Prof.Dr.dr.Rizanda Machmud M.Kes

1. Indikator & pengukurandalamepidemiologipenyakitkronik& degeneratifsertafaktor yang mempengaruhiakurasi Prof.Dr.dr.RizandaMachmudM.Kes

2. KONSEP SEHAT - SAKIT • Batasansehatitusendirisangatberagam, salahsatukonsepsehatmenurut WHO, adalah: suatukeadaansehat yang komplitmeliputifisik, mental, sosialdanbukanhanyaketiadaandaripenyakitataupunkelemahan • Penilaianterhadapkesehatanindividudidasarkanpadapemeriksaanfisik, pemeriksaanlaboratorium, danpemeriksaan-pemeriksaanlainnyaterhadapkesehatanorang yang bersangkutan

3. Penilaianterhadapkesehatanmasyarakatdidasarkanpadakejadian-kejadianpenting yang menimpapendudukataumasyarakat • Indikatorkesehatanmasyarakat, sepertiangkakematian, angkakelahiran, angkakesakitan

4. Pengertian, tujuan, & manfaat • Kumpulan keteranganberbentukangka yang berhubungandenganmasalahkesehatan • Semuacatatatanberupaangka yang dikumpulkansecarasistematisttgkesehatandanhal-hal yang berhubungandengankesehatan. • Tujuannya, untukmemperolehinformasi yang jelas & terperincittgkeadaankesehatansuatumasyarakat.

5. Pengertian, tujuan, & manfaat (lanj) • Manfaat : • Mengukurderajatkesehatanmasyarakat • Memonitorkemajuan status kesehatan • Mengadakanevaluasi program • Mengadakanperbandingankeadaankesehatan • Memotivasipetugas & pengambilkeputusan • Menentukanprioritasmasalah

6. Proporsi, Rate & Ratio • Proporsi • Perbandinganantaraduanilaidimanapembilangmerupakanbagiandaripenyebut • Rate • Perbandinganantaraduanilaidimanapembilangmerupakanbagiandaripenyebut, & unsurwaktujugadiperhatikan. • Ratio • Perbandingandimanapembilangdanpenyebutmerupakankelompok yang berbeda

7. Tabel 1. DistribusiFrekuensiPenyakitMenurut 10 PenyakitTerbanyakdiPuskesmas ABC tahunXXX

8. CONTOH RATIO • Perbandingan antara pria dan wanita dalam data kependudukan dikelurahan jumlah penduduk laki-laki adalah 11.543 orang dan jumlah penduduk wanita adalah 11.474 orang • 11.543/ 11.474 = 1.006 • Ratio jumlah penduduk antara pria dan wanita adalah ini berarti penduduk laki-laki lebih banyak 1.006 kali dibandingkan penduduk wanita

9. STATISTIKA MORTALITAS • Angkakematiankasar • Specific death Rate • Case Fatality Rate • Proporsional Mortality Rate

10. Angkakematiankasar • Adalahjumlahseluruhkematianselamasatutahunberjalandibagijumlahpendudukpertengah • an tahunatau midyear population disuatunegara. • AngkakematiankasaratauCrude death Rate (CDR) sangattergantungpadakomposisiseksdanumurpenduduk. Bilakomposisipendudukterdiridaribanyakoranglanjutusia, maka CDR akanlebihtinggi, sebaliknyabilakomposisipenduduknyaterdiridaribanyakusiamuda, maka CDR akanlebihkecil.

11. CONTOH CDR • Total kematianpenduduk Indonesia tahun XXX sebanyak 17.308.680 orangdanjumlahpenduduk Indonesia pertengahantahun XXX sebanyak 178.440.000 orang. Berapa CDR tahun XXX? • Perhitungan; • AngkaKematiankasar = • (17.308.680/ 178.440.000) X1000 =9.7 per 1000 • Angkakematiankasarpenduduk Indonesia tahun XXX adalah 10 orang per 1000 penduduk

12. Spesific death rate • Merupakanangkakematian yang ditujukankepadapenyebabkematianspesifikolehpenyakittertentu • Biasanyadihubungkandenganfaktor-faktor yang terdapatdimasyarakatsepertiumur, seks, pekerjaan, dan status sosial

13. MANFAAT • Sebagai base line data padastudiepidemiologik • Untukmengetahuifaktor-faktorrisiko yang dapatmenimbulkankesakitandankematianolehpenyakittertentudimasyarakat • Dipakaiuntukestimasiterhadapetiologipenyakit. • Dipakaisebagaibahanpertimbanganuntukmenyusunrencanapencegahandanpemberantasanpenyakittertentu. • Dipergunakanjugauntukmengetahuitingginyarisikokematianpendudukkarenapenyakittertentu

14. CONTOH • Jumlah kematian karena tbc di suatu wilayah pada tahun XXX adala sebanyak 3.000 orang. Jumlah penduduk pertengahan tahun adalah 13.821.000. Berapakah rate kematian karena TBC tersebut ? • Perhitungan; • Spesific death rate = • (3.000/ 13.821.000) X 100.000 = • 2 per 100.000 penduduk

15. Case fatality rate • Merupakanpersentaseangkakematianolehsebabpenyakittertentu yang dipakaiuntukmenentukanderajatkeganasan/ kegawatansuatupenyakittersebut. • Perhitunganrasioinidengancepatdapatdiketahuijenispenyakitmana yang paling banyakmenimbulkankematian, sehinggadapatsegeradisusunstrategipenanggulangan

16. CONTOH • Jumlahkematianakibatkankerpayudaradirumahsakit A, dilaporkansebanyak 56 orangdanpasien yang dirawatdenganpenyakit yang samasebanyak 112 orang. Berapa Case Fatality Rate penyakittersebut? • Perhitungan; • (56/ 112) X 100% • CFR = 50%

17. Proportional Mortality Rate • Merupakanproporsiangkakematian yang terjadipadapadagolonganumurtertentu, • Menjadisalahsatuindikatorpentinguntukmelakukanestimasipenyebabkematianutamadisuatunegara • Dipakaisebagaibase line data untukperencanaanpelayanankesehatan

18. Statistikamorbiditas • Di negara-negaramajudengantarafkesehatan yang tinggi, tingkatkematiantelahdapatditekanserendah-rendahnya, terutamakematian yang disebabkanpenyakitinfeksi. • Polapenyakitdinegaratersebuttelahbergeserdaripenyaiktinfeksikepenyakit non infeksi, sepertipenyakitjantung, hipertensi, diabetes melitusdan lain sebagainya • Di Indonesia saatinitelahterjadisuatutransisiepidemipenyakitdimanapenyakit yang timbulmasihdidominasiolehpenyakitinfeksi, akantetapiterjadi pula peningkatanpenyakit non infeksi

19. Rate morbiditas • Rate morbiditasadalahjumlahpenderita yang dicatatselama 1 tahun per 1000 pendudukpertengahantahun yang sama • Rate inidapatdigunakanuntukmenggambarkankeadaankesehatansecaraumum

20. Rate prevalensi • Rate prevalensisuatupenyakitadalahjumlahpenyakittertentu yang dicatatselama 1 tahun per 1000 penduduk yang berisikoterkenapenyakit yang sama. • Rate inimerupakanfrekuensipenyakit lama danbaru yang berjangkitdimasyarakatdisuatuwilayahpadawaktutertentu

21. MANFAAT • Rate prevalensi sangat bermanfaat untuk mempelajari penyakit kronik yang terjadi dalam masyarakat dan digunakan untuk mengetahui tingkat keberhasilan program pemberantasan penyakit. • Rate inidapatjugadigunakanuntukmenyusunrencanatentangpelayanankesehatan yang dibutuhkan, obat-obatandan lain-lain

22. JENIS RATE PREVALENSI • Bila rate prevalensi ditentukan pada suatu saat misalnya pada bulan juli tahun X, maka disebut point prevalence rate; • Apabila ditentukan selama suatu periode tertentu misalnya dari 1 Januari sampai dengan 31 Desember tahun X, maka disebut sebagai periode prevalence rate.

23. Rate Insidensi • Rate insidensiadalahjumlahkasusbaruataupenderitabarupenyakittertentu yang dicatatselama 1 tahun per 1000 penduduk yang mempunyairesikountukterkenapenyakittersebut

24. MANFAAT • Mengetahuitingkatkeberhasilan program imunisasi yang dijalankanterhadappenyakit-penyakit yang dapatdicegahdenganimunisasi. • Mengetahuiadanyaletusanpenyakit. • Membandingkantingkatperkembanganpenyakitpadaberbagaikelompokmasyarakat. • Mengetahuisecaralangsungrisikountukterkenapenyakittertentu.

25. Gambarkejadianincidensdanprevalence rate penyakit TBC didaerahxyz

26. Berapakah point prevalence rate padatanggal 1 Januaritahun XY? Jumlahorang yang menderitapenyakit TBC 4 orang tgl 1 Jan th XY X 1000 = 13 Jumlahpenduduk 300 orang

27. Berapa incident rate penyakittersebut?

28. Berapakahperiode prevalence rate daritanggal 1 January – 31 Desemberth XY ?

29. FAKTOR- FAKTOR YANG MEMPENGARUHI AKURASI BIAS

30. TOPIK BAHASAN • ERROR • BIAS • PENGUKURAN • BERBAGAI KESALAHAN DALAM PENELITIAN • PENGENDALIAN KESALAHAN

31. ERROR

32. MEASUREMENT ERROR

33. RANDOM ERROR

34. SYSTEMATIC ERROR

35. BIAS

36. JENIS-JENIS BIAS • SELECTION BIAS • BIAS INFORMASI • CONFOUNDING

37. SELECTION BIAS • Penyimpanganperkiraanpengaruh yang diakibatkanolehcarapemilihanpengaruh • Terdiridari • Prevalence incidens bias • Berkson bias • Non-respon bias • Wrong sample size bias

38. Prevalence incidens bias • Terjadi dalam kasus case control • Selective survival pada prevalent cases • Kasus-kasus ringan sudah membaik kasus berat mengakibatkan kematian • Dalam memilih kasus, kita terlambat melihat penyakitnya • Kasus-kasus berat yang sudah menimbulkan kematian tidak akan muncul daiantara outcome

39. Lanj. • Tingginya CFR padatahapdinidaripenyakitjantungkoronerakanmengurangi – invalidate studiterhadapfaktor-faktoretiologik yang mungkinadakarenaorang-orang yang tersediaadalahorang yang masihhidup (kasus-kasusparahtidakterdapat) • Padastudikohort serum kolesterolmemiliki OR 2.4 sedangkanpadastudi case kontrolmemiliki OR 1.16

40. BERKSON BIAS • Selektif dalam penerimaan pasien dirumah sakit • Penyebabnya tergantung gejala, akses, rumah sakit rujukan utk penyakit tertentu, populer atau tdak RS tsb Contoh; • Individu yang memiliki 2 gejala cenderung dirawat inap di RS dibanding yang memiliki 1 gejala

41. Contoh • Pada penyakit muskuloskletal dengan penyakit pernafasan • Pada populasi umum OR 1.06; tidak ada hubungan antara penyakit muskuloskletal dengan pernafasan • Pada orang yang di rawat di RS OR 4.06 ada hubungan antara penyakit muskuloskletal dengan pernafasan

42. NON-RESPONSE BIAS • Adanya penolakan untuk berperan serta dalam suatu penelitian • Orang yang tidak memberikan tanggapan pada sampel cenderung berbeda dari orang yang tersedia • Kebiasaan merokok, ternyata yang memberikan tanggapan lebih baik hanya dari rokok kretek dibanding rokok cerutu

43. WRONG SAMPLE SIZE • Sampel yang terlampau kecil  ketidak mampuan untuk mendeteksi perbedaan-perbedaan klinik secara penting • Sampel yang terlampau besar  ukuran-ukuran statistik bermakna atas perbedaan-perbedaan secara klinik tidak penting

44. INFORMATION BIAS • Kekeliruan ketidak pastian atau informasi didalam pengukuran paparan atau outcome • Distorsi didalam memperkirakan pengaruh yang diakibatkan measurement error atau misclasification atas subjek-subjek pada satu atau lebih variabel TERDIRI ATAS • Diagnostic bias • Recall bias

45. DIAGNOSTIC BIAS • Terjadikarenapenampilantatacaradiagnostikkasustidakproporsionaldengantatacaradiagnostikpadakontrol • Pengetahuanmengenaisubjeksebelumketerpaparannyadengansuatuhal yang didugasebagaipenyebabpenyakitdapatberpengaruhdalamprosesdiagnostik outcome

46. Contoh • Penyakit yang manifestasi klinik yang langka dan memerlukan uji labor utk prosedur diagnostik, akan missed dalam kelompok kontrol • Ca cervix pada individu yang terpapar dan tidak terpapar terapi estrogen, prosedur yang sama harus dilakukan untuk kedua kelompok • Pencegahannya, blinding terhadap kasus dan kontrol

47. Recall bias • Kesalahan pengelompokan bila informasi mengenai variabel paparan tidak diketahui atau tidak akurat. Contoh; • Ibu-ibu yang kehamilan terakhirnya berakhir dengan kecacatan atau kematian janin (kasus) dan ibu-ibu yang sepadan yang kehamilannya berahir normal (kontrol) ibu2 kasus melaporkan lebih banyak keterpaparan dengan obat2an.

48. CONFOUNDING • Bias yang terjadi bila data pengaruh faktor yang diteliti tercampur dengan data pengaruh variabel luar (extraneous) • Hubungan rsebab akibat yang menghubungkan faktor yang diteliti dengan variabel lain yang merancukan dengan penyakit didalam populasi. • Variabel umum sebagai perancu; umur, jenis kelamin, status sosial ekonomi, tingkat keparahan penyakit

49. confounding • Bias confounding dapat dikontrol dalam analisis, bias seleksi tidak dapat dikontrol Contoh; • Hubungan konsumsi alkohol dengan infark miokard. • Merokok sebagai sebagai salah satu penyebab penyakit infark miokard • Alkohol dan merokok saling berhubungan

50. Upaya penanggulangan bias • Restriksi - Kriteriainklusidaneksklusi • Matcing • Stratifikasi • Control melaluianalisis