Epidemiologists help with study design, collection and statistical analysis of data, and interpretation and dissemination of results (including peer review and occasional systematic review). Epidemiology has helped develop methodology used in clinical research, public health studies and, to a lesser extent, basic research in the biological sciences

Senin, 27 Januari 2014

Viral load

  • Viral load is the term used to describe the amount of HIV in your blood. The more HIV there is in your blood (and therefore the higher your viral load), then the faster your CD4 cell count will fall, and the greater your risk of becoming ill because of HIV.
Viral load tests measure the amount of HIV’s genetic material in a blood sample. The results of a viral load test are described as the number of copies of HIV RNA in a millilitre of blood. But your doctor will normally just talk about your viral load as a number. For example, a viral load of 10,000 would be considered low; 100,000 would be considered high. Viral load changes can be very large, so they are sometimes quantified using the powers of ten, or ‘log scale’. A 1-log change is the same as a ten-fold change (so 5000 to 50,000 or vice versa); a 2-log change is a one hundred-fold change and is written as .

Your viral load if you are not taking HIV treatment

You should have your viral load measured when you are first diagnosed with HIV. If it is known that you have very recently become HIV positive (a period known as primary infection), you will have it measured three to six months later to determine your viral load ‘set point’ – the level of your viral load once it stabilises when the period of primary infection is over.
Your viral load will be monitored at your regular HIV clinic appointments – generally twice a year if you don’t have any symptoms. This is because the level of your viral load can provide important information about the way that HIV might affect your health if it is left untreated. Amongst people with the same CD4 cell count, those with a high viral load tend to lose CD4 cells and become ill faster.
When you’re not taking HIV treatment, the level of your viral load can fluctuate between tests. Often increases in your viral load are nothing to worry about. Even a doubling in your viral load might not be significant.
Vaccinations, such as a flu injection, and infections can cause a temporary increase in your viral load. Talk to your doctor about whether you should delay your next viral load test – sometimes it is recommended to wait at least one month after having a vaccination or getting over an infection.
Like your CD4 count, it’s best to look at the trend in your viral load over time. When viral load results over several months show a continuing increase, or when the increase is greater than threefold, there may be a cause for concern.
For example, an increase from 5000 to 15,000 shouldn’t cause you to worry when you are not on treatment. A rise from 50,000 to 100,000 may not be significant, but a rise from 5000 to 25,000 is likely to be significant. This result suggests your viral load is five times the level it was at your last viral load test.
Your doctor will probably want to confirm this trend with a repeat test.
When you’re thinking about starting HIV treatment, one of the factors your doctor will discuss with you is your viral load. As mentioned earlier, it is recommended that people start HIV treatment when their CD4 cell count is around 350. Your viral load can also be a factor in choosing which anti-HIV drugs you start treatment with.
You’ll have a viral load test just before you start HIV treatment.

Viral load if you are taking HIV treatment

Your viral load should start to fall once you start HIV treatment. Taking your treatment in the right way, every day, gives it the best chance of working. If you’re having difficulty taking your treatment, for any reason, it is really important to talk to your doctor or another member of your healthcare team about it.
Your doctor will check your viral load within a month of starting treatment, and again three months after starting. Your viral load four weeks after starting HIV treatment is a good indicator of whether it will become undetectable on this combination of anti-HIV drugs.
The aim of HIV treatment is an undetectable viral load. Your viral load should have fallen to undetectable levels within three to six months of starting HIV treatment. If this doesn’t happen, your doctor will talk to you about possible reasons for this and next steps.
Once you have an undetectable viral load, you will have your viral load monitored every three to four months. If you have had an undetectable viral load for some time and are doing well on treatment, your doctor may offer you the option to have your viral load measured every six months.

Undetectable viral load

All viral load tests have a cut-off point below which they cannot reliably detect HIV. This is called the limit of detection. Tests used most commonly in the UK have a lower limit of detection of either 40 or 50 copies/ml, but there are some very sensitive tests that can measure below 20 copies/ml. If your viral load is below 50, it is usually said to be undetectable. The aim of HIV treatment is to reach an undetectable viral load.
But just because the level of HIV is too low to be measured doesn’t mean that HIV has disappeared completely from your body. It might still be present in the blood, but in amounts too low to be measured. Viral load tests only measure levels of HIV in the blood, which may be different to the viral load in other parts of your body, for example in your genital fluids, gut or lymph nodes.

Why it’s good to have an undetectable viral load

Having an undetectable viral load is important for a number of reasons.
First of all, because your immune system is able to recover and become stronger, it means that you have a very low risk of becoming ill because of HIV. It also reduces your risk of developing some other serious illnesses as well. There is some evidence that the presence of HIV (especially a higher viral load) can increase the risk of cardiovascular disease (illnesses such as heart disease and stroke).
Secondly, having an undetectable viral load means that the risk of HIV becoming resistant to the anti-HIV drugs you are taking is very small.
Finally, having an undetectable viral load reduces the risk of passing on HIV to someone else. This is discussed in more detail below.

Detectable viral load if you are taking HIV treatment

If your viral load hasn’t fallen to undetectable levels within three to six months of starting HIV treatment, then your doctor will talk to you about your current treatment. They may ask some detailed questions about how and when you take your anti-HIV drugs and whether you have taken any other drugs – including prescription, over-the-counter, herbal or recreational drugs ­­– at the same time. This is because not taking treatment regularly, or interactions with other drugs, can cause the levels of anti-HIV drugs in your body to be too low to work. You may have a blood test to look at the level of anti-HIV drugs in your blood and to see if your HIV has developed resistance to any drugs.
Then they will discuss the options with you. This may involve changing your anti-HIV drugs to find a combination that works for you.
Having a detectable viral load when you are taking HIV treatment can mean that your HIV will become resistant not only to the anti-HIV drugs you are taking, but also to other similar anti-HIV drugs as well.
If you are taking HIV treatment and have had an undetectable viral load, and then you have a test that shows a detectable viral load, you will need to have another test to confirm the result. It may just be what is called a viral load ‘blip’.
If later tests still show your viral load has become detectable again, you will probably need to change your HIV treatment. Your doctor will discuss your options with you.

Viral load blips

People with an undetectable viral load sometimes experience what are called ‘blips’ in their viral load. Their viral load increases from undetectable to a low but detectable level before becoming undetectable again on the next test.
Viral load blips do not necessarily show that your HIV treatment is no longer working.
There are a number of theories about the reasons for blips. These include variations in the laboratory processes, or having an infection like a cold or the flu.
If your viral load stays above detectable on two consecutive tests, or possibly if you have fairly frequent blips, your doctor will want to discuss possible causes and whether you need to change your treatment.

Viral load and sexual transmission of HIV

If you have a high viral load in your blood, then you might also have a high viral load in other body fluids, including your semen or vaginal fluid. People with high viral loads are more infectious and can pass HIV on more easily.
As well as reducing viral load in your blood, HIV treatment also reduces viral load in other body fluids, such as semen and vaginal fluid.
There’s been a lot of debate about how infectious someone is to their sexual partner if they are on HIV treatment and have an undetectable viral load.
It is clear that having an undetectable viral load when taking HIV treatment can greatly reduce the risk of HIV being passed on (sometimes called ‘treatment as prevention’). But, as yet, we don’t know whether having an undetectable viral load completely removes the risk of passing on HIV. Having an undetectable viral load in a blood test does not necessarily mean viral load would be undetectable in semen, vaginal fluids or breast milk. Viral load could fluctuate between tests and other factors can affect infectiousness. For example, sexually transmitted infections may cause virus levels to rise.
This is a controversial subject and new information is becoming available all the time.
You can keep up with the latest research into viral load and infectiousness on our website.

Looking at CD4 and viral load together

If you’re not currently taking HIV treatment, looking at your viral load and CD4 cell count can help predict your risk of becoming ill because of HIV in the future. While your CD4 cell count is the main indicator your doctor will use to help monitor the health of your immune system, viral load testing can also provide important information.
Among people with the same CD4 cell counts, research has shown that those with a higher viral load tend to develop symptoms more quickly than those with a lower viral load.
In addition, among people with the same viral load, those with lower CD4 cell counts tend to become ill more quickly.

Jumat, 24 Januari 2014


Bias adalah sebuah penyajian bahan yang dipenuhi prasangka. Ia juga berarti kesalahan yang konsisten dalam memperkirakan sebuah nilai. Ada dua tipe bias: bias sampel dan bias pengukuran.

Bias sampel

Sampel adalah sekumpulan satuan yang dipilih untuk diukur dari kelompok yang lebih besar (populasi). Bias sampel terjadi ketika sampel yang digunakan tidak mewakili populasi atau tidak sesuai dengan pertanyaan yang diajukan.

Faktor-faktor yang menyebabkan bias sampel adalah ukuran sampel dan seleksi sampel.  Ukuran sampel harus cukup besar agar dipeoleh nilai rata-rata yang baik. Sebagai contoh, untuk menentukan tinggi rata-rata mahasiswa di ruang kelas, seberapa banyak mahasiswa yang harus diukur untuk mendapatkan perkiraan terbaik? Apakah bisa dikatakan teliti jika kita hanya mengambil sampel dari tiga orang mahasiswa saja?

Sampel juga harus memiliki komposisi yang mencerminkan komposisi populasi. Faktor seperti lokasi, usia, gender, etnisitas, kebangsaan, dan lingkungan hidup dapat mempengaruhi data yang dikumpulkan. Contoh bias seleksi sampel adalah sebagai berikut: seorang peneliti ingin menemukan tinggi rata-rata mahasiswa di ruang kelas. Ada beberapa mahasiswa yang ikut pertandingan basket sehingga harus pulang lebih awal. Kelompok mahasiswa ini dijadikan sampel oleh peneliti tersebut. Para pemain basket umumnya berbadan tinggi sehingga bila mereka dijadikan sampel, akibatnya muncul rata-rata yang lebih tinggi dari sebenarnya ada bila kita mengukur populasi secara keseluruhan. Dalam kasus ini tentu akan lebih baik mengukur seluruh mahasiswa di ruang kelas (populasi). Namun hal ini tidak dapat dilakukan bila kita bicara mengenai rata-rata tinggi penduduk di suatu negara atau provinsi, karena jumlahnya sangat banyak dan tidak mungkin dilakukan pengukuran tinggi secara keseluruhan.

Eksperimen yang baik mengendalikan faktor-faktor ini dengan memakai  sampel yang diambil secara acak sehingga setiap individu memiliki kemungkinan yang sama untuk terpilih. Contohnya dengan melempar dadu atau melempar koin. Cara lain meminimalkan bias seleksi sampel adalah pembatasan pertanyaan yang diajukan pada kelompok yang disampel.

Bias pengukuran

Bias pengukuran berurusan dengan masalah apakah metode pengumpulan data yang dipilih telah sesuai sehingga data yang dikumpulkan merupakan yang paling mewakili kenyataan? Untuk mengevaluasi teknik pengumpulan data, pengukuran harus dilakukan dengan seteliti mungkin. Tidak boleh ada tambahan pada lingkungan yang dapat mempengaruhi hasil. Selain itu, eksperimen harus dirancang untuk mengisolasi pengaruh dari banyak faktor lainnya.

Contoh pengukuran yang tidak akurat adalah pengukuran tinggi dimana tinggi orang diukur tidak dari nol, tapi dari satu. Akibatnya pengukuran menghasilkan nilai lebih tinggi dari realitas.

Contoh pengaruh lingkungan yang menyebabkan bias pada pengukuran tinggi adalah mengukur tinggi orang yang memakai sepatu. Sepatu menyebabkan pertambahan tinggi dan ukuran tinggi sepatu tiap orang berbeda, akibatnya hasil pengukuran juga tidak sesuai dengan realitas.

Kamis, 23 Januari 2014




Screening atau penyaringan kasus adalah cara untuk mengidentifikasi penyakit yang belum tampak melalui suatu tes atau pemeriksaan atau prosedur lain yang dapat dengan cepat memisahkan antara orang yang mungkin menderita penyakit dengan orang yang mungkin tidak menderita.
Latar belakang sehingga screening ini dilakukan yaitu karena hal berikut ini:
1.   Banyaknya kejadain penomena gunung es (Ice Berg Phenomen)
2.   sebagai langkah pencegahan khususnya Early diagnosis dan prompt treatment
3.   Banyaknya penyakit yang tanpa gejala klinis
4.   Penderita mencari pengobatan setelah studi lanjut
5.   Penderita tanpa gjl mempunyai potensi untuk menularkan penyakit

a.         Tujuan
1.Deteksi dini penyakit tanpa gejala atau dengan gejala tidak khas terhadap orang- orang yang tampak sehat, tetapi mungkin menderita penyakit, yaitu orang yang mempunyai resiko tinggi terkena penyakit (Population at risk).
2.Dengan ditemukan penderita tanpa gejala dapat dilakukan pengobatan secara tuntas sehingga tidak membahayakan dirinya atau lingkungan dan tidak menjadi sumber penularan penyakit.
3.Mempertahankan dan meningkatkan derajat kesehatan masyarakat

b.         Sasaran
Sasaran penyaringan adalah penyakit kronis seperti :
•      Penyakit kronis
•      Keadaan yang potensial/high risk
•      Penyaringan yang dpt dilakukan scr:
•      Infeksi Bakteri (Lepra, TBC dll.)
•      Infeksi Virus (Hepatitis)
•      Penyakit Non-Infeksi : (Hipertensi, Diabetes mellitus, Jantung Koroner, Ca Serviks, Ca Prostat, Glaukoma)
•      HIV-AIDS

a)     Tempat pelaksanaan
1.     Lapangan
2.     RSU
3.     RS khusus
4.     Pusat pelayanan khusus
b)    Beberapa pertimbangan dalam screening
1.     Biaya
2.     Alat yang digunakan
3.     Tes yang digunakan hrs cepat
4.     Tes yang digunakan sesuai selera masy
5.     Org2 yang terdiagnosa sbg pndrt hrs mendapatkan pengobatan
6.         Hrs terdapat tes yang spesifik
7.         Kelompok pnddk yang discreening diberi penjelasan



Tahap 1 : melalukan pemeriksaan terhadap kelompok penduduk yang dianggap mempunyai resiko tinggi menderita penyakit.
•           Apabila hasil negatif, dianggap orang tersebut tidak menderita penyakit.
•           Apabila hasil positif dilakukan pemeriksaan tahap 2
Tahap 2 : pemeriksaan diagnostik
•           Hasilnya positif maka dianggap sakit dan mendapat pengobatan.
•           Hasilnya negatif maka dianggap tidak sakit (dilakukan pemeriksaan ulang secara periodik).
Tebel cek Screening
Hasil tes          Keadaan penderita      Jumlah
Sakit    Tidak sakit
+          a          b          a+b
-           c          d          c+d
Jumlah a+c      b+d      N

a = positif benar
b = Positif semu
c = negatif semu
d = negatif benar
N = a+b+c+d

E.         VALIDITAS
Untuk mengetahui Validitasnya, maka digunakan indeks antara lain:
a)         Sensitivitas
Sensitivitas (sensitivity) : kemampuan suatu tes untuk mengidentifikasi individu dengan tepat, dengan hasil tes positif dan benar sakit.
Sensitivitas = a/a+c

b)         Spesifisitas
Spesifisitas (specificity) : kemampuan suatu tes untuk mengidentifikasi individu dengan tepat, dengan hasil negatif dan benar tidak sakit.
Spesivisitas = d/b+d

c)         Positive Predictive Value (Ppv)
Persentase pasien yang menderita sakit dengan hasil test Positive.
PPV = a/a+b

d)         Negative Predictive Value (Npv)
Persentase pasien yang tidak menderita sakit dengan hasil test negative.
NPV = d/c+d

Nilai perkiraan kecermatan:
1.         Nilai Kecermatan (+) (Positive accuracy) : Proporsi jumlah yang sakit thd semua hasil tes (+)
Rumus y = a / a+b
2.         Nilai Kecermatan (-) (Negative accuracy) : Proporsi jumlah yang tdk sakit thd semua hasil tes (-)
Rumus z = d / c+d
Selain nilai kecermatan, dpt juga dihitung nilai komlemennya yaitu :
1.         False positive rate: Jumlah hasil tes (+) semua dibagi dgn jumlah seluruh hsl tes (+)
Rumus b/ a + b atau 1 – y
2. False negative rate: Jumlah hasil tes (-) semua dibagi dgn jumlah seluruh hsl tes (-)
Rumus c/ c + d atau 1 – z
Ditemukan 50 orang (+) menderita & 100 tdk menderita, dari hasil tes trdpt 45 org (+) benar, 10 org (+) semu, 5 org (-) semu dan 90 org (-) benar.
Hasil tes          Keadaan penderita      Jumlah
sakit     Tdk sakit
+          45        10        55
-           5          90        95
Jumah  50        100      150

Sensitifitas hasil tes; 45/50 = 90%
Spesifitas hasil tes; 90/100 = 90%
Nilai kecermatan (+); 45/55 = 82%
False positif rate; 10/55 = 18% (100-82 = 18)
False negatif rate; 5/95 = 5% (100-95 = 5)

Pemeriksaan yang dilakukan berulang-ulang akan menghasilkan sesuatu yang konsisten
Faktor yang mempengaruhi:
1. Variabilitas alat
2. Variasi subyek
3. Variasi pemeriksa
Cara mengurangi variasi:
1. Standarisasi alat
2. Latihan intensif para pemeriksa
3. Penerangan yang jelas kepada orang yang akan diperiksa

G.        Yeild
Yeild adalah jumlah penyakit yang didiagnosa dan diobati sebagai hasil penyaringan
Hasil ini dipengaruhi oleh beberapa faktor antara lain:
1. Sensitifitas tes
2. Prevaensi penyakit yang tidak tampak
3. Screening yang tidak tampak

4. Kesadaran masyarakat

Senin, 20 Januari 2014

Pengukuran & Statistik dalam Epidemiologi

 Pengukuran & Statistik dalam Epidemiologi

Perhitungan Sederhana

Pengukuran mengenai Prevalensi terjadinya penyakit dalam kurun waktu tertentu
Prevalensi =   (Jumlah terjadinya penyakit) / (Jumlah Populasi)

Insiden, mengukur penambahan kasus baru pada sebuah populasi yang beresiko terhadap satu penyakit tertentu selama periode waktu tertentu. Cumulative incidence (CI) menggambarkan probabilitas terjadinya satu penyakit pada seorang individu pada waktu dan populasi tertentu.

Cumulative incidence= (Jumlah kasus baru dari suatu penyakit selama kurun waktu tertentu) / (Jumlah populasi yang beresiko)

Tingkat kematian (Mortality Rate), diukur dari:
Mortality rate = (Jumlah kematian) / (Jumlah Populasi)
Tingkat kematian per kasus (Case-fatality rate), diukur dari:
Case-fatality rate = (Jumlah kematian pada suatu penyakit ) / (Jumlah kasus pada suatu penyakit)

Attack Rate

Attack rate = (Jumlah kasus pada suatu penyakit) / (Jumlah populasi yang beresiko pada suatu penyakit pada periode tertentu)

Uji Sensitifitas dan Spesifisitas:
Pengukuran Sensitivitas bertujuan untuk menghitung banyaknya orang yang sungguh-sungguh dinyatakan terkena penyakit dengan hasil tes positif.
Sensitivitas = (Nilai positif yang sebenarnya) / (Nilai positif yang sebenarnya + Nilai negatif palsu)

Pengukuran Spesifisitas ditujukan untuk menghitung banyaknya orang yang tidak mengidap suatu penyakit dengan hasil tes negatif.
Spesifisitas =  (Nilai negatif yang sebenarnya) / (Nilai negatif yang sebenarnya + nilai positif palsu)

Analisis terhadap pengukuran sensitivitas dan spesifisitas biasanya didukung oleh test laboratorium dan dilengkapi dengan analisis kurva ROC. Kurva ROC bertujuan untuk menguji performance dari sebuah test dalam suatu rentang nilai tertentu.

Positive Predictive Value (PPV) merupakan sebuah pengukuran untuk mengetahui probabilitas seorang pasien benar-benar mengidap suatu penyakit.
PPV = (Nilai positif yang sebenarnya) / (Nilai positif yang sebenarnya + Nilai positif palsu) atau PPV = (Prevalence) x (sensitivity) / (Prevalensi x sensitivitas + (1 – prevalensi) x (1 – spesifisitas))
Negative Predictive Value (NPV) menggambarkan probabilitas seorang pasien benar-benar tidak mengidap suatu penyakit.
NPV = (Nilai negatif yang sebenarnya) / (Nilai negatif yang sebenarnya + Nilai negatif palsu)
Atau :
NPV = (1 – prevalence) x (specificity) / ((1 – prevalence) x specificity + prevalence x (1 – sensitivity))

Deskriptif Statistik

Deskriptif statistik membantu peneliti untuk melihat rangkuman dari sekumpulan data. Pada dasarnya ada dua pengukuran dalam deskriptif statistik, yaitu : ukuran pemusatan dan ukuran penyebaran.

Ukuran pemusatan, diantaranya:
- mean : yaitu rata-rata dari data
- median : yaitu nilai tengah dari data
- modus : yaitu nilai yang paling sering muncul.

Ukuran penyebaran, diantaranya:
- Range (R) = Nilai tertinggi – Nilai terendah
- Varian adalah rata-rata jarak kuadrat dari masing masing data terhadap rata-ratanya.
- Standar deviasi adalah akar dari varian

Statistik Inferensia

Uji hipotesa

Hipotesa adalah pernyataan tentang populasi. Uji hipotesis ditujukan untuk menguji apakah suatu hipotesa dapat dibenarkan secara statistik.
Uji hipotesis selalu menggunakan dua kondisi yang bertolak belakang,
Hipotesis nol (H0) dan hipotesis alternative (H1). Hipotesis nol menyatakan bahwa tidak ada perbedaan antara nilai-nilai sampel dan parameter popoulasi yang diuji, sedangkan hipotesis alternatif menyatakan bahwa terdapat perbedaan antara nilai-nilai sampel dan parameter populasi yang diuji. Dalam melakukan uji hipotesis, terdapat dua jenis kesalahan, yaitu:
a. Kesalahan tipe I adalah kesalahan yang terjadi karena menolak hipotesa nol (H0) padahal H0 benar atau dengan kata lain, adalah kesalahan menyimpulkan terjadinya suatu perbedaan yang signifikan padahal secara aktual tidak ada perbedaan dalam data. Probabilitas terjadinya kesalahan tipe I ini dinyatakan dengan alpha.
b. Kesalahan tipe II adalah kesalahan yang terjadi karena tidak menolak H0 padahal H0 salah. Probabilitas terjadinya kesalahan tipe II ini dinyatakan dengan beta

Berikut ini adalah beberapa uji hipotesis yang sering dipakai:
- Z-test, digunakan untuk membandingkan rata-rata sampel
- Uji chi-square, digunakan untuk menilai apakah perbedaan antara dua kelompok data yang berskala nominal
- F-test, digunakan untuk membandingkan uda varian sampel yang berbeda

- ANOVA, seringkali digunakan untuk menganalisis adanya perbedaan antar kelompok oleh beberapa variabel terkait

Jumat, 17 Januari 2014

Institutional Review Board

IRB Process
Undergraduate students should discuss research and institutional review with their faculty, mentors, or advisors. Class instructors may fill out the Class Project Proposal Form.

Review the IRB Flow Chart for your program for an overview of the IRB review process.
Complete the National Institute of Health (NIH) training on protecting human research participants. Successful completion of this training is a necessary step in the IRB process.  Record your training certificate number.
Read and discuss the 20 Questions with a peer, mentor, or faculty member. These questions will help you become aware of issues to consider when doing research. It is helpful to write down your answers to the questions in preparation for completing the IRB research proposal form.
Review the Exemption Checklist to see whether your research might be exempt from the IRB review process.  Your IRB committee (in the case of MAP students, your core faculty and graduate mentor) will determine whether or not your research is exempt.
Complete the IRB Proposal Review Form, utilizing the information you have gained from coursework, instructors/mentors, your core faculty, peers and the above steps. Ask your instructor/mentor/core faculty if you have questions when completing the form.  Draft and revise related research forms, including consent forms and research instruments.
When your proposal has been received, please refer back to the IRB Flow Chart for your program to ensure that all stages of the review process are being completed.