Dalam studi epidemiologi, kita tidak hanya sekadar menghitung berapa banyak orang yang jatuh sakit. Tugas utama seorang epidemiolog adalah mengidentifikasi hubungan sebab-akibat antara paparan (exposure) dan penyakit (outcome). Untuk menarik kesimpulan yang valid, kita memerlukan ukuran asosiasi. Dua metrik yang paling sering menjadi pusat perdebatan sekaligus kebingungan bagi mahasiswa kesehatan adalah Odds Ratio (OR) dan Relative Risk (RR).
baca lagi : Contoh Soal Perpajakan Konstruksi Lengkap dengan Jawaban dan Pembahasan Terbaru
Memahami kapan harus menggunakan OR dan kapan harus menggunakan RR adalah keterampilan fundamental. Artikel ini akan membedah secara mendalam kedua ukuran tersebut melalui simulasi contoh soal dan logika penggunaannya dalam penelitian kesehatan.
Dasar Teori: Tabel Kontingensi 2×2
Sebelum melangkah ke simulasi, kita harus memahami “rumah” dari perhitungan ini, yaitu tabel 2×2. Tabel ini membagi subjek penelitian berdasarkan status paparan dan status penyakit.
| Status Paparan | Sakit (Kasus) | Tidak Sakit (Kontrol) | Total |
| Terpapar | $a$ | $b$ | $a+b$ |
| Tidak Terpapar | $c$ | $d$ | $c+d$ |
| Total | $a+c$ | $b+d$ | $N$ |
1. Relative Risk (RR): Ukuran untuk Studi Prospektif
Relative Risk atau Risk Ratio membandingkan risiko (insiden) terjadinya penyakit pada kelompok terpapar dengan risiko pada kelompok tidak terpapar. Metrik ini hanya bisa digunakan pada desain studi di mana kita mengetahui jumlah total populasi yang berisiko sejak awal, seperti pada Studi Kohort.
Rumus Relative Risk:
$$RR = \frac{\text{Insiden pada kelompok terpapar}}{\text{Insiden pada kelompok tidak terpapar}} = \frac{a / (a+b)}{c / (c+d)}$$
Logika RR: Jika RR = 3, artinya orang yang terpapar memiliki risiko 3 kali lipat lebih besar untuk jatuh sakit dibandingkan mereka yang tidak terpapar.
2. Odds Ratio (OR): Ukuran untuk Studi Retrospektif
Odds Ratio membandingkan “odds” atau peluang terjadinya paparan pada kelompok kasus dibandingkan kelompok kontrol. OR adalah pilihan utama pada Studi Case-Control, di mana peneliti memulai dari orang yang sudah sakit (kasus) dan mencari tahu riwayat paparan mereka di masa lalu.
Rumus Odds Ratio:
$$OR = \frac{a/b}{c/d} \text{ atau } OR = \frac{a \times d}{b \times c}$$
Logika OR: OR sering digunakan sebagai estimasi dari RR, terutama jika penyakit yang diteliti bersifat langka (rare disease assumption).
Simulasi Contoh Soal 1: Studi Kohort (Penggunaan RR)
Skenario:
Sebuah tim peneliti ingin melihat hubungan antara konsumsi daging merah olahan dengan risiko kanker kolorektal. Mereka mengikuti 1.000 orang selama 10 tahun. 500 orang memiliki diet tinggi daging olahan (Terpapar), dan 500 orang memiliki diet rendah daging olahan (Tidak Terpapar).
Di akhir penelitian, ditemukan:
- Kelompok Terpapar: 50 orang terkena kanker.
- Kelompok Tidak Terpapar: 10 orang terkena kanker.
Pertanyaan: Hitunglah Relative Risk (RR) dan interpretasikan hasilnya!
Pembahasan:
- $a = 50, b = 450 (500-50)$
- $c = 10, d = 490 (500-10)$
- Insiden Terpapar = $50 / 500 = 0,10$
- Insiden Tidak Terpapar = $10 / 500 = 0,02$
$$RR = 0,10 / 0,02 = 5$$
Interpretasi:
Individu yang mengonsumsi daging merah olahan secara tinggi memiliki risiko 5 kali lebih besar untuk terkena kanker kolorektal dibandingkan mereka yang mengonsumsi secara rendah. Karena RR > 1, maka konsumsi daging merah olahan merupakan faktor risiko.
Simulasi Contoh Soal 2: Studi Case-Control (Penggunaan OR)
Skenario:
Peneliti melakukan studi untuk melihat hubungan antara penggunaan asbes dengan kejadian mesothelioma (kanker langka). Karena penyakit ini jarang terjadi, peneliti mencari 100 pasien mesothelioma (Kasus) dan 100 orang sehat (Kontrol).
- Dari 100 kasus, 80 orang pernah terpapar asbes di tempat kerja.
- Dari 100 kontrol, hanya 20 orang yang pernah terpapar asbes.
Pertanyaan: Hitunglah Odds Ratio (OR) dan interpretasikan hasilnya!
Pembahasan:
- $a = 80, c = 20$ (Kasus: 80 terpapar, 20 tidak)
- $b = 20, d = 80$ (Kontrol: 20 terpapar, 80 tidak)
$$OR = (80 \times 80) / (20 \times 20) = 6.400 / 400 = 16$$
Interpretasi:
Peluang (odds) orang dengan mesothelioma untuk memiliki riwayat terpapar asbes adalah 16 kali lebih tinggi dibandingkan mereka yang tidak menderita mesothelioma. Ini menunjukkan hubungan asosiasi yang sangat kuat.
Perbedaan Utama: Kapan Menggunakan yang Mana?
Banyak mahasiswa sering tertukar. Berikut adalah panduan cepatnya:
| Fitur | Relative Risk (RR) | Odds Ratio (OR) |
| Jenis Studi | Kohort, Eksperimental (RCT) | Case-Control, Cross-sectional |
| Fokus Utama | Probabilitas terjadinya penyakit | Peluang paparan di masa lalu |
| Syarat | Memerlukan data insiden (total populasi) | Tidak memerlukan total populasi berisiko |
| Karakteristik | Lebih intuitif secara medis | Lebih matematis, digunakan di Regresi Logistik |
Mengapa OR Sering Digunakan untuk Penyakit Langka?
Salah satu trik dalam ujian epidemiologi adalah pertanyaan tentang Rare Disease Assumption. Jika insiden penyakit sangat rendah (misal < 5%), maka jumlah orang sakit ($a$ dan $c$) akan sangat kecil dibandingkan jumlah orang sehat ($b$ dan $d$).
Dalam kondisi ini, penyebut dalam rumus RR ($a+b$) akan mendekati nilai $b$, dan ($c+d$) akan mendekati nilai $d$. Akibatnya, hasil perhitungan OR akan sangat mendekati hasil RR. Inilah alasan mengapa pada studi kasus-kontrol untuk penyakit langka, OR dianggap sebagai estimasi yang valid untuk RR.
baca lagi : Ratusan Siswa SMA/SMK se-Lampung Ikuti Academic Expo, Seminar, dan Tryout Universitas Teknokrat Indonesia
Kesimpulan
Memahami perbedaan antara Odds Ratio dan Relative Risk adalah kunci untuk membaca dan melakukan penelitian epidemiologi dengan benar. RR memberikan gambaran langsung tentang risiko di masa depan, sementara OR memberikan gambaran tentang kekuatan asosiasi dari data yang sudah ada.
penulis : dinda
Post Comment