sesi_3_epid kmpk s2 ugm

KEJADIAN PENYAKIT, RISIKO DAN DETERMINAN PENYAKIT

Trisno Agung Wibowo

DAMPAKSecaraEpidemiologi KESAKITAN KEMATIAN KUALITAS HIDUP (Keterpaparan Risiko)Ukuran

MANFAAT PENGUKURAN KEJADIAN PENYAKIT DI MASYARAKAT (STATUS KESEHATAN)?

PENGUKURAN KEJADIAN PENYAKIT DI MASYARAKAT (STATUS KESEHATAN)Bagian awal dari proseskajian epidemiologiMembandingkan kejadian (insidensi) pada dua kelompok atau lebihdengan paparan yang berbedaSelanjutnyaDapat Untukmenghitung risiko(Efek terhadap kesehatankarena paparan)

Ukuran Frekuensi masalah Kesehatan Menggunakan : Rate, Proporsi,Ratio,

PENGUNAAN 1. Ratio XRumus umum : ------ Y X dan Y saling berbeda (pembilang tdk merupakan bagian dari penyebut).- Contoh sex ratio. 2. Proporsi X merupakan bagian dari Y. Contoh proporsi penduduk berusia produktif di Kab Gunung kidul.3. Rate X menyatakan kejadian suatu peristiwa pada suatu periode waktu.- Y populasi yang berisiko untuk terkena suatu peristiwa pada suatu periode waktu.- Contoh : Insidens rate, Prevalens rate, CFR, CDR.

UKURAN FREKUENSI PENYAKIT DANCARA PERHITUNGANNYA

X Rumus = ------ x K Y1. Angka Insidensi ( Incidence Rate Penyakit/IR )

Pembilang ( X )= Jumlah kasus baru penyakit tertentu disuatu wilayah dalam periode waktu tertentu. Penyebut (Y) = Populasi yang beresiko terkena penyakit pada wilayah dan periode waktu yang sama . Konstanta (K) = 10, 100, 1000, 100.000. Manfaat = 1. Potret maslah penyakit ttt. 2. Angka beberapa periode dpt digunakan unt memperkirakan kecenderungan dan fluktuasi penyakit. 3. Pemantauan evaluasi upaya pencegahan dan penanggulangan penyakit. 4. Perbndingan angka insiensi antar wilayah dan antar waktu. Interprestasi = Makin besar angka insidensi berarti makin besar masalah penyakit tsb. Rumus umum

KASUS DBD DI DIY 2006 sd 2010Sumber : Seksi P2, Dinkes Provinsi DIY Tahun 2011

Chart1

216625

246226

214721

220316

510331

Penderita

Meninggal

Sheet1

PenderitaMeninggal

Tahun 2006216625

Tahun 2007246226

Tahun 2008214721

Tahun 2009220316

Tahun 2010510331

To resize chart data range, drag lower right corner of range.

2.Angka Prevalensi ( Prevalen Rate/ PR)

Pembilang (X): Jumlah kasus lama dan baru penyakit ttt di wilayah ttt pada periode ttt.

Penyebut (Y): Jumlah penduduk beresiko di wilayah ttt pada periode ttt.

Konstanta (K): SDA

Manfaat : 1. Untuk mengetahui tingkat keganasan, durasi penyakit.

Interpretasi :1. Semakin tinggi prevalensi suatu penyakit, berarti penyakit tidak ganas.

2. Semakin rendah durasi penyakit semakin rendah angka prevalensi.

Hubungan antara IR dan PR ?

L + B= PR.........

Baru ( IR)Durasi (D)PR MeningkatL + B= PR.........

Baru ( IR)Durasi (D)PR Menurun

PR = IR X D Atau

P = I X D

3. Attac Rate Penyakit Wabah (AR)

Pembilang (X) = Jml kasus penyakit sejak ditemukannya kasus penyakit pertama sampai dengan berakhirnya masa inkubasi ka sus terakhir penyakit tersebut dalam kelompok masya rakat terancam di wilayah tertentu. Penyebut (Y) = Jumlah penduduk yang terancam di wilayah dan pada periode waktu yang sama.

Konstanta (K) = SDA.

Manfaat = 1. Untuk mengetahui kecepatan dan jangkauan penyeba ran suatu penyakit di suatu wilayah pada suatu wabah. 2. Untuk mengetahui Keberhasilan upaya pencegahan dan penanggulangan wabah.

Interpretasi : Bila Attac Rate suatu penyakit tinggi, berarti kecepatan dan jangkauan penyebaran penyakit tinggi.

Distribusi Frekuensi Kasus Kejadian Luar Biasa Hepatitis ABerdasarkan Asal Kelas Di SMU N I TemonKabupaten Kulonprogo, 2002

Sheet1

GejalaJumlahPersentase (%)

1. Demam5176,2KelasLaki-LakiPerempuan

2. Nyeri perut4668,7Jml KasusPopulasiAR (%)Jml KasusPopulasiAR (%)

3. Muntah4668,71a31618,7532213,63

4. Kencing seperti teh4364,21 b21315,3832711,11Umur (tahun)Jumlah KasusPersentase (%)NoFaktor resikoKasusKontrolORCI 95 %P

5. Seperti flu2537,31 c51241,6652817,851Evalusi perkemahan3200,000,00-2,630,1304348

6. Nyeri sendi2334,42a0180,000220,001412,52Lomba Tumpengan621061,360,69-2,710,3443463

7. Diare1116,42 b91752,941234,34151230,03Kebiasaan Jajan di Kantin bu Mr4050277,47-105,50,0000000

8. Kulit kuning811,92 c0180,001224,54161025,0

9. Bercak merah di kulit46,03 ipa 10130,000210,0017717,5

3 ips 161931,661214,7618615,0

3 ips 21147,140230,001925,0

Total2614018,57142096,692025,0

Jumlah40100,0

Sheet2

KelasJml MuridJml KasusPersentase (%)Attack Rate (%)

1a38615,015,8

1 b40512,512,5

1 c401025,025,0

2a4000,00,0

2 b401025,025,0

2 c4012,52,5

3 ipa 13400,00,0

3 ips 140717,517,5

3 ips 23712,52,7

Total34940100,011,46

Sheet3

Attack Rate Kasus Hepatitis A Berdasarkan Jenis KelaminDi SMU N I Temon Kabupaten Kulon Progo, 2002

Sheet1




3. Muntah4668,71a31618,7532213,63

4. Kencing seperti teh4364,21 b21315,3832711,11

5. Seperti flu2537,31 c51241,6652817,85

6. Nyeri sendi2334,42a0180,000220,00

7. Diare1116,42 b91752,941234,34

8. Kulit kuning811,92 c0180,001224,54

9. Bercak merah di kulit46,03 ipa 10130,000210,00

3 ips 161931,661214,76

3 ips 21147,140230,00

Total2614018,57142096,69

Sheet2


1a38615,015,8

1 b40512,512,5

1 c401025,025,0

2a4000,00,0

2 b401025,025,0

2 c4012,52,5

3 ipa 13400,00,0

3 ips 140717,517,5

3 ips 23712,52,7

Total34940100,011,46

Sheet3

KONSEP-KONSEP EPIDEMIOLOGI PENYEBARAN PENYAKIT?

1. Pendekatan dengan model segitiga epidemiologi: Menggambarkan adanya interaksi antara, Host (penjamu) Agent(Agen Penyebab)Environment(Lingkungan)A. Pendekatan Epidemiologi

HA E= SehatHAE= SakitHAE= Sakit

2. Model RodaInti Genetik (keturunan)ManusiaLingkunganLingkungan SosialLingkungan FisikLingkungan Biologis

3. Model Jaring-Jaring (sarang laba-laba)F1F2F3F4F5SAKITManusiaTerjadinya penularan penyakit karena manusia kontakdengan penyebab sakit, diantara penyebab sakitpun berinteraksi untuk memperkuat/melemahkan terjadinya sakit

RISIKO KEJADIAN PENYAKIT

Risiko ?Efek terhadap kesehatankarena paparan

MANFAAT DIKETAHUINYA RISIKO SAKIT ?Menggambarkan besarPermasalahan kesehatan yang disebabkan paparan Menentukan prioritas tindakanMemperkirakan sejauh mana sebuah asosiasimencerminkan hubungan sebab akibat

Hasil Penelitian Faktor Risiko Hepatitis ADi SMU N I Temon Kabupaten Kulonprogo, 2002

Sheet1




3. Muntah4668,71a31618,7532213,63

4. Kencing seperti teh4364,21 b21315,3832711,11Umur (tahun)Jumlah KasusPersentase (%)NoFaktor resikoKasusKontrolORCI 95 %P

5. Seperti flu2537,31 c51241,6652817,851Evalusi perkemahan3200,000,00-2,630,1304348

6. Nyeri sendi2334,42a0180,000220,001412,52Lomba Tumpengan621061,360,69-2,710,3443463

7. Diare1116,42 b91752,941234,34151230,03Kebiasaan Jajan di Kantin bu Mr4050277,47-105,50,0000000

8. Kulit kuning811,92 c0180,001224,54161025,0

9. Bercak merah di kulit46,03 ipa 10130,000210,0017717,5

3 ips 161931,661214,7618615,0

3 ips 21147,140230,001925,0

Total2614018,57142096,692025,0

Jumlah40100,0

Sheet2


1a38615,015,8

1 b40512,512,5

1 c401025,025,0

2a4000,00,0

2 b401025,025,0

2 c4012,52,5

3 ipa 13400,00,0

3 ips 140717,517,5

3 ips 23712,52,7

Total34940100,011,46

Sheet3

Membandingkan Insidensi (kejadian sakit)dengan paparan yang berbeda dapat denganBeberapa peendekatan penelitian :

Cross Sectional.Case Control.Khohort

E +D +D -E -D +D -atauD +E +E -D -E +E -Pertanyaan kunci :

Apakah paparan mendahului akibat atau paparan terjadi setelah Terjadi akibat ?Cross Sectional

Kasus ( D +)E+E -E+E-Kasus ( D -)(a)(c)(b)(d)OR= a/cb/d= ad/bcCase Control

D+D-E+abE-cd

STUDI KOHORT Sakit Terpapar Tidak Populasi Sakit Tidak terpapar Tidak sakit Kelompok studi Outcome Sekarang Masa datang

Magister Epidemiologi Lapangan - Universitas Gadjah Mada

a/a+bRelatif Risk = --------------- c /c+d

= a/a+b X c+d /c

ac + ad =--------------- ac + bc Insidens di kelompok terpapar RR = Indidens di kelompok tak terpapar

D+D-TotalE+aba+bE-Cdc+dTotala+cb+da+b+c+d

BAGAIMANA MEMBANDINGKANKEJADIAN PENYAKIT ?1. Perbandingan Mutlak2. Perbandingan RelatifABSOLUT RISKATRIBUT RISKRISK RATIORELATIF RISKODSS RATIO

ABSOLUT RISK ( PERBANDINGAN MUTLAK) / Risiko Mutlak ( Perbedaan Risiko) Perbedaan risiko yang ditimbulkan oleh paparan / risiko mutlak. Selisih dalam tingkat kejadian (insidensi)antara kelompok terpapar dengan tidak terpapar Berguna untuk menggambarkan besarPermasalahan kesehatan yang disebabkan paparan 1.

Contoh :

Sumber : Bonita., et all , 1988 Adanya perbedaan risiko (karena paparan) terlihat pada insidensi stroke Absolut Risk= 49,6 17,7 = 31,9per 100.000

Katagori merokokJumlah Kasus StrokePopulasi berrisikoInsidens Rate StrokePer 100.000Tidak Pernah70395.59417,7Mantan65232.71227,9Perokok139280.14149,6Total274908.44730,2

Absolut Risk = ( I E +) ( I E -)

= a/a +b c / c+d


2. ATRIBUT RISK ( Risiko Karena terpapar) / Fraksi etiologis.Membagi perbedaan risiko antara insidensi kelompok terpapar dan insidensi pada kelompok tidak terpapar denganInsidensi pada pada kelompok terpapar Menggambarkan proporsi penyakit yang dapat dihindari bila tidak adaPaparan . Misal Atribut Risk karena paparan rokok dengan kejadianStrok 64 % , berarti bila tidak merokok risiko strok dapat diturunkan64 %. Dapat digunakan untuk menentukan prioritas tindakan, Atribut RiskKarena paparan yang tinggi, merupakan prioritas penanggulangan

a/a+b - c/c+dAtribut Risk = ------------------- a/a+b


Contoh :

49,6 -17,7Atribut Risk = -------------- X 100 = 64 % 49,6


3. RISK RATIO ( Ratio Risiko penyakit dlm populasi ) Ukuran Tingkat penyakit (insidensi) dalam satu populasiYang disebabkan karena paparan Insidensi pada populasi total Insidensi pada kelompok tidak terpaparDibagiInsidensi populasi total Memperkirakan kejadian penyakit diseluruh populasiakan berkurang jika paparan dihilangkan, misal Risk Ratio rokokterhadap strok 41,4 %, berarti bila paparan rokok dihilangkan maka insidensi strok dalam populasi akan berkurang 41,4 %.

a+c/ a+b+c+d c/ c+dRisk Ratio = ------------------------------------ a+c/ a+b+c+d

D+DTotalE+aba+bE-cdc+dTotala+cb+da+b+c+d

Contoh :

30,2 17,7Risk ratio = -------------- X 100 = 41,4 % 30,2


4. RELATIF RISK (Risiko Relatif penyakit ) Rasio Risiko dari Insidensi terpapar dibanding insidensi tidakterpapar Indikator yang baik untuk mengetahuiKekuatan asosiasiUntuk Memperkirakan sejauh mana sebuah asosiasimencerminkan hubungan sebab akibat

a/a+bRelatif Risk = --------------- c /c+d

= a/a+b X c+d /c

ac + ad =--------------- ac + bc


5- ODSS RATIO (Ratio Odss penyakit ) Perbandingan probabilitas terjadinya suatu peristiwa denganprobabilitas tidak terjadinya peristiwaPendekatan terhadap Relatif RiskUntuk Memperkirakan sejauh mana sebuah asosiasimencerminkan hubungan sebab akibat

a/cOdss ratio = --------------- b/d

= ad/bc a/bOdss ratio = --------------- c/d

= ad/bc


Determinan ( Faktor-Faktor Yang Melatar BelakangiTimbulnya Penyakit)

Inferensi kausal (Generalisasi Penyebab sakit) dan model kausalitas (Model Hub Sebab-akibat)

Konsep kausasi (konsep hubungan sebab-akibat) :

a. Pendekatan determinisme.

Menggunakan hasil riset sebelumnya untuk mengambil keputusan hubungan sebab-akibat.

b. Pendekatan probabiilitas.

Menggunakan teori statistik, untuk mengurangi kesalahan dalam penarikan kesimpulan hubungan sebab akibat.

Pendekatan Determinisme

Pendekatan determinisme murni:

X YDisebut dengan model kausasi tunggal(adanya penyebab X, mengakibatkan terjadinya akibat Y).

Pendekatan determinisme dengan modifikasi :

Model kausasi majemuk:

Model segitiga epidemiologi.2. Model roda.3. Jaring-jaring laba-laba.

Misal : Penelitian Faktor Risiko Kejadian Penyakit jantung Koroner (PJK) Kerangka Konsep :Variabel Bebas (X)Variabel Terikat (Y) Merokok

Minum Kopi

Jenis Kelamin

PJK

Secara LogisSebuah penyebab harus mendahului akibatnya (Penyakitnya) Penyebab dianggap memadahi (sufisien) bila mengawali sebuah penyakit (misal : infeksi BTA TBC ParuPenyebab disebut perlu bila sebuah penyakit tidak dapat berkembang tanpa kehadirannya(misal : Suhu tertentu TBC Paru

PENYEBAB YANG MEMADAHI TIDAK SELALU SEBUAHFAKTOR TUNGGAL, KEMUNGKINAN BEBERAPA KOMPONEN Faktor yang berdiri sendiriacap kali tidak memadahidan bukan penyebab yang perlu

Penjamu yangRentanInfeksiTuberkulosisGenetikMalnutrisPerumahan PadatKemiskinanPemaparan terhadap BakteriInfasi jaringanFaktor Risiko TBCMekanisme tuberkulosisContoh : Penyebab-penyebab TBC

FAKTOR-FAKTOR DALAM HUBUNGAN SEBAB- AKIBAT1.FAKTOR FAKTOR PREDISPOSISI (meningkatkan kerentanan ). (Umur, Jenis Kelamin, penyakit terakhir yang diidap) dapat meningkatkan kerentanan.

2. FAKTOR- FAKTOR YANG MEMUNGKINKAN (mendorong terjadinya pengembangan penyakit). (Pendapatan rendah, gizi buruk,perumahan kumuh, perawatan yang tidak adekuat, mendorong terjadinya pengembangan penyakit).

3. FAKTOR- FAKTOR PENCETUS Misal : paparan terhadap agent penyakit yang mungkin berasosiasi dengan terjadinya penyakit.

4. FAKTOR PEMBERAT Misal : Pengulangan paparan, dapat mendorong kearah terjadinya penyakit.

INTERAKSI Efek dari dua macam penyebab atau lebih yang bekerja secara bersama-sama acap kali lebih besar, karena adanya interaksi

Sumber : Hammond et al., 1979Tingkat kematian akibat kanker paru per 100.000 penduduk dalam hubungannya dengan menghisap rokok dan paparan akibat debu asbetosis

Paparan asbestosRiwayat menghisap rokokKematian akibat kanker Paru/100.000 TidakTidak11YaTidak58TidakYa123YaYa602

KRITERIA KAUSASI / PEDOMAN SEBAB AKIBAT( Branford Hill ,1971) :

Kekuatan Asosiasi

Makin kuat hubungan paparan dan penyakit, makin kuat keyakinan bahwa hubungan tersebut bersifat kausal.

Konsistensi

Makin konsisten dengan riset-riset lainya yang dilakukan pada populasi dan lingkungan yang berbeda makin kuat pula keyakinan hubungan kausal.

3. Spesifisitas

Makin spesifik efek paparan, makin kuat kesimpulan hubungan kausal, makin spesifik penyebab makin kuat hubungan kausal.

4. Kronologi waktu (hubungan temporal)

Hubungan kausal harus menunjukkan sekuen waktu yang jelas, yaitu paparan faktor penelitian mendahului kejadian penyakit.

5. Efek Dosis- Respons

Perubahan intensitas paparan yang selalu diikuti oleh perubahan frekuensi penyakit menguatkan kesimpulan hubungan kausal.

6. Kredibilitas biologik suatu hipotesis.

Keyakinan hubungan kausal antara paparan dan penyakit makin kuat jika ada dukungan pengetahuan biologik.

7. Koherensi

Makin koheren dengan pengetahuan tentang riwayat alamiah, penyakit makin kuat keyakinan hubungan kausal antara paparan dan penyakit.

8. Bukti Eksperimen

Dukungan temuan riset eksperimental memperkuat hubungan kausal.

9. Analogi

Kriteria analogi kurang kuat sebagai dasar dukungan hubungan kausal.

Tipe penelitiandalam membuktikansebab akibat ?

Kemampuan relatif dari tipe penelitian dalam membuktikan hubunganSebab akibat

Tipe penelitianKemampuan membuktikan penyebabUji Coba acak terkendaliKuatKohorCukupKasus kontrolCukupCross SectionalLemahEkologisLemah

sesi_3_epid kmpk s2 ugm

Documents