1 / 45

Ukuran-Ukuran Dasar Dalam Epidemiologi

Ukuran-Ukuran Dasar Dalam Epidemiologi. Created by : Aria Gusti. What Is The Unique Skill Of Epidemiologists?. MEASURING DISEASE FREQUENCY IN POPULATIONS. A. Perhitungan Frekuensi Penyakit. 1. Rasio - Dapat dinyatakan dalam a/b - Berguna untuk pembandingan

jag
Télécharger la présentation

Ukuran-Ukuran Dasar Dalam Epidemiologi

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Ukuran-Ukuran Dasar Dalam Epidemiologi Created by : Aria Gusti

  2. What Is The Unique Skill Of Epidemiologists? MEASURING DISEASE FREQUENCY IN POPULATIONS

  3. A. Perhitungan Frekuensi Penyakit 1. Rasio - Dapat dinyatakan dalam a/b - Berguna untuk pembandingan - Contoh ukuran yang menggunakan rasio Sex ratio Dependency ratio Rasio bidan per penduduk Rasio puskesmas per penduduk

  4. How Many? Community A Community B

  5. 2. Proporsi / Persentase • Menyatakan besar relatif suatu kelompok terhadap total semua kelompok • Untuk dua kelompok a dan b, proporsi a= a/(a+b) atau persentase a = a/(a+b) x 100% Misal : Proporsi kematian karena DHF adalah jumlah yang mati karena DHF dibagi jumlah seluruh kematian

  6. Distribusi Frekuensi, Proporsi dan Persentase Responden Menurut Tingkat Pendidikan

  7. 3. Rate • Besarnya peristiwa yang terjadi terhadap jumlah keseluruhan penduduk dimana peristiwa itu berlangsung dalam suatu batas waktu tertentu • Memasukkan unsur waktu dalam perhitungan rasio maupun proporsi • Contoh: • CDR (crude death rate) • CBR (crude birth rate) • RNI (rate of natural increase)

  8. Rate

  9. B. Ukuran Morbiditas • Insidensi Jumlah kejadian/penyakit (kasus baru) pada kelompok pddk tertentu dlm suatu kurun waktu tertentu

  10. Pada penyakit menular tertentu dengan masa tunas yg pendek dapat dihitung attack rate (angka serangan), misal pada wabah atau Kejadian Luar Biasa (KLB) yg biasanya berlangsung tidak terlalu lama (beberapa hari atau minggu saja).

  11. 2. Prevalensi • Point prevalence, jlh seluruh penderita (lama+baru) yg ada pada suatu saat tertentu

  12. Periode prevalence, jlh seluruh penderita (lama+baru) yg ada pada suatu periode tertentu

  13. Contoh soal : 1. Jika kita ingin memperoleh ukuran insidensi kanker payudara diantara wanita di Tanah Datar selama tahun 2009, kasus kanker payudara mana yg kita jadikan penyebut (numerator) ? • Seluruh kasus kanker payudara diantara wanita Tanah Datar tahun 2009 ?, atau • Hanya kasus baru kanker payudara diantara wanita Tanah Datar tahun 2009 ?

  14. Contoh soal : 2: Diasumsikan kita mulai menghitung insidensi pada 1 januari 2009, wanita Tanah Datar mana yg kita jadikan pembilang (denuminator) dari ukuran insidensi ? a. Seluruh wanita di Tanah Datar pada tahun 2009. b. Hanya wanita tanpa kaknker payudara di Tanah Datar pada 1 Januari 2009

  15. Contoh soal : 3: Untuk menghitung prevalensi kanker payudara pada wanita Tanah Datar tahun 2009, kasus kanker payudara mana yang kita jadikan numeraor ? a. Seluruh kasus kanker payudara yg dilaporkan pad atahun 2009? b. Seluruh kasus kanker payudara yg pernah dilaporkan?, atau c. Seluruh kasus kanker payudara yg masih bertahan yg pernah dilaporkan?

  16. Contoh soal : 4. Selama tahun 2009 ditemukan 100 org penderita TB baru. Penderita TB tahun 2008 yang masih bertahan sampai tahun 2009 50 orang. Jumlah pddk Tanah Datar 400.000 orang.  Hitung angka insidensi dan prevalensi TB di Kab Tanah Datar tahun 2009!

  17. Manfaat ukuran insidensi • Angka insidensi dapat digunakan untuk mengukur angka kejadian penyakit. Perubahan angka insidensi dapat menunjukkan adanya perubahan faktor2 penyebab penyakit, yaitu fluktuasi alamiah dan adanya program pencegahan. • Dalam penelitian epidemiologi  sebab akibat • Perbandingan antara berbagai populasi dengan pemamapan yg berbeda • Untuk mengukur besarnya risiko determinan tertentu

  18. Manfaat ukuran prevalensi • Menggambarkan tingkat keberhasilan program pemberantasan penyakit • Penyusunan perencanaan pelayanan kesehatan, misal obat, tenaga, ruangan • Menyatakan banyaknya kasus yg dapat didiagnosis

  19. C. Ukuran Mortalitas • Crude Death Rate (CDR) Angka kematian kasar adalah jumlah kematian yg dicatat selama satu tahun per 1000 penduduk di pertengahan tahun yg sama AKK/CDR = Jmh kematian yg dicatat dlm thn kalender X 1000 Jlh seluruh pddk pertengahan thn yg sama

  20. Jmlh kematian pada kelompok umur tertentu tertentu selama satu tahun • Jmlh penduduk golongan umur tersebut pada pertengahan tahun yg sama / 1000 • Age Specific Death Rate (ASDR) • Bisa interval 5 tahunan atau • Kelompok umur khusus spt : neonatus, bayi, balita, usia sekolah, dewasa, usia lanjut, dll.

  21. Kelompok Umur Cth : Angka Kematian Bayi (Infant Mortality Rate) Dirinci lagi menjadi : • Perinatal Mortality Rate (Kematian Janin >28 mgg Usia Kehamilan s.d bayi berusia 7 hari) • Neonatal Mortality Rate (0 – 1 bulan) • Post Neonatal Mortality Rate (1 bulan – 1 tahun)

  22. Jmlh kematian bayi selama satu tahun • Jmlh bayi lahir hidup di area yg sama dan tahun yg sama / 1000 Examples for age spesific death rates: • A. Infant mortality rate (IMR) • Tinggi rendahnya IMR berkaitan dengan • Penyakit infeksi yg dapat dicegah dgn imunisasi • Diare yg dapat menyebabkan dehidrasi • Personal higiene dan sanitasi lingkungan yg kurang memadai, serta sosial ekonomi rendah • Gizi buruk dan daya tahan tubuh yg menurun

  23. Jmlh kematian janin pada kehamilan 28 mgg atau lebih + jumlah kematian bayi < 7 hari selama satu tahun • Jmlh bayi lahir hidup di area yg sama dan tahun yg sama / 1000 Examples for age spesific death rates: • B. Perinatal mortality rate (PMR) • Tinggi rendahnya PMR berkaitan dengan • Banyaknya bayi Berat Badan Lahir Rendah (BBLR) • Status gizi ibu dan bayi • Keadaan sosial ekonomi • Penyakit infeksi terutama ISPA • Pertolongan persalinan

  24. Jmlh kematian bayi berumur < 28 hari selama satu tahun • Jmlh bayi lahir hidup di area yg sama dan tahun yg sama / 1000 Examples for age spesific death rates: • C. Neonatal mortality rate (NMR) • Tinggi rendahnya NMR berguna untuk mengetahui : • Tinggi randahnya usaha perawatan antenatal/ selama kehamilan dan post natal/perawatan bayi setelah lahir • Program imunisasi • Pertolongan persalinan • Penyakit infeksi terutama ISPA

  25. Jmlh kematian bayi berumur > 28 hari sampai 1 tahun selama satu tahun • Jmlh bayi lahir hidup di area yg sama dan tahun yg sama / 1000 Examples for age spesific death rates: • D. Post Neonatal mortality rate (PNMR) • Tinggi rendahnya PNMR berkaitan dengan : • Penyakit infeksi yang sebenarnya dapat dicegah dengan imunisasi • Diare yg mengakibatkan dehidrasi • Lingkungan dan higiene sanitasi yg kurang memadai • Gizi buruk dan penurunan daya tahan tubuh

  26. Jmlh kematian balita dalam 1 tahun • Jmlh balita di area yg sama dan tahun yg sama / 1000 Examples for age spesific death rates: • E. Angka Kematian Balita (Akaba) • Tinggi rendahnya Akaba berkaitan dengan : • Program pelayanan kesehatan • Program imunisasi • Program perbaikan gizi • Tingkat pendidikan, keadaan sosial ekonomi, dll

  27. Jmlh kematian ibu karena kehamilan, persalinan dan masa nifas selama satu tahun Jmlh kelahiran hidup pada tahun dan wilayah yg sama / 100 000 Examples for age spesific death rates: F. Maternal Mortality Rate (MMR) • Tinggi rendahnya MMR berkaitan dengan • Keadaan sosial ekonomi • Kesehatan ibu selama hamil, bersalin dan nifas • Pelayanan kesehatan terhadap ibu • Pertolongan persalinan dan perawatan masa nifas

  28. Jmlh kematian karena sebab penyakit tertentu selama satu tahun • Jmlh penduduk pada pertengahan tahun yg sama / 100000 • Cause Specific Mortality Rate (CSMR) Jumlahnya sangat kecil dibandingkan jumlah penduduk Maka digunakan konstanta 100.000 untuk menghindari angka desimal

  29. Jmlh kematian karena penyebab penyakit tertentu dlm suatu lingkungan dan kurun waktu tertentu Jmlh penderita penyakit tsb dlm lingkungan dan kurun waktu yg sama / 1 000 • Case Fatality Rate (CFR) • Lebih menunjukkan keganasan penyakit tersebut pada kondisi atau lingkungan tertentu • Seperti kematian saat Kejadian Luar Biasa (KLB) penyakit tertentu

  30. Contoh soal : Selama tahun 2009 di Tanah Datar dilaporkan 9.000 kasus DBD. 100 org diantaranya meninggal dunia. Jumlah pddk Tanah Datar 400.000 orang.  Hitung angka : 1. Cause Spesific Mortality Rate (CSMR) 2. Case Fatality Rate (CFR)

  31. Jmlh kelahiran hidup selama satu tahun • Jmlh penduduk pada pertengahan tahun yg sama / 1000 D. Ukuran Fertilitas • Crude Birth Rate (CBR) Angka kelahiran kasar adalah jumlah kelahiran yg dicatat selama satu tahun per 1000 penduduk di pertengahan tahun yg sama

  32. Perhitungan CBR ini sederhana, mudah dihitung tetapi kasar. Perhitungan ini disebut perhitungan kasar karena yang menjadi pembagi adalah seluruh penduduk baik laki-laki maupun perempuan seluruh usia termasuk yang bukan perempuan usia reproduksi (15-49 tahun). Keterbatasan CBR

  33. Jmlh kelahiran hidup oleh ibu golongan umur tertentu selama satu tahun • Jmlh penduduk wanita golongan umur tertentu pada pertengahan tahun yg sama / 1000 • Age Specific Birth Rate (ASBR) Jumlah kelahiran hidup oleh ibu pada golongan umur tertentu yg dicatat selama satu tahun per 1000 penduduk wanita golongan umur tertentu pada pertengahan tahun yg sama

  34. Age Specific Birth Rate (ASBR) • Biasanya dengan interval 5 tahun • Usia subur = 15 – 49 tahun  7 interval. • Dapat disusun menjadi distribusi frekuensi pada setiap golongan umur (interval). • Dapat diketahui : umur berapa yang punya tingkat kesuburan yang tinggi.

  35. Usia 15-20  5/25 x 1000 = 200 per 1000 • Usia 20-25  10/30 x 1000 = 333 per 1000 Dapat disimpulkan wanita usia 20-25 tahun. lebih subur daripada usia 15-20 tahun

  36. E. Ukuran Risiko Risiko dapat diartikan sebagai derajad ketidakpastian Risiko = 0 Ada kepastian suatu peristiwa tidak akan terjadi Risiko = 1 Terdapat kepastian bahwa suatu peristiwa pasti akan terjadi Besarnya risiko untuk terkena penyakit dapat dibandingkan dengan menghitung besarnya insidensi suatu penyakit antara orang yg terpapar dgn faktor penyebab penyakit tsb dgn yg tidak terpapar

  37. 1. Risiko Atribut (Attribute Risk/AR) • Selisih angka insidensi antara kelompok terpapar dgn tidak terpapar • Dianggap sbg akibat pemaparan oleh faktor penyebab penyakit (atribut) Cth : Hubungan antara merokok dgn kanker paru Dari 100 perokok berat  5 menderita ca paru  besar risiko = 5/100 = 0,05 Dari 100 bukan perokok  2 menderita ca paru  besar risiko = 2/100 = 0,02 Risiko Atribut = 0,05 – 0,02 = 0,03  3% insidensi ca paru disebabkan oleh kebiasaan merokok

  38. Risiko atribut bermanfaat untuk memperkirakan besarnya risiko yg dapat dihindarkan bila ‘atribut’ yg dianggap sbg penyebab penyakit dihindarkan. Cth : Hubungan antara kontrasepsi oral dgn tromboflebitis Dari 1700 pengguna kontrasepsi oral  17 menderita tromboflebitis Dari 1000 yg tdk menggunakan kontrasepsi  5 menderita tromboflebitis Risiko Atribut = (17/1700) – (5/1000) = 0,005  0,5% Risiko tromboflebitis yg dapat dihindarkan dgn tidak menggunakan kontrasepsi oral adalah 0,53%

  39. Risko atribut penting diketahui untuk : • Penyuluhan kepada masyarakat ttg manfaat yg diperoleh bila faktor penyebab penyakit dihindarkan • Menyusun rencana pencegahan penyakit dgn menghilangkan atau mengurangi ‘atribut’ atau faktor yg dianggap sbg penyebab timbulnya penyakit

  40. 2. Risiko Relatif (Risk Ratio/RR) • Menghitung rasio antara 2 kelompok • Membandingkan insidensi antara kelompok terpapar dgn yg tidak terpapar Cth : Hubungan antara merokok dgn kanker prostat Dari 1000 perokok  90 menderita ca prostat Dari 1000 bukan perokok  30 menderita ca prostat

  41. Besarnya risiko yg ditanggung oleh perokok untuk terkena ca prostat dibandingkan dgn bukan perokok dapat dijelaskan sbb. Kesimpulan : Perokok mempunyai risiko menderita Ca Prostat 3 kali lebih besar dibandingkan dengan bukan perokok

  42. 3. Odds Ratio (OR) • Pada penelitian retrospektif perhitungan risiko relatif hanya berdasarkan perkiraan saja yg disebut odds ratio. • Yg dibandingkan bukan angka insidensi tetapi pemaparan Cth : Hubungan antara merokok dgn kanker prostat Dari 1000 perokok  90 menderita ca prostat Dari 1000 bukan perokok  30 menderita ca prostat

  43. Besarnya risiko yg ditanggung oleh perokok untuk terkena ca prostat dibandingkan dgn bukan perokok dapat dijelaskan sbb. Kesimpulan : Besarnya risiko untuk menderita Ca Prostat pada perokok 3,2 kali lebih besar dibandingkan dengan risiko menderita prostat pada yang bukan perokok

  44. OR = 90/910 : 30/970 = 90 x 970/30x910 = 87300/27300 = 3,2

  45. Thank You

More Related