joewono.soeroso4@gmail.

com

01/17/17

INTRODUCTION
Epidemiology
The study of the distribution and
determinants of health related
events in specified population, and
the application of this study to
control health problems (Last,
1988)

01/17/17

INTRODUCTION
Semula epidemiologi diterapkan
untuk pengendalian penyakit
menular, kemudian diterapkan
pada penyakit tidak menular dan
merupakan dasar dari ilmu
kedokteran (Hulley 2001)

01/17/17

HISTORY
John Snow
Contaminated
Water supply
Southwark & Co

1848

Cholera outbreak
Sir Bradford Hill

Smoking

1950

Lung cancer

01/17/17

THE PARADIGM

01/17/17

APPLICATION
Onset biologik
(patobiologi)

Diagnosis dini

diagnosis klinis

Dx

faktor Resiko
(Causation) Uji saring

tes
Diagnostik

Uji klinis
Prevensi I

End Points

Faktor
Prognostik
Uji klinis
Uji klinis
terapi
Prevensi II

Can be extended at molecular levels

01/17/17

sembuh
komplikasi
cacad
mati

tes
Diagnostik

APPLICATION
The Difference between
Risk factor and Prognostic
Factor
biologic onset

MSCT?
ANGIOGRAPHY?

AMI

Dx

Reinfarction

Risk Factors

Prognostic Factors

Hipertension

Hipotension
Hyperlipidemia
Smoking
Diabetes mellitus

Hyperlipidemia
Smoking
Diabetes mellitus

01/17/17

01/17/17

VARIABLE
Something measurable and
subjects to changes (variation)

01/17/17

VARIABLE
Types of Variable
Independent variable
Dependent variable
Confounding variable

01/17/17

VARIABLE
Confounder
a risk factor for the disease under
study whose in some appropriate
way (singly or conjunction with other
variables) will reduce or completely
correct a bias when estimating the
(true) exposure-disease relationship

01/17/17

VARIABLE
Types of variable relationships
Kolesterol IV1

DV
PJK

Kolesterol IV1

DV
PJK

Olah Raga IV2

Trigiserid IV2

CV

CV
Athero IV1
sklerosis

DV
PJK

IV2
Rokok

DM IV2

Not CV

IV1
Kolesterol

IV = Independent Variable
DV= Dependent variable
CV=Confouding variable

Not CV
01/17/17

DV
PJK

VARIABLE
Scales of variables
SKALA

Skala nominal: pria dan wanita,

warna kulit, golongan darah dsb.
Skala ordinal: Skala bertingkat atau
bergradasi. skor Apgar, stadium Ca.
Skala interval: Skala berjarak sama,
no true zero point, Mis: derajat
Celcius,
Skala ratio: Skala berjarak sama,
true zero point, mis; kadar gula
darah

Tes statistik
CATEGORICAL
NON PARAMETRIK
Distribution free
Chi-sqare, MW-U,
etc

CONTINUOUS
PARAMETRIK
Distribution
dependent
T test, ANOVA etc

01/17/17

VARIATION
1. Variasi Biologik (random error atau chance)
Contoh: Tensi diukur beberapa kali dalam posisi
sama, hasil tidak selalu sama
2.Variasi Sistematik
Contoh: variasi tekanan darah yang diukur
dalam posisi berbeda atau dengan alat yang
rusak
3.Variasi Pengukuran
kombinasi variasi biologik dan variasi
sistematik.
Contoh: hasil pem serial pH air kemih pada
seorang pasien beberapa kali (eror acak) dan
alat yang tidak dikalibrasi (sistematik)

01/17/17

VARIATION
Variasi individu
perubahan patologik dan eror
sistematik
Variasi antar individu
variasi biologik, patologik, maupun
eror sistematik.

01/17/17

VALIDITY
Pengukuran atau penetapan yang
mendekati nilai sebenarnya disebut
valid (sahih) atau akurat.
Validitas berhubungan erat dengan
bias dan metode penelitian

01/17/17

PRECISION
Derajat fluktuasi hasil pengukuran ulang
Presisi berhubungan erat dengan eror
acak.
Contoh: Pengukuran tekanan darah
dengan kanula intra-arteri adalah valid
dan presis karena mendekati nilai
sesungguhnya. Tetapi pengukuran
tekanan darah dengan sfigmomanometer
beberapa kali dalam berbagai posisi
dapat kurang presis dan kurang valid.
01/17/17

Valid
precise

Not valid
Not precise

Not valid
Precise

01/17/17

JumlahObservasi
Kanula Intra-arteriSphygmomanometer

chance
Bias
80
Tekanan diastolik
(mmHg)
01/17/17

90

BIAS
Hasil pengukuran yang secara sistematis lebih
tinggi atau rendah dari nilai sebenarnya
1. Bias sampling: biopsi hati di lobus kiri
padahal tumor di lobus kanan.
2. Bias observasi: dokter dgn alat bantu dengar
akan memperoleh data tekanan diastolik
yang lebih tinggi dari yang sebenarnya.
3. Bias confounding: ok variabel perancu

01/17/17

FEQUENCY OF DISEASE
Prevalence
Incidence

01/17/17

Prevalence
Point Prevalence
Jumlah kasus baru + lama pada suatu saat
Total populasi

Period Prevalence
Jumlah kasus baru + lama pada suatu
periode
Total populasi
01/17/17

Incidence
Cumulative incidence
Jumlah kasus baru dalam suatu kurun
waktu
Jumlah populasi dalam risiko

Incidence density
Jumlah kasus baru dalam suatu kurun
waktu
Risiko person -time untuk menderita
suatu penyakit
01/17/17

Cumulative Incidence
Case 1

D
Case 2

O
Case 3

Case 4

Case 5

O
O

Case 6

Case 7

Case 8
Case 9

D
Case 10

1 Januari 1994

O = observation D = disease
01/17/17

D
O

O
O

D
31 Desember 1994

Incidence Density

Subject
1

Years at risk(t)

2.5
X

3.5

1.5

2.5

4.5

0.5

0.5

2.5

O
X

2.5

10

2.5

11

1.5

12

1.5
1

3
Time (years)

5.5

Penghitungan ID pada Data Hipotetis . X adalah awal penyakit, O

adalah kematian1
01/17/17

01/17/17

PROBABILITY
Seseorang tidak dapat meninggalkan
konsep probabilitas dalam pengambilan
keputusan
Sifat-sifat probabilitas
Nilai probabilitas antara 0 dan 1
Nilai 0 tidak mungkin ada kejadian, 1 artinya
kejadian pasti akan terjadi
Nilai 0.5 kemungkinan terjadi dan tidak
terjadi adalah sama.

01/17/17

Sn tredmil 60% dan Sp tredmil 91%

PJK
(angiografi koroner = gold standard)

joint probability

tredmil

540
360

900

91

100

probabilitas (prates) PJK

single probability

Probabilitas pascates

549

540
----549

884

= 98% +8%
conditional
probability

1000

90%

98% (pascates)
01/17/17

01/17/17

Jenis Desain Penelitian

Epidemiologi
1. Observasional (tanpa perlakuan)
MAKIN KUAT

Laporan kasus
Seri kasus
cross-sectional
kasus-kontrol
kohort

2. Exprimental (dengan perlakuan)

Eksprimental sejati (true)

3. Metaanalisis
01/17/17

01/17/17

Cross Sectional Study

Prevalence Study
Ca Paru - Rokok +

Ca Paru

70

30

10
0

80

10
0

Rokok

30

+
a

20

Ca Paru +
Rokok 70

200

Ca Paru
+Rokok +
80
OR? RR? PR?
Ca Paru rokok -

01/17/17

20

01/17/17

BEDA RANDOM SAMPLING DAN

RANDOMISASI
Random sampling:

mengambil sampel dari suatu

populasi
Randomisasi (Randomisation)
: meng-alokasikan suatu
perlakuan pada 2 atau lebih
kelompok subyek penelitian
01/17/17

Strength an Weakness of RCT

Strength
Randomisation, inclusion, and exclusion may
control confoundings
Confoundings can also be minimized through
multivariate analysis at the end of the study
Weakness
Tight controls on the study process may unmeet to
the target population
True efficacy may be different with the true
effectiveness in the target population (i.e in the
community)

15 hari
`

Salep tetrasiklin
20 Pasien
ULKUS
PEDIS

TANPA RANDOMISASI

Salep Plasebo

Sembuh
Tidak Sembuh

p= > 0.05

15 hari
`

Salep tetrasiklin
20 Pasien
ULKUS
PEDIS

TANPA RANDOMISASI

Salep Plasebo

Sembuh
Tidak Sembuh
DM & Tidak Sembuh

p= > 0.05

15 hari

`
Salep tetrasiklin
20 Pasien
ULKUS
PEDIS

RANDOMISATION
Salep Plasebo

Sembuh
Tidak Sembuh
DM & Tidak Sembuh

p= < 0.05

Treatment
Placebo
Hawthorne Effect
Natural History of the disease

Randomisation

10480
22368
24130
42167
37570
By Software

15011
46573
48390
93093
33977

01536
25595
22527
06243
81837

Treatment A 0-4
Treatmen B 5-9
01/17/17

Joewono Soeroso

01/17/17

THE CONCEPT OF
POPULATION
External
validity

Internal
validity

External population

Target population

statistical Actual population

inference
Sample

Kleinbaum, Kupper, Morgenstern

1982
01/17/17

01/17/17

01/17/17

SAMPLING
Sampling diperlukan untuk efisiensi.
Masalahnya apakah distribusi faktor-faktor
yang kita cari di dalam sampel sama
dengan distribusinya di populasi?
Kalau tidak akan menimbulkan bias yang
menyebabkan hasil semu.
Untuk itu sebaiknya kita memahami
konsep populasi
01/17/17

DESAIN SAMPLING
Sampil non probabilitas (purposive)
Sampling probabilitas
Semua subyek mempunyai probabilitas
yang sama untuk terpilih menjadi sampel
Digunakan random table untuk
mendapatkan sampel

Contoh: simple random sampling,

sampling bertingkat, sampling cluster
dan sampling bertahap banyak (multistage)
01/17/17

Analisis Statistk (parametrik)

adalah menentukan perbedaan
dua (atau lebih) distribusi data
= 34.8

01/17/17

 = 34.5

Analisis Statistk (parametrik)

adalah menentukan perbedaan
dua (atau lebih) distribusi data
01/17/17

Rejection area

- 1.96 SD

Acceptance
area

Standard
deviation

Rejection area

+ 1.96 SD

01/17/17