Kappa Coefficients

There is wide disagreement about the usefulness of kappa statistics to assess rater agreement. At the least, it can be said that (1) kappa statistics should not be viewed as the unequivocal standard or default way to quantify agreement; (2) one should be concerned about using a statistic that is the source of so much controversy; and (3) one should consider alternatives and make an informed choice.

One can distinguish between two possible uses of kappa: as a way to test rater independence (i.e. as a test statistic), and as a way to quantify the level of agreement (i.e., as an effect-size measure). The first use involves testing the null hypothesis that there is no more agreement than might occur by chance given random guessing; that is, one makes a qualitative, "yes or no" decision about whether raters are independent or not. Kappa is appropriate for this purpose (although to know that raters are not independent is not very informative; raters are dependent by definition, inasmuch as they are rating the same cases).
It is the second use of kappa--quantifying actual levels of agreement--that is the source of concern. Kappa's calculation uses a term called the proportion of chance (or expected) agreement. This is interpreted as the proportion of times raters would agree by chance alone. However, the term is relevant only under the conditions of statistical independence of raters. Since raters are clearly not independent, the relevance of this term, and its appropriateness as a correction to actual agreement levels, is very questionable.
Thus, the common statement that kappa is a "chance-corrected measure of agreement" misleading. As a test statistic, kappa can verify that agreement exceeds chance levels. But as a measure of the level of agreement, kappa is not "chance-corrected"; indeed, in the absence of some explicit model of rater decision making, it is by no means clear how chance affects the decisions of actual raters and how one might correct for it.
A better case for using kappa to quantify rater agreement is that, under certain conditions, it approximates the intra-class correlation. But this too is problematic in that (1) these conditions are not always met, and (2) one could instead directly calculate the intra class correlation.

---

Pros and Cons

Pros

• Kappa statistics are easily calculated and software is readily available (e.g., SAS PROC FREQ).
• Kappa statistics are appropriate for testing whether agreement exceeds chance levels for binary and nominal ratings.

Cons

• Kappa is not really a chance-corrected measure of agreement (see above).
• Kappa is an omnibus index of agreement. It does not make distinctions among various types and sources of disagreement.
• Kappa is influenced by trait prevalence (distribution) and base-rates. As a result, kappas are seldom comparable across studies, procedures, or populations (Thompson & Walter, 1988; Feinstein & Cicchetti, 1990).
• Kappa may be low even though there are high levels of agreement and even though individual ratings are accurate. Whether a given kappa value implies a good or a bad rating system or diagnostic method depends on what model one assumes about the decisionmaking of raters (Uebersax, 1988).
• With ordered category data, one must select weights arbitrarily to calculate weighted kappa (Maclure & Willet, 1987).
• Kappa requires that two rater/procedures use the same rating categories. There are situations where one is interested in measuring the consistency of ratings for raters that use different categories (e.g., one uses a scale of 1 to 3, another uses a scale of 1 to 5).
• Tables that purport to categorize ranges of kappa as "good," "fair," "poor" etc. are inappropriate; do not use them.

Cohen's kappa

Cohen's kappa coefficient is a statistical measure of inter-rater agreement or inter-annotator agreement] for qualitative (categorical) items. It is generally thought to be a more robust measure than simple percent agreement calculation since κ takes into account the agreement occurring by chance. Some researchers[2][citation needed] have expressed concern over κ's tendency to take the observed categories' frequencies as givens, which can have the effect of underestimating agreement for a category that is also commonly used; for this reason, κ is considered an overly conservative measure of agreement.

Others[3][citation needed] contest the assertion that kappa "takes into account" chance agreement. To do this effectively would require an explicit model of how chance affects rater decisions. The so-called chance adjustment of kappa statistics supposes that, when not completely certain, raters simply guess—a very unrealistic scenario.

Calculation

Cohen's kappa measures the agreement between two raters who each classify N items into C mutually exclusive categories. The first mention of a kappa-like statistic is attributed to Galton (1892)

The equation for κ is:

\kappa = \frac{\Pr(a) - \Pr(e)}{1 - \Pr(e)}, \!

where Pr(a) is the relative observed agreement among raters, and Pr(e) is the hypothetical probability of chance agreement, using the observed data to calculate the probabilities of each observer randomly saying each category. If the raters are in complete agreement then κ = 1. If there is no agreement among the raters other than what would be expected by chance (as defined by Pr(e)), κ = 0.

The seminal paper introducing kappa as a new technique was published by Jacob Cohen in the journal Educational and Psychological Measurement in 1960.

A similar statistic, called pi, was proposed by Scott (1955). Cohen's kappa and Scott's pi differ in terms of how Pr(e) is calculated.

Note that Cohen's kappa measures agreement between two raters only. For a similar measure of agreement (Fleiss' kappa) used when there are more than two raters, see Fleiss (1971). The Fleiss kappa, however, is a multi-rater generalization of Scott's pi statistic, not Cohen's kappa.

Example

Suppose that you were analyzing data related to a group of 50 people applying for a grant. Each grant proposal was read by two readers and each reader either said "Yes" or "No" to the proposal. Suppose the data were as follows, where rows are reader A and columns are reader B:

B             B

Yes         No

A             Yes         20           5

A             No          10           15

Note that there were 20 proposals that were granted by both reader A and reader B, and 15 proposals that were rejected by both readers. Thus, the observed percentage agreement is Pr(a) = (20 + 15) / 50 = 0.70

To calculate Pr(e) (the probability of random agreement) we note that:

Reader A said "Yes" to 25 applicants and "No" to 25 applicants. Thus reader A said "Yes" 50% of the time.

Reader B said "Yes" to 30 applicants and "No" to 20 applicants. Thus reader B said "Yes" 60% of the time.

Therefore the probability that both of them would say "Yes" randomly is 0.50 · 0.60 = 0.30 and the probability that both of them would say "No" is 0.50 · 0.40 = 0.20. Thus the overall probability of random agreement is Pr(e) = 0.3 + 0.2 = 0.5.

So now applying our formula for Cohen's Kappa we get:

\kappa = \frac{\Pr(a) - \Pr(e)}{1 - \Pr(e)} = \frac{0.70-0.50}{1-0.50} =0.40 \!

Same percentages but different numbers

A case sometimes considered to be a problem with Cohen's Kappa occurs when comparing the Kappa calculated for two pairs of raters with the two raters in each pair having the same percentage agreement but one pair give a similar number of ratings while the other pair give a very different number of ratings.[6] For instance, in the following two cases there is equal agreement between A and B (60 out of 100 in both cases) so we would expect the relative values of Cohen's Kappa to reflect this. However, calculating Cohen's Kappa for each:

Yes         No

Yes         45           15

No          25           15

\kappa = \frac{0.60-0.54}{1-0.54} = 0.1304

Yes         No

Yes         25           35

No          5              35

\kappa = \frac{0.60-0.46}{1-0.46} = 0.2593

we find that it shows greater similarity between A and B in the second case, compared to the first.

Significance and magnitude

Statistical significance makes no claim on how important is the magnitude in a given application or what is considered as high or low agreement.

Statistical significance for kappa is rarely reported, probably because even relatively low values of kappa can nonetheless be significantly different from zero but not of sufficient magnitude to satisfy investigators. Still, its standard error has been described  and is computed by various computer programs.

If statistical significance is not a useful guide, what magnitude of kappa reflects adequate agreement? Guidelines would be helpful, but factors other than agreement can influence its magnitude, which makes interpretation of a given magnitude problematic. As Sim and Wright noted, two important factors are prevalence (are the codes equiprobable or do their probabilities vary) and bias (are the marginal probabilities for the two observers similar or different). Other things being equal, kappas are higher when codes are equiprobable. On the other hand Kappas are higher when codes are distributed assymetrically by the two observers. In contrast to probability variations, the effect of bias is greater when Kappa is small than when it is large.

Another factor is the number of codes. As number of codes increases, kappas become higher. Based on a simulation study, Bakeman and colleagues concluded that for fallible observers, values for kappa were lower when codes were fewer. And, in agreement with Sim & Wrights's statement concerning prevalence, kappas were higher when codes were roughly equiprobable. Thus Bakeman et al. concluded that "no one value of kappa can be regarded as universally acceptable."[11]:357 They also provide a computer program that lets users compute values for kappa specifying number of codes, their probability, and observer accuracy. For example, given equiprobable codes and observers who are 85% accurate, value of kappa are 0.49, 0.60, 0.66, and 0.69 when number of codes is 2, 3, 5, and 10, respectively.

Nonetheless, magnitude guidelines have appeared in the literature. Perhaps the first was Landis and Koch,[12] who characterized values < 0 as indicating no agreement and 0–0.20 as slight, 0.21–0.40 as fair, 0.41–0.60 as moderate, 0.61–0.80 as substantial, and 0.81–1 as almost perfect agreement. This set of guidelines is however by no means universally accepted; Landis and Koch supplied no evidence to support it, basing it instead on personal opinion. It has been noted that these guidelines may be more harmful than helpful.[13]Fleiss's[14]:218 equally arbitrary guidelines characterize kappas over 0.75 as excellent, 0.40 to 0.75 as fair to good, and below 0.40 as poor.

Weighted kappa

Weighted kappa lets you count disagreements differently and is especially useful when codes are ordered. Three matrices are involved, the matrix of observed scores, the matrix of expected scores based on chance agreement, and the weight matrix. Weight matrix cells located on the diagonal (upper-left to bottom-right) represent agreement and thus contain zeros. Off-diagonal cells contain weights indicating the seriousness of that disagreement. Often, cells one off the diagonal are weighted 1, those two off 2, etc.

The equation for weighted κ is:

\kappa = 1- \frac{\sum_{i=1}^{k} \sum_{j=1}^{k}w_{ij}x_{ij}} {\sum_{i=1}^{k} \sum_{j=1}^{k}w_{ij}m_{ij}}

where k=number of codes and w_{ij}, x_{ij}, and m_{ij} are elements in the weight, observed, and expected matrices, respectively. When diagonal cells contain weights of 0 and all off-diagonal cells weights of 1, this formula produces the same value of kappa as the calculation given above.

Kappa maximum

Kappa assumes its theoretical maximum value of 1 only when both observers distribute codes the same, that is, when corresponding row and column sums are identical. Anything less is less than perfect agreement. Still, the maximum value kappa could achieve given unequal distributions helps interpret the value of kappa actually obtained. The equation for κ maximum is:

\kappa_{\max} =\frac{P_{\max} - P_{\exp}}{1-P_{\exp}}

where P_{\exp} = \sum_{i=1}^k P_{i+}P_{+i}, as usual, P_{\max} = \sum_{i=1}^k \min(P_{i+},P_{+i}),

k = number of codes, P_{i+} are the row probabilities, and P_{+i} are the column probabilities.

Kappa Statistic

Kappa Statistic:

Kappa statistic is a generic term for several similar measures of agreement used with categorical data . Typically it is used in assessing the degree to which two or more raters, examining the same data, agree when it comes to assigning the data to categories. for example, kappa might be used to assess the extent to which (1) radiologist analysis of an x-ray, (2) computer analysis of the same x-ray, and (3) biopsy agree in labeling a growth "malignant" or "benign."

Suppose each object in a group of M objects is assigned to one of n categories. The categories are atnominal scale . For each object, such assignments are done by k raters.

The kappa measure of agreement is the ratio

K =   P(A) - P(E) 1 - P(E)

where P(A) is the proportion of times the k raters agree, and P(E) is the proportion of times the k raters are expected to agree by chance alone.

Complete agreement corresponds to K = 1 , and lack of agreement (i.e. purely random coincidences of rates) corresponds to K = 0 . A negative values of kappa would mean negative agreement - that is, the propensity of raters to avoid assignments made by other raters.

HIV DAN AIDS: SEL CD4 DAN SISTEM KEKEBALAN TUBUH

HIV DAN AIDS: SEL CD4 DAN SISTEM KEKEBALAN TUBUH

Bicara mengenai HIV dan AIDS maka sistem kekebalan tubuh adalah salah satu topik utama. Dalam membahas sistem kekebalan tubuh terkait dengan HIV/AIDS, kita akan selalu mendengar kata CD4 Cells dan CD4 Cell Counts (Sel CD4 dan Jumlah Sel CD4). Siapakah sebenarnya Sel CD4 ini? Apakah peran mereka sehingga menjadi perhatian utama kita? Jangan biarkan berlalu tanpa tahu. Tulisan ini adalah lanjutan dari HIV dan Sistem Kekebalan Tubuh.

 SEL CD4, SEL-T Penolong (Helper) dan Sel T4

 Tiga nama di atas, CD4 Cells, Helper T-Cells dan T4 Cells sebenarnya merujuk kepada sel yang sama. Disebut Sel T karena diproduksi di sumsum tulang dan dimatangkan di kelenjar Thymus (T), Disebut “Helper” karena perannya membantu sel-sel pertahanan tubuh lainnya.

 Nama yang populer saat ini memang CD4. Mengapa disebut “CD” tidak ada kaitannya dengan Corps Diplomatic atau (mohon maaf) “Celana Dalam”. CD adalah singkatan dari Cluster of Differentiation, merujuk pada klaster protein yang membentuk reseptor pada permukaan sel tersebut. Ada banyak sekali klaster, tetapi dalam hubungan dengan HIV/AIDS maka CD4 dan CD8 yang paling utama dan paling sering dibahas.

 SEL CD4: DARI MANA DATANGNYA?

 Dalam bahasa awam, yang tanggung-jawab terhadap berfungsinya sistem kekebalan tubuh adalah sel darah putih. Salah satu dari beberapa jenis sel darah putih adalah yang disebut Limfosit (Lymphocyte). Sel CD4 adalah salah satu bentuk dari Limfosit ini.

 Ada dua jenis sel Limfosit, yaitu Sel B (B-cells) dan Sel T (T-cells).

 Disebut Sel B karena diproduksi sekaligus dimatangkan di Bone marrow (sumsum tulang). Sel B akan menghasilkan antibody guna melawan patogen yang memasuki tubuh manusia.

 Disebut Sel T karena produksinya di Bone marrow tetapi pematangannya di kelenjar Thymus (T).

 Ada tiga kelompok Sel T, yaitu:

1.    Helper T-Cells yang disebut juga dengan nama Sel T4 atau CD4. Tugasnya adalah mengkoordinir dan menggerakkan sel-sel kekebalan tubuh lainnya untuk menghancurkan organisme penyebab penyakit yang masuk ke tubuh manusia.

2.    Supressor T-Cells dikenal juga dengan nama Sel T8 atau CD8 dengan tugas mengendalikan unsur kekebalan tubuh yang lain sehingga tidak menyerang jaringan normal

3.    Killer T-Cells disebut juga CTLs (Cytotoxic T-Lymphocytes) salah satu jenis sel T8 yang tugasnya mengenali dan merusak sel-sel abnormal atau yang terinfeksi.

 

SEL CD4: APA MISINYA?

 Diantara sel-sel sistem kekebalan tubuh manusia, maka tanggung-jawab sel-sel CD4 amat besar. Tugas mereka adalah mengatur berfungsinya sistem kekebalan tubuh.

 

Sel CD4 inilah yang memberi sinyal bahaya dan selanjutnya menggerakkan sel-sel pertahanan tubuh yang lain untuk menyerang intruder yang akan mengganggu tubuh manusia, misalnya virus dan bakteri. Bisa dikatakan bahwa sel CD4 adalah jenderalnya sistem kekebalan tubuh.

 KESIMPULAN

 Jumlah sel CD4 menjadi indikator yang amat penting dalam menentukan tingkat kekebalan tubuh manusia. Kita harus mampu mempertahankan “jumlah CD4” dalam batas-batas normal pada kisaran 500-1000 sel per milimeter kubik darah, sehingga kita mampu mempertahankan diri dari komplikasi-komplikasi yang berhubungan dengan HIV AIDS khususnya mencegah terjadinya infeksi oportunistik.

 Jumlah Sel CD4 akan menentukan kapan seorang ODHA harus memulai pengobatan. Penghitungan jumlah sel CD4 menjadi bagian penting dalam pengobatan: Memulai dan follow-up nya. D

Penggunaan darah kering untuk pengukuran asam lemak tran

Penggunaan darah kering untuk pengukuran asam lemak tran

Latar Belakang

Pengukuran asam lemak asam lemak trans khususnya telah memperoleh kepentingan dalam beberapa kali. Di antara biomarker tersedia berbagai, jaringan adiposa dianggap yang terbaik untuk asupan makanan jangka panjang tetapi sifat invasif aspirasi jaringan mengurangi utilitas. Proses mengeluarkan darah merupakan metode yang jauh kurang invasif koleksi sampel ketika sejumlah besar peserta yang terlibat dalam studi ini dan karena itu alternatif, paling cocok untuk studi populasi yang besar berbasis. Dalam penelitian ini asam lemak (dengan penekanan khusus pada asam lemak trans) ekstraksi dari darah melihat dan dikeringkan pada kertas filter dilakukan untuk menyederhanakan prosedur sampel pengumpulan dan transportasi.

Metode

Sampel darah diambil dari 19 relawan yang sehat. Darah itu terlihat (30 titik dari 10 ml masing-masing) pada kertas filter, dikeringkan pada suhu kamar dan disimpan pada suhu 4 ° C dalam zip-lock tas poli. Untuk darah perbandingan seluruh disimpan pada -70 ° C secara bersamaan dianalisis.

Hasil
Sebuah perjanjian yang baik terlihat antara trans nilai asam lemak yang diperoleh dalam darah kering dan seluruh darah yang terlihat dari koefisien korelasi pearson (‘r’ untuk monounsaturated (trans) 0.70 dan polyunsaturated (trans) 0,692 masing-masing). Korelasi intrakelas koefisien untuk trans tak jenuh tunggal adalah 0,805 dan untuk trans polyunsarurated adalah 0,776.

Kesimpulan
Bercak darah kering dapat digunakan untuk analisis asam lemak trans.

10 Cara Mencegah Penyakit FLu

FLU tergolong penyakit yang mestinya dapat dicegah. Banyak kasus flu yang sebetulnya tak perlu diderita hanya karena lalai atau mungkin tidak tahu caramencegahnya.

Jangan anggap enteng flu. Khusus bagi yang sudah berusia lanjut, serangan flu umumnya lebih berat dibanding bila menimpa mereka yang lebih muda. Selain karena sistem kekebalan tubuh mereka yang memasuki usia uzur sudah kian menurun, tipe virus flu yang masuk ke dalam tubuh juga belum tentu sama.

Kita mengenal tiga keluarga besar tipe virus flu (tipe A, B, dan C). Masing-masing tipe punya sekian banyak anggota keluarganya sendiri. Virus flu burung H5N1,  misalnya, tergolong dalam keluarga besar virus flu tipe A. Sekerabat dengan itu kita mengenal juga strain virus H3N2 (Shangdong dan Beijing), H1N1 (Texas dan Singapura), dan banyak lagi lainnya, selain tipe B Panama dan Yamagata.

Perangai anggota keluarga masing-masing tipe virus flu juga tidak sama derajat keganasannya. Ada yang jinak, ada pula yang ganas luar biasa. Flu yang lazim menyerang penduduk Eropa, misalnya, tidak seperti di Indonesia, umumnya tergolong jenis virus flu yang ganas, dan sering amat mematikan. Wabah flu awal abad XX di Spanyol, menelan ratusan ribu korban tewas.

Oleh karena tidak semua virus, termasuk virus flu, ada obat antinya, kunci pamungkas mencegah virus flu masih tetap hanya ada dua cara, yakni dengan meningkatkan daya tahan tubuh dan mengurangi kemungkinan tubuh dimasuki oleh virus.

Di bawah ini beberapa tip bagaimana agar flu yang mengancam di musim penghujan ini tidak sampai menimpa kita. Apa sajakah yang perlu dikerjakan?

1. Minta vaksin flu. Bagi yang sudah uzur dianjurkan untuk mendapatkan suntikan vaksin flu selama musim flu datang. Namun, tidak semua jenis virus bisa ditangkal dengan vaksin flu.

Dari waktu ke waktu vaksin flu disempurnakan dengan kandungan jenis-jenis vaksin oleh tipe virus flu yang tengah menimbulkan wabah. Namun, selain berbeda tipe virusnya, bukan kejadian jarang muncul jenis virus yang lolos dari upaya penangkalan, saking beragamnya jenis dan strain virus flu yang ada. Belum lagi kemungkinan virusnya berubah tabiat (mutasi), sehingga sebuah vaksin menjadi tak lagi poten menangkalnya.

2. Jauhi diri dari paparan dingin. Orang Barat menjuluki flu sebagai catch cold atau terpapar dingin. Memang, semakin lama dan sering tubuh terpapar yang serba dingin (udara, air mandi, ruangan berpendingin, minuman dingin, angin), semakin lemah ketahanan tubuh, dan kian rentan untuk gampang terserang virus (apa saja).

Kita tahu, bibit penyakit virus hanya bisa dilawan dengan mengandalkan daya tahan tubuh. Kalau daya tahan menurun, pertahanan tubuh akan jebol, dan flu atau penyakit oleh virus lainnya berpotensi bakal menjangkiti. Hanya bila pertahanan tubuh kokoh saja, virus yang sudah masuk ke dalam tubuh akan bisa ditumpas dan orang batal jatuh sakit flu.

Itu sebab selama tubuh hanya ditumpangi oleh virus flu saja, pemberian obat antibiotika, yang paling kuat sekalipun, menjadi mubazir karena virus tak bisa ditumpas oleh antibiotika jenis dan generasi apa pun. Selain sia-sia mengeluarkan uang untuk yang tak perlu, tubuh sudah dibebani oleh efek samping antibiotikanya.

Kasus flu sejatinya tidak perlu diberi antibiotika. Di Indonesia, flu umumnya dianggap penyakit enteng. Orang masih tetap melakukan aktivitas hariannya di kantor, sekolah, dan kegiatan luar rumah lainnya.

Penyakit flu yang tadinya hanya dihuni oleh virus saja, akibat tubuh dalam kondisi sudah diperlemah oleh serangan virus, bibit penyakit lain akan mudah ikut mendompleng memasuki tubuh, lalu muncul penyakit baru. Dengan cara itu, penyakit flu di Indonesia umumnya sering berkepanjangan, dan malah bisa berkomplikasi.

Tidak jarang flu berkembang menjadi infeksi THT lain (infeksi tenggorok, kerongkongan, hidung, atau congekan), selain kemungkinan terinfeksi oleh kuman pendompleng yang memasuki paru-paru juga (bronchopneumonia, pneumonia).

Itu pula alasan kenapa mereka yang sedang flu sebaiknya tinggal di rumah. Selain berpotensi merugikan diri sendiri, dalam keadaan flu berada di luar rumah akan menyebarkan virusnya ke udara di sekitar pasien, terlebih bila berada di ruangan (yang dirancang tertutup tak berventilasi) berpendingin.

3. Perkuat tubuh. Dengan beristirahat dan menu bergizi tinggi selama musim hujan, tubuh diperkuat ketahanannya. Selain dengan cara menghangatkan tubuh (minum hangat, mandi hangat, balur obat gosok), pilih pula menu bergizi tinggi, khususnya berpotein tinggi (telur, susu, daging), tak cukup menu sayur-mayur belaka (sayur bening).

Orang Barat biasa menghidangkan sup ayam hangat selama tubuh terpapar di udara dingin. Hindarkan mandi hujan, embusan angin, berada di udara terbuka. Buat kita dapat memilih minuman penghangat badan (wedang jahe, bandrek, bajigur, atau sekoteng), khususnya sehabis tubuh mandi hujan, berenang dingin, wisata pantai.

4. Hindari pergi ke tempat-tempat keramaian. Selagi musim hujan, dan banyak orang sedang sakit flu, sebaiknya tidak bepergian ke tempat-tempat keramaian kalau tidak perlu sekali. Kalau bisa ditunda sebaiknya tidak mengunjungi pasar tradisional, supermarket, mal, bioskop, terminal, stasiun, ruang tunggu puskesmas, rumah sakit, sekolah, ruang pesta. Di tempat-tempat orang berkerumun, virus flu, termasuk jenis virus lain, terbang bertebaran di udara, dan hidung kita menghirup udaranya.

5. Jangan  Merokok dan Minum alkohol. Kedua jenis zat ini berpotensi menurunkan ketahanan tubuh. Merokok ”melukai” selaput lendir saluran napas, sehingga menjadikan saluran napas lebih rentan dimasuki virus. Ruangan yang berasap rokok, memperlemah kondisi saluran napas orang-orang yang menghirupnya juga (passive smoker).

6. Rajin basuh tangan dengan sabun. Tangan dan jemari kita dapat menjadi sumber pemindahan virus yang melekat dari lingkungan tempat kita melakukan aktivitas, seperti kantor, sekolah, dan kamar kecil di tempat-tempat umum. Studi tentang ini sudah dikerjakan sewaktu SARS mewabah dulu.

Tangan kita tentu bersentuhan dengan pegangan pintu kamar mandi, pintu mobil, tombol lift, gagang telepon, lembaran atau kepingan uang, permukaan meja, kursi, dan segala yang disentuh banyak orang. Dari sana virus yang sudah mencemari segala yang disentuh (oleh pengidap flu) bisa berpindah ke jemari tangan kita.

Pengidap flu perlu tahu diri untuk tidak seenaknya bersin dan batuk-batuk di rungan yang banyak orangnya, selain sepatutnya rajin membasuh tangan juga (sebab pasti sudah memegang liang hidung dan mulutnya yang bervirus).

Orang lain yang berdekatan dengan pasien flu, berbicara, dan terancam cemaran virusnya, perlu lebih sering membasuh tangan, dan tidak sembarang memegang hidung (mengupil, membersihkan liang hidung), atau mulut. Biasakan menggunakan saputangan, atau tisu, untuk membersihkan liang hidung atau mulut. Lewat kedua liang itulah virus flu akan memasuki tubuh, termasuk virus flu burung (avian influenzae).

7. Membersihkan liang hidung setiap pulang bepergian. Ya, selama bepergian ke luar rumah, terlebih selama musim flu berjangkit, nyaris tak ada udara yang tidak tercemar virus flu, terlebih di lingkungan yang ada pasien flu. Hampir pasti udara yang kita hirup selama di luar rumah, ada virus flunya. Termasuk bila di rumah ada yang sedang sakit flu.

Bagaimanapun keadaannya, jauh lebih baik bila segera membersihkan liang hidung dengan sabun, setiap kali pulang bepergian, sambil berulang-ulang dengan cara sekuat-kuatnya mengembus-embuskan udara hidung selama dibersihkan. Dengan cara demikian sekurang-kurangnya gerombolan virus yang mungkin sudah mengendon di situ akan terpelanting keluar dari liang hidung sebelum sempat bersarang, dan berbiak.

8. Berkumur-kumur, dan tidak kurang tidur. Virus flu memasuki tubuh lewat liang hidung dan rongga mulut. Selain saluran hidung harus terjaga bersih, mulut pun perlu kokoh pertahanannya. Untuk itu ada baiknya lebih sering berkumur.

Selain bisa memilih seduhan daun sirih (ada daya antisepsisnya), dapat juga memakai obat kumur yang dibeli bebas di apotek. Dengan cara demikian kita berupaya mengenyahkan bibit penyakit yang mungkin sudah mulai mengendap di rongga mulut, termasuk bila yang masuk virus flu.

Selain berkumur, tentu menggosok gigi, khususnya sebelum tidur malam. Rongga mulut yang kotor juga memperlemah ketahanannya. Terlebih pada mereka yang sudah tidak memiliki amandel (kelenjar tonsilnya sudah diangkat), sehingga tak punya pasukan penjaga rongga mulutnya dari ancaman bibit penyakit. Termasuk mereka yang gigi-geliginya sudah keropos, terinfeksi, dan membusuk akar giginya. Mereka lebih rentan terinfeksi rongga mulutnya.

9. Lakukan olah napas. Ya, daya tahan tubuh juga membutuhkan asupan oksigen yang lebih penuh. Upaya olah napas, yakni dengan cara menghela napas (di udara segar terbuka) seberapa dalam kita mampu, dan menahannya seberapa lama kita bisa, akan lebih membugarkan paru-paru. Paru-paru yang bugar, yang lebih deras aliran darahnya, dan meningkat sistem kekebalan lokalnya, akan lebih diberdayakan untuk mampu mengenyahkan bibit penyakit.

Untuk menyempurnakan hasil olah napas, sertai pula dengan gerak badan yang memadai seperti berjalan kaki dan bersenam. Faktor stres fisik, selain stres mental, juga menambah rentan tubuh seseorang terserang virus flu. Keletihan yang berlebihan (akibat bekerja maupun latihan fisik) tidak dianjurkan selama musim flu.

10. Cukup tidur dan tidak begadang. Tantangan orang sekarang adalah acap tergoda oleh begitu banyak iming-iming tontonan televisi, hiburan, dan kegiatan bareng di luar rumah di waktu jeda.

Salah satu ancaman penyakit yang banyak menimpa orang sekarang sering sebab kekurangan waktu jeda. Sudah letih di kesibukan siang hari, malamnya sering kurang waktu tidur. Alih-alih sempat tidur siang (seperti orang dulu), tidur malam juga sering tak memadai.

Kondisi kurang jeda, kurang tidur, dan tidur pun tidak nyenyak (sebab stres, terlampau letih), yang menambah rentan tubuh diserang virus umumnya, virus flu khususnya.

Bila mulai terasa badan mulai pegal-pegal, kepala pening, mata terasa panas, mulai bersin dan batuk-batuk kecil, kemungkinan gejala awal flu. Itulah saatnya langsung minum obat flu merek apa saja, dan tidur setelah makan sup atau minuman hangat. Biasanya dengan cara itu flu batal muncul.

Namun, obat warung tidak kuasa menahan laju perjalanan penyakit flu bila sudah telanjur berat. Percuma terus mengonsumsi obat flu saja bila flu sudah lebih dari seminggu, dan gejalanya bertambah berat. Lendir yang semula bening encer sudah berubah kental berwarna, itu berarti flu sudah ditunggangi oleh bibit penyakit lain. Inilah saatnya obat flu perlu didampingi oleh antibiotika.

Di zaman semakin banyak hiburan tengah malam, coba untuk tidak selalu mengikuti kata hati, kendatipun demi si jantung hati. Mereka yang tengah mengidap penyakit menahun (kencing manis, gagal ginjal, penyakit jantung, kanker) tentu lebih ”lemah” dibanding orang normal.

MENCEGAH INFLUENZA DENGAN GAYA HIDUP SEHAT

MENCEGAH INFLUENZA DENGAN GAYA HIDUP SEHAT

Influenza sering kali disamakan dengan pilek. Padahal, pilek hanyalah salah satu dari gejala influenza. Influenza adalah infeksi virus yang menyerang saluran pernapasan termasuk saluran hidung.

Influenza adalah penyakit menular yang tergolong dalam kategori self limiting. Artinya, jika tidak disertai komplikasi penyakit lain, setelah 4-7 hari, flu akan sembuh, asalkan tubuh diberi kesempatan meningkatkan daya tahan terhadap pengaruh dari luar.

Influenza merupakan salah satu penyakit yang disebabkan oleh virus. Ada tiga tipe virus penyebab influenza, yaitu A, B, dan C. Ketiga tipe ini dapat dibedakan dengan pemeriksaan laboratorium. Tipe A merupakan virus penyebab influenza yang bersifat epidemik, yaitu yang penyebarannya sangat luas. Tipe B biasanya hanya menyebabkan penyakit yang ringan, tapi kadang-kadang dapat juga menyebabkan epidemik. Sedangkan tipe C bukan merupakan virus yang berbahaya bagi manusia. Diketahui juga bahwa influenza merupakan penyakit infeksi saluran pernafasan akut yang disebabkan oleh virus orthomyxovirus golongan RNA.

Gejala-gejala
Menurut dr Fatimah Eliana SpPD dari Rumah Sakit Mitra Kemayoran, Jakarta Pusat, serangan penyakit ini tercatat paling tinggi pada musim hujan di negara tropik dan pada musim dingin di negara beriklim dingin.

“Ada penyakit yang gejalanya hampir mirip dengan influenza, yaitu Infeksi Saluran Pernapasan Akut (ISPA),” katanya Influenza bisa sembuh dengan sendirinya, tapi ISPA tidak.

Gejala influenza diawali dengan demam, sakit kepala, dan sakit otot. Kemudian diikuti dengan batuk, pilek, nyeri menelan, dan suara serak. Keadaan ini dapat terjadi selama beberapa hari dan hilang dengan sendirinya. Setelah episode sakit ini, penderita mengalami rasa letih selama beberapa hari. Tapi pada umumnya ciri khas yang tampak dari penyakit ini berupa gangguan pernapasan yang timbulnya mendadak seperti panas tinggi dan hidung tersumbat.

“Pada pasien usia lanjut, wanita hamil, atau penderita dengan kekebalan tubuh yang menurun, dapat terjadi komplikasi pada paru akibat infeksi sekunder oleh bakteri streptococcus pneumonia, Hemophilus influenza atau Staphylococcuc aureus,” terangnya.

Masa inkubasi penyakit ini sekitar 1-4 hari. Orang dewasa sudah mulai terinfeksi sejak sehari sebelum timbulnya gejala influenza hingga lima hari setelah mulainya penyakit ini. Sedangkan anak-anak dapat menyebarkan virus ini sampai lebih dari sepuluh hari.

“Pada beberapa kasus, influenza ditandai dengan demam tinggi,” katanya.

Bagi sebagian orang yang sudah memiliki gangguan paru dan jantung, influenza dapat menimbulkan penyakit radang paru-paru sekunder.

Diagnosa dan Pengobatan

Diagnosa dilakukan dengan mengenali gejala-gejala dari pasien. “Biasanya dari gejala yang timbul dari pasien kita akan tahu,” imbuhnya. Selain itu, ada pula pemeriksaan cairan yang keluar dari hidung dengan pemeriksaan laboratorium.

Pengobatan influenza umumnya hanya untuk mengatasi gejalanya saja, seperti minum air yang banyak dan menghindari alkohol dan rokok. Bila perlu, dapat diberikan parasetamol (acetaminophen) untuk menurunkan demam dan mengurangi nyeri otot. Pemberian antibiotik dapat dilakukan bila terdapat infeksi sekunder yang ditandai dengan batuk berdahak atau pilek dengan cairan berwarna kuning atau hijau kental.

Pemberian obat antivirus cukup efektif, namun sering kali virus influenza sudah resisten terhadap obat intivirus tersebut.

“Ada dua jenis obat antivirus yang sering digunakan, yaitu jenis inhibitor neuraminidase seperti oseltamivir dan zanamivir dan jenis inhibitor protein M2. Inhibitor neuraminidase saat ini lebih banyak digunakan karena efektif dan efek sampingnya minimal,” ujarnya.

Virus influenza dapat diinaktivasi dengan cahaya matahari, desinfektan, dan detergen. Oleh karena itu, pencegahan influenza dapat dilakukan dengan menjaga sanitasi lingkungan, sering mencuci tangan dengan sabun atau cairan oencuci tangan yang mengandung slkohol, menghindari kontak dengan orang sakit, tidak membuang ludah sembarangan, dan beristirahat bila sedang sakit. Vaksin influenza terutama diberikan kepada kelompok populasi risiko tinggi seperti anak-anak, usia lanjut, penderita asma, diabetes, pemyakit jantung, kanker, HIV, pasca transplantasi, dan penderita dengan imunitas yang rendah lainnya. Efektivitas vaksin ini sangat bervariasi, tergantung pada penderitanya, jenis vaksin yang diberikan, dan jenis virusnya. Karena mutasi virus yang sangat tinggi, umumnya vaksin ini hanya memberikan perlindungan selama satu tahun.

Selain itu, perbanyak konsumsi air putih. Jika dalam kondisi normal Anda mengkonsumsi 6 hingga 8 gelas sehari, ketika terserang pilek, sebaiknya Anda meningkatkan konsumsi air hingga 10 gelas. Air dapat menghanyutkan virus dari tubuh Anda dalam berbagai bentuk seperti keringat dan air seni. Untuk mengatasi sakit tenggorokan bisa juga dengan mengonsumsi tablet antiseeptik untuk melegakan tenggorokan.

Para penderita diminta untuk tidak menyentuh makanan yang mengandung gula seperti kue, es krim, dan makanan manis lainnya. Kandungan gula dalam darah akan menurunkan daya tahan tubuh terhadap infeksi. Mengonsumsi buah-buahan, sari buah atau jus akan mempercepat proses pemulihan tubuh.

Penggunaan obat flu tidak ditujukan untuk jangka lama. Jika gejala flu tidak berkurang atau semakin berat setelah minum obat flu selama tiga hari, pasien segera berkonsultasi dengan dokter. Obat flu dapat diperoleh tanpa resep doket karena merupakan golongan obat bebas. Untuk itu, pasien harus berhati-hati. Obat itu harus disesuaikan dengan gejala-gejala flu yang ada.