Professional Documents
Culture Documents
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
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
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
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
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
PJK
(angiografi koroner = gold standard)
joint probability
tredmil
540
360
900
91
100
Probabilitas pascates
549
540
----549
884
= 98% +8%
conditional
probability
1000
90%
98% (pascates)
01/17/17
01/17/17
Laporan kasus
Seri kasus
cross-sectional
kasus-kontrol
kohort
3. Metaanalisis
01/17/17
01/17/17
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
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
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
01/17/17
= 34.5
Rejection area
- 1.96 SD
Acceptance
area
Standard
deviation
Rejection area
+ 1.96 SD
01/17/17