Ukuran Asosiasi: Risk Ratio, Odds Ratio, dan Prevalence Ratio
MK Epidemiologi Klinik & Biostatistik Lanjut (6 SKS)
Dr.dr. Budi Siswanto, Sp.OG., Subsp.Obginsos., SH., S.Kom.
Konsultan Obstetri Ginekologi Sosial
Deskripsi Modul
Setelah memahami bagaimana merancang penelitian yang valid dan bebas dari bias serta confounding, pertanyaan berikutnya adalah: bagaimana kita mengukur dan mengkomunikasikan besarnya hubungan antara paparan dan outcome? Ukuran asosiasi adalah bahasa universal epidemiologi — alat yang mengubah data mentah menjadi angka yang bermakna untuk pengambilan keputusan klinis dan kebijakan.
Capaian Pembelajaran Modul
Menghitung dan menginterpretasikan Risk Ratio (RR), Odds Ratio (OR), dan Prevalence Ratio (PR) dari data penelitian obstetri ginekologi
Membedakan ukuran asosiasi relatif dan absolut serta menjelaskan relevansi klinisnya
Mengidentifikasi konteks penggunaan yang tepat untuk masing-masing ukuran asosiasi berdasarkan desain studi
Menjelaskan kondisi di mana OR dapat digunakan sebagai aproksimasi RR (rare disease assumption) dan batasannya
Mengomunikasikan besarnya risiko kepada audiens klinis dan kebijakan secara akurat dan tidak menyesatkan
Materi Inti
C.1. Kerangka Dasar: Tabel 2x2
Seluruh ukuran asosiasi dalam epidemiologi dapat diturunkan dari tabel kontingensi 2x2 yang sederhana namun fundamental. Klik pada sel untuk melihat definisinya.
C.2. Ukuran Frekuensi sebagai Dasar
Risiko (Cumulative Incidence)
Proporsi tanpa dimensi waktu eksplisit.
Rate (Incidence Rate)
Memperhitungkan variasi waktu follow-up.
Odds
Bukan probabilitas. P / (1-P).
C.3. Risk Ratio (RR) — Rasio Risiko
| Nilai RR | Interpretasi |
|---|---|
| RR = 1,0 | Tidak ada asosiasi; risiko sama |
| RR > 1,0 | Faktor risiko (meningkatkan risiko) |
| RR < 1,0 | Faktor protektif (menurunkan risiko) |
Konteks Penggunaan:
RR adalah ukuran asosiasi alami untuk: Studi Kohort (prospektif maupun retrospektif), RCT, dan Studi Cross-sectional (modifikasi menjadi PR). RR tidak dapat dihitung dari studi kasus-kontrol.
C.4. Odds Ratio (OR) — Rasio Odds
Rare Disease Assumption
Ketika prevalensi/insidens outcome < 10%, OR ≈ RR. Namun untuk kondisi umum (misal: preeklampsia ~5–10%), OR akan melebih-lebihkan RR.
Kapan OR Lebih Tepat:
- Studi kasus-kontrol: Satu-satunya ukuran yang bisa dihitung
- Regresi logistik: Output alami adalah OR
- Meta-analysis: Lebih stabil untuk pooling
C.5. Prevalence Ratio (PR)
Secara formula identik dengan RR, tetapi mengukur prevalensi (kondisi ada), bukan insidens.
Catatan Penting: Untuk studi cross-sectional dengan outcome prevalensi tinggi (>10%), gunakan Poisson regression dengan robust variance atau Log-binomial regression untuk menghasilkan PR, bukan regresi logistik (yang menghasilkan OR).
C.6. Ukuran Asosiasi Absolut
RD = Risikoterpapar - Risikotidak terpapar
Lebih relevan untuk pengambilan keputusan klinis.
NNT = 1 / |RD|
Berapa banyak yang harus diintervensi untuk 1 manfaat.
PAR% = Pe(RR - 1) / [Pe(RR - 1) + 1] × 100%
Mengukur berapa besar burden penyakit di populasi yang dapat dikaitkan dengan paparan.
C.7. Ringkasan Perbandingan Ukuran Asosiasi
| Ukuran | Formula | Desain Studi | Kondisi Optimal |
|---|---|---|---|
| Risk Ratio (RR) | [a/(a+b)] / [c/(c+d)] | Kohort, RCT | Outcome tidak terlalu umum |
| Odds Ratio (OR) | (a×d) / (b×c) | Kasus-kontrol, Semua | Outcome jarang (<10%) |
| Prevalence Ratio (PR) | [a/(a+b)] / [c/(c+d)] | Cross-sectional | Outcome prevalens |
| Risk Difference (RD) | a/(a+b) − c/(c+d) | Kohort, RCT | Keputusan klinis |
| NNT | 1 / |RD| | Kohort, RCT | Komunikasi intervensi |
| PAR% | Formula Levin | Semua | Prioritas kebijakan |
C.8. Kesalahan Umum dalam Interpretasi
Kesalahan 1: Menginterpretasikan OR sebagai RR tanpa verifikasi
Ini menghasilkan klaim risiko yang dilebih-lebihkan pada outcome yang umum.
Kesalahan 2: Hanya melaporkan ukuran relatif tanpa absolut
"Risiko meningkat dua kali lipat" terdengar dramatis, tetapi konteks risiko dasar penting.
Kesalahan 3: Menyamakan asosiasi statistik dengan kausalitas
RR/OR bermakna statistik belum membuktikan hubungan kausal.
Kesalahan 4: Mengabaikan presisi estimasi
RR=5.0 dengan CI (0.8–31.2) jauh berbeda dari RR=5.0 dengan CI (3.2–7.8).
Pertanyaan Diskusi
Pertanyaan 1:
Sebuah studi kasus-kontrol tentang faktor risiko eklamsia melaporkan OR = 4,2 (95% CI: 2,8–6,3) untuk riwayat hipertensi kronis. Seorang dokter menyatakan: "Ibu dengan hipertensi kronis memiliki risiko eklamsia 4,2 kali lebih tinggi." Apakah pernyataan ini secara teknis tepat? Jelaskan perbedaan antara OR dan RR, termasuk apakah OR dapat digunakan sebagai aproksimasi RR pada kasus ini.
Pertanyaan 2:
Anda mengevaluasi dua program intervensi untuk menurunkan perdarahan postpartum. Program A menghasilkan RR = 0,60, dan Program B menghasilkan RR = 0,65. Seorang pejabat menyimpulkan Program A lebih efektif. Apakah kesimpulan ini sudah lengkap? Ukuran asosiasi tambahan apa yang perlu dihitung? Jelaskan dengan contoh angka hipotetis.
Rangkuman
Tabel 2x2 adalah fondasi seluruh perhitungan ukuran asosiasi epidemiologi.
Risk Ratio mengukur berapa kali lipat risiko pada kelompok terpapar — ukuran alami untuk kohort dan RCT.
Odds Ratio adalah satu-satunya ukuran untuk kasus-kontrol; OR ≈ RR hanya jika outcome < 10%.
Prevalence Ratio untuk cross-sectional; gunakan Poisson/log-binomial regression.
Ukuran absolut (RD, NNT, PAR%) sama pentingnya untuk keputusan klinis dan kebijakan.
Referensi
- Rothman KJ, Greenland S, Lash TL. Modern Epidemiology. 3rd ed. 2008.
- Szklo M, Nieto FJ. Epidemiology: Beyond the Basics. 4th ed. 2019.
- Zou G. A modified Poisson regression approach... Am J Epidemiol. 2004.
- Schmidt CO, Kohlmann T. When to use the odds ratio or the relative risk? Int J Public Health. 2008.
- Altman DG, et al. Odds ratios should be avoided when events are common. BMJ. 1998.
- Hernán MA, Robins JM. Causal Inference: What If. 2020.
Tugas Kelompok 2 – Minggu 4
Skenario Studi
"Studi Faktor Risiko Persalinan Prematur di Tiga Kabupaten"
Studi A — Kohort Prospektif (n=800)
| Prematur (+) | Aterm (-) | Total | |
|---|---|---|---|
| ISK (+) | 48 | 152 | 200 |
| ISK (-) | 36 | 564 | 600 |
| Total | 84 | 716 | 800 |
Studi B — Kasus-Kontrol (84 Kasus, 168 Kontrol)
| ISK (+) | ISK (-) | Total | |
|---|---|---|---|
| Kasus | 48 | 36 | 84 |
| Kontrol | 38 | 130 | 168 |
| Total | 86 | 166 | 252 |
Informasi Tambahan:
- Prevalensi ISK di populasi: 25%
- Prevalensi persalinan prematur di populasi: 10,5%
Data Stratifikasi (Studi A):
Stratum 1 — Primipara (n=400)
| (+) | (-) | |
|---|---|---|
| ISK (+) | 30 | 70 |
| ISK (-) | 15 | 285 |
Stratum 2 — Multipara (n=400)
| (+) | (-) | |
|---|---|---|
| ISK (+) | 18 | 82 |
| ISK (-) | 21 | 279 |
Pertanyaan 1 — Perhitungan Studi A (25%)
Hitung Risk Ratio (RR), Risk Difference (RD), Number Needed to Harm (NNH), dan Population Attributable Risk Percent (PAR%). Interpretasikan setiap hasil.
Pertanyaan 2 — Perhitungan Studi B (20%)
Hitung Odds Ratio (OR). Bandingkan dengan RR dari Studi A. Diskusikan rare disease assumption.
Pertanyaan 3 — Confounding & Effect Modification (35%)
Hitung RR stratum-spesifik. Tentukan apakah paritas adalah confounder atau effect modifier. Hitung Mantel-Haenszel adjusted RR.
Pertanyaan 4 — Identifikasi Bias (15%)
Identifikasi bias seleksi potensial di Studi A dan bias informasi potensial di Studi B. Jelaskan mekanisme dan strategi mitigasi.
Pertanyaan 5 — Komunikasi Kebijakan (5%)
Tulis ringkasan eksekutif (maks 150 kata) untuk Kepala Dinkes non-medis. Komunikasikan temuan, angka kunci, dan rekomendasi.