MK07 — Epidemiologi dan Surveilans Kesehatan Haji Terapan
Modul 6: Biostatistik Terapan: Uji Hipotesis dan Regresi pada Data Kesehatan Haji
AsliA. Tujuan Pembelajaran
- Menjelaskan karakteristik data kesehatan haji yang menuntut kehati-hatian pemilihan uji statistik (struktur tersarang, distribusi tidak normal).
- Menjelaskan konsep dasar regresi logistik, model multilevel, dan analisis survival secara konseptual.
- Menyadari keterbatasan dirinya dalam analisis statistik lanjutan dan pentingnya berkonsultasi dengan tenaga epidemiologi/biostatistik bila diperlukan.
- Mengidentifikasi struktur data tersarang (individu dalam kloter) saat membaca atau merancang evaluasi sederhana tingkat kloter.
B. Deskripsi
Dokter kloter tidak perlu menjadi ahli biostatistik, namun memahami mengapa data kesehatan haji memerlukan kehati-hatian statistik khusus membantunya membaca laporan evaluasi dari KKHI/Kemenkes secara lebih kritis, dan mengetahui kapan perlu melibatkan tenaga epidemiologi.
Modul ini penting sebagai pengantar konseptual, bukan pelatihan teknis analisis statistik mendalam, agar dokter kloter memiliki kosakata dasar untuk berdiskusi dengan tim epidemiologi/biostatistik bila kloternya dilibatkan dalam evaluasi atau riset formal.
C. Materi Inti
1. Karakteristik Data Kesehatan Haji yang Menuntut Kehati-hatian Statistik
Data kesehatan haji sering memiliki karakteristik yang menuntut kehati-hatian dalam pemilihan uji statistik: ukuran sampel yang bervariasi antar-kloter, distribusi data yang seringkali tidak normal (misalnya durasi rawat di KKHI), serta struktur data berjenjang (individu jemaah tersarang dalam kloter, kloter tersarang dalam kelompok terbang embarkasi).
2. Regresi Logistik untuk Outcome Biner
Regresi logistik adalah alat analisis yang paling sering digunakan untuk outcome biner yang umum dalam data haji, seperti kejadian heat stroke (ya/tidak) atau kematian (ya/tidak). Interpretasi odds ratio dari model ini perlu disampaikan secara hati-hati dan diterjemahkan ke bahasa praktis (lihat Modul 10), bukan disampaikan sebagai angka statistik mentah kepada pihak yang tidak familiar.
3. Model Multilevel untuk Data Tersarang
Mengingat struktur data tersarang (individu dalam kloter), model regresi multilevel menjadi pendekatan yang lebih tepat dibandingkan regresi konvensional, karena mampu mengakomodasi variasi antar-kloter yang tidak dapat dijelaskan oleh variabel individu semata — misalnya perbedaan kualitas pendampingan TKHI antar-kloter yang dapat memengaruhi outcome kesehatan jemaah secara sistematis.
4. Analisis Survival untuk Data Waktu-ke-Kejadian
Untuk pertanyaan yang melibatkan waktu hingga terjadinya suatu kejadian kesehatan (misalnya waktu sejak kedatangan hingga kejadian heat stroke pertama), analisis survival menyediakan kerangka yang lebih informatif dibandingkan analisis biner sederhana.
D. Ilustrasi Kasus (Vignette)
Seorang dokter kloter membaca laporan evaluasi KKHI Daker yang menyebutkan 'variasi kejadian heat exhaustion antar-kloter tidak sepenuhnya dijelaskan oleh karakteristik individu jemaah'. Memahami konsep model multilevel dari modul ini, ia menyadari bahwa temuan tersebut mengarah pada kemungkinan adanya perbedaan kualitas pendampingan TKHI antar-kloter — sebuah temuan yang mendorongnya mengevaluasi kembali praktik pendampingan timnya sendiri, alih-alih hanya menganggap variasi tersebut sebagai kebetulan acak.
E. Referensi
- Al-Tawfiq JA, Memish ZA. Health issues in the Hajj pilgrimage: a literature review. East Mediterr Health J. 2019;25(10). Tersedia di: https://www.emro.who.int/emhj-volume-25-2019/volume-25-issue-10/health-issues-in-the-hajj-pilgrimage-a-literature-review.html