Ukuran MANFAAT PENGUKURAN KEJADIAN PENYAKIT DI

advertisement
KEJADIAN PENYAKIT,
RISIKO DAN DETERMINAN PENYAKIT
Trisno Agung Wibowo
- KESAKITAN
- KEMATIAN
- KUALITAS HIDUP
(Keterpaparan
Risiko)
Ukuran
DAMPAK
Secara
Epidemiologi
?
MANFAAT
PENGUKURAN KEJADIAN PENYAKIT
DI MASYARAKAT
(STATUS KESEHATAN)
PENGUKURAN KEJADIAN PENYAKIT DI MASYARAKAT
(STATUS KESEHATAN)
Dapat Untuk
menghitung risiko
Bagian awal dari proses
(Efek terhadap kesehatan
kajian epidemiologi
karena paparan)
Selanjutnya
Membandingkan kejadian (insidensi)
pada dua kelompok atau lebih
dengan paparan yang berbeda
Ukuran Frekuensi masalah Kesehatan Menggunakan : Rate, Proporsi,Ratio,
1. Ratio
PENGUNAAN
X
Rumus umum : -----Y
- X dan Y saling berbeda (pembilang tdk
merupakan bagian dari penyebut).
- Contoh sex ratio.
2. Proporsi
-
3. Rate
-
X merupakan bagian dari Y.
Contoh proporsi penduduk berusia produktif di
Kab Gunung kidul.
X menyatakan kejadian suatu peristiwa pada
suatu periode waktu.
- Y populasi yang berisiko untuk terkena suatu
peristiwa
pada suatu periode waktu.
- Contoh : Insidens rate, Prevalens rate, CFR,
CDR.
UKURAN FREKUENSI PENYAKIT DAN
CARA PERHITUNGANNYA
X
Rumus = ------ x K
Rumus umum
Y
1. Angka Insidensi ( Incidence Rate Penyakit/IR )
Pembilang ( X )= Jumlah kasus baru penyakit tertentu disuatu wilayah
dalam periode waktu tertentu.
Penyebut (Y) = Populasi yang beresiko terkena penyakit pada wilayah dan
periode waktu yang sama .
Konstanta (K) = 10, 100, 1000, 100.000.
Manfaat = 1. Potret maslah penyakit ttt.
2. Angka beberapa periode dpt digunakan unt memperkirakan
kecenderungan dan fluktuasi penyakit.
3. Pemantauan evaluasi upaya pencegahan dan penanggulangan
penyakit.
4. Perbndingan angka insiensi antar wilayah dan antar waktu.
Interprestasi = Makin besar angka insidensi berarti makin besar masalah
penyakit tsb.
KASUS DBD DI DIY 2006 sd 2010
Penderita
Meninggal
5103
2166
25
Tahun 2006
2462
26
Tahun 2007
2147
2203
21
16
Tahun 2008
Sumber : Seksi P2, Dinkes Provinsi DIY Tahun 2011
Tahun 2009
31
Tahun 2010
2.Angka Prevalensi ( Prevalen Rate/ PR)
Pembilang (X): Jumlah kasus lama dan baru penyakit ttt di wilayah ttt pada
periode ttt.
Penyebut (Y): Jumlah penduduk beresiko di wilayah ttt pada periode ttt.
Konstanta (K): SDA
Manfaat
: 1. Untuk mengetahui tingkat keganasan, durasi penyakit.
Interpretasi :1. Semakin tinggi prevalensi suatu penyakit, berarti penyakit
tidak ganas.
2. Semakin rendah durasi penyakit semakin rendah angka
prevalensi.
Hubungan antara IR dan PR ?
Baru ( IR)
Baru ( IR)
…………………..
…………………..
…………………..
L + B= PR
…………………..
………………….
PR Meningkat
…………………..
L + B= PR
…………………..
…………………..
…………………..
………………….
Durasi (D)
PR Menurun
Durasi (D)
PR = IR X D
Atau
P=IXD
3. Attac Rate Penyakit Wabah (AR)
Pembilang (X) = Jml kasus penyakit sejak ditemukannya kasus penyakit
pertama sampai dengan berakhirnya masa inkubasi ka
sus terakhir penyakit tersebut dalam kelompok masya
rakat terancam di wilayah tertentu.
Penyebut (Y) = Jumlah penduduk yang terancam di wilayah dan pada
periode waktu yang sama.
Konstanta (K) = SDA.
Manfaat
= 1. Untuk mengetahui kecepatan dan jangkauan penyeba
ran suatu penyakit di suatu wilayah pada suatu wabah.
2. Untuk mengetahui Keberhasilan upaya pencegahan
dan penanggulangan wabah.
Interpretasi : Bila Attac Rate suatu penyakit tinggi, berarti kecepatan dan
jangkauan penyebaran penyakit tinggi.
Distribusi Frekuensi Kasus Kejadian Luar Biasa Hepatitis A
Berdasarkan Asal Kelas Di SMU N I Temon
Kabupaten Kulonprogo, 2002
Kelas
1a
1b
1c
2a
2b
2c
3 ipa 1
3 ips 1
3 ips 2
Total
Jml Murid
38
40
40
40
40
40
34
40
37
349
Jml Kasus
6
5
10
0
10
1
0
7
1
40
Persentase (%)
15,0
12,5
25,0
0,0
25,0
2,5
0,0
17,5
2,5
100,0
Attack Rate (%)
15,8
12,5
25,0
0,0
25,0
2,5
0,0
17,5
2,7
11,46
Attack Rate Kasus Hepatitis A Berdasarkan Jenis Kelamin
Di SMU N I Temon Kabupaten Kulon Progo, 2002
Kelas
1a
1b
1c
2a
2b
2c
3 ipa 1
3 ips 1
3 ips 2
Total
Laki-Laki
Jml Kasus Populasi
3
16
2
13
5
12
0
18
9
17
0
18
0
13
6
19
1
14
26
140
AR (%)
18,75
15,38
41,66
0,00
52,94
0,00
0,00
31,66
7,14
18,57
Perempuan
Jml Kasus Populasi
AR (%)
3
22
13,63
3
27
11,11
5
28
17,85
0
22
0,00
1
23
4,34
1
22
4,54
0
21
0,00
1
21
4,76
0
23
0,00
14
209
6,69
?
KONSEP-KONSEP EPIDEMIOLOGI
PENYEBARAN PENYAKIT
A. Pendekatan Epidemiologi
1. Pendekatan dengan model segitiga epidemiologi:
Menggambarkan adanya interaksi antara,
Host
(penjamu)
Agent
(Agen Penyebab)
Environment
(Lingkungan)
H
A
= Sehat
E
H
A
= Sakit
E
A
H
= Sakit
E
2. Model Roda
Lingkungan
Lingkungan Sosial
Manusia
Inti Genetik
(keturunan)
Lingkungan Fisik
Lingkungan Biologis
3. Model Jaring-Jaring (sarang laba-laba)
F1
Manusia
F2
SAKIT
F3
F4
F5
Terjadinya penularan penyakit karena manusia kontak
dengan penyebab sakit, diantara penyebab sakitpun berin
teraksi untuk memperkuat/melemahkan terjadinya sakit
RISIKO KEJADIAN PENYAKIT
Risiko ?
Efek terhadap kesehatan
karena paparan
MANFAAT DIKETAHUINYA
RISIKO SAKIT ?
Menggambarkan besar
Permasalahan kesehatan yang
disebabkan paparan
Menentukan prioritas tindakan
Memperkirakan sejauh mana sebuah asosiasi
mencerminkan hubungan sebab akibat
Hasil Penelitian Faktor Risiko Hepatitis A
Di SMU N I Temon Kabupaten Kulonprogo, 2002
No
Faktor resiko
Kasus Kontrol OR CI 95 %
P
1 Evalusi perkemahan
3
20 0,00 0,00-2,63 0,1304348
2 Lomba Tumpengan
62 106 1,36 0,69-2,71 0,3443463
3 Kebiasaan Jajan di Kantin bu Mr 40 50 27 7,47-105,5 0,0000000
Membandingkan Insidensi (kejadian sakit)
dengan paparan yang berbeda dapat dengan
Beberapa peendekatan penelitian :
Cross Sectional.
Case Control.
Khohort
D+
E+
E+
DD+
atau
E-
E-
D-
E+
D+
D-
ECross Sectional
Pertanyaan kunci :
Apakah paparan mendahului akibat
atau paparan terjadi setelah Terjadi akibat ?
(a) E+
Kasus ( D +)
(c) E (b) E+
Kasus ( D -)
(d)E-
E+
E-
D+
D-
a
b
c
d
OR=
a/c
b/d
= ad/bc
Case Control
STUDI KOHORT
Sakit
Terpapar
Tidak
Populasi
Sakit
Tidak terpapar
Kelompok studi
Sekarang
Magister Epidemiologi Lapangan - Universitas
Gadjah Mada
Tidak sakit
Outcome
Masa datang
D+
D-
E+
a
b
a+b
E-
C
d
c+d
a+c
b+d
a+b+c+d
Total
Total
Insidens di kelompok terpapar
RR =
Indidens di kelompok tak terpapar
a/a+b
Relatif Risk = --------------c /c+d
= a/a+b X c+d /c
ac + ad
=--------------ac + bc
BAGAIMANA MEMBANDINGKAN
KEJADIAN PENYAKIT ?
1. Perbandingan Mutlak
2. Perbandingan Relatif
ABSOLUT RISK
ATRIBUT RISK
RISK RATIO
RELATIF RISK
ODSS RATIO
1.
ABSOLUT RISK ( PERBANDINGAN MUTLAK) /
Risiko Mutlak ( Perbedaan Risiko)
Perbedaan risiko yang ditimbulkan oleh paparan / risiko
mutlak.
Selisih dalam tingkat kejadian (insidensi)
antara kelompok terpapar dengan tidak terpapar
Berguna untuk menggambarkan besar
Permasalahan kesehatan yang disebabkan paparan
Contoh :
Katagori
merokok
Jumlah Kasus
Stroke
Populasi
berrisiko
Insidens Rate
Stroke
Per 100.000
Tidak Pernah
70
395.594
17,7
Mantan
65
232.712
27,9
Perokok
139
280.141
49,6
Total
274
908.447
30,2
Sumber : Bonita., et all , 1988
Absolut Risk= 49,6 – 17,7 = 31,9
per 100.000
“ Adanya perbedaan risiko (karena paparan) terlihat
pada insidensi stroke”
D+
D-
E+
a
b
a+b
E-
C
d
c+d
a+c
b+d
a+b+c+d
Total
Total
Absolut Risk = ( I E +) – ( I E -)
= a/a +b – c / c+d
2. ATRIBUT RISK ( Risiko Karena terpapar) / Fraksi
etiologis.
Membagi perbedaan risiko antara insidensi kelompok
terpapar dan insidensi pada kelompok tidak terpapar dengan
Insidensi pada pada kelompok terpapar
Menggambarkan proporsi penyakit yang dapat dihindari bila tidak ada
Paparan . Misal Atribut Risk karena paparan rokok dengan kejadian
Strok 64 % , berarti bila tidak merokok risiko strok dapat diturunkan
64 %.
Dapat digunakan untuk menentukan prioritas tindakan, Atribut Risk
Karena paparan yang tinggi, merupakan prioritas penanggulangan
D+
D-
E+
a
b
a+b
E-
C
d
c+d
a+c
b+d
a+b+c+d
Total
Atribut Risk =
Total
a/a+b - c/c+d
------------------a/a+b
Contoh :
Katagori
merokok
Jumlah Kasus
Stroke
Populasi
berrisiko
Insidens Rate
Stroke
Per 100.000
Tidak Pernah
70
395.594
17,7
Mantan
65
232.712
27,9
Perokok
139
280.141
49,6
Total
274
908.447
30,2
49,6 -17,7
Atribut Risk = -------------- X 100 = 64 %
49,6
3. RISK RATIO ( Ratio Risiko penyakit dlm populasi )
Ukuran Tingkat penyakit (insidensi) dalam satu populasi
Yang disebabkan karena paparan
Insidensi pada populasi total – Insidensi pada kelompok tidak terpapar
Dibagi
Insidensi populasi total
Memperkirakan kejadian penyakit diseluruh populasi
akan berkurang jika paparan dihilangkan, misal Risk Ratio rokok
terhadap strok 41,4 %, berarti bila paparan rokok dihilangkan maka
insidensi strok dalam populasi akan berkurang 41,4 %.
D+
D
E+
a
b
a+b
E-
c
d
c+d
a+c
b+d
a+b+c+d
Total
Total
a+c/ a+b+c+d – c/ c+d
Risk Ratio = -----------------------------------a+c/ a+b+c+d
Contoh :
Katagori
merokok
Jumlah Kasus
Stroke
Populasi
berrisiko
Insidens Rate
Stroke
Per 100.000
Tidak Pernah
70
395.594
17,7
Mantan
65
232.712
27,9
Perokok
139
280.141
49,6
Total
274
908.447
30,2
Risk ratio =
30,2 – 17,7
-------------- X 100 = 41,4 %
30,2
4. RELATIF RISK (Risiko Relatif penyakit )
Rasio Risiko dari Insidensi terpapar dibanding insidensi tidak
terpapar
Indikator yang baik untuk mengetahui
Kekuatan asosiasi
Untuk Memperkirakan sejauh mana sebuah asosiasi
mencerminkan hubungan sebab akibat
D+
D-
E+
a
b
a+b
E-
C
d
c+d
a+c
b+d
a+b+c+d
Total
a/a+b
Relatif Risk = --------------c /c+d
= a/a+b X c+d /c
ac + ad
=--------------ac + bc
Total
5- ODSS RATIO (Ratio Odss penyakit )
Perbandingan probabilitas terjadinya suatu peristiwa dengan
probabilitas tidak terjadinya peristiwa
Pendekatan terhadap Relatif Risk
Untuk Memperkirakan sejauh mana sebuah asosiasi
mencerminkan hubungan sebab akibat
D+
D-
E+
a
b
a+b
E-
C
d
c+d
a+c
b+d
a+b+c+d
Total
Total
a/c
Odss ratio = --------------b/d
a/b
Odss ratio = --------------c/d
=
=
ad/bc
ad/bc
Determinan
( Faktor-Faktor Yang Melatar Belakangi
Timbulnya Penyakit)
Inferensi kausal (Generalisasi Penyebab sakit) dan
model kausalitas (Model Hub Sebab-akibat)
I. Konsep kausasi (konsep hubungan sebab-akibat) :
a. Pendekatan determinisme.
Menggunakan hasil riset sebelumnya untuk
mengambil keputusan hubungan sebab-akibat.
b. Pendekatan probabiilitas.
Menggunakan teori statistik, untuk mengurangi
kesalahan dalam penarikan kesimpulan hubungan
sebab akibat.
Pendekatan Determinisme
Pendekatan determinisme murni:
X
Y
Disebut dengan model kausasi tunggal
(adanya penyebab X, mengakibatkan terjadinya akibat Y).
Pendekatan determinisme dengan modifikasi :
Model kausasi majemuk:
1. Model segitiga epidemiologi.
2. Model roda.
3. Jaring-jaring laba-laba.
Misal : Penelitian Faktor Risiko Kejadian Penyakit
jantung Koroner (PJK)
Kerangka Konsep :
Variabel Bebas (X)
Variabel Terikat (Y)
Merokok
Minum Kopi
Jenis Kelamin
PJK
Secara Logis
Sebuah penyebab
harus
mendahului akibatnya (Penyakitnya)
Penyebab dianggap memadahi (sufisien)
bila mengawali sebuah penyakit
(misal : infeksi BTA
TBC Paru
Penyebab disebut perlu bila sebuah penyakit
tidak dapat berkembang tanpa kehadirannya
(misal : Suhu tertentu
TBC Paru
PENYEBAB YANG MEMADAHI
TIDAK SELALU SEBUAH
FAKTOR TUNGGAL, KEMUNGKINAN
BEBERAPA KOMPONEN
Faktor yang berdiri sendiri
acap kali tidak memadahi
dan bukan penyebab yang perlu
Genetik
Pemaparan terhadap
Bakteri
Infasi jaringan
Malnutris
Penjamu yang
Rentan
Perumahan
Padat
Infeksi
Tuberkulosis
Kemiskinan
Faktor Risiko TBC
Mekanisme tuberkulosis
Contoh : Penyebab-penyebab TBC
FAKTOR-FAKTOR DALAM HUBUNGAN SEBAB- AKIBAT
1.FAKTOR –FAKTOR PREDISPOSISI (meningkatkan kerentanan ).
(Umur, Jenis Kelamin, penyakit terakhir yang diidap)
dapat meningkatkan kerentanan.
2. FAKTOR- FAKTOR YANG MEMUNGKINKAN (mendorong terjadinya
pengembangan penyakit).
(Pendapatan rendah, gizi buruk,perumahan kumuh, perawatan
yang tidak adekuat, mendorong terjadinya pengembangan
penyakit).
3. FAKTOR- FAKTOR PENCETUS
Misal : paparan terhadap agent penyakit yang mungkin berasosiasi
dengan terjadinya penyakit.
4. FAKTOR PEMBERAT
Misal : Pengulangan paparan, dapat mendorong kearah terjadinya
penyakit.
INTERAKSI
Efek dari dua macam penyebab atau lebih yang bekerja
secara bersama-sama acap kali lebih besar, karena adanya
interaksi
Tingkat kematian akibat kanker paru per 100.000 penduduk dalam
hubungannya dengan menghisap rokok dan paparan akibat debu asbetosis
Paparan
asbestos
Riwayat
menghisap
rokok
Tidak
Ya
Tidak
Ya
Tidak
Tidak
Ya
Ya
Sumber : Hammond et al., 1979
Kematian akibat
kanker Paru/
100.000
11
58
123
602
KRITERIA KAUSASI / PEDOMAN SEBAB AKIBAT( Branford Hill ,1971) :
1. Kekuatan Asosiasi
Makin kuat hubungan paparan dan penyakit, makin kuat keyakinan
bahwa hubungan tersebut bersifat kausal.
2. Konsistensi
Makin konsisten dengan riset-riset lainya yang dilakukan pada
populasi dan lingkungan yang berbeda makin kuat pula keyakinan
hubungan kausal.
3. Spesifisitas
Makin spesifik efek paparan, makin kuat kesimpulan hubungan
kausal, makin spesifik penyebab makin kuat hubungan kausal.
4. Kronologi waktu (hubungan temporal)
Hubungan kausal harus menunjukkan sekuen waktu yang jelas,
yaitu paparan faktor penelitian mendahului kejadian penyakit.
5. Efek Dosis- Respons
Perubahan intensitas paparan yang selalu diikuti oleh perubahan
frekuensi penyakit menguatkan kesimpulan hubungan kausal.
6. Kredibilitas biologik suatu hipotesis.
Keyakinan hubungan kausal antara paparan dan penyakit makin
kuat jika ada dukungan pengetahuan biologik.
7. Koherensi
Makin koheren dengan pengetahuan tentang riwayat alamiah,
penyakit makin kuat keyakinan hubungan kausal antara paparan
dan penyakit.
8. Bukti Eksperimen
Dukungan temuan riset eksperimental memperkuat
hubungan kausal.
9. Analogi
Kriteria analogi kurang kuat sebagai dasar dukungan
hubungan kausal.
Tipe penelitian
dalam membuktikan
sebab akibat ?
Kemampuan relatif dari tipe penelitian dalam membuktikan hubungan
Sebab akibat
Tipe penelitian
Kemampuan
membuktikan penyebab
Uji Coba acak terkendali
Kuat
Kohor
Cukup
Kasus kontrol
Cukup
Cross Sectional
Lemah
Ekologis
Lemah
Download