhitungan:
\[ OR = \frac{45 \times 55}{30 \times 20} = \frac{2475}{600} = 4.125 \]
Interpretasi:
Odds ratio menunjukkan bahwa orang yang terpapar memiliki odds 4,13 kali
lebih tinggi untuk menderita penyakit dibandingkan orang yang tidak
terpapar.
Interpretasi dalam Konteks Paparan dan
Penyakit:
Angka Odds Ratio (OR) yang lebih besar dari 1 (4.125) menunjukkan adanya
hubungan positif antara paparan dan penyakit. Dalam hal ini, orang yang
terpapar memiliki peluang lebih tinggi untuk menderita penyakit
dibandingkan orang yang tidak terpapar. Angka OR yang tinggi
mengindikasikan bahwa paparan tersebut mungkin merupakan faktor risiko
yang signifikan untuk terjadinya penyakit yang diteliti.
# Data untuk Odds Ratio
terpapar_positif <- 45
terpapar_negatif <- 30
tidak_terpapar_positif <- 20
tidak_terpapar_negatif <- 55
# Perhitungan Odds Ratio
OR <- (terpapar_positif * tidak_terpapar_negatif) / (terpapar_negatif * tidak_terpapar_positif);OR## [1] 4.125Data yang diberikan:
Rumus:
\[ CFR = \frac{\text{Jumlah Kematian Akibat Penyakit}}{\text{Jumlah Kasus Penyakit}} \times 100\% \] Perhitungan: \[ CFR = \frac{10}{250} \times 100\% = 4\% \]
Interpretasi:
Tingkat kematian akibat penyakit ini adalah 4%. Ini menunjukkan bahwa 4%
dari individu yang terinfeksi penyakit ini berakhir dengan kematian.
Interpretasi dalam Konteks Keparahan Penyakit:
Angka CFR sebesar 4% menunjukkan bahwa penyakit ini memiliki tingkat
keparahan moderat, karena 4% dari total kasus berakhir dengan kematian.
Ini berarti ada risiko kematian pada individu yang terinfeksi, meskipun
tidak terlalu tinggi. Namun, angka ini penting untuk memperhatikan
bagaimana cara mengurangi kematian melalui intervensi medis yang cepat
dan efektif, serta perencanaan sistem kesehatan untuk menangani wabah
tersebut.
# Data untuk Case Fatality Rate
jumlah_kematian <- 10
jumlah_kasus <- 250
# Perhitungan CFR
CFR <- round((jumlah_kematian / jumlah_kasus) * 100, 2);CFR## [1] 4Incidence Rate (IR) menunjukkan kecepatan munculnya kasus baru penyakit dalam suatu populasi yang terpapar selama periode tertentu. Dalam hal ini, Incidence Rate (IR) untuk penyakit X adalah 7,62 kasus per 1.000 person-years, yang mengindikasikan frekuensi kejadian penyakit X di populasi yang diamati.
Cumulative Incidence (CI) menggambarkan risiko terjadinya penyakit baru dalam periode tertentu di antara populasi berisiko pada awal periode. Pada kelompok sehat, Cumulative Incidence untuk hipertensi adalah 5%, yang berarti ada 5% kemungkinan individu sehat di awal periode untuk mengembangkan hipertensi dalam 2 tahun.
Prevalensi (P) menggambarkan beban penyakit dalam populasi pada titik waktu tertentu. Prevalensi diabetes di kota tersebut adalah 2%, yang menunjukkan bahwa 2% dari populasi kota tersebut menderita diabetes pada saat survei dilakukan, memberikan gambaran beban penyakit di populasi tersebut.
Relative Risk (RR) menunjukkan perbandingan risiko penyakit antara kelompok yang terpapar dan kelompok yang tidak terpapar. Hasil perhitungan Relative Risk (RR) untuk penyakit paru kronis pada perokok adalah 4, yang berarti bahwa perokok memiliki risiko 4 kali lebih tinggi untuk menderita penyakit paru kronis dibandingkan dengan bukan perokok.
Attributable Risk (AR) mengukur beban tambahan risiko yang disebabkan oleh paparan terhadap faktor risiko tertentu. Attributable Risk (AR) pada perokok untuk penyakit paru kronis adalah 15%, yang mengindikasikan bahwa 15% risiko penyakit paru kronis pada perokok dapat dikaitkan dengan kebiasaan merokok.
Odds Ratio (OR) mengukur hubungan antara paparan dan kemungkinan terjadinya penyakit pada kelompok yang terpapar dibandingkan dengan yang tidak terpapar. Hasil Odds Ratio (OR) untuk hubungan antara paparan dan penyakit adalah 4,13, yang menunjukkan bahwa orang yang terpapar memiliki odds 4,13 kali lebih besar untuk menderita penyakit dibandingkan orang yang tidak terpapar.
Case Fatality Rate (CFR) mengukur tingkat kematian akibat suatu penyakit, memberikan gambaran tentang tingkat keparahan penyakit. CFR pada wabah yang diamati adalah 4%, yang berarti bahwa 4% dari individu yang terinfeksi penyakit tersebut berakhir dengan kematian.
Dengan memahami dan menginterpretasikan hasil perhitungan ini, kita dapat lebih memahami dinamika penyakit dalam populasi dan dampak dari faktor risiko. Pengetahuan tentang ukuran-ukuran epidemiologi ini penting untuk merancang kebijakan kesehatan yang lebih efektif dalam pencegahan, diagnosis, dan pengobatan penyakit dalam suatu komunitas atau populasi.