Abnormality Clinical Epidemiology.pptx

ABNORMALITAS
EPIDEMIOLOGI KLINIS
Pembimbing : Dr. dr. Juliandi Harahap, MA
Kelompok I
MAGISTER KEDOKTERAN KLINIK
FAKULTAS KEDOKTERAN
UNIVERSITAS SUMATERA UTARA

KELOMPOK I
1. dr. Maria Anastasia Wibisono
2. dr. Fadhliani Putri Mayasri
3. dr. Ferawati
4. dr. Nadia Setianingsih
5. dr. Muhammad Fadlan Pulungan
6. dr. Yongky Suganda
7. dr. M. Ali Adrian
8. dr. David Restu Prastia Manik
9. dr. Khairul Imami
10.dr. Ridho Firmansyah Sitorus
11.dr. Anandita Putri
12.dr. Ressy Hastopraja
13.dr. Muhammad Qadri Ramadhan
14.dr. Martina M. Silalahi

Klinisi menghabiskan banyak waktu untuk membedakan
normal dari yang tidak normal /abnormal.
Apabila dihadapkan dengan perbedaan yang sangat
mencolok maka tidak sulit bagi klinisi untuk membedakan
mana yang normal dan mana yang tidak normal.
Namun bagaimana dengan pasien yang memiliki
manifestasi klinis ringan, yang keluhannya sehari-hari nya
tidak jauh berbeda dengan orang sehat.
Menyatakan suatu temuan klinis normal atau tidak normal
tanpa pertimbangan dapat menimbulkan suatu kelalaian.
Bab ini akan menjelaskan beberapa cara klinisi
membedakan normal dari tidak normal.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.

Data
• Ada aturan dan urutan antar nilai adalah sama
• Dibagi menjadi data kontinu dan diskret
Interval
• Suatu skala pengukuran data berdasarkan tingkatannya
Ordinal
• Suatu skala pengukuran data tanpa memandang tingkatan
Nominal
Pengukuran dari suatu temuan klinik menghasilkan 3 jenis data

Kinerja Pengukuran
Validitas/Akurasi
A
Adalah suatu derajat ketepatan dimana data yg diukur menunjukan hasil yang
sebenarnya
 Content validity
 Construct validity
 Criterion validity
Apapun pengukurannya, kinerjanya dapat digambarkan dengan beberapa cara

Reabilitas
 Istilah yg luas digunakan untuk pengukuran berulang  fenomena
stabil  orang & instrument berbeda, waktu & tempat berbeda 
hasil sama
 Reprodusibilitas & presisi
 Reabilitas pengukuran laboratorium  pengukuran berulang (mis.
serum, spesimen jaringan, gejala klinis)

Hubungan antara reabilitas dan validitas
Pengukuran valid  dpt diandalkan ; pengukuran unreliable  tidak
valid

Range
Suatu instrumen mungkin tidak memiliki nilai plg rendah / tinggi pd temuan
yg diukur  range terbatas (membatasi informasi yg disampaikan).
Contoh : Skala aktivitas dasar kehidupan sehari-hari pada pasien 
berpakaian, makan, berjalan, toileting & menjaga kebersihan.
Responsivitas
Suatu instrument menunjukkan responsivitas sejauh hasilnya berubah
seiring dengan perubahan kondisi.
Contoh : Klasifikasi NYHA I-IV  tidak sensitif untuk perubahan halus
pada pasien gagal jantung kongestif. Disamping itu, pengukuran fraksi
ejeksi menggunakan echocardiography dapat mendeteksi perubahan yg
begitu halus (pasien tidak menyadari).

Interpretabilitas
Menempatkan nilai skala pada keadaan yg akrab  mengatasi
kerugian interpretabilitas.
Contoh : Skala Karnofsky Performance Status (mengukur kapasitas
fungsional yg biasanya digunakan pada penelitian pasien kanker yg
mendapat kemoterapi)  range 100 (normal) – 0 (meninggal) 
dokter menginterpretasikan dari jml nilai skala untuk menggambarkan
pencapaian sehari-hari.

VARIASI
Pengukuran klinis dari fenomena yang sama dapat
mengambil nilai kisaran, tergantung pada keadaan di
mana mereka dibuat
Untuk menghindari kesimpulan yang salah dari data,
dokter harus menyadari alasan variasi dalam situasi
tertentu dan mengetahui mana yang memainkan peran
besar, peran kecil atau tidak sama sekali.

Fig. 1. Study flow chart.
Gambar 2
Sumber
VARIASI

VARIASI YANG DIHASILKAN
DARI PENGUKURAN
Pengukuran dapat menyebabkan hasil yang
bias (kurangnya validitas) atau kesalahan
acak (kurangnya keandalan).
Mengurangi sumber variasi ini dengan
melakukan pengukuran dengan sangat
hati-hati dan dengan mengikuti standar.
Namun saat pengukuran melibatkan
penilaian manusia, bukan mesin, variasi
bisa sangat besar dan sulit kontrol.

CONTOH
16
• Denyut jantung sering dipantau dengan auskultasi, yang
mana tunduk pada kesalahan pengamat. Pemantauan
elektronik memberi tingkatan yang sebenarnya. Denyut
jantung janin yang sangat tinggi atau rendah adalah tanda-
tanda janin dalam kondisi bahaya, hal ini menunjukkan
perlunya pemeriksaan dini akan persalinan dengan operasi
caesar.
• Day et al. (2) membandingkan detak jantung janin yang
diperoleh auskultasi oleh staf rumah sakit dengan tarif
yang diperoleh dengan elec- pemantauan tronic (Gambar
2.2). Saat detak jantung janin benar dalam kisaran normal,
tingkat auskultasi merata didistribusikan tentang nilai
sebenarnya (yaitu, hanya ada acak kesalahan). Tapi
sebenarnya detak jantung janin ternyata luar biasa tinggi
atau rendah, angka dengan auskultasi bias ke arah
normal.mTarif rendah cenderung dilaporkan lebih tinggi
dari yang sebenarnya tarif, dan tarif tinggi lebih rendah dari
tarif sebenarnya.

GAMBAR 2.2 Variabilitas
pengamatan. Kesalahan dalam
pelaporan detak jantung janin
ditentukan oleh monitor
elektronik, berada di dalam
kisaran normal, rendah, atau
tinggi.

Studi ini menggambarkan acak dan sistem-kesalahan
atic dalam pengamatan klinis.
LANJUTAN
Data bias mungkin muncul karena staf rumah sakit
mengharapkan janin itu baik dan enggan untuk melakukan
intervention berdasarkan pengamatan mereka
Variasi dalam pengukuran juga muncul karena mereka
membuat hanya atas contoh fenomena yang mungkin salah
menggambarkan keseluruhan.
Seringkali, fraksi sampling (fraksi keseluruhan yang
termasuk dalam sampel) sangat kecil.

LANJUTAN
Jika pengukuran dilakukan dengan beberapa metode yang
berbeda, seperti laboratorium yang berbeda, teknisi atau
instrument yang berbeda, beberapa pengukuran mungkin
tidak dapat diandalkan dan dapat menghasilkan hasil yang
sangat berbeda.

Variasi yang Dihasilkan
dari Perbedaan Biologis
• Variasi juga muncul karena
perubahan biologis dalam individu
dari waktu ke waktu.
• SEBUAH pengukuran pada suatu
titik waktu adalah contoh
pengukuran lonjakan selama
periode waktu tertentu dan mungkin
tidak merepresentasikan nilai dari
pengukuran ini.

CONTOH
21
Dokter memperkirakan frekuensi prematur ventrikel depolarisasi
(VPD) untuk membantu menentukan kebutuhan dan efektivitas
pengobatan. Untuk alasan praktis, mereka dapat melakukannya
dengan pengamatan yang relatif singkat dengan merasakan
denyut nadi selama 1 menit atau meninjau elektrokardiogram
merekam beberapa detik. Namun, frekuensi VPD pada pasien
tertentu bervariasi dari waktu ke waktu. Untuk mendapatkan
sampel tingkat VPD yang lebih besar, monitor portable terkadang
digunakan. Tapi pemantauan bahkan diperpanjang periode waktu
dapat menyesatkan. Gambar 2.3 menunjukkan observasi pada
satu pasien dengan VPD. VPD per jam bervariasi dari kurang dari
20 hingga 380 selama periode 3 hari, menurut hari dan waktu
hari ini. Penulis menyimpulkan: “Untuk membedakan penurunan
frekuensi VPD yang disebabkan oleh terapi intervensi dari variasi
biologis membutuhkan pengurangan lebih dari 83% pada
frekuensi VPD. jika hanya dua periode pemantauan hanya 24
jam " Periode pengamatan yang jauh lebih pendek bisa menjadi
lebih menyesatkan karena variasi biologis.

GAMBAR 2.3 VARIABILITAS BIOLOGI

2
3
Saat melihat distribusi populasi, variasi pengukuran untuk setiap pasien adalah
ditambahkan ke variasi untuk orang-orang tersebut dari waktu ke waktu, yang
pada gilirannya menambah variasi di antara perbedaan pasien
Variasi pengukuran berkontribusi relatif sedikit, meskipun mencakup
sebanyak Jangkauan 12 mm Hg di antara berbagai pengamat.
Di Disisi lain, tekanan darah setiap pasien berbeda-beda, banyak sekali dari
waktu ke waktu, sehingga setiap pembacaan tekanan darah mungkin tidak
mewakili
Sebagian besar variasi ini tidak acak: tekanan darah tinggi lebih sering terjadi
saat orang bangun, bersemangat, berkunjung dokter, atau mengambil obat flu
yang dijual bebas
4
1
TOTAL VARIASI

GAMBAR 2.4 Sumber variasi dalam
pengukuran diastolic (fase V) tekanan darah.
garis putus-putus menunjukkan tekanan darah
yang sebenarnya (Sumber: Hetcher RH dan
Fletcher SW (tidak diterbitkan); dan Boe J,
Humerfelt S, Wedervang F, Oecon C. Tekanan
darah dalam suatu populasi [Edisi Khusus]. Acta
Med Scand 1957; 321: 5-313,)

PENGARUH VARIASI
01
02
03
04
01
Hasil ketidakakuratan dari variasi acak dapat dikurangi dengan mengambil
rata-rata sampel yang lebih besar dari apa yang sedang diukur
02
misalnya dengan menghitung lebih banyak sel pada blood smear,
memeriksa area yang lebih luas dari sedmen urin, atau mempelajari
lebih banyak pasien.
03
Di sisi lain, hasil yang bias bersifat sistematis dan berbeda dari
nilai sebenarnya, walaupun caranya berkali-kali mereka ulangi.
04
Misalnya peningkatan detak jantung janin (contoh ditunjukkan pada
Gambar 2.2) akan tetap di luar target meskipun diulang berkali-kali.

 Data yg telah diukur dg skala interval sering dipresentasikan dalam
bentuk gambar  distribusi frekuensi  menunjukkan angka atau
proporsi sekelompok orang yg memiliki hasil pengukuran yg berbeda.
 Peringkasan sangat penting ketika sejumlah besar disajikan atau
dibandingkan.
 Ada dua sifat dasar distribusi yg digunakan untuk meringkasnya :
 Central tendency  nilai tengah distribusi.
 Dispersion  seberapa besar penyebaran nilai distribusinya.
DISTRIBUSI

Definisi Keuntungan Kerugian
Central Tendency
Mean Total nilai observasi
Jumlah data diobsevasi
Cocok untuk manipulasi
matematika
Dipengaruhi nilai ekstrim
Median Titik dimana jumlah
pengamatan diatas sama
dengan jumlah yang
dibawah (nilai tengah)
Tidak mudah dipengaruhi
nilai ekstrim
Tidak cocok untuk
manipulasi matematika
Mode Nilai yang paling sering
muncul
Kesederhanaan makna Terkadang tidak ada nilai
yang paling sering
Dispersion
Range Nilai distribusi dari yang
paling rendah hingga yang
paling tinggi
Mencakup semua nilai Paling terpengaruh oleh
nilai ekstrim
Standar Deviasi Ukuran yang digunakan
untuk mengukur jumlah
variasi atau sebaran
sejumlah nilai data
Cocok untuk manipulasi
matematika
Untuk distribusi non-
gaussian tidak
menunjukkan proporsi dari
yang di amati
Persentil, Decile, Quantile,
dll
Proporsi dari semua
pengamatan yang
berbeda diantara nilai-nilai
yang ditentukan
Mengambarkan keanehan
suatu nilai
Tidak membuat asumsi
tentang bentuk distribusi
Tidak cocok untuk
manipulasi statistik

Distribusi nilai PSA
(Prostate-specific
antigen) pada laki-laki
yg dianggap normal

Distribusi aktual
 Distribusi pada kasus klinis
memiliki banyak bentuk yg
berbeda.
 Contoh : pada distribusi
frekuensi 4 pemeriksaan
darah yg sering dilakukan.

 Secara umum, sebagian besar nilai muncul di dekat
pertengahan distribusi, dan kecuali untuk bagian tengah
kurva tidak ada punuk atau penyimpangan.
 Batas atas dan batas bawah distribusi direntangkan dalam
bentuk ekor. Dengan ekor pada salah satu sisi lebih panjang
dibandingkan sisi yang lain (kurva miring ke arah ujung yang
lebih panjang).
 Semua distribusi ini adalah unimodal (hanya memiliki satu
puncak), berbentuk bel, dan tidak mesti simetris.
 Nilai distribusi pemeriksaan lab berubah-rubah tergantung
karakteristik pasien seperti usia, jenis kelamin, ras, dan
nutrisi.

Distribusi variabel klinis yang berubah
berdasarkan usia: BUN usia 20-29 tahun
dengan ≥80 tahun
• Tampak bagaimana suatu nilai
pemeriksaan BUN (blood urea
nitrogen) berubah tergantung usia.
• Angka BUN 25mg/ 100ml adalah
nilai yang tidak normal pada pasien
usia muda tapi nilai BUN tersebut
tidak terlalu bermakna pada pasien
usia tua.

Distribusi Normal
 Distribusi yang lain disebut distribusi normal atau Gaussian distribution.
 Berdasarkan teori statistik, distribusi normal menggambarkan frekuensi
distribusi dari pengukuran berulang dari objek fisik yang sama dengan
instrumen yang sama.
 Meskipun distribusi klinis sering menyerupai distribusi normal, tetapi
kemiripannya hanya sedikit.

Distribusi Normal (Gaussian Distribution)
• Kurva tampak simetris & berbentuk
bel.
• Kurva tampak memiliki sifat
matematis bahwa sekitar 2 per 3
dari pengamatan jatuh dalam 1
standar deviasi rata-rata, dan
sekitar 95% dalam 2 standar
deviasi

 Bentuk distribusi klinis berbeda satu sama lain karena banyak
perbedaan diantara tiap orang.
 Oleh karena itu, jika distribusi pemeriksaan klinis menunjukkan kurva
normal, itu kebanyakan secara tidak sengaja.
 Walaupun demikian, sering diasumsikan secara gampang bahwa
pengukuran klinis adalah terdistribusi normal. (karena mean dan
standar deviasi relatif mudah dihitung dan dimanipulasi secara
matematis)

Kriteria abnormalitas digunakan
untuk mempertimbangkan hal yang
sering terjadi sebagai normal dan
hal yang tidak sering terjadi
sebagai abnormal
Keterbatasan utama adalah hampir
tidak ada dasar biologis sebagai
titik tertentu untuk menjadi
penunjuk ke arah abnormalitas
KRITERIA ABNORMALITAS

Screening Phenylketonuria pada bayi

Bila garis pemisah normal dan abnormal tidak jelas, maka
digunakan kriteria:
01
02
03
04
01 Abnormal sebagai sesuatu yang tidak wajar
02
Abnormal yang berhubungan dengan
penyakit
03 Abnormal sebagai keadaan yang
dapat diobati

Kriteria Abnormalitas
1. Abnormal sebagai sesuatu yang tidak wajar
 Normal biasanya dianggap sebagai sesuatu yg paling banyak muncul atau
dalam kondisi biasa
 Apa saja yg sering muncul, dinyatakan normal dan apa yg jarang muncul
disebut abnormal
2. Abnormal – dihubungkan dengan suatu penyakit.
 Pendekatan yg lebih tepat untuk membedakan normal-abnormal  observasi
secara secara klinis bagaimana defenisi kesehatan tersebut, dihubungkan
dengan resiko penyakit dan melihat perkembangan penyakit, disabilitas
ataupun kematian.

3. Abnormal – Yang dapat diobati atau ditatalaksana
 Suatu masalah kesehatan atau penyakit dilaksanakan berdasarkan evidence-
base dan pengalaman klinis.
 Suatu ilmu baru dibutuhkan dari hasil uji coba secara klinis, tingkat di mana
pengobatan dianggap berguna dan memberikan suatu perubahan.

Contoh
Gambar 2.10. Menunjukkan TD
sistolik yg lebih tinggi dari biasanya
berhubungan dengan tingkat
mortalitas penyakit jantung iskemia
dengan rentang tekanan darah, dari
115-185 mmHg. Untuk setiap
kenaikan 20 mmHg tekanan darah
sistolik ada 2 kali lipat lebih tinggi
tingkat kematian penyakit jantung
iskemia. 80% dari populasi yang
memiliki TD dibawah 140 mmHg,
treatmen dengan obat
direkomendasikan

Contoh
Gambar 2.11. Menunjukkan
Hubungan BMI dan Total
Mortalitas (A) dan Penyakit
Kardiovaskular (B). BMI
merupakan pembagian Berat
badan dalam kilogram dengan
tinggi badan dalam meter
kuadrat

VARIASI
Pengukuran klinis dari fenomena yang sama dapat
menghasilkan rentang nilai, tergantung pada keadaan
di mana mereka dibuat
Untuk menghindari kesimpulan yang salah dari data,
dokter harus menyadari alasan variasi dalam situasi
tertentu dan mengetahui mana yang memainkan peran
besar, peran kecil atau tidak sama sekali.

Gambar 2
Sumber
VARIASI

VARIASI YANG DIHASILKAN
DARI PENGUKURAN
Pengukuran dapat menyebabkan hasil yang
bias (kurangnya validitas) atau kesalahan
acak (kurangnya reliabilitas).
Mengurangi sumber variasi ini dengan
melakukan pengukuran dengan sangat
hati-hati dan dengan mengikuti standar.
Namun saat pengukuran melibatkan
penilaian manusia, bukan mesin, variasi
bisa sangat besar dan sulit kontrol.

REGRESSION TO THE MEAN
 Ketika menemukan hasil tes
abnormal yg tidak terduga 
mengulang tes  >> hasil
mendekati normal
 Pasien yg dipilih  mewakili nilai
ekstrim pd distribusi yg diharapkan
(rata-rata)  untuk memp. nilai yg
tidak tll ekstrim pd pemeriksaan
selanjutnya  Regression to the
mean (tjd murni krn alasan
statistik)

Pasien dipilih untuk dimasukkan ke
penelitian / untuk diagnosis / terapi
selanjutnya krn pd penelitian awal
dilakukan secara acak di ekor nilai
distribusi untuk semua pasien yg
diperiksa.
Beberapa pasien akan tetap berada
diatas titik potong pd pemeriksaan
berikutnya krn nilai mereka yg
sebenarnya biasanya > rata-rata.
Beberapa pasien yg ditemukan nilai
diatas titik potong pd pemeriksaan awal
biasanya mempunyai nilai yg lebih
rendah  variasi acak pd pengukuran
pertama  saat diukur ulang  nilai
lebih rendah  menarik nilai rata-rata ke
bawah.

Regression to the mean..
Pengukuran
ulang
Nilai yg didapat
diperkirakan lebih
akurat
Semakin ekstrim nilai yg diperoleh pd pengukuran awal,
semakin kecil kemungkinannya utk mjd normal saat
pengukuran diulang

DAFTAR PUSTAKA
52
Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology:
The Essential. Philadelphia: Lippincott Williams & Wilkins.

1. Suatu skala pengukuran data tanpa
memandang tingkatan merupakan
a. Interval
b. Dikotom
c. Ordinal
d. Nominal
e. Rasio

a. Interval
b. Dikotom
c. Ordinal
d. Nominal
e. Rasio
2. Klasifikasi gagal jantung NYHA merupakan
jenis data

a. Validitas dan reabilitas adalah konsep yg berbeda
b. Validitas menunjukkan keandalan suatu pengukuran
c. Reabilitas menunjukkan akurasi suatu pengukuran
d. Pengukuran yg valid harus dapat diandalkan
e. Pernyataan a dan d benar
3. Pernyataan yang sesuai adalah sebagai berikut :

a. Pasien memiliki denyut jantung yg berbeda pada
waktu yg berbeda
b. Pengukuran mungkin salah
c. Tehnik pengukuran dokter dan perawat berbeda
d. Denyut jantung rata-rata tiap pasien berbeda
e. Jam kedatangan pasien harus dijadwalkan
4. Seorang dokter atau perawat memeriksan
denyut jantung seorang pasien selama 10 menit
pasien setiap datang ke klinik. Kemungkinan hasil
yg akan didapat berbeda pada setiap kedatangan
karena sbb :

a. Median
b. Range
c. Persentil
d. Standar Deviasi
e. Modus
5. Ukuran yang di gunakan untuk mengukur
jumlah variasi atau sebaran sejumlah nilai data
disebut ?

a. Mode
b. Median
c. Range
d. Quantile
e. Mean
6. . Titik dimana jumlah pengamatan diatas sama
dengan jumlah yang dibawah disebut ?

a. Abnormalitas yang dapat diobati atau ditatalaksana
b. Abnormalitas yang dihubungkam dengan suatu penyakit
c. Abnormal sebagai sesuatu yang tidak wajar
d.Kriteria Normalitas
e. Kriteria Abnormalitas
7. Kriteria abnormalitas yang didasarkan pada
pengamatan yang dilakukan terhadap orang sehat
maupun sakit dengan melakukan observasi secara
klinis, resiko penyakit, melihat perkembangan
penyakit dan disability termasuk dalam kriteria ?

a. Abnormalitas, normalitas dan abnormalitas sebagai sesuatu yang tidak wajar
(unusual)
b. Abnormalitas sebagai sesuatu yang tidak wajar (unusual), Abnormalitas yang
dihubungkan dengan penyakit dan Normalitas
c. Abnormalitas sebagai sesuatu yang tidak wajar (unusual), Abnormalitas yang
dihubungkan dengan suatu penyakit (Associated with Disease), Abnormalitas
yang dapat diobati (Treatable)
d. Abnormalitas yang dapat diobati (Treatable) dan Normalitas
e. Abnormalitas sebagai sesuatu yang tidak wajar (unusual), Abnormalitas yang
dihubungkan dengan suatu penyakit ( Associated with Disease)
8. Yang termasuk kriteria abnormalitas adalah ?

a. ordinal
b. ratio
c. periodik
d. nominal
e. interval
9. Manakah jenis data dibawah ini yang tidak
tidak termasuk dalam data hasil pengukuran klinis
?

a. Tingkat dimana pengobatan telah terbukti efektif
b. Tingkat dimana angka kematian meningkat
c. Nilai yang tidak biasa secara statistic
d. Nilai yang tidak sesuai dengan distribusi normal
e. Keadaan dimana timbulnya gejala dan faktor risiko
10. Abnormal umumnya didefinisikan sebagai
suatu yang berikut ini , kecuali ?

11. Berikut yang merupakan sumber yang bisa
menyebabkan terjadinya variasi, kecuali :
a. Instrumen Pengukuran
b. Observer
c. Variasi pada individual
d. Variasi antar kelompok
e. Variasi antar individual

12. Tim perawat yang sedang bertugas di salah satu
ruang rawat inap RS, ingin melakukan pemeriksaan
tekanan darah terhadap seorang pasien menggunakan
tensimeter digital. Pemeriksaan tersebut dilakukan saat
shift mereka bertugas dan dilakukan langsung secara
bergantian dan memberikan perbedaan hasil tekanan
darah. Yang menyebabkan terjadinya variasi pada kasus
ini adalah :
a. Tingkat konsentrasi
b. Instrumen pengukuran
c. Observer
d. Variasi pada individu pasien
e. Variasi antar individu pasien

13. Untuk mengurangi sumber variasi, hal
yang dapat dilakukan yaitu :
a. Mengurangi jumlah sampel
b. Melakukan pengukuran berdasarkan kebiasaan sehari-
hari
c. Melakukan pengukuran secara hati-hati dan sesuai
prosedur
d. Menggunakan instrumen pengukuran yang beragam
e. Pengukuran atau penilaian dikerjakan oleh beberapa
orang

14. Berikut yang termasuk variasi biologis adalah
:
a. Instrumen Pengukuran
b. Observer
c. Metode pengukuran
d. Variasi antar kelompok
e. Variasi antar individual

Abnormality Clinical Epidemiology.pptx

Recommended

Recommended

More Related Content

Similar to Abnormality Clinical Epidemiology.pptx

Similar to Abnormality Clinical Epidemiology.pptx (20)

Abnormality Clinical Epidemiology.pptx

Editor's Notes