Profil
Pasien
Seorang pekerja tua
kilang minyak laki-laki 60 tahun mengalami sesak napas dan mimisan. Pada
pemeriksaan fisik, ia terlihat pucat dan denyut nadinya tinggi hingga 110
denyutan per menit. Hematokrit Nya adalah 20% (rendah), menunjukkan anemia,
jumlah sel darah putih adalah 15.00 / uL (rendah), dan pemeriksaan darah tepi
melaporkan myeloblast tidak normal. Dia dirawat di rumah sakit karena diduga
leukimia mielositik akut. Diagnosis dikonfirmasi dan dimulai kemoterapi.
Sekitar 3 minggu setelah masuk, suhu tubuh pasien naik tiba-tiba ke 39°C
dan jumlah granulosit nya turun menjadi 100/uL (abnormal rendah). Walaupun
tidak ada sumber infeksi yang jelas, kultur diperoleh dari darah dan urin, dan
antibiotik diberikan untuk menutupi berbagai infeksi potensial. Hasil
pemeriksaan kultur ini menjelaskan adanya Staphylococcus
aureus dalam darah.
Pendahuluan
Pentingnya penilaian
risiko yang jelas di dalam profil pasien. Antibiotik diberikan kepada pasien
bahkan sebelum penyebab infeksi demam diidentifikasi. Setiap keputusan
pengobatan melibatkan menyeimbangkan risiko dan manfaat.
Tindakan
Kejadian Penyakit
Tiga langkah dasar yang
digunakan untuk menilai frekuensi kejadian kesehatan: pengobatan, epidemiologi,
dan kesehatan masyarakat. Sebuah risiko, (kemungkinan bahwa seseorang akan
kontrak indikator penyakit, Prevalensi (jumlah penyakit
yang hadir sudah dalam populasi), dan insiden rate (seberapa cepat kejadian
baru penyakit timbul). Selain itu, langkah-langkah ini dapat digunakan untuk
menilai prognosis dan mortalitas pasien dengan penyakit.
Resiko
Resiko / kejadian
kumulatif adalah ukuran terjadinya penyakit baru dalam populasi. Resiko adalah
bagian dari individu yang tidak terpengaruh, sedang, akan berhubungan dengan
penyakit beresiko selama waktu tertentu. Resiko adalah memperkirakan dengan
observasi fakta fakta populasi untuk jangka waktu tertentu. Perlakuan resiko
(R) adalah proporsi: pembilang adalah nomer pengaruh baru seseorang (A).
Disebut kasus oleh epidemiologist, dan penyebut adalah ukuran (N) dalam hal
yang tidak dipengaruhi populasi dibawah observasi. R =
=
Semua anggota dalam
populasi, atau kohort, bebas dari penyakit pada awal pengamatan. Resiko, tidak
mempunyai unit, terletak diantara 0 (ketika tidak ada kejadian baru yang
muncul) dan 1 (ketika di ekstrim yang lain, seluruh penduduk menjadi
terpengaruh selama periode risiko). Sebagai kemungkinan, satu dapat
memperlihatkan resiko sebagai presentase dari pengalihan bagian dari 100.
Sebagai contoh
illustrasi penghitungan resiko, Pasien A terdaftar pada 1982 didiagnosa dengan
penyakit sesaat sebelum1984, diikuti kematian pada 1989. Pasien B yang
terdaftar 1984 diikuti sampai 1986 tanpa mengembangkan penyakit, kemudian tidak
berlanjut partisipasi dalam studi. Pasien C yang terdaftar 1986, didiagnosa
dengan penyakit sesaat sebelum 1989, kemudian selamat hingga akhir dari
pengamatan pada tahun 1991. Pasien D hingga pasien F masuk dalam studi pada
1984, 1989, dan 1985. Secara berturut turut, dan masing masing diikuti sampai
1991 tanpa pengembangan penyakit. Dari
keenam subjek dibawah pengamatan (N=5), hanya satu (A=1) mengembangkan
penyakitnya dalam 2 tahun.
Gambar 2-1. Studi
hipotetis sekelompok 6 mata pelajaran antara tahun 1982 dan 1991. Garis horisontal
yang solid menunjukkan waktu yang diamati sementara subyek berada pada risiko
untuk penyakit berkembang. Jalur horisontal putus-putus menunjukkan waktu
abserved setelah subyek didiagnosis. masuk ke dalam studi. 2-tahun risiko
penyakit. Oleh karena itu diperkirakan oleh :
R
=
=
= 0.17 = 17%
Dengan kata lain,
pengamatan dari individu tertentu dimulai saat nol dan terus sampai orang itu
meninggal, hilang dari penelitian, atau studi disimpulkan. Format yang
digunakan dalam gambar 2-2 kadang-kadang lebih disukai karena alasan kenyamanan
dan mungkin lebih mudah untuk memvisualisasikan panjang relatif sebenarnya dari
masing-masing pengamatan. Selanjutnya contoh berikut lebih menggambarkan
penggunaan risiko dan bagaimana mereka diperkirakan.
Contoh 1 : Untuk
memperkirakan pasien resiko kanker di rumah sakit (infeksi nosokomial), studi
ini dilakukan lebih dari 5000 pasien yang dirawat di pusat kanker yang
komprehensif. Peneliti ini didefinisikan sebagai infeksi nosokomial karena terjadi setidaknya 48 jam setelah masuk, dan
terjadi lagi 48 jam setelah pelepasan (agak lama untuk infeksi luka operasi).
Dari 5031 pasien, 596 dari kasus yang dikembangakan diduga mengalami infeksi
nosokomial karena telah memenuhi kriteria
tersebut.
Infeksi nosokomial
adalah infeksi yang didapat pasien dari rumah sakit pada saat pasien menjalani
proses asuhan keperawatan. Infeksi nosokomial pada umumnya terjadi pada pasien
yang dirawat di ruang seperti ruang perawatan anak, perawatan penyakit dalam,
perawatan intensif, dan perawatan isolasi (Darmadi, 2008). Infeksi nosokomial menurut Brooker (2008)
adalah infeksi yang didapat dari rumah sakit yang terjadi pada pasien yang
dirawat selama 72 jam dan pasien tersebut tidak menunjukkan tanda dan gejala
infeksi pada saat masuk rumah sakit.
Infeksi nosokomial
banyak terjadi di seluruh dunia dengan kejadian terbanyak di negara miskin dan
negara yang sedang berkembang karena penyakit-penyakit infeksi masih menjadi
penyebab utama. Suatu penelitian yang yang dilakukan oleh WHO menunjukkan bahwa
sekitar 8,7% dari 55 rumah sakit dari 14 negara yang berasal dari Eropa, Timur
Tengah, Asia Tenggara dan Pasifik tetap menunjukkan adanya infeksi nosokomial
dengan Asia Tenggara sebanyak10,0% (Ducel, G, 2002) .
R
=
= 0.12 = 12%
Risiko dalam contoh ini
untuk setiap pasien mulai 48 jam setelah rawat inap dan berakhir 48 jam setelah
keluarnya. Hasil di atas menunjukkan bahwa sekitar 12% dari pasien kanker yang
mirip akan mengembangkan infeksi nosokomial selama atau segera setelah
melakukan rawat inap. Risiko lebih besar rata-rata pada pasien rawat inap,
menunjukkan bahwa pasien kanker yang keluar biasa mempunyai risiko tinggi
mengembangkan infeksi karena diperoleh dari rumah sakit.
Dalam profil pasien
laki-laki, mempunyai demam dan hitungan granulosit rendah. Di perkiraan
kemungkinan infeksi bisa berasal dari pasien dengan kondisi serupa. Dalam satu
studi tersebut, 1.022 pasien kanker mengalami
demam dan granulositopenia, diantaranya 530 pasien ini mengalami infeksi
bakteri klinis atau mikrobiologis dengan, risiko diperkirakan menagalami
infeksi di granulocytopenic, pada pasien kanker.
Gambar
2-2. Restrukturisasi pengamatan studi hipotetis. kali sepanjang sumbu
horisontal mencerminkan tahun pengamatan untuk setiap subjek, pada tahun
kalender.
R
=
= 0.52 = 52%
Hasilnya, menunjukkan
bahwa risiko infeksi bakteri pada pasien yang mirip dengan profil pasien sangat
tinggi, hal ini mendukung keputusan untuk mengobati dengan antibiotik bahkan
sebelum infeksi didiagnosis.
Prevalensi
Prevalensi menunjukkan
jumlah kasus yang sudah ada dalam populasi. Secara khusus, prevalensi titik (P)
adalah proporsi penduduk yang memiliki penyakit pada waktu tertentu, untuk
excample, pada hari tertentu. Hasil diperkirakan dengan membagi jumlah individu
yang sudah terkena, atau caces (C), dan jumlah orang dalam populasi (N).
P
=
Prevalensi, risiko,
berkisar antara 0 dan 1 dan tidak memiliki unit. perhitungan prevalensi dapat
diilustrasikan menggunakan data diringkas dalam gambar 2-1. Misalnya, untuk
menghitung prevalensi penyakit menarik pada tahun 1988, dua informasi yang
diperlukan. (1) jumlah orang di bawah pengawasan pada tahun 1988 dan (2) jumlah
individu yang terkena. pertama, empat orang berada di bawah pengawasan pada
tahun 1988 (pasien A, C, D, ang F) (N = 4). kedua, salah satu dari orang-orang
ini (pasien A) dipengaruhi (C = 1). Dengan demikian, prevalensi tersebut pada
tahun 1988 adalah.
P
=
=
= 0.25 = 25%
Contoh 2 : Jenis
infeksi yang terlibat. Jumlah bakteri yang relatif kecil dan jenis yang
menyebabkan mayoritas infeksi pada aliran darah pasien, sehingga terapi dapat
dilakukan tanpa pengetahuan pasti
seperti aureus organisme yaitu staphylococcus,
pseudomonas aeruginosa, klebsiella spesies, dan escherichia coli account untuk sebagian besar infeksi
bakteri pada pasien. Bakteri ini sering
dibudidayakan dari orang tanpa gejala penyakit. Sebagai contoh. Prevalensi S. aureus kulit kolonisasi diperkirakan
antara 98 orang yang menghadiri klinik rawat jalan untuk pertama kalinya.
Pasien dengan infeksi kulit dikeluarkan dari studi. Staphylococcus aureus dikultur dari spesimen dari 62 pasien.
Prevalensi S. aureus kolonisasi dalam
kelompok ini adalah P =
= 0.65 = 65%. Dari
prevalensi diperkirakan bahwa dalam kelompok pasien sekitar 65% akan memiliki
kulit kolonisasi oleh S. aureus.
Incidence Rate
Rate adalah perbandingan antara suatu kejadian dengan jumlah
penduduk yang mempunyai risiko kejadian tersebut, menyangkut interval waktu
tertentu. Contohnya, penyakit campak berisiko pada balita dan penyakit cancer
servik berisiko pada wanita (Noor,1997). Rate =
X : Jumlah
kejadian tertentu yang terjadi dalam kurun waktu tertentu.
Y: Jumlah penduduk
yang mempunyai risiko mengalami kejadian tertentu dalam kurun waktu
tertentu ( pop. At risk)
K: Konstanta (angka
dasar)
Incidence rate adalah
frekuensi penyakit atau kasus baru yang berjangkit dalam masyarakat di suatu
tempat atau wilayah atau negara pada waktu tertentu (umumnya 1 tahun)
dibandingkan dengan jumlah penduduk yang mungkin terkena penyakit baru
tersebut.
Incidence
Rate (IR) =
x K
Manfaat Incidence rate yaitu mengetahui
masalah kesehatan yang dihadapi, mengetahui resiko untuk terkena masalah
kesehatan yang dihadapi, mengetahui beban tugas yang harus diselenggarakan oleh
suatu fasilitas pelayanan kesehatan, ( Buston,2002)
Incidance
Rate (IR), seperti risiko, mencerminkan terjadinya
kasus penyakit baru. Angka ini mengukur kecepatan
pada pasien yang baru didiagnosis berkembang
dari waktu ke waktu. Untuk memperkirakan
Incidance rate, mengamati satu populasi (A), dan
mengukur waktu bersih, yang
disebut Person-time (PT), bahwa individu dianggap
dalam Sebuah subjek yang berisiko penyakit yang
diamati. Sebuah subjek risiko
penyakit diikuti selama satu
tahun dengan memberikan kontribusi satu orang- tahun dalam pengamatan. Incidance Rate adalah:
IR =
Untuk
menggambarkan perhitungan orang tiap waktu dengan incidance rate,
Pertimbangan hipotesis kohort digambarkan secara skematis pada Gambar 2-2. Pasien
A mengembangkan penyakit
2 tahun setelah
masuk ke ruang kerja. Karena
subjek kontribusi orang tiap waktu untuk Pasien
A adalah 2
tahun. Demikian pula, pasien B, C, D, E. dan F kontribusi 2,3,7,2,
aand 6 tahun,
masing-masing. Pasien A dan C mengembangkan penyakit. Dengan demikian,
(jumlah kasus penyakit baru dalam populasi) = 2,
PT total = 2
+ 2 + 3 + 7 + 2 + 6 = 22 orang-tahun, dan incidance
rate:
IR =
=
= 0,09 kasus / orang
tiap tahun
Perhatikan bahwa total orang tiap tahun
pengamatan yang diperoleh dengan penambahan sederhana dari setiap tahun
disumbangkan oleh masing-masing subjek. Atau, tingkat ini dapat dinyatakan
sebagai sembilan kasus / 100 orang tiap tahun dengan mengalikan pembilang dan penyebut
dengan 100. Meskipun kedua pernyataan ini setara, yang terakhir mungkin lebih disukai
karena tidak memerlukan penggunaan titik desimal.
Contoh 3 Kembali ke penelitian yang
dikutip dalam contoh 1, angka kejadian infeksi nosokomial dapat dihitung dari
data tambahan dilaporkan dalam penelitian itu. 5031 pasien tetap di bawah
pengamatan untuk total 127.859 pasien tiap hari (atau rata-rata lama menginap
127859/5031 = 25,4 hari). Sejak 596 pasien mengalami infeksi yang memenuhi
definisi untuk infeksi didapat di rumah sakit, tingkat kejadian dapat
diperkirakan sebagai:
IR =
= 0,0047
kasus/ pasien tiap hari
=
4,7 kasus /1000 pasien tiap hari
Ini
berarti bahwa salah satu perkiran ,
Rata-ratanya, sekitar 0,47% dari pasien per
hari untuk mengembangkan infeksi
nosokomial di antara pasien yang mirip
dengan yang dipelajari.
Perhitungan dari Insidance rate untuk populasi yang besar, seperti yang terjadi di kota, dengan secara terpisah menyebutkan
orang tiap tahun beresiko
untuk setiap individu seperti dijelaskan
di atas, akan membutuhkan sejumlah pekerjaan besar.
Untungnya, satu yang sering menghitung orang tiap waktu untuk populasi besar dengan
mengalikan ukuran rata-rata
populasi berisiko oleh lamanya waktu populasi
yang diamati:
PT = (ukuran rata-rata populasi berisiko) x (Lama observasi)
Dalam
banyak kasus, relatif sedikit orang dalam populasi mengembangkan penyakit, dan penduduk tidak mengalami pergeseran demografis yang besar selama periode waktu pengamatan.
Dalam situasi seperti itu, ukuran rata-rata dari seluruh penduduk,
dengan menggunakan sensus atau data lainnya. kita
sering dapat memperkirakan orang
tiap waktu populasi stabil besar oleh:
PT = (ukuran seluruh
populasi)
X
(panjang
pengamatan)
Contoh 4 mengilustrasikan
perhitungan tingkat insiden menggunakan pendekatan alternatif ini untuk
memperkirakan orang-waktu. Contoh 4: di daerah metropolitan Atlanta, 723 kasus
baru kanker serviks invasif terjadi pada wanita kulit putih antara tahun 1973
dan 1987 Diperkirakan 620.000 perempuan kulit putih tinggal di daerah ini
rata-rata selama periode ini. Dengan demikian, wanita-tahun pengamatan untuk
populasi ini adalah 620.000 perempuan x 10 tahun = 6.200.000 perempuan-tahun.
tingkat kejadian tahunan rata-rata kanker serviks invasif, oleh karena itu,
adalah:
IR =
= 0,000117 kasus/
perempuan tiap tahun
= 11,7 kasus / 100,000 perempuan tiap tahun
Perbedaan antara
risiko,
prevalensi, dan insiden
Pertama,
langkah-langkah memiliki unit yang berbeda. Tingkat insiden memiliki unit pasien yang
baru didiagnosis per unit orang-time,
sedangkan risiko dan prevalensi tidak memiliki unit. Kedua, langkah-langkah ini mencerminkan
aspek yang berbeda dari penyakit.
Tingkat insiden dan risiko menggambarkan terjadinya
penyakit baru, sedangkan prevalensi penyakit mencerminkan
sudah ada. Ketiga. ukuran ini dihitung secara
berbeda.
Tabel
2.1 Karakteristik risiko, prevalensi, dan
tingkat kejadian (Insidens).
|
Karakteristik
|
Risiko
|
Prevalensi
|
Tingkat kejadian
(incidence)
|
|
Apa yang diukur
|
Kemungkinan
penyakit
|
Persen
penduduk dengan penyakit
|
Kecepatan dari
terjadinya penyakit
|
|
Unit
|
Tidak
|
Tidak
|
Kasus
/ orang waktu
|
|
Saat diagnosis
penyakit
|
Yang baru didiagnosis
|
Ada
|
Baru didiagnosis
|
|
Sinonim
|
Kejadian kumulatif
|
-
|
Kepadatan
Incidence
|
Pada
gambar 2-1, prevalensi
pada tahun 1998 adalah 0,25, risiko 2 tahun adalah 17% dan tingkat kejadian itu
sembilan kasus per 100 orang/tahun. Perbedaan ini menyiratkan bahwa tiga
langkah tidak dapat dibandingkan secara langsung dengan satu sama lain
Mengingat perbedaan yang melekat ini, memiliki aplikasi
tindakan yang berbeda. Risiko yang paling berguna jika pusat bunga probabilitas
bahwa seorang individu akan menjadi sakit selama periode waktu tertentu.
Tingkat insiden lebih disukai jika pusat bunga kecepatan dengan mana kasus baru
muncul (jangka waktu mungkin panjang atau tidak ditentukan). Prevalensi lebih
disukai jika pusat bunga atas jumlah kasus yang ada atau proporsi kasus yang
diberikan jenis. Contoh 5 menggambarkan beberapa perbedaan antara
langkah-langkah ini.
Contoh 5. Penggunaan antibiotik, norfloksasin, dipelajari
untuk pencegahan infeksi bakteri gram negatif pada pasien dengan leukimia akut
yang jumlah treatment granulosit rendah. Semua 35 pasien yang menerima
norfloksasin mengembangkan demam. 35 pasien diamati untuk total 220,5 orang
hari sebelum pertama mengembangkan demam dan setiap hari, rata-rata 0, sekitar
28% dari pasien mengalami demam. Dengan demikian, risiko mengembangkan demam
adalah 35/35 = 1 di kelompok pasien, tingkat kejadian adalah 35 / 220,5 = 0,16
kasus / 100 orang-hari, dan prevalensi rata-rata adalah 28%.
Risiko 1 menunjukkan bahwa pengobatan dengan norfloksasin
tidak pada akhirnya mencegah demam infeksi atau mengurangi risiko perkembangan
demam. Di sisi lain, tingkat kejadian pada kelompok norfloksasin diobati lebih
rendah dibandingkan pada kelompok pasien yang sama yang tidak menerima
norfloksasin, menunjukkan bahwa pengobatan diperlambat atau menunda timbulnya
demam. Selain itu, prevalensi demam lebih rendah pada norfloxacincgrop yang
menunjukkan bahwa pasien yang diobati cenderung menjadi demam pada
"rata-rata" hari.
Survival
Survival
probabilitas tetap hidup untuk jangka waktu tertentu. Untuk penyakit kronis seperti kanker, 1-tahun kelangsungan hidup dan
ketahanan hidup 5 tahun sering digunakan sebagai indikator dari tingkat
keparahan penyakit dan prognosis. Sebagai contoh, 5-tahun kelangsungan hidup
untuk kanker paru-paru adalah sekitar 0,13, menunjukkan bahwa hanya 13% dari
kasus kanker paru bertahan hidup setidaknya 5 tahun setelah diagnosis. Dalam
situasi yang sederhana, satu perkiraan survival (s) sebagai:
S=
ketika
d adalah jumlah kematian diamati untuk periode waktu tertentu dan a adalah
jumlah pasien yang baru didiagnosis di bawah pengamatan. Kelangsungan hidup
selama minimal 2 tahun setelah diagnosis dapat ditentukan dari data pada gambar
2-3. Pengamatan setiap
pasien dimulai pada diagnosis (waktu = 0), dan berlanjut sampai mati,
kelangsungan hidup selama 5 tahun, atau menindaklanjuti lagi dimiliki (subjek
"consored"). Seorang pasien disensor ketika tindak lanjut berakhir
sebelum kematian atau penyelesaian periode penuh pengamatan. Tindak lanjut bisa
berakhir untuk salah satu dari beberapa alasan: (1) pasien memutuskan untuk
menghentikan partisipasi, (2) pasien "hilang" untuk menindaklanjuti,
atau (3) studi berakhir. Lima dari enam orang di
bawah pengawasan (n = 6) dalam gambar 2-3 bertahan minimal 2 tahun. Dengan
demikian, 2-tahun kelangsungan hidup adalah:
S=
= 0,83 =
83%
Perhitungan kelangsungan hidup menunjukkan
kemungkinan hidup panjang waktu tertentu dan berbanding terbalik dengan risiko kematian.
Perkiraan kelangsungan menyediakan cara yang berguna untuk meringkas prognosis,
seperti digambarkan dalam contoh 6.
Contoh 6 pasien yang dijelaskan
dalam profil pasien memiliki leukemia mielositik akut, jenis leukimia nonlymphocytic
akut. Data yang dikumpulkan oleh kanker institut nasional untuk pasien yang
didiagnosis dengan penyakit ini antara tahun 1981 dan 1987 di amerika serikat menunjukkan
bahwa hanya sekitar 9% dari pasien bertahan selama setidaknya 5 tahun dari saat
diagnosis. Untuk orang-orang yang berada di bawah usia 65 tahun di diagnosis, tingkat
kelangsungan hidup 5 tahun (14%) lebih tinggi dibandingkan mereka yang berusia
65 atau lebih tua saat diagnosis (2%). Namun demikian, dapat disimpulkan dari
data ini bahwa, tanpa memandang usia, pasien dengan leukimia mielositik akut memiliki
prognosis yang sangat buruk.
Tabel
kehidupan dan lainnya
Analisis
survival
Ketika mempelajari kelangsungan
hidup dan risiko, masalah bisa timbul jika penyidik tidak bisa mengikuti beberapa
mata pelajaran untuk periode risiko secara keseluruhan. Situasi ini mungkin
timbul jika beberapa mata pelajaran menjauh atau melewatkan pertemuan lanjutan.
Pada gambar 2-3, misalnya, pengamatan pasien b dan e berhenti setelah 2 tahun (disensor).
Jika seseorang ingin menentukan kelangsungan hidup selama 5 tahun. Periode
pengamatan pasien B dan E tidak lengkap.
Hanya seseorang yang mengetahui bahwa orang-orang ini bertahan hidup selama
sedikitnya 2 tahun, Jika tidak mereka bertahan penuh 5 tahun. Pengamatan yang
tidak lengkap seperti ini membuat sulit untuk menghitung kelangsungan hidup.
Jika seseorang berasumsi bahwa pasien B dan E bertahan hidup penuh selama 5
tahun kelangsungan hidup diperkirakan akan:
s
= 4 / 6 = 0.67 = 67 %
Gambar 2-3 pengalaman hidup dari kelompok
hipotetis enam pasien. Waktu pengamatan untuk setiap mata pelajaran yang
dimulai dengan diagnosis, adalah langkah-langkah dalam beberapa tahun.
Di sisi lain, jika satu
mengasumsikan bahwa memang kedua pasien bertahan hidup selama 5 tahun, kemudian
kelangsungan hidup diperkirakan akan:
s
= 2 / 6 = 0.33 = 33 %
sejak pengamatan tidak lengkap, kita
tidak tahu yang mana, jika salah satu dari kedua perhitungan yang benar.
Ketidakmampuan ini untuk memperkirakan probalitas kelangsungan hidup yang tidak
dilengkapi dengan pengamatan yang menggaris-bawahi kebutuhan metode analisis
untuk menangani disensor pengamatan.
Ahli Statistik telah
mengembangkan teknik-teknik khusus yang disebut analisis kelangsungan hidup,
untuk menjelaskan pengamatan yang tidak lengkap. 2 diantaranya yang digunakan
yaitu metode analisis kelangsungan hidup yaitu analisis tabel kehidupan dan
analisis Kaplan Meier. Tabel kehidupan dan analisis Kaplan Meier memungkinkan
perhitungan risiko bahkan jika beberapa pengamatan tidak lengkap. Deskripsi ini
dan metode lain analisis kelangsungan hidup dapat ditemukan di Basic n Clinical
Biostatistics ( Dawson Saunders dan Trapp, 1990).
Informasi yang digambarkan
di dalam grafik 2-4berhubungan dengan survival pengalaman dari orang dewasa
penderita leukemia di Amerika Serikat. Sepanjang sumbu horisontal, waktu dalam
tahun sejak diagnosis diplot (0 = saat diagnosis). Sepanjang sumbu vertikal,
persentase pasien yang hidup diplot. kurva kelangsungan hidup dimulai pada saat
diagnosis, ketika 100% pasien masih hidup. selama tahun pertama setelah
diagnosis, 40% pasien mati. selama tahun berikutnya, 10% pasien lain mati. Proses
Atrisi kematian terus berlanjut sampai akhir periode pengamatan 5 tahun. kurva
kelangsungan hidup dapat digunakan untuk menentukan dasar ukuran ringkasan
tentang prognosis leukemia pada orang dewasa. Misalnya, seseorang mungkin ingin
mengetahui persentase pasien yang bertahan hidup untuk beberapa waktu tetap
tertentu setelah diagnosis. biasanya, prognosis kanker dengan menentukan persentase
patiens yang bertahan setidaknya selama 5 tahun setelah diagnosis.
Gambar 2-4
Kelangsungan Hidup kurva untuk pasien yang didiagnosis dengan jenis leukimia pada
tahun 1983 di Amerika Serikat.
Gambar 2-5
Pendekatan memperkirakan 5 tahun setelah diagnosis.
Pendekatan untuk memperkirakan
persentase ini digambarkan dalam gambar 2-5. dimulai pada sumbu horisontal pada
5 tahun, garis ditarik ke kurva kelangsungan hidup (langkah A). membentuk titik
persimpangan dengan kurva kelangsungan hidup, garis ditarik di sumbu vertikal
(langkah B) persentase Selamat (35%) adalah membaca dari sumbu vertikal. Ringkasan
lain ukuran prognosis adalah median waktu hidup, adalah waktu setelah diagnosis
di mana salah satu setengah dari pasien tetap hidup.
Gambar 2-6
Pendekatan memperkirakan waktu kelangsungan hidup rata-rata.
Pendekatan untuk
memperkirakan waktu hidup rata-rata ditampilkan dalam angka 2-6. Awal pada
sumbu vertikal di 50 % ( ) rata-rata tingkat kelangsungan hidup garis ditarik
di untuk kelangsungan hidup kurva ( langkah ). Dari pertengahan titik
persimpangan dengan kelangsungan hidup kurva. Garis ditarik ke bawah tothe
sumbu horizontal ( langkah b ) median waktu hidup dalam contoh ini diperkirakan
menjadi 2 tahun.
Case
Fatality
Kecenderungan
penyakit untuk menyebabkan
kematian pasien yang terkena disebut
sebagai case fatality/ kasus kematian
(istilah "tingkat" dan "rasio" yang
kadang-kadang dikaitkan dengan "kasus kematian," meskipun secara matematis ini tidak sesuai). Case Fatality/ Kasus Kematian
(CF) diperkirakan oleh:
CF
=
=
Perkiraan
yang dihasilkan dapat dibiarkan sebagai proporsi, atau dikalikan
dengan 100 untuk mengubahnya menjadi persentase. Rumus ini analog dengan struktur kejadian sebelumnya dijelaskan untuk risiko, atau kumulatif.
Perbedaan antara kedua ukuran ini
adalah fase penyakit yang diterapkan mereka. Risiko penyakit mengacu pada perkembangan awal kondisi, dan
kasus kematian mengacu
pada kemungkinan kematian akibat
penyakit tersebut. Kedua langkah
memerlukan spesifikasi beberapa periode waktu di mana peristiwa dihitung.
Hubungan
antara risiko dan case fatality digambarkan secara skematik pada Gambar 2-7. Populasi
awal pada risiko penyakit terdiri dari 15 wanita (N
= 15), lima di
antaranya mengembangkan kondisi
bunga. Risiko, atau
kejadian kumulatif, oleh karena itu,
adalah:
R
=
Hanya
dua (D = 2) dari perempuan
yang terkena (A =
5) kemudian meninggal
karena kondisi tersebut. Case
fatality, oleh karena itu, adalah:
CF
=
Gambar 2-7 Diagram
skematik dari sejarah alam dari penyakit, yang
menunjukkan populasi berisiko
penyakit (N), kasus
insiden (A), dan
kematian akibat penyakit
Case
Fatality/ Kasus kematian dapat berkisar dari 0, bila
tidak ada pasien meninggal karena
penyakit ini, untuk 1 (atau 100%), ketika
semua pasien meninggal akibat penyakit
ini. Sejak kasus kematian merupakan proporsi orang
yang terkena dampak dengan penyakit
yang meninggal dari itu, kasus kematian dapat
dianggap sebagai pelengkap untuk kelangsungan hidup. Dengan kata lain,
untuk suatu periode tertentu pengamatan,
kasus kematian dan
kelangsungan hidup harus berjumlah
100%. Kembali ke Gambar 2-7, bertahan hidup adalah:
S
=
Ini,
kasus kematian (CF
= 40%) dan
kelangsungan hidup (S = 60%) Total 100%.
DAFTAR
PUSTAKA
Brooker,
Chris (editor). 2008.Ensiklopedia
Keperawatan Edisi Bahasa Indonesia. Jakarta: EGC.
Bustan.
2000.Epidemiologi Penyakit Tidak Menular.
Jakarta: PT. Rineka Cipta.
Bustan.
2002.Pengantar Epidemiologi. Jakarta:
PT. Rineka Cipta.
Darmadi.
2008. Infeksi Nosokomial : Problematika
Dan Pengendaliannya. Jakarta : Penerbit Salemba Medika
Ducel,
G. et al. 2002. Prevention of
hospital-acquired infections, A.practical guide. 2nd edition. World Health
Organization. Department of Communicable disease, Surveillance and Response.
Available from: http://klikharry.wordpress.com/2006/12/21/infeksi-nosokomial/. (Accessed
5 agustus 2014)
Noor. 1997. Pengantar Epidemiologi Penyakit Menular,
Jakarta: PT. Rineka Cipta.
Tidak ada komentar:
Posting Komentar