Ukuran Frekuensi Epidemiologi

Presentasi berjudul: "Ukuran Frekuensi Epidemiologi"— Transcript presentasi:

1 Ukuran Frekuensi Epidemiologi
KELOMPOK 2 : Muhammad rizal Inda riqkiani Dimas setyo aji Ida puspitasari Ade lies oktorita Dwi annisa fajria

2 Pengukuran Frekuensi Epidemiologi
Tujuan Untuk menilai keadaan suatu penyakit di populasi tertentu sehingga akan di dapat pengetahuan yang bisa memberikan solusi, baik untuk pencegahan ataupun penanggulanggannya

3 Ukuran Frekuensi Epidemiologi
Untuk mengukur Masalah Penyakit atau Angka Kesakitan (Morbiditas) Untuk mengukur Masalah Kematian atau Angka Kematian (Mortalitas)

4 Ukuran Utama Morbiditas dalam Epidemiologi
Angka Insidensi Angka Prevalensi Prevalen adalah gambaran tentang frekuensi penderita lama & baru suatu penyakit pada jangka waktu tertentu di suatu kelompok masyarakat. Insidensi adalah gambaran tentang frekuensi penderita baru suatu penyakit pada waktu tertentu di suatu kelompok masyarakat.

5 Angka Insidensi Insidensi Rate Attack Rate Secondary Attack Rate

6 Insidensi Rate Jumlah penderita baru suatu penyakit yang ditemukan pada suatu jangka waktu tertentu (umumnya 1 tahun) dibandingkan dengan jumlah penduduk yang mungkin terkena penyakit baru tersebut pada pertengahan jangka waktu yang bersangkutan dalam persen atau permil. Rumus yang digunakan : Jumlah Penderita Baru Insidensi Rate = x K Jumlah Penduduk yg mungkin terkena penyakit tersebut pada pertengahan tahun Keterangan : K = Konstanta (100%, 1000‰ )

7 Contoh Soal Insidensi Rate
Pada suatu daerah dengan jumlah penduduk pada tanggal 1 juli 1986 sebanyak orang rentan terhadap penyakit dan ditemukan laporan penderita baru pada bulan Januari 50 orang, bulan Maret 100 orang, bulan Juni 150 orang, bulan September 10 orang, dan bulan Desember 90 orang. Berapakah nilai insidensi rate di daerah tersebut? Insidensi Rate = x 100% = 0,4 % Manfaat : Untuk mengetahui masalah kesehatan yang dihadapi, resiko untuk terkena masalah yang dihadapi, serta untuk mengetahui beban tugas yang harus diselenggarakan oleh suatu fasilitas pelayanan kesehatan baik untuk pencegahannya ataupun penanggulangannya.

8 Attack Rate jumlah penderita baru suatu penyakit yang ditemukan pada suatu saat dibagi dengan jumlah penduduk yang mungkin terkena penyakit tersebut pada saat yang sama dalam persen atau permil. Rumus yang digunakan : Jumlah penderita baru pada satu saat Attack Rate = x K Jumlah penduduk yg mungkin terkena penyakit tersebut pada saat itu Keterangan : K = Konstanta (100%, 1000‰ )

9 Contoh Soal Attack Rate
Lima ratus orang murid yang tercatat pada SD X ternyata 100 orang diantaranya tiba-tiba menderita muntah berak setelah makan gado-gado dari kantin sekolah. Berapakah nilai Attack rate pada kasus di atas ? 100 Attack Rate = x 100% 500 = % Manfaat : Untuk memperkirakan derajat serangan atau penularan suatu penyakit sebab semakin tinggi nilai AR, maka semakin tinggi pula kemampuan Penularan Penyakit tersebut.

10 Secondary Attack Rate Jumlah penderita baru suatu penyakit yang terjangkit pada serangan kedua dibagi dengan jumlah penduduk dikurangi penduduk yang terkena serangan pertama dalam persen atau permil. Manfaatnya untuk menghitung suatu penyakit menular serta untuk suatu populasi yang kecil seperti keluarga Rumus digunakan yaitu : Jumlah penderita baru pada serangan kedua Secondary Attack Rate = x K Jumlah penduduk – Penduduk yg terkena serangan pertama Keterangan : K = Konstanta (100%, 1000‰)

11 Contoh Soal Secondary Attack Rate
Keluarga A 6 orang Keluarga C 3 orang Keluarga B 5 orang Keterangan: Kasus pertama dalam keluarga Berapakah nilai Secondary attack rate dari ilustrasi di atas ? Kasus kedua dalam keluarga Orang yang kebal SAR = x 100% (6-1) + (5-2) + (3-1) = % Orang yang sehat

12 Untuk mengatahui mutu pelayanan kesehatan yang diselenggarakan.
Angka Prevalensi Period Prevalence Rate Point Prevalence Rate Jumlah penderita lama & baru suatu penyakit yang ditemukan pada jangka waktu tertentu dibagi dengan jumlah penduduk pada pertengahan jangka waktu yang bersangkutan dalam persen atau permil. Jumlah penderita lama & baru suatu penyakit yang ditemukan pada suatu saat dibagi dengan jumlah penduduk pada saat itu dalam persen atau permil. Manfaat : Untuk suatu penyakit yang sulit diketahui saat munculnya, misalnya pada penyakit kanker. Manfaat : Untuk mengatahui mutu pelayanan kesehatan yang diselenggarakan.

13 Period Prevalence Rate
Rumus yang digunakan : Jumlah penderita lama & baru Period PR = x K Jumlah penduduk pertengahan Keterangan : K = Konstanta (100%, 1000‰) Contoh : Suatu kantor dengan jumlah karyawan sebanyak 100 orang, 20 orang diantaranya sejak 2 bulan yang lalu tidak masuk kantor karena menderita penyakit A, dan selanjutnya pada hari ini 30 orang lainnya terpaksa pulang karena juga menderita penyakit A. Berapakah Period Prevalence Rate nya? Period PR = x 100% 100 = 50%

14 Jumlah penduduk saat itu
Point Prevalence Rate Rumus yang digunakan : Jumlah penderita lama & baru pada saat tertentu Point PR = x K Jumlah penduduk saat itu Keterangan : K = Konstanta (100%, 1000‰) Contoh : Satu sekolah dengan murid sebanyak 100 orang, kemarin 5 orang menderita penyakit campak dan hari ini 5 orang lainnya menderita penyakit campak. Berapakah Point Prevalen Rate nya? 10 Point PR = x 100% 100 = 10%

15 Hubungan Intervensi dan Prevalensi
Besarnya nilai prevalen ditentukan oleh banyaknya orang yang sakit sebelumnya (insiden), serta lamanya orang tersebut menderita penyakit (duration). Meskipun jumlah orang yang sakit sebelumnya tidak begitu banyak, tetapi jika penyakit berlangsung cukup lama, maka lama kelamaan jumlah penderita akan meningkat karena terjadi penumpukan jumlah orang yang jatuh sakit. Sehingga angka prevalen untuk penyakit akan menjadi tinggi. Jika diketahui angka insiden dan prevalen suatu penyakit, maka dapat dihitung lama berlangsungnya penyakit tersebut ( duration) , yaitu : P = I x D Keterangan : - P = Prevalensi - I = Insidensi - D = Lamanya Sakit

16 Contoh Januari Februari Maret April Mei Juni
D E F G H I Pada suatu wilayah X ditemukan pola perjalanan penyakit Y untuk bulan Januari sampai Juni seperti diatas. Berapakah angka insiden & prevalen penyakit Y tersebut untuk periode Februari sampai dengan Mei ?

17 Jawaban Insiden kasus baru yang ditemukan pada periode Februari – Mei ialah : A + D + E + F + G = 5 2. Prevalen kasus lama dan baru untuk periode Februari – Mei ialah : A + B + D + E + F + G + H= 7

18 Ukuran Utama Mortalitas dalam Epidemiologi
1. Angka Kematian Kasar ( Crude Death Rate ) 2. Angka Kematian Perinatal ( Perinatal Mortality Rate ) 3. Angka Kematian Bayi Baru Lahir ( Neonatal Mortality Rate ) 4. Angka Kematian Bayi ( Infant Mortalaity Rate ) 5. Angka Kematian Balita ( Under Five Mortalaty Rate ) 6. Angka Kematian Pasca-Neonatal (Postneonatal Mortality Rate) 7. Angka Lahir Mati atau Angka Kematian Janin(Fetal Death Rate ) 8. Angka Kematian Ibu ( Maternal Mortality Rate ) 9. Angka Kematian Spesifik Menurut Umur (Age Specific Death Rate) 10. Cause Spesific Mortality Rate ( CSMR ) 11. Case Fatality rate ( CFR )

19 Angka Kematian Kasar ( Crude Death Rate )
Jumlah semua kematian yang ditemukan pada satu jangka waktu (lazimnya satu tahun) dibagi dengan jumlah penduduk pada pertengahan waktu yang bersangkutan dalam persen atau permil. Rumus yang digunakan : Jumlah seluruh kematian CDR = x K Jumlah penduduk pertengahan Keterangan : K = Konstanta 1000

20 Angka Kematian Perinatal ( Perinatal Mortality Rate )
Jumlah kematian janin yang dilahirkan pada usia kehamilan 28 minggu atau lebih ditambah dengan jumlah kematian bayi yang berumur kurang dari 7 hari yang dicatat selama 1 tahun per 1000 kelahiran hidup pada tahun yang sama. Manfaat Perinatal Mortality Rate adalah untuk menggambarkan keadaan kesehatan masyarakat terutama kesehatan ibu hamil dan bayi. Rumus yang digunakan : Jumlah kematian janin yang dilahirkan pada usia kehamilan 28 minggu atau lebih + Jumlah kematian bayi yang berumur kurang dari 7 hari yang dicatat selama 1 tahun PMR = x K Jumlah Bayi lahir hidup pada tahun yg sama Keterangan : K = Konstanta umumnya 1000

21 Angka Kematian Bayi Baru Lahir ( Neonatal Mortality Rate )
Jumlah kematian bayi berumur kurang dari 28 hari yang dicatat selama 1 tahun per 1000 kelahiran hidup pada tahun yang sama. Manfaat Neonatal Mortality Rate adalah untuk mengetahui tinggi rendahnya usaha perawatan postnatal, program imunisasi, pertolongan persalinan dan penyakit infeksi, terutama Saluran Napas Bagian Atas. Rumus yang digunakan : Jumlah kematian bayi umur kurang dari 28 hari NMR = x K Jumlah kelahiran hidup pada tahun yang sama Keterangan : K = Konstanta 1000

22 Angka Kematian Bayi ( Infant Mortalaity Rate )
Jumlah seluruh kematian bayi (berumur dibawak 1 tahun) pada suatu jangka waktu (lazimnya satu tahun) dibagi dengan jumlah seluruh kelahiran hidup dalam persen atau permil. Manfaatnya Infant Mortality Rate adalah sebagai indikator yang sensitif terhadap derajat kesehatan masyarakat Rumus yang digunakan : Jumlah Seluruh kematian bayi dalam 1 tahun NMR = x K Jumlah kelahiran hidup pada tahun yang sama Keterangan : K = Konstanta 1000

23 Angka Kematian Balita ( Under Five Mortalaty Rate )
Jumlah kematian balita yang dicatat selama 1 tahun per 100 penduduk balita pada tahun yang sama. Manfaat Under five mortality rate atau angka kematian balita adalah untuk mengukur status kesehatan bayi Rumus yang digunakan : Jumlah kematian balita yang dicatat dalam 1 tahun UFMR = x K Jumlah penduduk balita pada tahun yang sama Keterangan : K = Konstanta 100

24 Angka Kematian Pasca-Neonatal (Postneonatal Mortality Rate)
Postneonatal Mortality Rate adalah kematian yang terjadi pada bayi usia 28 hari sampai 1 tahun per 1000 kelahiran hidup dalam satu tahun. Angka kematian pascaneonatal bermanfaat untuk menelusuri kematian di negara belum berkembang, terutama pada wilayah tempat bayi meninggal pada tahun pertama kehidupannya akibat malnutrisi, defisiensi nutrisi, dan penyakit infeksi. Rumus yang digunakan : Jumlah kematian bayi umur 28 hari sampai dgn 1 tahun Postneonatal MR = x K Jumlah kelahiran hidup pada tahun yang sama Keterangan : K = Konstanta 1000

25 Angka Kematian Janin (Fetal Death Rate )
Proporsi jumlah kematian janin yang dikaitkan dengan jumlah kelahiran pada periode waktu tertentu, biasanya 1 tahun. Rumus yang digunakan : Jumlah kematian janin dlm periode tertentu (1 thn) Angka kematian Janin = x K Total kematian janin + Jumlah kelahiran hidup pada tahun yang sama Keterangan : K = Konstanta umumnya 1000

26 Angka Kematian Ibu ( Maternal Mortality Rate )
Jumlah kematian ibu sebagai akibat dari komplikasi kehamilan, persalinan dan masa nifas dalam 1 tahun per 1000 kelahiran hidup pada tahun yang sama. Rumus yang digunakan : Jumlah kematian ibu hamil, persalinan, nifas dalam 1 tahun MMR = x K Jumlah kelahiran hidup pada tahun yang sama Keterangan : K = Konstanta umumnya 1000

27 Angka Kematian Spesifik Menurut Umur (Age Specific Death Rate)
Jumlah seluruh kematian karena penyebab dalam satu jangka waktu tertentu dibagi dengan jumlah penduduk yang mungkin terkena penyakit tersebut dalam persen atau permil Rumus yang digunakan : ASMR = dx x K px Keterangan : K = Konstanta umumnya 1000 dx = jumlah kematian yang dicatat dalam 1 tahun pada penduduk golongan umur tertentu (x) px= jumlah penduduk pertengahan tahun pada golongan umur tersebut (x)

28 Cause Spesific Mortality Rate ( CSMR )
Jumlah seluruh kematian karena penyebab dalam satu jangka waktu tertentu dibagi dengan jumlah penduduk yang mungkin terkena penyakit tersebut daam persen atau permil Rumus yang digunakan : Jumlah seluruh kematian karena penyakit tertentu. CSMR = x K Jumlah seluruh penderita yg mungkin terkena penyakit tertentu Keterangan : K = Konstanta umunnya 1000

29 Case Fatality rate ( CFR )
Jumlah seluruh kematian karena satu penyebab dalam jangka waktu tertentu dibagi dengan jumlah seluruh penderita pada waktu yang sama dalam persen atau permil. CFR digunakan untuk mengetahui penyakit – penyakit dengan tingkat kematian yang tinggi. Rumus yang digunakan : Jumlah seluruh kematian karena penyakit tertentu CFR = x K Jumlah seluruh penderita penyakit pd tahun yang sama Keterangan : K = Konstanta 1000

30 Sumber Kesalahan Pada Pengukuran
1. Kesalahan akibat penggunaan data yang tidak sesuai. Contoh Mempergunakan sumber data yang tidak representatif, misalnya hanya data dari fasilitas pelayanan kesehatan saja, padahal telah diketahui cakupan fasilitas pelayanan amat terbatas dan tidak semua masyarakat datang berobat ke fasilitas tersebut. Memanfaatkan data dari hasil survei khusus yang pengambilan respondennya tidak secara acak (tidak memenuhi syarat randomisasi). Memanfaatkan data dari hasil survai khusus yang sebagian besar respondennya tidak memberikan jawaban. 2. Kesalahan akibat adanya faktor ‘bias’. Bias ialah terdapatnya perbedaan antara hasil pengukuran dengan nilai yang sebenarnya. Contoh: Mempergunakan alat ukur yang berbeda – beda atau yang tidak distandarisasi Mempergunakan teknik pengukuran yang berbeda – beda Mempergunakan cara pencatatan hasil yang berbeda – beda Terdapatnya perbedaan persepsi masyarakat akan penyakit yang ditanyakan. Terdapatnya perbedaan respons terhadap alat ataupun test yang digunakan. Kesalahan akibat penggunaan data yang tidak sesuai. Contoh timbulnya kesalahan karena penggunaan data yang tidak sesuai ialah : Mempergunakan sumber data yang tidak representatif, misalnya hanya data dari fasilitas pelayanan kesehatan saja, padahal telah diketahui cakupan fasilitas pelayanan amat terbatas dan tidak semua masyarakat datang berobat ke fasilitas tersebut. Memanfaatkan data dari hasil survei khusus yang pengambilan respondennya tidak secara acak (tidak memenuhi syarat randomisasi). Memanfaatkan data dari hasil survai khusus yang sebagian besar respondennya tidak memberikan jawaban. (Azwar, 1999) Kesalahan akibat adanya faktor ‘bias’. Bias ialah terdapatnya perbedaan antara hasil pengukuran dengan nilai yang sebenarnya. Kesalahan karena bias dapat beraal dari si pengumpul data dan ataupun dari masyarakat yang dikumpulkan datanya. Contoh kesalahan yang bersumber dari diri pengumpul data ialah : Mempergunakan alat ukur yang berbeda – beda atau yang tidak distandarisasi Mempergunakan teknik pengukuran yang berbeda – beda Mempergunakan cara pencatatan hasil yang berbeda – beda Sedangkan contoh kesalahan karena bias yang bersumber dari masyarakat adalah : Terdapatnya perbedaan persepsi masyarakat akan penyakit yang ditanyakan. Terdapatnya perbedaan respons terhadap alat ataupun test yang digunakan. (Azwar,1999)

31 Sekian Semoga bisa dipahami…
Any Qoestion?