Transcript Ukuran-Ukuran Dasar Dalam Epidemiologi Created by : Aria Gusti What Is The Unique Skill Of Epidemiologists? MEASURING DISEASE FREQUENCY IN POPULATIONS.

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
- Contoh ukuran yang menggunakan rasio
Sex ratio
Dependency ratio
Rasio bidan per penduduk
Rasio puskesmas per penduduk
How Many?
Community A
Community B
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
Distribusi Frekuensi, Proporsi dan Persentase
Responden Menurut Tingkat Pendidikan
Tingkat Pendidikan
Frekuensi Proporsi
%
Tidak sekolah/tdk tamat SD
Tamat SD
5
23
5/53
23/53
9,4
43,4
Tamat SLTP
Tamat SLTA
Tamat Diploma/Universitas
10
11
4
10/53
11/53
4/53
18,9
20,8
7,5
Jumlah
53
100
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)
Rate
N kelahiranhidup dalam setahun
CBR 
 1000
populasi tengah tahun
N kematiandalam setahun
CDR 
 1000
populasi tengah tahun
RNI  CBR  CDR
B. Ukuran Morbiditas
1. Insidensi
Jumlah kejadian/penyakit (kasus baru) pada
kelompok pddk tertentu dlm suatu kurun waktu
tertentu
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).
2. Prevalensi
a. Point prevalence, jlh seluruh penderita
(lama+baru) yg ada pada suatu saat
tertentu
b. Periode prevalence, jlh seluruh penderita
(lama+baru) yg ada pada suatu periode
tertentu
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) ?
a. Seluruh kasus kanker payudara diantara
wanita Tanah Datar tahun 2009 ?, atau
b. Hanya kasus baru kanker payudara diantara
wanita Tanah Datar tahun 2009 ?
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
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?
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!
Manfaat ukuran insidensi
1. 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.
2. Dalam penelitian epidemiologi  sebab akibat
3. Perbandingan antara berbagai populasi dengan
pemamapan yg berbeda
4. Untuk mengukur besarnya risiko determinan
tertentu
Manfaat ukuran prevalensi
1. Menggambarkan tingkat keberhasilan
program pemberantasan penyakit
2. Penyusunan perencanaan pelayanan
kesehatan, misal obat, tenaga, ruangan
3. Menyatakan banyaknya kasus yg dapat
didiagnosis
C. Ukuran Mortalitas
1. 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
2. Age Specific Death Rate (ASDR)
Jmlh kematian pada kelompok umur tertentu
tertentu selama satu tahun
/ 1000
Jmlh penduduk golongan umur tersebut pada
pertengahan tahun yg sama
• Bisa interval 5 tahunan atau
• Kelompok umur khusus spt : neonatus, bayi,
balita, usia sekolah, dewasa, usia lanjut, dll.
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)
Examples for age spesific death rates:
A. Infant mortality rate (IMR)
Jmlh kematian bayi selama satu tahun
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama
/ 1000
Tinggi rendahnya IMR berkaitan dengan
1. Penyakit infeksi yg dapat dicegah dgn imunisasi
2. Diare yg dapat menyebabkan dehidrasi
3. Personal higiene dan sanitasi lingkungan yg
kurang memadai, serta sosial ekonomi rendah
4. Gizi buruk dan daya tahan tubuh yg menurun
Examples for age spesific death rates:
B. Perinatal mortality rate (PMR)
Jmlh kematian janin pada kehamilan 28 mgg atau lebih
+ jumlah kematian bayi < 7 hari selama satu tahun
/ 1000
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama
Tinggi rendahnya PMR berkaitan dengan
1. Banyaknya bayi Berat Badan Lahir Rendah (BBLR)
2. Status gizi ibu dan bayi
3. Keadaan sosial ekonomi
4. Penyakit infeksi terutama ISPA
5. Pertolongan persalinan
Examples for age spesific death rates:
C. Neonatal mortality rate (NMR)
Jmlh kematian bayi berumur < 28 hari selama satu tahun
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama
/ 1000
Tinggi rendahnya NMR berguna untuk mengetahui :
1. Tinggi randahnya usaha perawatan antenatal/
selama kehamilan dan post natal/perawatan bayi
setelah lahir
2. Program imunisasi
3. Pertolongan persalinan
4. Penyakit infeksi terutama ISPA
Examples for age spesific death rates:
D. Post Neonatal mortality rate (PNMR)
Jmlh kematian bayi berumur > 28 hari sampai 1 tahun
selama satu tahun
/ 1000
Jmlh bayi lahir hidup di area yg sama dan tahun yg sama
Tinggi rendahnya PNMR berkaitan dengan :
1. Penyakit infeksi yang sebenarnya dapat dicegah
dengan imunisasi
2. Diare yg mengakibatkan dehidrasi
3. Lingkungan dan higiene sanitasi yg kurang memadai
4. Gizi buruk dan penurunan daya tahan tubuh
Examples for age spesific death rates:
E. Angka Kematian Balita (Akaba)
Jmlh kematian balita dalam 1 tahun
Jmlh balita di area yg sama dan tahun yg sama
/ 1000
Tinggi rendahnya Akaba berkaitan dengan :
1. Program pelayanan kesehatan
2. Program imunisasi
3. Program perbaikan gizi
4. Tingkat pendidikan, keadaan sosial ekonomi, dll
Examples for age spesific death rates:
F. Maternal Mortality Rate (MMR)
Jmlh kematian ibu karena kehamilan, persalinan dan
masa nifas selama satu tahun
/ 100 000
Jmlh kelahiran hidup pada tahun dan wilayah yg sama
Tinggi rendahnya MMR berkaitan dengan
1. Keadaan sosial ekonomi
2. Kesehatan ibu selama hamil, bersalin dan nifas
3. Pelayanan kesehatan terhadap ibu
4. Pertolongan persalinan dan perawatan masa nifas
3. Cause Specific Mortality Rate (CSMR)
Jmlh kematian karena sebab penyakit tertentu
selama satu tahun
Jmlh penduduk pada pertengahan tahun yg sama
Jumlahnya sangat kecil dibandingkan jumlah
penduduk
Maka digunakan konstanta 100.000 untuk
menghindari angka desimal
/ 100000
4. Case Fatality Rate (CFR)
Jmlh kematian karena penyebab penyakit tertentu
dlm suatu lingkungan dan kurun waktu tertentu
Jmlh penderita penyakit tsb dlm lingkungan dan kurun
waktu yg sama
Lebih menunjukkan keganasan penyakit
tersebut pada kondisi atau lingkungan
tertentu
Seperti kematian saat Kejadian Luar Biasa
(KLB) penyakit tertentu
/ 1 000
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)
D. Ukuran Fertilitas
1. Crude Birth Rate (CBR)
Angka kelahiran kasar adalah jumlah kelahiran
yg dicatat selama satu tahun per 1000 penduduk
di pertengahan tahun yg sama
Jmlh kelahiran hidup selama satu tahun
Jmlh penduduk pada pertengahan tahun yg sama
/ 1000
Keterbatasan CBR
• 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).
2. 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
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)
• 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.
• 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
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
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
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%
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
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
Besarnya risiko yg ditanggung oleh perokok untuk terkena
ca prostat dibandingkan dgn bukan perokok dapat
dijelaskan sbb.
Perokok
Ca Prostat
+
-
Jumlah
Risiko
90
1000
0,09
1000
0,03
2000
RR=3,0
910
Bukan
perokok
30
970
Jumlah
120
1880
Kesimpulan : Perokok mempunyai risiko menderita Ca Prostat
3 kali lebih besar dibandingkan dengan bukan perokok
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
Besarnya risiko yg ditanggung oleh perokok untuk terkena
ca prostat dibandingkan dgn bukan perokok dapat
dijelaskan sbb.
Ca Prostat
+
-
Odds
Perokok
90
910
90/910
Bukan
perokok
30
970
30/970
Odds
90/30
910/970 OR=3,2
Kesimpulan : Besarnya risiko untuk menderita Ca Prostat
pada perokok 3,2 kali lebih besar dibandingkan dengan risiko
menderita prostat pada yang bukan perokok
• OR = 90/910 : 30/970
= 90 x 970/30x910
= 87300/27300
= 3,2
Thank You