2. 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
3. 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.
5. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
7. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
8. 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)
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
9. Hubungan antara reabilitas dan validitas
Pengukuran valid dpt diandalkan ; pengukuran unreliable tidak
valid
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
10. 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).
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
11. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
13. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
14. Fig. 1. Study flow chart.
Gambar 2
Sumber
VARIASI
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
15. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
16. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
17. Fig. 1. Study flow chart.
GAMBAR 2.2 Variabilitas
pengamatan. Kesalahan dalam
pelaporan detak jantung janin
ditentukan oleh monitor
elektronik, berada di dalam
kisaran normal, rendah, atau
tinggi.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
18. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
19. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
20. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
21. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
22. GAMBAR 2.3 VARIABILITAS BIOLOGI
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
23. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
24. 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,)
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
25. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
27. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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
28. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
29. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
Distribusi nilai PSA
(Prostate-specific
antigen) pada laki-laki
yg dianggap normal
30. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
Distribusi aktual
Distribusi pada kasus klinis
memiliki banyak bentuk yg
berbeda.
Contoh : pada distribusi
frekuensi 4 pemeriksaan
darah yg sering dilakukan.
31. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
32. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
33. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
34. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
35. 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)
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
37. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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
38. Screening Phenylketonuria pada bayi
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
39. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
40. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
41. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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.
42. Fig. 1. Study flow chart.
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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
43. Fig. 1. Study flow chart.
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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
45. 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.
47. 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.
49. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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)
50. 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.
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
51. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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
52. DAFTAR PUSTAKA
52
Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology:
The Essential. Philadelphia: Lippincott Williams & Wilkins.
55. 1. Suatu skala pengukuran data tanpa
memandang tingkatan merupakan
a. Interval
b. Dikotom
c. Ordinal
d. Nominal
e. Rasio
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
56. a. Interval
b. Dikotom
c. Ordinal
d. Nominal
e. Rasio
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
2. Klasifikasi gagal jantung NYHA merupakan
jenis data
57. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
3. Pernyataan yang sesuai adalah sebagai berikut :
58. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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 :
59. a. Median
b. Range
c. Persentil
d. Standar Deviasi
e. Modus
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
5. Ukuran yang di gunakan untuk mengukur
jumlah variasi atau sebaran sejumlah nilai data
disebut ?
60. a. Mode
b. Median
c. Range
d. Quantile
e. Mean
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
6. . Titik dimana jumlah pengamatan diatas sama
dengan jumlah yang dibawah disebut ?
61. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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 ?
62. 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)
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
8. Yang termasuk kriteria abnormalitas adalah ?
63. a. ordinal
b. ratio
c. periodik
d. nominal
e. interval
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
9. Manakah jenis data dibawah ini yang tidak
tidak termasuk dalam data hasil pengukuran klinis
?
64. 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
Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
10. Abnormal umumnya didefinisikan sebagai
suatu yang berikut ini , kecuali ?
65. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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
66. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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
67. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
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
68. Sumber: Fletcher R. H, Suzanne, W. F. 2005. Clinical Epidemiology: The Essential. Philadelphia: Lippincott Williams & Wilkins.
14. Berikut yang termasuk variasi biologis adalah
:
a. Instrumen Pengukuran
b. Observer
c. Metode pengukuran
d. Variasi antar kelompok
e. Variasi antar individual
Editor's Notes
<a href='https://www.freepik.com/vectors/infographic'>Infographic vector created by stories - www.freepik.com</a>
<a href='https://www.freepik.com/vectors/infographic'>Infographic vector created by stories - www.freepik.com</a>