13 April 2009

Estimasi Proporsi atau Prevalensi

Kita melakukan estimasi proporsi atau prevalensi untuk mengkuantifikasikan dampak sebuah penyakit terhadap kesehatan masyarakat, atau untuk mengkaji variasi distribusi frekuensi menurut daerah geografis, sehingga kita dapat menemukan penyebab-penyebab yang potensial. Peta pikiran di bawah ini saya rangkumkan dari kuliah Drs. Zulaela, Dipl, M. Stat, M.Si, dan dari membaca buku Statistical Estimation of Epidemiological Risk karya ahli biostatistika USA, Kung-Jong Lui.

Misalkan kita memiliki 500 sampel (n), dimana proporsi yang merokok adalah sebesar 40% (p atau π), maka proporsi sesungguhnya di populasi (∏) adalah pada interval (confidence interval) yang batas bawah dan batas atasnya dihitung dengan rumus:

Batas bawah : B = p - Z½α √[(p(1-p)/n]

Batas atas : A = p + Z½α √[(p(1-p)/n]

Confidence interval ini adalah rentang kepercayaan dalam melakukan estimasi. Ibaratnya saya sedang menebak umur Anda, saya bisa mengatakan antara 35-40 th. Namun, bisa juga saya mengatakan antara 5-90 tahun. Mana yang lebih berkemungkinan benar?:-).

Sedangkan, jika W adalah rentang antara A & B maka:


W2 = 4 x (Z½α)2 x p (1-p)/n

Sehingga, dengan menetapkan interval yang kita kehendaki, kita bisa menetapkan besar n sampel yang kita butuhkan. Lihat juga cabang peta pikiran di bawah (tentang n). Oke, here is my maps:


Outline form:

EESTIMASI PROPORSI ATAU PREVALENSI

I. Statistika

A. pengumpulan

B. peringkasan

C. penyajian

D. analisis data

E. pengambilan keputusan

1. estimasi

2. uji hipotesis

II. Tujuan

A. mengkuantifikasi dampak dari sebauh penyakit terhadap kesehatan masyarakat

B. Mengkaji variasi distribusi penyakit pada daerah geografis untuk menetapkan penyebab-penyebab potensialnya

III. Estimasi Prevalensi

A. Binomial Sampling

1. pengambilan sampel acak dari n subyek dan mendapatkan sejumlah x kasus

2. contoh: mengambil sampel dr 1000 subyek dan mendapatkan 5 orang positif dalam uji antibodi HIV

B. Cluster Sampling

1. karena data lengkap sampling population mungkin tidak tersedia

2. unit analisis bukan individu tetapi cluster, misalnya rumah tangga

C. Inverse Sampling

1. untuk kasus yang jarang (bisa mendapatkan 0 dengan metode sampling biasa)

2. terus melakukan sampling subject sampai mendapatkan jumlah yang kita tetapkan

3. x adalah fixed, sedangkan total jumlah N-lah yang random

IV. Ukuran frekuensi Penyakit

A. Rasio

1. a/b

2. contoh: jumlah lahir mati/1000 kelahiran hidup

B. Proporsi

1. a/(a+b)

2. contoh: proporsi wanita >50 th yang mengalami histerektomi

C. Rate

1. a/[(a+b)(waktu)]

2. laju insidensi

a) proporsi antara jumlah orang yg menderita penyakit dan jumlah orang dlm resiko x lamanya ia dlm resiko

V. Kejadian Penyakit

A. insidensi

1. insidensi kumulatif

a) taksiran probabilitas (risiko, risk) seseorang untuk terkena penyakit dlm suatu jangka waktu

b) yaitu proporsi orang terkena penyakit diantara semua orang yang berisiko terkena penyakit tersebut

c) metode

(1) metode kumulatif sederhana

(2) metode aktuarial

(3) metode laju insidensi

2. laju insidensi

a) kecepatan kejadian(baru) pada populasi

b) yaitu proporsi antara jumlah penderita & jumlah orang dlm resiko kali lamanya ia dlm resiko.

c) metode

(1) metode pasti

(2) metode aktuaral

(3) metode kohort dinamik

B. prevalensi

1. pada satu saat atau satu periode waktu,

2. baik kasus baru maupun yang telah beberapa waktu lamanya berkembang sepanjang fase klinik (kasus baru & lama)

VI. Tentang menghitung n

A. makin tinggi tingkat keyakinan --> makin bagus penelitian --> n makin besar

B. p bisa dipinjem dengan penelitian sebelumnya/yang mirip

C. makin rendah interval (W), n makin besar

VII. Agar sampel representatif

A. Teknik pengambilan sampel benar

B. Memenuhi ukuran sampel minimal

0 komentar:

AddThis

Share |

  © Free Blogger Templates 'Greenery' by Ourblogtemplates.com 2008

Back to TOP