Advanced Field Epi:Manual 1 - Disease Investigation/id

Halaman ini adalah sebuah versi terjemahan dari halaman Advanced Field Epi:Manual 1 - Disease Investigation dan terjemahannya telah selesai 89% dari sumber terkini.

Bahasa lain:
English • ‎Bahasa Indonesia

Daftar isi

Investigasi Penyakit

Manual Epidemiologi Dasar di Lapanganberisi informasi tentang pengujian klinis, membuat diagnosis, dan pendekatan epidemiologi awal investigasi penyakit.

Bagian ini menyediakan materi lanjutan untuk membantu perencanaan dan pelaksanaan investigasi epidemiologis penyakit serta untuk menganalisis data yang dikumpulkan melalui investigasi. Orang yang membaca materi ini diharapkan telah membaca materi yang terdapat pada Manual Epidemiologi Dasar Lapangan.

Tindakan-tindakan untuk mengantisipasi frekuensi penyakit

Jumlah kasus, non-kasus, dan populasi yang rentan dapat digunakan untuk memperkirakan langkah-langkah epidemiologis untuk mengantisipasi frekuensi penyakit. Hal ini dimaksudkan agar anda dapat memberikan gambaran tentang kejadian penyakit dan membandingkan kejadian tersebut dari waktu ke waktu. Tindakan-tindakan yang paling sering digunakan adalah prevalensi dan insidensi.

Prevalensi

Prevelansi penyakit (atau kondisi) adalah jumlah kasus penyakit pada suatu populasi dalam suatu waktu tertentu.

Budi memelihara 15 ekor sapi; dia menghubungi anda karena 5 sapi nya sakit dengan tanda penyakit yang sama. Soleh memelihara 30 sapi dan berada di satu kawasan yang sama dengan peternakan Budi dan sapi Soleh tidak ada satu pun yang sakit. Semua sapi-sapi ini di gembalakan di satu kawasan padang rumput yang sama.

Prevalensi penyakit adalah

P={\frac  {5}{15+30}} = 0.11 = 11%

Prevalensi = {\frac  {{\mathit  {jumlah}}{\mathit  {kasus}}}{{\mathit  {populasi}}{\mathit  {beresiko}}}}

Perkiraan paling sederhana populasi yang rentan adalah jumlah kasus dan non-kasus (semua hewan) di satu peternakan atau peternakan-peternakan yang dilakukan investigasi.

Prevalensi tidak selalu memberikan ukuran yang bagus tentang adanya kasus baru suatu penyakit. Suatu penanda dari paparan penyakit sebelumnya, sebagai contoh ketika ada sebuah kasus hasil dari uji serologi untuk menguji antibodi. Dalam situasi ini uji positif mengindikasikan infeksi awal dari bulan atau tahun-tahun sebelumnya dan mungkin saja tidak berhubungan sama sekali dengan penyakit saat ini.

Untuk memahami apakah prevalensi dapat merefleksikan kasus-kasus penyakit yang ada saat ini atau campuran dari kasus lama dan kasus baru, anda perlu memahami sifat penyakit yang sedang anda investigasi, bagaimana hewan-hewan tersebut bereaksi terhadap infeksi penyakit dan jenis uji diagnostik yang telah dilakukan untuk mengelompokkan penyakit hewan-hewan tersebut menjadi kasus atau non-kasus.

Insidensi

Insidensi adalah sejumlah kasus baru yang muncul di dalam suatu populasi dalam satu jangka waktu tertentu. Tidak seperti prevalensi, insidensi merefleksikan risiko, atau kemungkinan hewan terjangkit penyakit dalam satu jangka waktu tertentu.

Insidensi dapat dihitung dengan beberapa cara berbeda:

  • Insidensi kumulatif (CI) atau risiko insidensi
  • Tingkat insidensi (IR) (atau densitas insidensi)

Insidensi kumulatif adalah jumlah hewan yang terpapar penyakit pada satu waktu tertentu dibagi dengan jumlah hewan sehat yang rentan pada awal waktu tertentu. Semua tindakan-tindakan terkait insidensi hanya berdasarkan pada kasus-kasus penyakit baru pada masa yang dibutuhkan.

Budi menggembala 45 ekor sapi selama 7 hari ke depan. Dia menelpon dan mengatakan bahwa 8 ekor sapi sakit. Hewan yang rentan adalah hewan yang bebas penyakit pada awal periode. Pada awal periode 7 hari terdapat 45 ekor sapi namun 5 diantaranya telah didiagnosis sakit, maka saat ini tersisa 40 ekor sapi sehat.

{\mathit  {CI}}={\frac  {8}{40\left(7{\mathit  {hari}}{\mathit  {periode}}\right)}} = 0.20= 20%

Perkiraan insiden mudah dilakukan apabila populasi hewan tidak berubah dari waktu ke waktu (tidak ada hewan baru yang datang dan pergi). Ini disebut "populasi tertutup". Sering kali populasi dapat berubah dari waktu ke waktu karena hewan baru datang atau beberapa hewan dijual atau dipindahkan. Ini disebut "populasi terbuka" atau "populasi dinamis".

Jika hewan lupa ditindaklanjuti selama periode waktu yang diperlukan, maka denominator harus disesuaikan agar dapat diperhitungkan. Prinsip-prinsip yang sama perlu diterapkan jika setiap hewan baru dimasukkan dalam populasi yang rentan pada satu periode waktu. Ada beberapa metode yang sering digunakan untuk menyesuaikan perhitungan populasi yang rentan dalam populasi terbuka. Dua pendekatan yang sering digunakan untuk perkiraan insiden kumulatif dijelaskan berikut ini:

  1. Jumlah hewan yang bebas dari penyakit pada awal periode tindak lanjut untuk populasi tertutup (pendekatan paling mudah namun bisa saja bias jika ada banyak lalu lintas hewan).
  2. Ukuran populasi di pertengahan titik periode tindak lanjut untuk populasi terbuka yang dapat diperkirakan sebagai

{\mathit  {Average}}{\mathit  {number}}{\mathit  {at}}{\mathit  {risk}}={N}_{{{\mathit  {Start}}}}+{\frac  {1}{2}}{N}_{{{\mathit  {New}}}}-{\frac  {1}{2}}\left({N}_{{{\mathit  {Lost}}}}+{N}_{{{\mathit  {Cases}}}}\right)

{\mathit  {Rata-rata}}{\mathit  {jumlah}}{\mathit  {yang}}{\mathit  {rentan}}={N}_{{{\mathit  {Start}}}}+{\frac  {1}{2}}{N}_{{{\mathit  {Baru}}}}-{\frac  {1}{2}}\left({N}_{{{\mathit  {Hilang}}}}+{N}_{{{\mathit  {Kasus}}}}\right)

{\mathit  {Cumulative}}{\mathit  {Incidence}}={\frac  {{\mathit  {Number}}{\mathit  {of}}{\mathit  {new}}{\mathit  {diseased}}{\mathit  {animal}}\in {\mathit  {the}}{\mathit  {time}}{\mathit  {period}}}{{\mathit  {Average}}{\mathit  {number}}{\mathit  {of}}{\mathit  {animals}}{\mathit  {at}}{\mathit  {risk}}{\mathit  {at}}{\mathit  {the}}{\mathit  {mid}}{\mathit  {point}}{\mathit  {of}}{\mathit  {the}}{\mathit  {period}}}}

{\mathit  {Kumulatif}}{\mathit  {Insiden}}={\frac  {{\mathit  {Jumlah}}{\mathit  {of}}{\mathit  {new}}{\mathit  {penyakit}}{\mathit  {animal}}\in {\mathit  {the}}{\mathit  {time}}{\mathit  {periode}}}{{\mathit  {Rata-rata}}{\mathit  {jumlah}}{\mathit  {of}}{\mathit  {hewan}}{\mathit  {at}}{\mathit  {risiko}}{\mathit  {at}}{\mathit  {the}}{\mathit  {mid}}{\mathit  {poin}}{\mathit  {of}}{\mathit  {the}}{\mathit  {periode}}}}

Pada permulaan tahun ada 1000 sapi dalam populasi kepentingan, semua sapi ini bebas penyakit. Sebanyak 400 sapi telah dijual sepanjang tahun tersebut. Sepanjang tahun 20 sapi mati karena anthrax.

NPermulaan = 1000

NBaru = 0

NHilang = 400

NKasus = 20

Jumlah yang rentan = 1000 - 0.5*400 - 0.5*20 = 790

Insiden kumulatif = 20/790 = 0.025 = 2.5%


Nilai insidensi adalah jumlah kasus baru penyakit yang terjadi per unit hewan yang rentan selama periode tindak lanjut. Nilai insidensi memerlukan perkiraan hewan yang rentan dibandingkan dengan insidensi kumulatif.

Untuk populasi tertutup (tidak ada lalu lintas hewan yang masuk dan keluar), denominator adalah jumlah hewan bebas penyakit pada permulaan dikali dengan lama periode tindak lanjut (hari, minggu, bulan atau bahkan tahun)

Untuk populasi terbuka (ada lalu lintas hewan masuk dan keluar) kita harus menyesuaikan denominator untuk memperhitungkan lalu lintas. Sekali lagi cara paling muda untuk melakukannya adalah dengan menambahkan setengah dari jumlah hewan yang ditambahkan ke populasi yang rentan selama periode tersebut dan mengurangi setengah jumlah yang meninggalkan populasi yang rentan, menggunakan pendekatan yang sama sebagaimana metode 2 yang telah dijelaskan diatas untuk insidensi kumulatif. Angka yang telah disesuaikan kemudian dikalikan dengan lama periode tindak lanjut.

Jika ada data tindak lanjut secara terperinci tentang individu hewan, kita dapat menghasilkan denominator waktu yang rentan bagi hewan dengan menghitung waktu rentan setiap individu hewan dan menjumlahkannya.

Contoh nilai insiden menggunakan taksiran untuk menghitung PAR

Pada permulaan tahun ada 20 sapi dalam populasi kepentingan, semua sapi ini bebas penyakit. Sebanyak 3 sapi telah dijual dalam periode 12 bulan. Sepanjang tahun 2 sapi mati karena haemorrhagic septicaemia.

NPermulaan = 20

NBaru = 0

NHilang = 3

NKasus = 2

Jumlah yang rentan = 20 - 0.5*3 - 0.5*2 = 17.5

Periode waktu = 12 bulan

Waktu rentan hewan = 17.5*12 = 210 hewan bulan

Nilai insiden = 2/210 = 0.0095 kasus per hewan bulam

Kita bisa mengubah unit waktu rentan hewan ke 100 hewan-bulan

0.0095 kasus per hewan-bulan = 0.95 kasus per 100 hewan-bulan


Contoh nilai insiden menggunakan perkiraan tepat untuk PAR

Asumsikan 4 sapi dibawa ke peternakan pada awal periode dan mereka diikuti selama 30 hari.

1 sapi sama sekali tidak sakit selama 30 hari = 1 hewan bulan rentan

1 hewan sakit pada hari ke 10 = 0.33 hewan bulan rentan

1 hewan sakit pada hari ke 20 = 0.67 hewan bulan rentan

1 hewan dijual pada hari ke 15 = 0.5 hewan bulan rentan

Total waktu yang rentan bagi hewan = 2.5 hewan bulan

Total kasus baru = 2

Nilai insiden = 2/2.5 = 0.8 kasus per hewan bulan

Beberapa isu penting yang perlu diingat:

  • Insiden adalah langkah dinamis penyakit di mana prevalensi adalah langkah statis penyakit
  • Insiden dan prevalensi saling berhubugan. Prevalensi penyakit dalam dalam suatu populasi yang rentan menunjukkan bahwa insiden kasus baru penyakit dan durasi penyakit dalam kasus individu: Prevalensi = Insiden x Durasi dalam konsidi tertentu.
  • Perubahan insiden atau durasi penyakit akan mengubah prevalensi. Nilai insiden biasanya lebih besar dari pada prevalensi apabila penyakit memiliki durasi yang singkat dan/atau fatal. Prevalensi biasanya lebih besar dari pada insiden apabila penyakit bersifat kronik.
  • Nilai insiden kumulatif (CI) memberikan perkiraan langsung kemungkinan seekor hewan mengalami kejadian penyakit dalam satu periode waktu. CI terkait dengan basis individu dan populasi.
  • Menghitung denominator (waktu yang rentan bagi hewan) untuk memperkirakan insiden khususnya apabila hewan masuk atau meninggalkan populasi selama periode kepentingan. Ada sejumlah cara untuk menghadapi masalah ini.

Tabel 2.: Perbandingan fitur-fitur utama nilai insiden prevalensi dan insiden kumulatif


Point prevalence
Period prevalence
Incidence rate
Cumulative incidence
Numerator
Semua kasus dihitung pada satu periode waktu Semua kasus dihitung pada awal periode + kasus baru selama periode Kasus baru selama periode tindak lanjut kasus baru selama periode tindak lanjut
Denominator
Semua individu diperiksa Semua individu diperiksa Jumlah waktu rentan untuk hewan yang rentan yang ada di awal periode Semua individu rentan di awal periode tindak lanjut
Waktu
Titik waktu Menentukan periode tindak lanjut Langkah yang dilakukan pada setiap individu dari awal hingga akhir periode, hingga kejadian penyakit atau hingga hewan keluar dari populasi Menentukan periode tindak lanjut
Jenis kajian
Cross-sectional Kelompok Kelompok Kelompok
Interpretasi
Kemungkinan penyakit pada titik waktu Kemungkinan memiliki penyakit selama periode tertentu Seberapa cepat kasus baru berkembang selama periode tindak lanjut Kemungkinan penyakit berkembang selama periode tertentu

Attack rate

Attack rate (atau disebut attack risk) adalah jenis estimasi kejadian atau insiden tertentu (baik insiden kumulatif atau nilai insiden) yang diterapkan pada suatu wabah atau situasi di mana periode observasi relatif singkat dan populasi rentan ditentukan dengan ketat misalnya jumlah hewan di peternakan yang sedang dilakukan investigasi.

Attack rate adalah jumlah kasus penyakit dibagi dengan jumlah hewan rentan pada permulaan terjadinya wabah (wabah mencakup jarak waktu yang ditentukan).

Attack rate = {\frac  {{\mathit  {number}}{\mathit  {of}}{\mathit  {animals}}{\mathit  {affected}}}{{\mathit  {number}}{\mathit  {of}}{\mathit  {animals}}{\mathit  {exposed}}}}

Sebagai contoh attack rate dapat digunakan untuk mengukur tingkat kematian yang disebabkan oleh infeksi virus kepala kuning pada udang. Jika dalam waktu 4 hari 3500 dari 5000 udang yang ada di kolom mati maka attack rate nya adalah 3500/5000 = 0.7 atau 70%.


Analisis data untuk menggambarkan pola penyakit

Hal ini diasumsikan bahwa pemeriksaan klinis awal dan definisi kasus telah selesai dan data telah dikumpulkan untuk kasus dan non-kasus pada peternakan di mana hewan yang sakit berada.

Konfirmasi wabah

Seringkali alasan utama penyelidikan epidemiologi dimulai terhadap penyakit tertentu karena ada kekhawatiran akan ada lebih banyak kasus penyakit dari yang diharapkan. Mungkin penyebabnya dalah wabah penyakit baru, penyakit eksotis atau perubahan penyakit endemik yang telah membuatnya menjadi lebih menular atau mampu menyebabkan tanda-tanda penyakit yang berbeda.

Begitu definisi kasus telah dibuat dan kasus/non-kasus telah dihitung maka penting untuk menghasilkan beberapa perkiraan sederhana frekuensi (prevalensi atau kejadian) untuk mengonfirmasikan bahwa ada peningkatan kasus penyakit di atas, apa yang diharapkan dan bahwa penyelidikan lebih lanjut harus dipastikan.

Pola sementara

Variasi frekuensi kejadian kasus penyakit sepanjang waktu ini disebut pola sementara. Ada tiga rentang waktu dasar yang dapat digunakan untuk menggambarkan pola sementara :

  • Periode epidemik, waktu dimulainya wabah penyakit hingga akhir wabah (dapat bervariasi dari hari ke minggu atau bulan atau lebih);
  • Periode 12 bulan menggambarkan pola musiman; dan
  • Periode bertahun-tahun untuk mengidentifikasi tren jangka panjang.

Pola sementara sederhana untuk kasus-kasus penyakit adalah suatu kurva epidemik. Kurva epidemik adalah grafik yang menempatkan jumlah kasus penyakit pada sumbu vertikal terhadap waktu serangan setiap kasus, baik sebagai grafik batang atau poligon frekuensi. Kasus pertama yang diidentifikasikan untuk wabah tertentu disebut sebagai kasus indeks. Untuk penyakit menular, mengidentifikasi kasus indeks penting karena informasi tentang kasus indeks dapat berguna dalam memastikan sumber wabah dan masa inkubasi.

Sebuahkurva epidemik adalah grafik tentang jumlah kasus penyakit terhadap waktu serangan setiap kasus

Secara umum, kurva epidemik memiliki empat komponen yang berbeda dan dalam beberapa kasus mungkin ada kejadian sekunder kasus tambahan (5th komponen). Ini ditampilkan pada gambar berikut.

Representasi diagram dari komponen kurva epidemik.

1 = tingkat endemik, 2 = cabang kenaikan epidemik, 3 = puncak epidemik, 4 = cabang penurunan epidemik, 5 = puncak sekunder.

Komponen kurva epidemik

Kemiringan cabang kenaikan dapat menunjukkan jenis paparan (menyebarkan atau sumber yang biasa) atau cara penularan dan masa inkubasi agen penyakit. Jika penularan cepat dan masa inkubasi singkat, maka cabang kenaikan akan lebih curam dibandingkan jika penularan lambat atau jika masa inkubasi panjang.

A point-source epidemic is one where all animals (units) are exposed to the source of disease (agent or toxin) over a very short period of time, resulting in a very steep ascending branch of the epidemic curve.

A propagating epidemic is one where transmission occurs among individuals in the population, so that the ascending branch ascends more gradually.

Panjang ketinggian dan kemiringan cabang penurunan terkait dengan ketersediaan hewan rentan yang pada gilirannya tergantung pada banyak faktor seperti kepadatan stok, pemasukan hewan ke dalam populasi, perubahan mekanisme berbeda dari transmisi dan proporsi kekebalan pada populasi yang rentan.

Puncak sekunder biasanya terjadi karena pemasukan hewan baru yang rentan ke daerah penyakit, penyebaran penyakit ke daerah baru yang terdapat hewan rentan, atau perubahan dalam modus penularan.

Jarak waktu yang dipilih untuk grafik kasus penting untuk penafsiran kurva epidemik berikutnya. Jarak waktu harus dipilih atas dasar masa inkubasi penyakit dan periode kasus terjadi. Pilihan jarak waktu juga tergantung pada frekuensi hewan yang sedang diperiksa untuk menentukan kapan salah satu hewan pertama kali menunjukkan tanda-tanda penyakit.

Bagi sebagian besar kurva epidemik penyakit ternak sering kali dibuat menggunakan jarak waktu satu hari (setiap hari) pada sumbu horizontal, menghasilkan plot yang menampilkan jumlah kasus baru penyakit setiap hari. Jika ada beberapa hari di antara kejadian kasus baru maka mungkin masuk akal untuk mengubah ke agregat waktu mingguan atau jarak waktu lainnya.

Menangle virus was first identified in 1997, following an investigation of an outbreak of mummified and stillborn foetuses in a commercial piggery at Menangle, New South Wales, Australia.

For the Menangle virus outbreak in an Australian piggery in 1997, temporal patterns were analysed on a weekly basis, because many piggery records are maintained as weekly averages and the epidemic extended over a >20-week period. In addition to the percentage of affected litters per week, average litter sizes and numbers of piglets that were live, mummified or stillborn were plotted, providing a comprehensive picture of the temporal pattern. All indices showed a very rapid rise from week 15 (of the calendar year), when the outbreak started, to week 21, when case numbers peaked. This pattern is strongly suggestive of a propagating epidemic with a rapidly spreading agent and relatively short incubation period (see Figure 2 from Love, et al., Australian Veterinary Journal 79(3):192-198, 2001 for a graphical representation of these patterns).

Pola spasial

Pola spasial menggambarkan wabah dalam hal ketika hewan ditempatkan (tempat) ketika mereka pertama kali menunjukkan tanda-tanda penyakit (serangan penyakit). Pola spasial dapat membantu menemukan sumber wabah. Hal ini berguna untuk mempertimbangkan tempat dan waktu secara bersamaan. Hal ini dapat dilakukan dengan menggambar rencana tata ruang peternakan (atau populasi), merekam lokasi dan tanggal ketika kasus terjadi. Diagram tersebut juga dapat memberikan petunjuk apakah wabah adalah sumber umum atau menyebarkan penyakit.

Ketika kasus penyakit terjadi pada skala geografis yang kecil mungkin mudah dan sederhana untuk menggambar peta sederhana yang menunjukkan kasus dan bukan kasus penyakit. Pendekatan ini dapat dilakukan oleh siapa saja dan tidak memerlukan perangkat lunak komputer atau data pemetaan khusus untuk memungkinkan pemetaan komputer.

Ketika kasus penyakit terjadi di daerah yang lebih besar atau pada skala yang lebih besar, mungkin lebih efektif untuk memetakan kasus menggunakan pemetaan berbasis komputer atau software Sistem Informasi Geografis (GIS). Ini mungkin membutuhkan keahlian khusus dan tambahan latar belakang file pemetaan untuk lokasi tersebut.

Ketika kasus penyakit terjadi selama periode yang lebih lama (minggu atau lebih) sangat berguna untuk menghasilkan peta dengan jarak waktu harian, mingguan atau lebih lama untuk memantau perkembangan epidemik dan mengidentifikasi pola-pola penyebaran.

Sebagai contoh, Gambar berikut menunjukkan tata letak rumah tangga di sebuah desa Thailand, yang dibebani dengan terjadinya kasus penyakit mulut dan kaki. Dari peta ini, jelaslah bahwa epidemi ini menyebar, dengan kasus indeks diidentifikasi dengan lingkaran merah, sejumlah kecil kasus sekunder diidentifikasi pada minggu 2 dan kasus tambahan pada minggu 3. Hal ini juga tampak bahwa infeksi telah menyebar secara lokal dari kasus indeks ke sejumlah rumah tangga di dekatnya, serta beberapa rumah tangga yang lebih jauh, di mana ada juga penyebaran secara lokal. Penyebaran awal mungkin melalui penggunaan penggembalaan umum, yang memungkinkan kontak secara dekat antara kasus awal dan hewan rentan yang berasal dari tempat lain di desa tersebut. Hal ini mungkin diikuti oleh penyebaran secara lokal antara kelompok rumah tangga dan mungkin dari hewan yang terinfeksi bergerak ke seluruh desa.

Representasi spasial dari penyebaran penyakit mulut dan kaki selama 3 minggu di sebuah desa Thailand, diadaptasi dari Cleland, et al.1991.

Spread of FMD in Thai village.svg

Untuk wabah virus Menangle, peternakan babi yang terdiri dari empat Unit manajemen yang terpisah. Unit 1 adalah sekitar 200 m dari Unit 2, sedangkan unit 2 dan 3 dan 3 dan 4 masing-masing dipisahkan oleh sekitar 50 m (lihat Gambar 1 di Kirkland, et al,. 2001). Meskipun semua unit yang terkena dampak, 44% dari litter yang terkena dampak di Unit 2, dibandingkan dengan 28%, 26% dan 37% untuk Unit 1, 3 dan 4 masing-masing. Analisis juga menunjukkan bahwa Unit 3 terkena pertama, di minggu 15. unit lain yang kemudian terpapar pada minggu 23 (Unit 2), 24 (Unit 4) dan 27 (Unit 1). Penelitian ini juga menunjukkan bahwa koloni kelelawar (sumber hipotesis infeksi) berada di dekat Unit 3 dan 4. Unit 1 letaknya terjauh dari sumber hipotesis dan unit terakhir yang terpengaruh, sementara Unit 3 dan 4 yang paling dekat ke sumber hipotesis.

Pola hewan

Istilah pola hewan digunakan untuk merujuk pada beberapa ukuran frekuensi penyakit (sebagai contoh prevalensi atau kejadian) yang dihasilkan untuk karakteristik berbeda yang dimiliki hewan (spesies, jenis, umur, jenis kelamin, kelas berat, status vaksinasi, kepadatan stok) atau untuk berbagai tingkat jenis manajemen lainnya seperti lokasi (peternakan kecil, kandang, desa), jenis pakan atau variabel lain.

Kita menggunakan beberapa ukuran frekuensi penyakit untuk menggambarkan pola penyakit hewan. Pendekatan yang paling umum dalam wabah penyakit adalah dengan memperkirakan attack rate (AR), tetapi langkah-langkah lain dapat digunakan. Pendekatan ini memungkinkan investigasi faktor risiko yang memungkinkan untuk penyakit ini.

Misalnya, dalam contoh penyakit mulut dan kaki yang ditunjukkan pada gambar sebelumnya, 8 dari 21 kerbau <1 tahun terkena penyakit dengan attack rate 0,38 atau 38%. Sebaliknya, 34 dari 158 kerbau >1 tahun yang terkena penyakit (attack rate = 0,215 atau 21,5%). Hal ini menunjukkan bahwa hewan muda hampir dua kali lebih mungkin terkena penyakit seperti hewan yang lebih tua.

Misalnya, ada kematian diduga akibat epizootic ulcerative syndrome (EUS) di kolam dan ternyata ikan kecil memiliki risiko yang lebih besar mengalami EUS dibandingkan ikan besar. Kita mungkin membuat perhitungan sebagai berikut:

For small fish, AR1 =
No. of small fish with EUS
Jumlah ikan kecil
Untuk ikan besar, AR2 =
Jumlah ikan besar dengan EUS
Jumlah ikan besar

There were 1000 small fish in the pond and 300 had EUS and there were 1000 large fish of which 100 developed EUS during the outbreak. The attack rates here are 30% and 10% respectively, suggesting that small fish were 3 times more likely to develop EUS than large fish. This finding could lend support to a hypothesis that nutritionally stressed fish are more susceptible to infection.

Faktor khusus attack rate untuk faktor-faktor seperti spesies, umur, jenis kelamin, pakan, massa, sistem manajemen, dll dapat ditelaah. Sebuah contoh ditunjukkan di bawah ini untuk menjelaskan tentang EUS ukuran mana yang diduga menunjukkan stres karena makanan.

Tabel menunjukkan jumlah ikan ditentukan oleh ukuran ikan dan status penyakit EUS bersama dengan attack rate untuk masing-masing kelas ukuran ikan dan risiko relatif membandingkan risiko penyakit dengan yang diamati dalam kategori referensi (ukuran ikan = besar).

Count of fish
Epidemiologic measures
Ukuran ikan (faktor)
kasus EUS
Jumlah keseluruhan
Attack rate (AR)
Risiko relatif(RR)
Kecil

Menengah

Large

30
20
15
100
200
300
30%
10%
5%
6
2
rujukan

In the above table, attack rates are expressed as percentages. The last column is the Relative Risk or Risk Ratio (RR) which is the ratio of the attack rates comparing the AR in small and medium sized fish to the AR measured in large fish.

Semakin tinggi risiko relatif, semakin banyak dampak faktor tertentu meningkatkan risiko penyakit. Ikan kecil 3 kali lebih mungkin memiliki EUS dibandingkan ikan berukuran sedang dan 6 kali lebih mungkin dibandingkan ikan besar. Juga, ikan berukuran sedang dua kali lipat lebih berisiko dibandingkan ikan besar.

Maka kita perlu memikirkan tentang apa yang perlu kita pahami tentang perbedaan ukuran ikan. Bisa jadi ikan kecil karena lebih muda atau mengalami stres karena makanan dan faktor-faktor ini (usia, ketersediaan pakan, stres) dapat menyebabkan hal-hal yang saling berhubungan antara ukuran ikan dan risiko penyakit EUS.

Mengukur hubungan antara penyakit dan faktor risiko

Setelah data dikumpulkan dengan pola temporal, spasial dan tingkat hewan, perlu dianalisis untuk memahami pola-pola dan mengidentifikasi faktor-faktor risiko potensial. Tindakan yang paling umum digunakan untuk membandingkan penyakit berisiko antara kelompok-kelompok yang risiko relatif (atau rasio risiko) dan rasio yang tidak umum. Ini dibahas secara singkat di bawah ini.

Tabel 2 x 2

Tabel 2x2 adalah cara sederhana untuk menyajikan jumlah ringkasan hewan yang sakit di mana hewan dapat diklasifikasikan berdasarkan status penyakit (kasus atau bukan kasus) dan pada beberapa faktor risiko lainnya dengan dua tingkat (misalnya status vaksinasi diklasifikasikan sebagai divaksinasi atau tidak-divaksinasi). Tabel 2x2 sangat umum digunakan dalam epidemiologi untuk menilai kemungkinan hubungan antara kejadian penyakit dan potensi faktor risiko.

Sering kali status penyakit (penyakit atau bukan penyakit) dicantumkan dalam kolom dan faktor risiko (ada=terpapar, tidak ada=tidak terpapar) dicantumkan dalam baris. Tabel 2x2 memiliki format sebagai berikut.

Tata letak tabel 2x2 menunjukkan jumlah hewan yang dicantumkan berdasarkan status penyakit (kolom) dan status risiko (baris).

Disease status
Faktor risiko
Penyakit (kasus)
Bukan penyakit (Bukan kasus)
Keseluruhan
Terpapar
a
b
a + b
Tidak terpapar
c
d
c + d
Keseluruhan
a + c
b + d
a + b + c + d

2x2 tables are commonly used to estimate measures of association such as relative risk or odds ratios.

Risiko Relatif

Risiko relatif (RR) adalah rasio tindakan kejadian pada kelompok yang terpapar tindakan kejadian pada kelompok yang tidak terpapar penyakit. Bisa saja berdasarkan tingkat kejadian atau kejadian kumulatif dan berada pada situasi prevalensi. Risiko relatif merupakan tindakan utama terhadap hal-hal yang berhubungan dengan penyakit dan harus selalu digunakan kapan saja memungkinkan untuk memperkirakan risiko yang ada pada sebuah populasi.

Tabel menunjukkan tata letak 2x2 dan perhitungan yang diperlukan untuk perkiraan risiko relatif


Diseased
Not diseased
Total
Terpapar
a
b
a + b
Tidak terpapar
c
d
c + d
Total
a + c
b + d
a + b + c + d

Incidence rate exposed = IRexp = a/(a + b)Incidence rate unexposed = IRunexp = c/(c + d)


Relative Risk = RR = {\frac  {{\mathit  {IRexp}}}{{\mathit  {IRunexp}}}} = {\frac  {\left({\frac  {a}{a+b}}\right)}{\left({\frac  {c}{c+d}}\right)}}

There are a number of calculators or tools and apps that can analyse 2x2 tables and estimate Relative Risks or Odds Ratios. Typically these tools will also produce an estimate of the confidence interval and a p-value testing whether the RR is statistically different to 1.

  • Jika RR lebih besar dari 1 dan berhubungan dengan nilai p yang cukup signifikan atau jika interval kepercayaan 95% untuk RR yang tidak termasuk 1, maka faktor risiko berhubungan dengan peningkatan risiko penyakit.
  • Jika RR lebih kecil dari 1 dan berhubungan dengan nilai p yang cukup signifikan atau jika interval kepercayaan 95% untuk RR yang tidak termasuk 1, maka faktor risiko berhubungan dengan penurunan risiko penyakit. Sering kali faktor-faktor yang berhubungan dengan RR yang kurang dari satu disebut faktor risiko protektif karena mereka terkait dengan penurunan risiko penyakit.

Nilai numerik RR adalah ukuran kekuatan yang berhubungan dengan faktor risiko dan penyakit. Jika memungkinkan interval kepercayaan 95% untuk RR harus diperiksa. Jika interval kepercayaan tidak tumpang tindih maka kita dapat lebih mempercayai bahwa hal-hal yang saling berhubungan tersebut mungkin ada gunanya. Uji statistik dan nilai p akan memberikan informasi serupa yang akan memberikan informasi kepada anda apakah RR secara statistik berbeda dengan satu.

Perlu dicatat bahwa RR tidak memberikan bukti hubungan sebab akibat. Ini memberikan sebuah ukuran yang berhubungan dengan statistik. Informasi tambahan diperlukan sebelum kita menentukan faktor risiko tertentu yang bisa jadi merupakan penyebab penyakit tertentu.

Faktor tertentu yang berhubungan dengan attack rate dan risiko relatif untuk faktor-faktor seperti spesies, umur, jenis kelamin, pakan, kelompok, sistem manajemen, dll bisa dihitung dan diatur dalam tabel attack rate sebagaimana ditunjukkan di bawah ini. Tabel attach rate adalah sebuah tabel sederhana yang menyajikan attach rate untuk kelompok-kelompok risiko yang berbeda, dilengkapi dengan nilai risiko relatif dan hal-hal yang berhubungan dengan perbandingan antara kelompok.

Tabel attack rate faktor risiko lahir mati dalam kelompok sapi betina muda.


Factor Levels
Stillborn
Live
Total
Attack rate
Relative risk
Attributable risk
Age 14 months at joining
14
25
39
35.9%
2.3
20.4%
17 months at joining
16
87
103
15.5%
Sire breed Hereford
22
78
100
22.0%
1.0
0.8%
Angus
7
26
33
21.2%
Jenis kelamin anak sapi Betina
18
48
66
27.3%
1.7
10.9%
Jantan
11
56
67
16.4%
Jenis kelahiran Dibantu
16
41
57
28.1%
1.7
11.6%
Normal
14
71
85
16.5%

In the above table, attack rates are expressed as percentages. The second last column is the Relative Risk or Risk Ratio (RR) which is the ratio of the attack rates and the last column is the difference in attack rates (the Attributable Risk).

In the example in the Table, the highest relative risk is 2.3, indicating that younger heifers (14 months) were at 2.3 times the risk of having a stillborn calf compared to older (17 months) heifers. However, this has to be interpreted with caution, as the attack rate for older heifers was 15.5%, suggesting that other factors may also have been involved in causing this problem. Examination of the other relative risks list shows them all to be less than 2, suggesting that these factors are not very important. Therefore, from the data provided we can determine that younger heifers are at increased risk of stillbirth, but that there are probably additional factor(s), for which we don't have data, that are contributing to this problem.

Odds ratio

Odds ratio (OR) adalah ukuran lainnya yang berhubungan dengan hal-hal yang sering kali digunakan untuk memperkirakan risiko relatif. OR biasanya diperkirakan ketika risiko pada populasi tidak diketahui dan oleh karenanya risiko relatif tidak bisa dihitung.

OR dapat diperkirakan ketika anda memiliki data populasi yang rentan tapi mereka tidak memerlukan data populasi rentan. Odds ratio hanya memerlukan data yang dikumpulkan pada situasi kasus dan bukan kasus dan sering kali pada situasi ini tidak memungkinkan untuk memperkirakan populasi yang rentan dan oleh karenanya RR tidak bisa digunakan.

Bayangkan sebuah situasi di mana anda sedang melakukan penyelidikan tentang penyakit langka. Anda mengunjungi peternakan setiap dua minggu dan mengidentifikasi setiap hewan kemungkinan terkena penyakit. Setiap kali anda mengidentifikasi hewan yang terkena penyakit, anda memilih hewan lain yang tidak terkena penyakit dari peternakan yang sama (bukan kasus). Kemudian anda mengumpulkan informasi faktor risiko kasus dan bukan kasus.

Ini adalah studi kendali kasus. Dari waktu ke waktu anda membangun kumpulan data dengan sejumlah kasus dan bukan kasus. Tapi, anda bahkan tidak memiliki perkiraan populasi yang rentan. Dengan menggunakan kumpulan data ini anda tidak bisa memperkirakan kejadian, prevalensi atau risiko relatif. Anda bisa memperkirakan OR sebagai ukuran kekuatan yang berhubungan dengan penyakit dan faktor-faktor risiko.

Odds ratio dihitung menggunakan struktur tabel 2x2 yang sama seperti yang digunakan untuk risiko relatif namun rumusnya berbeda. Sebagai seorang pakar epidemiologi anda perlu mengetahui kapan RR dapat diperkirakan dan kapan tidak bisa diperkirakan.

Tabel menunjukkan tata letak 2x2 dan perhitungan yang diperlukan untuk memperkirakan odds ratio


Diseased
Not diseased
Total
Terpapar
a
b
a + b
Tidak terpapar
c
d
c + d
Total
a + c
b + d
a + b + c + d

Odds exposed = {\frac  {a}{b}}Odds unexposed = {\frac  {c}{d}}


Odds Ratio = OR = {\frac  {{\frac  {a}{b}}}{{\frac  {c}{d}}}}={\frac  {{\mathit  {ad}}}{{\mathit  {bc}}}}

The Odds Ratio is usually interpreted like a relative risk.

Ketika penyakit tersebut adalah penyakit langka, nilai numerik odds ratio bisa ditunjukkan lebih mendekati nilai numerik RR. Bandingkan risiko relatif dan odds ratio:

  • a lebih kecil dibandingkan b, dan c lebih kecil dibandingkan d
  • Oleh karena itu, (a+b) sama dengan b dan (c+d) sama dengan d
  • Oleh karena itu, RR sama dengan ad/bc
  • maka OR memperkirakan RR asalkan penyakit ini jarang terjadi (katakanlah ~<10% tapi perkiraan menjadi lebih baik kareka penyakit semakin jarang)
  • Ketika penyakit menjadi lebih sering terjadi OR memberikan perkiraan numerik yang jauh lebih buruk untuk risiko relatif.

Kita bisa menggunakan interval kepercayaan dan uji statistik untuk menafsirkan kekuatan hal-hal yang berhubungan dengan OR dengan cara yang sama seperti yang kita lakukan untuk RR.

Attributable risk (AR)

Attributable risk (disebut juga perbedaan risiko) adalah ukuran yang hanya berhubungan dengan populasi yang terpapar penyakit. Ini adalah perbedaan mutlak antara dua angka kejadian dari tabel 2 x 2. AR menjelaskan tentang angka penyakit yang ada dalam populasi yang terpapar penyakit yaitu hal-hal yang berhubungan dengan populasi yang terpapar penyakit. AR memberikan perkiraan angka penyakit yang bisa dicegah jika paparannya dapat dihilangkan dari populasi tersebut.

Tabel menunjukkan tata letak 2x2 dan perhitungan yang diperlukan untuk perkiraan attributable risk

Diseased Not diseased
Terpapar a b
Tidak terpapar c d

IRexp = \left({\frac  {a}{a+b}}\right)IRunexp = \left({\frac  {c}{c+d}}\right)


Attributable Risk = AR = IRexp - IRunexp = \left({\frac  {a}{a+b}}\right)-\left({\frac  {c}{c+d}}\right)

The AR has the same units as the IR and can theoretically vary from -1 to +1; the null value is zero. Remember that the RR has no units and has a null value of 1.0.

Kita bisa menggunakan interval kepercayaan dan uji statistik untuk menafsirkan kekuatan hal-hal yang berhubungan dengan AR dengan cara yang sama seperti yang kita lakukan untuk RR dan OR.

Attributable fraction (AF)

attributable fraction (AF) juga hanya relevan untuk populasi yang terpapar penyakit dan menunjukkan AR sebagai bagian kecil dari angka kejadian dari proporsi yang terpapar penyakit - ukuran ini menunjukkan proporsi penyakit dalam populasi yang terpapar penyakit yang bisa dicegah terpapar penyakit namun tidak terjadi.

{\mathit  {AF}}={\frac  {\left({{\mathit  {IR}}}_{{\exp }}-{{\mathit  {IR}}}_{{{\mathit  {unexp}}}}\right)}{{{\mathit  {IR}}}_{{\exp }}}}={\frac  {\left({\mathit  {RR}}-1\right)}{{\mathit  {RR}}}}

{\mathit  {AF}}{\mathit  {for}}{\mathit  {case}}-{\mathit  {control}}={\frac  {\left(-1\right)}{}}

Kebermaknaan Biologis dan 95% Interval Kepercayaan

Risiko relatif dan odds ratio memberikan perkiraan ukuran hal-hal yang berhubungan dengan kejadian penyakit dan faktor risiko. Keduanya memberikan perkiraan tentang berapa banyak paparan terhadap faktor risiko dapat meningkatkan (mengurangi) angka atau jumlah penyakit dalam suatu populasi.

  • RR atau OR kurang dari 1 (paparan penyakit terlindungi)
  • RR atau OR sama dengan 1 (tidak ada peningkatan risiko atau terlindungi dari faktor risiko)
  • RR atau OR lebih besar dari 1 (paparan = risiko meningkat)

Sebagian besar paket statistik atau kalkulator online yang dapat memperkirakan RR atau OR juga akan memberikan 95% interval kepercayaan untuk perkiraan tersebut dan menggunakan tes penting, seperti tes Chi-square untuk menentukan apakah RR atau OR jauh berbeda dari 1.

Suatu perkiraan yang berhubungan dengan nilai p yang signifikan (p<0.05) dianggap penting tapi kita perlu mempertimbangkan nilai p dan juga 95% interval kepercayaan untuk perkiraan. Uji statistik hanya menyatakan pada kita probabilitas hasil yang diamati yang mungkin terjadi karena secara kebetulan yang tidak memberikan kita informasi apapun tentang faktor risiko biologik penting. Faktor risiko secara statistik dapat memberikan dampak khususnya pada kajian tertentu, tapi bukan biologik penting, dan sebaliknya

Perkiraan numerik untuk RR (atau OR) dan 95% interval kepercayaan sering kali memberikan informasi berguna tentang hal-hal yang berhubungan dengan biologik penting.

Ketika ukuran sampel keseluruhan kecil, semua perkiraan kemungkinan tidak ada gunanya.

Vaksin satwa liar untuk rabies dijatuhkan dari pesawat dan mengandung tetracycline markers jadi rubah yang memakan umpan yang diberikan akan dapat diidentifikasi sebagai hewan yang telah divaksinasi berdasarkanb noda yang ada di giginya. Dari waktu ke waktu rubah-rubah yang telah dibunuh atau ditemukan mati dicantumkan dalam tabel 2x2 berdasarkan apakah mereka positif atau negatif rabies, dan telah divaksinasi atau tidak.

Rabies +
Rabies -
Total
Tidak divaksinasi
18
30
48
Telah divaksinasi
12
46
58
Total
30
76
106

OR= 2.29 95% CI dari 0.39 hingga 13.33

The OR suggests that the association is useful but the confidence interval ranges widely across one. This is probably because of the relatively small sample size.

The same wildlife study is continued for longer until additional samples are obtained and the analysis is repeated.

Rabies +
Rabies -
Total
Tidak divaksinasi
18
30
48
Telah divaksinasi
12
46
58
Total
30
76
106

OR= 2.30 95% CI from 0.97 to 5.45

OR juga sama namun interval kepercayaan sekarang hampir semua positif. Tidak bertambah masih di bawah 1 dan nilai p 0.06 (tidak begitu signifikan). Namun, kenyataanya bahwa OR dalam jumlah besar positif merupakan bukti yang masuk akal untuk hal-hal yang berhubungan dengan faktor risiko (status vaksinasi) dan rabies yang tidak umum.

Analisis statistik lanjutan

Ketika potensi faktor risiko diidentifikasi dan kepentingannya dinilai dengan skrining yang belum disesuaikan dengan tabel 2x2 mungkin perlu dilakukan analisis statistik lebih lanjut.

Attack rates memberikan ukuran kejadian penyakit - seberapa banyak kejadian penyakit? Menghasilkan attack rate untuk memperkirakan tingkat berbeda dari beberapa faktor lain untuk mendapatkan informasi tambahan tentang seberapa banyak kejadian penyakit diakibatkan oleh faktor risiko tertentu.

Risiko relatif dan rasio odds memberikan perkiraan kemudian memberikan ukuran kekuatan hubungan antara penyakit dan kemungkinan faktor risiko. Kita dapat menggunakan uji statistik untuk menentukan apakah hubungan yang diamati cenderung karena kebetulan atau bukan †"kami menggunakan informasi ini untuk mencoba dan menentukan apakah keterkaitan itu penting atau tidak.

Potensi faktor risiko dapat memiliki risiko relatif tinggi tetapi secara statistik tidak signifikan atau sebaliknya, sebagian besar tergantung pada ukuran sampel. Oleh karena itu, penting untuk selalu mempertimbangkan nilai-nilai risiko relatif tinggi (katakanlah >3) agar penyelidikan lebih lanjut layak dilakukan bahkan walau mereka tidak signifikan secara statistik. Hal ini terutama berlaku bila estimasi ini didasarkan pada jumlah kecil hewan secara total (ukuran sampel kecil).

Ketika ada beberapa faktor kemungkinan yang dapat mempengaruhi risiko penyakit pendekatan pertama adalah untuk melakukan perkiraan sederhana AR untuk setiap faktor satu per satu. Ini disebut asosiasi disesuaikan atau secara kasar atau penyaringan. Analisis lebih lanjut mungkin melibatkan pertimbangan beberapa faktor (analisis multivariabel) untuk menyesuaikan interaksi atau menggambungkan faktor-faktor yang berbeda. Metode ini berada di luar lingkup catatan ini dan memerlukan keahlian statistik dan software yang lebih khusus.

Mengembangkan hipotesis dan tindakan pengendalian

Ketika Anda sedang menyelidiki wabah penyakit terutama dalam situasi darurat adalah penting untuk mulai mengembangkan hipotesis tentang sifat penyakit secepat mungkin dan menggunakan informasi ini untuk mengidentifikasi kemungkinan penyebab dan rekomendasi sementara yang dapat membantu untuk mengontrol penyakit dan mencegah kasus lebih lanjut.

Menghasilkan hipotesis tentang penyakit berarti menggunakan deskripsi pola penyakit dan tingkat serangan serta analisis awal lainnya untuk menginformasikan baik daftar diagnosis atau jika hal ini tidak memungkinkan maka dugaan tentang proses suatu penyakit yang mungkin terjadi (menular atau tidak menular, sumber atau titik penyebaran wabah).

Contoh hipotesis yang relevan untuk penyelidikan penyakit antara lain:

  • Sifat agen penyebab (misalnya toksin, infeksi, virus, bakteri, dll)
  • Sumber agen (misalnya lingkungan, lonjakan spesies, hewan yang baru didatangkan, infeksi endemik, dll)
  • Cara penularan (misalnya kontak langsung, penyakit yang disebabkan oleh makanan, penyakit yang disebabkan oleh vektor, dll)
  • Mengapa insiden itu terjadi (misalnya perubahan tingkat kekebalan kelompok, pengenalan penyakit baru, perubahan dalam praktek manajemen, dll)
  • Faktor risiko penyakit (misalnya paparan komponen pakan tertentu, atau potensi sumber infeksi)

Hipotesis penyakit kemudian digunakan untuk menginformasikan rekomendasi sementara untuk tindakan pengendalian. Tindakan pengendalian mengacu pada intervensi yang bertujuan untuk mengurangi terjadinya penyakit atau memberantas penyakit. Pengobatan hewan yang sakit adalah salah satu bentuk tindakan pengendalian dan intervensi untuk mencegah penyebaran atau memberantas penyakit dari suatu daerah dan ini merupakan semua jenis tindakan pengendalian.

Hipotesis penyakit harus didasarkan pada fakta-fakta yang dikumpulkan selama investigasi awal. Dimungkinkan untuk membuat diagram sebab akibat penyakit untuk menunjukkan bagaimana berbagai faktor tersebut berinteraksi dan menyebabkan penyakit. Proses ini membantu untuk memahami proses penyakit dan pemahaman yang lebih baik tentang hubungan antara potensi faktor-faktor risiko. Pertimbangan hubungan ini sering kali dapat membantu mengidentifikasi titik-titik di mana intervensi dapat digunakan untuk mengendalikan dan/atau mencegah terjadinya penyakit.

Dalam banyak situasi, hipotesis awal kemudian dapat diuji dengan menggunakan penyelidikan lebih lanjut yang dilakukan ketika wabah tersebut masih dalam penyelidikan dan ketika tindakan pengendalian sementara sedang dilaksanakan.

Misalnya, jika anda menduga ada lebih dari satu agen penyakit khusus anda mungkin dapat mengumpulkan sampel dan mengirimkannya untuk pengujian apakah anda akan memasukkan atau akan mengesampingkan penyakit tertentu. Jika hasil mengonfirmasikan hipotesis awal anda maka manajemen anda terhadap situasi tersebut dapat diklarifikasikan. Jika hasil mengesampingkan hipotesis awal maka penyelidikan epidemiologi lebih lanjut akan diperlukan.

Beberapa langkah mungkin diimplementasikan berdasarkan pencegahan umum tanpa pengetahuan tentang kemungkinan penyakit apa yang dihadapi. Misalnya, isolasi dan karantina pada properti yang terkena dampak dan hewan yang terkena dampak di dalam properti, pengobatan simtomatik terhadap hewan yang terkena dampak dan sebagainya. Dalam banyak situasi hasil investigasi awal digunakan untuk menginformasikan langkah-langkah pengendalian sementara. Seiring dengan pengumpulan informasi lebih lanjut langkah-langkah pengendalian awal kemudian dapat dimodifikasikan.

Langkah-langkah yang sebenarnya diterapkan akan tergantung pada keadaan individu, tetapi dapat mencakup hal-hal berikut:

  • Pengobatan khusus;
  • Vaksinasi;
  • Perubahan nutrisi, bahan pakan dan/atau faktor manajemen;
  • Pemisahan atau karantina;
  • Surveilans populasi yang terjangkit penyakit dan populasi lain yang rentan sebagai bukti lebih lanjut tentang penyebaran dan kasus-kasus baru;
  • Perubahan lingkungan dan/atau perumahan;
  • Pemusnahan dan pembuangan bahan-bahan yang terkontaminasi atau terinfeksi secara aman;
  • Disinfeksi dan dekontaminasi; dan
  • Jual beli atau pemotongan hewan.

Ketika hipotesis telah dirumuskan, penting untuk meninjau ulang dan mengevaluasi hipotesis-hipotesis tersebut. Khususnya hal-hal sebagai berikut:

  • Apakah hipotesis ini menjelaskan tentang observasi?
  • Apakah hipotesis ini masuk akal?
  • Apakah ada fakta yang bertentangan dengan hipotesis dan bagaimana hal ini dapat dijelaskan?
  • Apakah ada aspek-aspek situasi yang tak dapat dijelaskan yang memerlukan penyelidikan dan evaluasi lebih lanjut?
  • Data tambahan apa yang kita perlukan untuk menguji hipotesis tersebut, atau apakah sudah ada data yang memadai?

Pada beberapa kasus, tidak mungkin untuk menghentikan wabah ketika wabah ini sudah merebak, namun penyelidikan lebih dari satu wabah secara terperinci akan memberikan informasi yang berharga tentang kemungkinan "komponen" penyebab dan dukungan pengembangan strategi untuk mencegah terjadinya wabah di masa mendatang.

For Menangle virus, based on the observations during the outbreak, it was hypothesised that:

  • Wabah adalah epidemi yang menyebarkan virus yang sebelumnya tak dikenal yang menyebabkan infertilitas, lahir mati, janin mumi dan cacat bawaan
  • Kemungkinan sumber infeksi adalah dari koloni kelelawar, baik pada saat kelelawar terbang atau pada saat masuk ke gudang atau tempat berteduh
  • Penyebaran dalam peternakan babi terjadi melalui kontak secara dekat dan melalui perantaraan selama infeksi akut dan pada kotoran babi

Kesimpulan jelasnya adalah bahwa cara termudah untuk mencegah wabah di masa yang akan datang adalah dengan mencegah kontak antara babi dan kelelawar buah dengan cara menutup dan melakukan skrining pada semua gudang dan tempat berteduh.

Serum dan kotoran dikumpulkan dari kelelawar buah dari koloni terdekat, untuk menguji hipotesis bahwa kelelawar adalah sumber virus ini. Empat puluh dari 80 (50%) sampel serum adalah positif tetapi virus tidak dapat diisolasikan dari feses 55 kelelawar.

Berdasarkan temuan dari berbagai penyelidikan tersebut dianggap tidak memungkinkan untuk mencegah penyebaran berkelanjutan pasa saat wabah terjadi. Sebaliknya, diputuskan untuk melakukan program pemberantasan secara bertahap setelah epidemi utama diberantas, termasuk:

  • Pemberantasan Progresif dari empat Unit produksi
  • Segregasi, depopulasi dan repopulation Unit bertahap
  • Tempat berteduh dan tempat berjalan yang "kedap rubah terbang" untuk mencegah re-introduksi
  • Pengujian Serologis untuk memantau kemajuan

Successful eradication was achieved and subsequently demonstrated by on-going monitoring of the population.

Peran pelacakan dalam penyelidikan penyakit

Menelusuri lalu lintas ternak adalah alat penting terutama untuk mendeteksi kawanan atau kelompok ternak yang terinfeksi dan terutama kepentingan dalam pemberantasan penyakit. Penelusuran biasanya melibatkan identifikasi peternakan yang berpotensi terinfeksi melalui penelusuran lalu lintas hewan yang terinfeksi atau terpapar penyakit.

Jika tidak ada kebijakan yang jelas untuk mengendalikan atau memberantas penyakit maka mungkin hanya sedikit pembenaran untuk melakukan pelacakan.

Further testing is usually undertaken on any other farms identified by tracing and considered to be at risk of having infected animals to establish their true infection status. If a farm's infection status cannot be determined immediately, quarantine measures may be imposed until the situation is resolved.

Studi epidemiologi lapangan lebih lanjut

Penyelidikan penyakit awal bertujuan untuk menggambarkan kasus penyakit, mengidentifikasi kemungkinan penyebab dan menerapkan langkah-langkah pengendalian. Dalam beberapa kasus, dimungkinkan untuk mendiagnosa penyakit tertentu dan menerapkan perlakuan dan langkah-langkah pengendalian efektif. Dalam situasi ini mungkin perlu dilakukan penyelidikan lebih lanjut.

Dalam banyak situasi akan ada kebutuhan untuk melakukan investigasi lapangan lebih lanjut untuk memberikan informasi tambahan mengenai satu atau beberapa hal berikut:

  • Mengumpulkan informasi lebih lanjut tentang kemungkinan penyebab penyakit termasuk identifikasi agen penular (jika ada) dan mengidentifikasi penyebab lainnya.
  • Menggunakan penelusuran untuk mengidentifikasi asal-usul penyakit dan risiko penyebaran ke peternakan atau lokasi lain.
  • Memantau efek tindakan pengendalian untuk mengukur efektivitas tindakan pengendalian dan menerapkan langkah-langkah baru jika diperlukan, memastikan bahwa tidak ada kasus baru yang terjadi dan bahwa hewan yang terkena penyakit telah pulih.
  • Menggunakan studi eksperimental atau lapangan untuk menguji hipotesis yang timbul dari penyelidikan awal tentang kemungkinan penyebab dan tindakan pengendalian.

Menangle virus was first identified in 1997, following an investigation of a serious outbreak of mummified and stillborn foetuses in a commercial piggery at Menangle, New South Wales, Australia. A high proportion of litters born to sows that were pregnant at the time of exposure to the virus were affected, although clinical disease was not noticed at the time of infection. After an extensive investigation the infection was traced to a nearby colony of fruit bats (flying foxes), with a high proportion of bats sampled found to be seropositive for Menangle virus antibodies.

During the Menangle virus investigations, a wide range of additional investigations were undertaken, including:

  • Detailed pathological, serological, microbiological and virological examination of affected and unaffected pigs to determine the likely cause and to rule out known infections and other diseases.
  • Cross-sectional serological survey of all units/sheds to determine the extent and progress of infection.
  • Surveys of pigs and piggeries in contact to determine whether infection had spread beyond the Menangle piggery.
  • Sampling of unexposed piggeries to demonstrate freedom of the rest of the industry.
  • Testing of archived sera (from this and other piggeries nation-wide) to demonstrate that it was a new infection not previously present in the Australian pig population.
  • Interview and testing of piggery workers and others potentially exposed to evaluate public health risks.
  • Serology on other species as potential sources.
  • Serology and virus isolation on fruit bats to support the hypothesis that they were the likely source.

Jenis studi epidemiologi

Studi epidemiologi secara luas dapat dikelompokkan dalam studi observasional, studi intervensi dan epidemiologi teoritis.

Ciri-ciri jenis penelitian yang berbeda dijelaskan secara singkat di bawah ini dan keuntungan dan kerugian dari masing-masing jenis telah dirangkum. Untuk informasi lebih lanjut tentang desain studi epidemiologi, pembaca harus berkonsultasi dengan teks epidemiologi standar ([#_ENREF_17 Martin et al., 1987], [#_ ENREF_23 Thrusfield, 1995]; [#_ ENREF_20 Rothman et al, 2008.]; [# _ENREF_6 Dohoo et al., 2010]).

Dalam investigasi penyakit, hampir semua studi lapangan adalah studi observasional.

Gambar menunjukkan klasifikasi jenis studi epidemiologi

Classification of epidemiologic study types.svg

Studi observasional

Dalam studi observasional diperbolehkan untuk mengambil kursus, dan penelitian ini bertujuan untuk mengumpulkan data dengan mengamati apa yang terjadi tanpa campur tangan dari penyidik. Pada dasarnya ada empat jenis studi observasional: studi deskriptif, studi lintas seksional, studi kendali kasus dan studi kohort. Studi lintas seksional, kendali kasus dan kohort juga dapat disebut studi analitik karena mereka biasanya melibatkan beberapa bentuk pengujian statistik berbagai hipotesis.

Studi deskriptif

Sebuah studi deskriptif dapat mengumpulkan data untuk menggambarkan distribusi dan terjadinya penyakit pada populasi tetapi tidak melibatkan pengujian hipotesis statistik dari kemungkinan faktor risiko. Bagian pertama dari penyelidikan (menggambarkan penyakit dalam hal waktu, tempat dan hewan) sebagian besar deskriptif tetapi dapat menyebabkan hipotesis yang dapat diuji dan data dapat digunakan dalam beberapa macam pengujian statistik selanjutnya.

Studi lintas seksional

Studi lintas seksional melibatkan pemilihan hewan pada suatu titik waktu (atau selama periode tertentu) dan kemudian prevalensi penyakit tersebut diukur dan data yang dikumpulkan pada faktor-faktor lain untuk memungkinkan perbandingan antara ada atau tidak adanya penyakit dan ada tidaknya berbagai kemungkinan faktor risiko. Studi lintas seksional dapat dilakukan dengan cepat dan efektifitas biaya namun kurang efektif untuk menguji hipotesis tentang penyebab penyakit.

Studi lintas seksional Cross sectional studies.svg

Sebagai contoh, anda mungkin melakukan studi lintas seksional secara acak dari desa-desa di suatu negara yang terpapar virus penyakit mulut dan kaki (PMK). Hal ini akan memungkinkan anda untuk memperkirakan prevalensi dan mengidentifikasi kemungkinan faktor-faktor risiko paparan penyakit untuk mendukung baik untuk studi tindak lanjut dan/atau perencanaan untuk penanganan PMK di masa yang akan datang.

Studi kendali kasus

Kelompok "kasus" dipilih dari hewan dengan yang terkena penyakit dan kelompok "kendali" dipilih dari hewan tanpa penyakit. Ada atau tidak adanya kemungkinan faktor risiko kemudian diukur untuk kedua kelompok dan dibandingkan. Studi kendali kasus sangat cocok untuk penyakit langka dan yang diduga banyak faktor risiko dapat dibandingkan pada waktu yang sama. Studi kendali kasus ini relatif cepat dan murah untuk dilakukan tetapi rentan terhadap berbagai bias dan tidak memungkinkan estimasi frekuensi penyakit (prevalensi atau kejadian).

Studi kendali kasus sangat umum dilakukan dalam penyelidikan penyakit dan khususnya pada tahap awal karena studi ini dapat dilaksanakan segera setelah definisi kasus selesai dilakukan dan hewan dipilah apakah kasus atau bukan-kasus. Ini berarti bahwa studi kendali kasus dapat segera dimulai sementara tahap awal penyelidikan penyakit masih berlangsung.

Studi kendali kasus Case control studies.svg

Sebagai contoh, anda mungkin melakukan studi kendali kasus untuk penyakit mulut dan kaki yang terjadi di desa ternak. Desa kasus akan dipilih dari desa-desa yang terkena dampak desa-desa yang telah diketahui terkena dampak penyakit sementara untuk desa kendali akan dipilih dari desa yang tidak terkena dampak penyakit dalam satu wilayah yang sama. Hal ini akan memungkinkan anda untuk mengidentifikasi faktor risiko di tingkat desa yang terkena infeksi, untuk mendukung perencanaan untuk pencegahan dan pengelolaan wabah di masa depan.

Studi kohort

Kata kohort hanya berarti setiap kelompok hewan yang diikuti selama periode waktu.

Dalam studi kohort hewan yang bebas dari penyakit dipilih berdasarkan ada atau tidak adanya satu atau lebih faktor risiko yang didefinisikan (kehadiran faktor risiko = kelompok terpapar dan tidak adanya faktor risiko = kelompok tidak terpapar). Hewan yang dipilih kemudian dipantau dari waktu ke waktu untuk mengukur terjadinya penyakit pada masing-masing kelompok. Dalam beberapa kasus di mana catatan retrospektif terperinci tersedia dimungkinkan untuk menggunakan data retrospektif untuk melakukan studi kohort tapi pendekatan tersebut masih sama.

Studi kohort dapat memberikan tingkat kejadian penyakit dalam kelompok terpapar dan tidak terpapar penyakit dan memberikan bukti kuat penyebab penyakit baik dengan studi litas seksional atau kendali kasus. Studi ini juga lebih mahal dan memakan waktu lebih lama untuk merencanakan dan menyelesaikannya.

Studi kohort Cohort studies.svg

Contoh yang paling terkenal dari studi kohort adalah banyak studi menyelidiki hasil kesehatan yang berhubungan dengan merokok. Perbandingan hasil kesehatan antara perokok dan bukan perokok memungkinkan para peneliti untuk mengukur peningkatan risiko kanker paru-paru, penyakit kardiovaskuler dan masalah kesehatan lain yang terkait dengan peningkatan tingkat merokok.

Studi intervensi

Studi intervensi lapangan adalah jenis uji klinis atau uji eksperimental atau sebuah kajian.

Perbedaan utama dari studi observasional adalah hewan secara acak ditempatkan pada dua atau lebih pengobatan atau intervensi kelompok dan kemudian dampak dari intervensi yang berbeda dibandingkan. Studi intervensi dapat digunakan untuk menguji keefektifan berbagai pengobatan pengendalian penyakit (vaksinasi dibandingkan dengan tanpa vaksinasi, berbagai strategi manajemen atau pengobatan yang berbeda).

Studi intervensi

Sebagai contoh, kekurangan mineral sering dapat mengakibatkan pertumbuhan yang buruk dan bahkan kematian domba atau sapi muda. Sering kali anda mungkin menduga adanya kekurangan mineral tertentu tetapi anda tidak dapat menunjukkan ini secara meyakinkan. Salah satu cara untuk mencapai ini adalah dengan menjalankan uji coba lapangan, membandingkan tingkat pertumbuhan kelompok yang diobati dan yang tidak diobati yang serupa dalam semua hal lainnya.

Studi teoritis

Studi epidemiologi teoritis didasarkan pada model matematika menggunakan komputer dan dirancang untuk menggunakan simulasi untuk menjawab jenis pertanyaan "apa-jika". Ada berbagai metode pemodelan yang digunakan, tetapi tujuan utama adalah untuk mereproduksi simulasi realistis perilaku penyakit dalam suatu populasi. Manfaat utama dari model adalah bahwa:

  • Proses pengembangan dan penafsiran model sering mengarahkan pada wawasan berharga epidemiologi penyakit dan perilaku yang mungkin tidak terlihat jelas; dan
  • Model-model tersebut menyediakan lingkungan yang terstruktur dan terkendali di mana hipotesis intervensi dapat diuji dan dievaluasi dengan biaya yang jauh lebih rendah daripada melakukan percobaan lapangan atau pengamatan untuk mencapai hasil yang sama (atau intervensi yang mungkin tidak praktis untuk menerapkan eksperimen).

Model-model ini sangat berguna dalam menguji perilaku dan dampak dari penyakit menular serta kemungkinan efek berbagai intervensi. Hasil dari studi tersebut perlu dikonfirmasi sebisa mungkin dengan studi observasional tindak lanjut atau studi intervensi.

Pemodelan teoritis umumnya melibatkan keterampilan matematika dan statistik serta perangkat lunak yang lebih maju.

Studi teoritis Theoretical studies.svg

Sebagai contoh, model simulasi penyebaran PMK telah digunakan untuk membantu memahami perilaku wabah 2001 di Inggris dan untuk memprediksi dampak potensial dari strategi pengendalian alternatif ([#19 Morris et al., 2001])

Karakteristik, kekuatan dan kelemahan jenis studi utama (diadaptasi dari Thrusfield, 1995)

Study type Characteristics Advantages Disadvantages
Descriptive * Observational * Describe patterns of disease in the population * Relatively quick and easy * Can generate hypotheses on possible risk factors for further investigation * Doesn't require random sampling or high degree of rigour * Doesn't support hypothesis testing or inference for possible risk factors * Can't estimate prevalence or incidence or exposure proportions * Subject to inherent biases and errors because of the nature of the data
Cross-sectional * Observational * Observation at point in time * Outcome/exposure not considered in selection * Disease prevalence in exposed and unexposed populations can be estimated * Exposure proportions can be estimated * Relatively quick and cost-effective * Can study multiple factors at once * Unsuited to investigating rare diseases * Less useful for acute diseases * May be difficult to control potential confounders * Incidence cannot be estimated * May be difficult to determine causality * May be problems with reliability of data/recall for historical data
Case-control * Observational * Retrospective longitudinal * Selection based on outcome status * Good for rare diseases * Relatively rapid and cost-effective * Relatively small sample sizes * Often use existing data * Can study multiple factors at once * May be difficult to establish causality * Can't estimate prevalence or incidence or exposure proportions * Rely on access to historical data or recall * Difficult to validate data * May be affected by variables for which data is not collected * Selection of controls often difficult
Cohort * Observational * Prospective longitudinal * Selection based on exposure status * Can calculate incidence in exposed and unexposed individuals * Can provide strong evidence for causality * Exposed/unexposed proportions cannot be estimated * Large sample sizes, particularly for rare diseases * Can only investigate small number of potential risk factors at any one time * Long duration of follow-up * Relatively expensive and time-consuming * Loss of individuals to follow-up * May be difficult to control potential confounders
Field/clinical trials * Intervention * Longitudinal * Randomised selection * Relatively quick * Good for helping establish causation * Usually strong internal validity * Relatively small sample size and usually short duration * Can't estimate incidence/prevalence * May be problems with external validity, particularly to diverse target population * Can be expensive depending on the intervention and situation * Requires significant cooperation and rigorous management

Pilihan studi lapangan

Bidang epidemiologi untuk penyelidikan penyakit hampir selalu melibatkan studi observasional dan hanya sesekali studi intervensi.

Studi kendali kasus dan lintas seksional sangat cocok untuk tahap awal penyelidikan penyakit karena penyelidikan harus dilanjutkan melalui definisi kasus dan kemudian tugas hewan baik untuk kasus maupun bukan-kasus diikuti dengan pengumpulan data untuk menggambarkan pola penyakit waktu, tempat dan hewan.

Studi kendali kasus tidak memiliki populasi berisiko. Studi ini didasarkan pada pemilihan kasus dan pemilihan terpisah yang bukan kasus (kendali). Akibatnya studi kendali kasus tidak dapat digunakan untuk menghasilkan langkah-langkah prevalensi atau kejadian. Karena itu, mereka tidak dapat digunakan untuk menghasilkan tindakan risiko relatif. Data dari studi kendali kasus dapat menghasilkan odds ratio dan data ini merupakan ukuran utama kekuatan asosiasi studi kendali kasus. Studi kendali kasus sangat berguna untuk mempelajari penyakit langka karena kasus dapat dideteksi dan kemudian terdaftar dalam penelitian ini bersama dengan satu atau lebih dari satu kendali.

Studi Cohort umumnya mungkin digunakan pada tahap akhir penyelidikan penyakit atau dalam studi tindak lanjut untuk menguji hipotesis tentang faktor penyebab. Studi kohort dimulai dengan populasi yang tidak memiliki penyakit (populasi berisiko) dan mendeteksi kasus baru penyakit. Studi ini dapat mengukur tingkat kejadian dan digunakan untuk menghasilkan risiko relatif sebagai ukuran hubungan antara penyakit dan faktor risiko. Studi kohort juga akan lebih berguna ketika ada minat dalam menilai eksposur spesifik dan eksposur langka karena hal ini dapat didefinisikan dan digunakan untuk memilih kelompok pada awal penelitian.

Mendefinisikan kelompok berdasarkan hasil dan paparan

Tujuan umum dari bidang studi observasional biasanya untuk mengumpulkan data pada sejumlah hewan dengan fokus khusus pada status penyakit (adanya penyakit = kasus, tidak adanya penyakit = bukan kasus), dan ada atau tidak adanya satu atau lebih faktor risiko. Kita kemudian dapat membandingkan kelompok yang sakit dengan kelompok yang tidak sakit untuk mencari perbedaan faktor risiko.

Istilah hasil mengacu pada apakah hewan dicatat sebagai kasus atau tidak (penyakit ada) atau bukan kasus (penyakit tidak ada). Informasi yang disediakan dalam Manual Dasar Epidemiologi Lapangan tentang perkembangan definisi kasus dan penggunaan definisi dalam hubungannya dengan pemeriksaan klinis dan mungkin uji laboratorium atau informasi lainnya dari hewan untuk menetapkan kasus yang dikonfirmasi, dugaan kasus dan kategori bukan kasus.

Ketika merancang dan menganalisa studi lapangan banyak orang menggunakan istilah paparan. Paparan mengacu pada ada atau tidak adanya beberapa faktor risiko atau tingkat atau kategori faktor risiko untuk setiap hewan. Contoh kemungkinan faktor risiko yang dapat diukur meliputi spesies, berkembang biak, jenis kelamin, berat badan, usia, status vaksinasi, pengobatan baru atau prosedur manajemen lainnya, tempat asal, lokasi hewan, iklim baru-baru ini (curah hujan, suhu, kelembaban), pakan, lalu lintas terakhir, status kehamilan, dll.

Beberapa faktor risiko tidak berubah dari waktu ke waktu (berkembang biak, spesies dan sering berhubungan seks) dan dapat digambarkan sebagai faktor tetap (tidak berubah). Faktor-faktor lain seperti risiko (umur, berat badan, pakan, lokasi, pengobatan terakhir) dapat berubah dari waktu ke waktu dan dapat diukur pada waktu yang ditetapkan atau digunakan untuk mengembangkan kategori (usia kurang dari 1 tahun atau lebih dari 1 tahun) atau rata-rata.

Beberapa faktor risiko yang diukur sebagai kategori (jenis kelamin = seluruhnya jantan, jantan yang dikebiri, betina), atau nilai (nilai kondisi tubuh: 1 = buruk, 2 = mundur (kurus), 3 = sedang (tidak banyak lemak), 4 = maju, 5 = gemuk), atau sebagai pengukuran pada skala berlanjut (berat badan diukur pada skala kg).

Pemilihan hewan

Dalam studi kendali kasus, kasus-kasus tersebut harus memiliki penyakit yang sedang diselidiki, yang berarti bahwa kasus-kasus ini harus memenuhi definisi kasus. Definisi kasus juga harus independen dari faktor risiko yang sedang diteliti. Ini merupakan cara terbaik untuk menggunakan definisi kasus yang telah dikonfirmasikan dan untuk mencoba dan membatasi kasus yang dipilih untuk hewan-hewan yang mungkin termasuk kasus terkini yang bertentangan dengan hewan yang mungkin telah terinfeksi beberapa waktu lalu (kasus kronis). Jika beberapa kasus kematian yang diakibatkan penyakit tersebut maka mempelajari kasus-kasus kronis mungkin lebih memberikan informasi tentang faktor-faktor yang mempengaruhi kelangsungan hidup dibandingkan faktor-faktor yang menentukan risiko terjadinya penyakit.

Kelompok sebanding yang bukan kasus (kendali) kemudian harus dipilih untuk perbandingan. Pemilihan pengendali untuk studi kendali kasus adalah subjek yang kompleks dan catatan ini menyediakan cakupan singkat untuk poin-poin sederhana.

Kendali tidak harus memiliki penyakit (memenuhi definisi untuk yang bukan kasus) dan harus diidentifikasi terlepas dari kemungkinan faktor risiko. Kendali umumnya harus mewakili populasi dari mana kasus muncul. Ini berarti jika kasus berasal dari hewan yang berasal dari satu atau lebih dari satu klinik hewan maka kendali nya harus dipilih dari hewan-hewan yang berasal dari klinik yang sama. Hal yang sama berlaku untuk peternakan.

Kendali harus memenuhi syarat untuk mendapatkan penyakit dan untuk dipilih sebagai kasus jika hewan-hewan ini telah mengembangkan penyakit ini. Ini berarti bahwa jika penyakit tersebut menyebabkan aborsi pada sapi bunting, maka sapi jantan tidak akan terpilih sebagai kendali. Setiap hewan yang mungkin memiliki penyakit ini sebelumnya dan telah sembuh dan dianggap kebal tidak akan dipertimbangkan untuk dipilih sebagai kendali karena hewan-hewan ini tidak dapat diharapkan untuk mendapatkan penyakit ini lagi.

Penyelidikan yang melibatkan area yang relatif kecil (satu peternakan atau satu desa) dimungkinkan untuk dinilai semuanya (atau hampir semua) hewan di lokasi itu dan menetapkan hewan-hewan tersebut sebagai kasus atau bukan kasus. Kedua kelompok ini kemudian dapat menjadi dasar penelitian. Jika Anda mampu mengumpulkan data pada semua hewan di lokasi tersebut dan jika Anda yakin dapat menentukan penyebab timbulnya penyakit ini maka kondisi ini akan membentuk studi kohort dan bukan studi kendali kasus dan Anda akan dapat memperkirakan insiden atau prevalensi tindakan dan menggunakan risiko relatif sebagai ukuran statistik hubungan antara penyakit dan faktor risiko.

Penyelidikan yang melibatkan beberapa peternakan atau area yang lebih luas atau sejumlah hewan dan tidak mungkin untuk menilai dan memasukkan setiap hewan dalam studi, maka diperlukan untuk memilih subset atau sampel kasus dan kendalinya. Jika Anda memiliki daftar hewan bukan asus, maka sampel acak dapat digunakan untuk memilih kelompok kendali. Seperti biasa Anda tidak akan memiliki daftar semua hewan untuk dipilih. Dalam hal ini mungkin yang paling praktis untuk dipilih satu atau lebih dari satu kendali untuk setiap kasus dari hewan-hewan yang dekat dengan kasus (paddock atau kandang yang sama) dan yang memenuhi definisi untuk bukan kasus. Dalam populasi terbuka (di mana hewan yang masuk dan meninggalkan populasi setempat), kelompok kendali harus dipilih dari hewan-hewan dengan waktu paparan yang mirip dengan kasus.

Kebanyakan studi kendali kasus memilih satu kendali untuk setiap kasus. Mungkin ada beberapa nilai dalam memilih 2-3 kendali untuk setiap kasus karena ukuran sampel bertambah tetapi ada kemungkinan akan sedikit nilai dalam memilih lebih dari 3-4 kendali per kasus.

Kadang-kadang kendali dipilih dalam proses yang melibatkan pencocokan pada atribut yang telah ditentukan dengan masing-masing kasus. Misalnya, sapi berusia 2 tahun yang terkena diare (kasus) dapat dicocokkan dengan sapi tua berusia 2 tahun tanpa diare (kendalinya cocok). Pencocokan ini biasanya digunakan untuk mengendalikan beberapa bentuk pengganggu antara faktor yang digunakan untuk pencocokan (usia) dan hubungan antara beberapa kemungkinan faktor penyebab lainnya dan yang terkena penyakit. Ketika faktor tersebut cocok maka faktor ini tidak dapat menganalisis hubungan dengan penyakit. Pencocokan adalah topik yang kompleks dan sebaiknya tidak dilakukan tanpa saran dari ahli epidemiologi veteriner.

Ada berbagai masalah yang berhubungan dengan pemilihan hewan untuk studi kohort. Hewan yang memenuhi syarat untuk dimasukkan dalam studi kohort harus bebas dari penyakit pada awal penelitian dan harus berisiko terkena penyakit ini. Jika hewan ini sebelumnya mungkin terkena penyakit ini dan telah sembuh dan sekarang kebal maka hewan-hewan ini tidak lagi beresiko terkena penyakit dan harus dikeluarkan dari seleksi. Penyakit lainnya dapat terjadi lagi setelah beberapa waktu berlalu untuk pemulihannya. Dalam situasi ini dimungkinkan untuk menyatakan bahwa hewan tersebut layak untuk dimasukkan dalam penelitian mengingat hewan-hewan ini tidak punya penyakit dalam jangka waktu yang ditentukan sebelum dimulainya penelitian.

Studi kohort bisa tertutup atau terbuka. Studi kohort yang tertutup lebih sederhana dan melibatkan hewan pilihan yang telah ditentukan di awal dan kemudian hanya hewan-hewan tersebut yang diikuti dari waktu ke waktu (tidak ada hewan baru ditambahkan) dan setiap usaha dilakukan untuk mengikuti semua hewan terdaftar sampai ke akhir periode tindak lanjut. Studi yang terbuka memungkinkan hewan untuk masuk atau keluar populasi penelitian setiap saat sehingga setiap satu hewan bisa diikuti untuk jangka waktu yang berbeda.

Bias, pengganggu dan interaksi

Studi observasional bergantung pada bias. Bias terjadi dalam studi epidemiologi ketika pengamatan tidak mencerminkan situasi yang sebenarnya karena beberapa kesalahan sistematik. Pengetahuan tentang jenis bias dan strategi untuk meminimalkan risiko bias sangat penting dalam merancang dan melaksanakan studi epidemiologi.

Bias adalah efek pada setiap tahap penyelidikan cenderung menghasilkan hasil yang secara sistematis berasal dari nilai-nilai yang benar yaitu kesalahan sistematik (kurangnya validitas) dibandingkan kesalahan acak (kurangnya presisi).

Meskipun ada berbagai jenis bias, bias secara luas dapat diklasifikasikan ke dalam tiga kategori umum: pemilihan, pengukuran danpembaur. Perbedaan antara kategori ini tidak selalu jelas dan strategi untuk mencegah bias tidak selalu eksklusif untuk satu jenis. Mereka dapat dilihat sebagai kelompok yang terhubung isu yang mampu mengganggu inferensi.

Bias pemilihan

Bias pemilihan adalah kesalahan sistematis dalam penarikan sampel unit penelitian dari populasi asalnya, atau dalam hal unit studi ditempatkan untuk intervensi

Potensi bias pemilihan tinggi dalam banyak studi observasional. Misalnya, jika dalam sampel lintas seksional udang dari tambak, yang mudah adalah menangkap udang di perairan dangkal dekat tepi tambak, sampel yang ditangkap mungkin tidak dapat mewakili semua udang di tambak dan akan ada bias pemilihan.

Jika, dalam sebuah studi intervensi, penyidik tidak bisa menjelaskan aturan keputusan resmi bahwa ia memilih subyek atau menetapkan pengobatan, maka ada risiko pemilihan bias. Jenis-jenis pemilihan bias dalam survei termasuk perbedaan antara subyek secara sukarela vs yang dipilih secara acak, dan yang merespon vs tidak merespons. Sumber penting lain dari pemilihan bias muncul dari perbedaan dalam akses terhadap kegiatan penyuluhan dan bimbingan teknis. Sebagai contoh, tambak udang yang memiliki masukan biasa dari spesialis yang terlatih sangat tidak mungkin untuk mewakili semua tambak udang.

Ada banyak strategi untuk melindungi terhadap bias pemilihan. Juga termasuk memiliki kriteria yang jelas subyek yang memenuhi syarat untuk dimasukkan dalam penelitian (lihat seleksi sebelumnya). Bias pemilihan acak menggunakan kesempatan untuk memberikan perlindungan terhadap bias pemilihan.

Bias pengukuran

Bias pengukuran adalah kesalahan sistematis dalam hal cara data dikumpulkan atau diukur.

Bias pengukuran sering disebut kesalahan klasifikasi bias. Hewan dapat salah diklasifikasikan sehubungan dengan penyakit (kasus tercatat sebagai kendali atau sebaliknya) atau sehubungan dengan faktor risiko.

Kesalahan klasifikasi mungkin bersifat diferensial (ketika satu kelompok lebih atau kurang mungkin terjadi kesalahan klasifikasi dari yang lain) atau yang bukan diferensial.

Sebagai contoh, jika Anda mencari bukti paparan sebelumnya dengan bahan kimia yang diduga sebagai faktor penyebab penyakit pada ikan, peternakan yang terjangkit atau tidak terjangkit penyakit dapat diselidiki terkait dengan penggunaan bahan kimia. Dalam kasus seperti itu, semua peternakan harus dipertanyakan dengan alasan yang sama, dan dengan mengikuti pertanyaan yang tidak mengarah untuk menghindari memicu "recall bias" sebanyak mungkin.

Ketika menyelidiki hubungan sebab akibat upaya yang sama harus diperluas dalam mencari catatan lama untuk kelompok yang sakit dan yang tidak sakit. Jika Anda melakukan penelitian pada peternakan atau kolam yang terkena dan tidak terkena dugaan faktor penyebab penyakit Anda harus lebih mewaspadai pemeriksaan terhadap kelompok yang terkena penyakit atau dengan menggunakan metode yang lebih sensitif untuk deteksi penyakit pada kelompok yang terpapar penyakit. Hal ini untuk menghindari "bias pemeriksaan diagnostik".

Ada banyak fitur desain penelitian yang membantu melindungi terhadap bias pengukuran. Beberapa diantaranya termasuk:

  • Mengaburkan pengukur/pengumpul data.
  • Mendapatkan alat ukur atau tes yang lebih baik .
  • Membakukan protokol pengumpulan data.
  • Menggunakan prospektif daripada data retrospektif.
  • Menggunakan obyektif daripada kriteria pengukuran subjektif.

Pembaur

Pembaur terjadi ketika dua faktor risiko saling terkait dan secara tidak benar menyimpulkan bahwa salah satu faktor sebab akibat terkait dengan penyakit tersebut. Sebagai contoh, mungkin diamati bahwa udang di tambak dengan air keruh tidak tumbuh dengan baik dibandingkan udang di air jernih. Kita mungkin menyimpulkan bahwa penetrasi cahaya air penting bagi pertumbuhan normal. Namun, mungkin bahwa kekeruhan ini disebabkan adanya spesies alga tertentu di dalam air yang menghambat pertumbuhan udang melalui produksi toksin. Dalam contoh teori ini, pembaur berarti bahwa kita telah salah menyimpulkan bahwa penetrasi cahaya dikaitkan dengan pertumbuhan udang yang buruk ketika penyebab sebenarnya adalah karena adanya alga beracun. Hubungan tersebut dijelaskan dibawah ini.

Pembaur adalah kesalahan sistematis bahwa hasil dari distribusi diferensial yang tidak dihitung untuk kovariat tertentu. Pembaur dapat dilihat sebagai bentuk bias.

Confounding.svg

Contoh hubungan yang menghasilkan pembaur mengarah ke kesimpulan yang salah tentang penyebab pertumbuhan udang yang buruk

Pembaur adalah salah satu masalah penting yang harus diperhatikan ketika melakukan studi epidemiologi. Mungkin akan lebih baik menamakan masalah ini "membingungkan" karena terjadi ketika efek dari dua atau lebih dari dua faktor yang dicampur dan sulit untuk menentukan faktor-faktor yang benar-benar "sebab akibat" dalam pengertian epidemiologi.

Untuk menjadi pembaur, faktor paparan harus:

  • Menjadi faktor risiko untuk penyakit tersebut;
  • Dikaitkan dengan faktor paparan yang diteliti dalam populasi sumber; dan
  • Tidak akan terpengaruh oleh faktor paparan atau penyakit. Secara khusus, tidak bisa menjadi langkah menengah di jalur sebab akibat antara paparan dan penyakit.

Pembaur adalah situasi khusus, dan Anda harus tahu sesuatu tentang biologi dan logika situasi untuk menebak hal-hal yang harus dieksplorasi sebagai pembaur. Secara umum, dalam kebanyakan studi Anda setidaknya harus berpikir tentang jenis variabel berikut: spesies, umur, bibit, musim, jenis kelamin dan status fisiologis (misalnya pemijahan, perawatan dan pertumbuhan), tingkat produksi.

Salah satu perlindungan terbaik terhadap bias pembaur adalah pengacakan. Pengacakan menjamin bahwa rata-rata, kebanyakan pembaur akan didistribusikan secara merata antara kelompok perawatan atau sub-sampel. Alasan pengacakan berguna bahwa pengacakan adalah satu-satunya metode yang tersedia untuk mengendalikan pembaur karena variabel yang tidak diketahui atau tidak terukur. Semua metode lain untuk mengendalikan pembaur dengan asumsi bahwa Anda cukup mengetahui untuk memiliki pengukuran potensi pembaur. Metode-metode lain untuk mengendalikan pembaur meliputi:

  • Pembatasan masuk ke penelitian
  • Stratifikasi (dan ekstrim: pencocokan) dalam desain
  • Standarisasi tarif
  • Stratifikasi dalam analisis
  • Penyesuaian menggunakan metode statistik multivariabel dalam analisis

Interaksi (efek modifikasi)

Di mana dua atau lebih dari dua faktor risiko berperan sebagai penyebab penyakit, kemungkinan ada interaksi (juga disebut efek modifikasi) terjadi antara dua atau lebih dari dua faktor. Interaksi berbeda dari pembaur.

Interaksi terjadi ketika insiden penyakit dengan adanya dua atau lebih dari dua faktor risiko berbeda dari kejadian yang diharapkan menghasikan dari efek masing-masing.

Ketika interaksi terjadi, efeknya bisa lebih besar dari apa yang kita harapkan (interaksi positif atau sinergisme) atau kurang dari apa yang kita harapkan (interaksi negatif atau antagonisme). Masalah ketika mengevaluasi efek modifikasi adalah untuk memastikan apa yang kita harapkan untuk menghasilkan dari dampak masing-masing faktor risiko yang berbeda.

Sebagai contoh, katakanlah kita menemukan bahwa kejadian EUS adalah:

  • 5% pada ikan di tambak dengan air asam dan lapisan halus;
  • 2% pada ikan di tambak dengan air tidak asam dan lapisan kasar; dan
  • 15% pada ikan di tambak dengan air asam dan lapisan kasar.

Insiden 15% jauh lebih tinggi daripada yang kita harapkan jika dua faktor keasaman dan lapisan kasar tambak dioperasikan secara independen untuk meningkatkan risiko EUS. Oleh karena itu kita akan menduga sinergi antara dua faktor risiko ini dan perlu dilakukan penyelidikan lebih lanjut.

Dalam studi epidemiologi yang kompleks, informasi sering dikumpulkan pada berbagai faktor untuk mengidentifikasi faktor-faktor risiko penting untuk penyakit tersebut.

Penilaian interaksi umumnya dilakukan selama analisis dan membutuhkan keterampilan statistik yang lebih lanjut.

Ukuran sampel

Jumlah pengukuran atau hewan yang dimasukkan dalam penelitian (ukuran sampel) memiliki potensi untuk mempengaruhi berbagai langkah termasuk hal-hal seperti varians, interval kepercayaan dan signifikansi statistik. Semakin kecil ukuran sampel, semakin besar kemungkinan akan menghasilkan hasil dari analisis yang mungkin tidak banyak berguna dalam mengidentifikasi penyebab penyakit. Dalam beberapa kasus ada kemungkinan bahwa penelitian yang secara khusus menilai satu atau lebih dari satu faktor risiko dan tidak berhasil menunjukkan hubungan dengan penyakit namun jika studi yang sama telah dilakukan dengan ukuran sampel yang lebih besar mungkin telah mengidentifikasi faktor risiko sebagai penyebab penyakit.

Dalam prakteknya jumlah sampel yang mungkin dapat dikumpulkan akan dibatasi oleh sumber daya yang tersedia (tenaga kerja, waktu, anggaran, tempat penyimpanan sampel dan pengujian kapasitas).

Hal ini dimungkinkan untuk melakukan perhitungan untuk menginformasikan kemungkinan ukuran sampel estimasi sebelum penelitian dilakukan. Situs web EpiTools (http://epitools.ausvet.com.au/) memiliki kalkulator ukuran sampel untuk berbagai jenis studi termasuk studi kohort dan studi kendali kasus.

Informasi berikut memberikan beberapa aturan sederhana yang praktis untuk ukuran sampel studi lapangan yang bertujuan untuk mengidentifikasi kemungkinan agen penyebab untuk wabah penyakit.

Dimana tidak ada satu diagnosis yang jelas untuk penyakit atau identifikasi agen penyakit, mungkin ada kepentingan untuk melakukan tes tambahan untuk mengkonfirmasi penyakit tertentu dan mengidentifikasi agen infeksi (jika dianggap kemungkinan penyakit tersebut menular). Ini biasanya akan melibatkan pengujian laboratorium sampel yang dikumpulkan dari hewan yang memenuhi definisi kasus dan dari kelompok pembanding yang bukan kasus. Pengujian laboratorium umumnya akan mencari deteksi calon agen (virus bakteri) dan membandingkan prevalensi hasil positif dalam dua kelompok. Jika hasil menunjukkan deteksi yang sangat rendah dari agen dalam kelompok bebas atau kelompok bukan kasus dan deteksi yang sangat tinggi dari agen yang terpapar atau kelompok kasus maka ini akan mendukung hipotesis dari agen infeksi menjadi penyebab penyakit.

Setidaknya 10 hewan pada setiap tahap penyakit harus diperiksa, namun, jika sumber daya memungkinkan, jumlah ini harus diperluas hingga sebanyak 30. Metode statistik dapat digunakan untuk membantu dalam mengidentifikasi patogen yang paling memungkinkan.

Tabel di bawah menunjukkan jumlah hewan yang perlu diperiksa untuk menyediakan data untuk analisis statistik hubungan antara penyakit dan kemungkinan faktor penyebab. Analisis tersebut dapat membantu dalam mengidentifikasi penyebab, dari daftar kemungkinan penyebab yang paling memungkinkan.

Kotak hitam berbayang menunjukkan bahwa memeriksa 25-30 ekor per kasus dan kelompok bukan kasus yang diperlukan untuk memastikan probabilitas tinggi dalam mengidentifikasi perbedaan antara kelompok.

Kotak cahaya berbayang menunjukkan perbedaan prevalensi yang diperlukan untuk ukuran sampel sekitar 10 ekor per kelompok. Secara khusus, di mana perbedaan antara kasus dan bukan kasus adalah besar (pojok kiri atas), hanya sejumlah kecil hewan yang diperlukan untuk memberikan tingkat kepercayaan yang tinggi bahwa hubungan yang diamati bukan karena kebetulan. Sebaliknya, jumlah yang sangat besar yang diperlukan jika perbedaan antara kelompok-kelompok yang cenderung kecil (diagonal dari kiri bawah ke kanan atas).

Number of animals per group to examine to determine if a particular finding is more common in cases than non-cases (95% confidence, 80% power, equal sizes for case and non-case groups and assuming a two-tailed test.

Sample size calculation matrix.jpg


Katakanlah kita telah mengambil spesimen untuk pemeriksaan laboratorium secara terperinci dari 30 kasus sindrom tertentu dan 30 bukan kasus dengan cara seperti yang telah dijelaskan sebelumnya dengan hasil mikrobiologi berikut:

Number (%) of infected Number to detect
Kasus Bukan kasus Perbedaan yang diamati
Organisme 1 19 (63) 14 (47) 408
Organisme 2 26 (87) 14 (47) 25
Organisme 3 27 (90) 25 (83) 219

Dari hasil di atas, dan dengan mengacu pada tabel di atas, Organisme 2 adalah satu-satunya yang secara statistik berhubungan dengan hewan yang menjadi kasus, meskipun Organisme 3 lebih sering terisolasi dari kasus. Alasan untuk kesimpulan ini adalah bahwa ukuran 30 sampel tidak cukup untuk mendeteksi perbedaan statistik dalam tingkat isolasi dari kasus dan bukan kasus untuk Organisme 1 dan 3, tapi cukup untuk Organisme 2. Hal ini tidak membenarkan bahwa Organisme 2 adalah patogen utama (karena bisa menjadi oportunis, penjajah sekunder), tetapi dengan memeriksa sejumlah hewan dengan perbandingan yang masuk akal (dalam hal ini, 30) kasus dan bukan kasus kita jauh lebih mampu memahami kepentingan relatif dari tiga organisme.

Perencanaan studi epidemiologi lapangan

Penting untuk menggunakan pendekatan terstruktur dan sistematis.

Langkah-langkah dalam merancang dan menganalisis studi epidemiologi lapangan. Dari Gregg 2002.

Planning a field epi study.svg


Mengidentifikasi ruang lingkup dan tanggung jawab dalam setiap penyelidikan

Langkah pertama dalam analisis epidemiologi adalah secara jelas mendefinisikan masalah dan ruang lingkup, konteks dan hasil yang diharapkan dari penyelidikan. Termasuk menentukan apakah ada masalah penyakit dan, jika ada, untuk:

  • Menentukan luas dan dampak masalah
  • Mengidentifikasi kemungkinan penyebab dan sumber masalah
  • Mengidentifikasi kemungkinan faktor risiko untuk penyakit
  • Membuat rekomendasi kendali dan/atau pengobatan dan pencegahan di masa depan

Jika analisis dilakukan atas permintaan pihak ketiga (bagi para pembuat kebijakan misalnya pemerintah), adalah penting untuk diperhatikan bahwa setiap permintaan didokumentasikan dan kerangka acuan yang jelas dan tidak ambigu.

Selama perencanaan, juga penting untuk memiliki tanggung jawab yang jelas (siapa melakukan apa dan kapan), pelaksanaan (laporan, perangkat lunak, sistem informasi manajemen), dan anggaran terperinci.

Tujuan SMART

Tujuan proyek menentukan pertanyaan khusus bahwa proyek diharapkan dapat menjawab.

Jika tujuan penyelidikan adalah untuk memperkirakan prevalensi virus penyakit bercak putih pada tambak pembiakan udang, rancangan penelitian harus diarahkan pada tujuan ini, bukan untuk mengidentifikasi faktor risiko atau mencari virus lain.

Sebelum melanjutkan dengan penelitian Anda harus (berkonsultasi dengan orang lain yang terlibat) untuk menentukan tujuan dan hasil yang diharapkan dari penelitian ini. Tujuan SMART adalah:

  • Khusus:berarti tujuan dan hasil yang diharapkan harus jelas dan terdefinisi dengan baik. Setelah menyelesaikan penyelidikan, haruslah diikuti dengan proses langsung untuk menentukan apakah tujuan telah tercapai.
  • Terukur: berarti setiap tujuan dikaitkan dengan hasil yang dapat diukur untuk memungkinkan Anda memonitor dan mengukur kemajuan pencapaian setiap tujuan dan sehingga Anda dan orang lain dapat menentukan ketika tujuan telah tercapai.
  • Dapat dicapai: yang berarti bahwa tujuan yang praktis dan layak dan mungkin dicapai dengan keterampilan dan sumber daya yang didefinisikan dalam proyek.
  • Relevan: Setiap tujuan harus relevan dengan tujuan proyek secara keseluruhan atau tujuan. Tujuan yang tidak relevan akan menyia-nyiakan usaha untuk menghasilkan hasil yang kemudian diabaikan.
  • Ikatan waktu: yang berarti bahwa masing-masing tujuan harus mencakup waktu dan tonggak yang akan dicapai dalam kerangka waktu tertentu. Kegagalan untuk menentukan kerangka waktu risiko proyek yang terus tertunda sementara proyek-proyek yang dianggap lebih mendesak (orang-orang dengan tenggat waktu tertentu), terus berkembang.

Mengingat tujuan sedang dikembangkan adalah penting untuk mempertimbangkan dan merencanakan bagaimana data dan informasi dapat dikumpulkan dan dalam bentuk apa. Informasi ini pada gilirannya akan mendorong jenis analisis yang perlu dilakukan.

Mencari literatur dan sumber lainnya

Sebuah tinjauan literatur ilmiah dapat dilakukan sebagai bagian dari penyelidikan awal atau untuk mengumpulkan informasi ketika mempersiapkan atau merancang studi tambahan. Pencarian literatur mungkin berguna untuk:

  • Mengidentifikasi penelitian sebelumnya yang relevan dengan tugas saat ini;
  • Mengumpulkan data tambahan yang mungkin berguna dalam melengkapi data yang ada untuk penelitian;
  • Mengembangkan daftar diagnosis diferensial dalam wabah penyakit penyebab yang tidak diketahui;
  • Melihat bagaimana orang lain melakukan pendekatan untuk tugas serupa; dan
  • Mengumpulkan informasi tambahan untuk mendukung kesimpulan Anda.

Dengan akses luas ke internet dan perpustakaan, mencari informasi sekarang relatif mudah. Kebanyakan mesin pencari mencari informasi dengan menggunakan kata kunci yang Anda masukkan dan pencarian dapat dilakukan terhadap judul atau abstrak makalah, penulis atau seluruh konten.

Pencarian dapat disempurnakan dengan menambahkan istilah yang lebih terperinci dan membangun pernyataan pencarian yang logis. Berbagai macam mesin pencari mampu mencari dengan beberapa istilah yang berbeda, sering menggunakan halaman pencarian lanjutan untuk mengatur parameter pencarian secara lebih terperinci. Di PubMed dan Medline, istilah dapat dikombinasikan dalam sebuah pernyataan pencarian menggunakan operator logika AND dan OR . Sebagai contoh: dogs dan hepatitis, penyakit johnes atau paratuberculosis. Jika operator AND dan OR digabungkan dalam satu pernyataan, dan bagian AND akan diproses terlebih dahulu, maka OR, kecuali OR terkandung dalam tanda kurung.

Example: [Penyakit sapi dan penyakit Johnes atau paratuberculosis] berbeda dengan [penyakit sapi dan (penyakit Johne atau paratuberculosis)]. Pernyataan pertama akan mengambil semua sumber daya untuk penyakit Johne pada sapi atau paratuberculosis pada spesies apapun, sedangkan pengembalian kedua hanya sumber daya yang berkaitan dengan penyakit Johne pada sapi atau paratuberculosis pada sapi.

Tersedianya informasi melalui internet berarti bahwa sering kali masalah yang lebih besar tidak hanya mencari informasi, tetapi menemukan sumber-sumber yang paling relevan dengan kebutuhan Anda. Hal ini penting untuk menyusun dan memperbaiki pencarian dengan hati-hati, untuk membuat mereka sangat spesifik untuk topik yang diinginkan. Jika hal ini tidak dilakukan, sejumlah besar artikel yang tidak relevan kemungkinan akan terdaftar, sehingga sangat sulit untuk mengidentifikasi yang mana yang penting untuk penelitian secara lebih cermat.

Sebagai contoh, pencarian di PubMed untuk "penyakit Johne" menghasilkan lebih dari 800 hasil pencarian. Dengan lebih mempersempit pencarian untuk menemukan referensi tentang vaksin pada ternak ("penyakit Johne" dan ternak dan vaksin), daftar ini dapat dikurangi menjadi kurang dari 50. Istilah tambahan dapat ditambahkan untuk lebih menyempurnakan pencarian yang diperlukan.

Pada saat yang sama adalah penting untuk tidak terlalu spesifik, dalam hal dokumen-dokumen penting yang belum dimasukkan dalam indeks pada semua persyaratan yang telah digunakan.

Setelah daftar sumber potensial telah diidentifikasi, hal-hal yang dipilih biasanya dapat disimpan ke file teks, atau sering kali disimpan di manajer referensi. Abstrak makalah yang terdaftar di PubMed dan Medline sering kali tersedia on-line secara gratis, namun salinan dokumen-dokumen lengkap biasanya perlu dibeli secara on-line, atau diperoleh dengan cara download atau fotokopi melalui layanan perpustakaan (biasanya instansi pemerintah atau universitas).

Sebuah fitur yang berguna dari Medline melalui Isi Terkini (untuk mereka yang memiliki akses ke layanan ini) adalah bahwa memungkinkan untuk menyimpan pencarian yang sering digunakan kembali atau untuk digunakan secara mingguan di dalam sistem, dengan hasil baru setiap minggu yang diteruskan sebagai file teks ke alamat email Anda. Fitur ini sangat berguna jika ada bidang studi di mana Anda ingin tetap mengikuti perkembangan terbaru secara terus-menerus.

Pengumpulan data

Setelah jelas apa yang dibutuhkan, langkah berikutnya adalah untuk merencanakan pengumpulan informasi dan data.

Diharapkan bahwa kebanyakan studi epidemiologi akan fokus pada pengumpulan data mentah dengan membuat pengamatan dan pengukuran pada hewan atau mengumpulkan sampel untuk pengujian laboratorium.

Data dan informasi juga dapat diperoleh dengan cara berbicara dengan produsen atau orang lain, dari tinjauan literatur, dari statistik pemerintah tentang produksi ternak dan pengujian laboratorium (termasuk data iSIKHNAS).

Informasi yang dikumpulkan dalam mengamati salmonellosis di tempat penggemukan domba dapat berasal dari pencarian literatur, dari informasi yang diperoleh secara lisan tentang Salmonella dan dosis paparan penting yang dapat mengarahkan pada identifikasi langkah-langkah sederhana seperti pemberian pakan di palung untuk mencegah kontaminasi feses pada pakan dan memastikan drainase yang baik untuk mencegah penumpukan slurry. Atau, data mungkin tersedia dari tempat penggemukan dan catatan hewan, memberikan fakta tentang kasus (dan bukan kasus) salmonellosis yang telah terjadi. Data ini kemudian perlu disusun, diringkas dan ditafsirkan untuk menghasilkan informasi untuk menarik kesimpulan.

Untuk penyelidikan wabah, data yang relevan dapat mencakup data kuantitatif tentang kasus-kasus individual penyakit, sejarah kasus pada individu hewan (kedua kasus dan bukan kasus) dokter hewan '(atau lainnya) observasi dan pengalaman tentang kasus, laporan laboratorium pengujian yang dilakukan pada hewan yang terkena penyakit dan yang tidak terkena penyakit, serta potensi sumber penyakit (seperti sampel pakan, air, tanah dan lingkungan).

Dalam kasus lain, data yang tersedia dapat terdiri dari serangkaian file dokumen menggambarkan isu yang menjadi perhatian dan menyediakan data historis yang relevan. File-file ini perlu dibaca, dikumpulkan dan diringkas untuk memasukkan data ke dalam bentuk yang dapat dengan mudah dipahami dan diinterpretasikan.

Memasukkan, mengedit dan menganalisis data

Setelah data yang relevan dikumpulkan semua data ini perlu dimasukkan, disusun dan diedit atau diperiksa sebelum dilakukan analisis formal.

Mengedit data

Hal ini diasumsikan bahwa data kemungkinan akan dimasukkan ke dalam spreadsheet atau database untuk pengelolaan data rutin dan persiapan untuk analisis selanjutnya.

Data yang masuk dari dokumen-dokumen seperti kuesioner atau materi-materi yang dicetak, mungkin berguna untuk memilih jumlah data yang dapat mewakili sel dan memeriksa nilai yang dimasukkan dari semua arsip dokumen sebagai bentuk penjaminan mutu.

Organisasi data ke format tabel dalam persiapan untuk analisis

Organisation of data into tabular format.jpg

A variety of simple checks should be performed to try and detect errors and implausible or inconsistent values. Each column can be sorted and the top and bottom rows inspected to look for values that may be outliers or implausible (cow that weighs 45 kg).

Coding harus diperiksa untuk semua variabel kategori. Jika jenis kelamin dikodekan sebagai M=jantan, MC=jantan yang dikebiri dan F=betina, kemudian periksa untuk melihat apakah ada sel-sel dengan nilai-nilai yang tidak ada dalam daftar coding ini. Mungkin ada sel-sel yang dimasukkan sebagai MF, jantan dan bukan M, sapi betina dan bukan betina, dll.

Seringkali hal ini berguna untuk memeriksa dua variabel dalam kombinasi untuk pemeriksaan logika untuk mendeteksi masalah seperti hewan betina yang dicatat telah dikebiri, hewan tidak hamil dicatat telah melahirkan, dll.

Mengembangkan pendekatan analitis

Desain (cara data dikumpulkan) akan menginformasikan pendekatan analitis. Jika data dikumpulkan menggunakan desain studi kendali kasus maka Anda harus merencanakan untuk melakukan tabel 2x2 dengan odds rasio dan mungkin regresi logistik untuk menganalisis data. Jika data dikumpulkan menggunakan desain studi lintas seksional atau studi kohort maka Anda mungkin dapat menggunakan tabel 2x2 dengan langkah-langkah risiko relatif dan kemungkinan jenis lain dari analisis yang lebih maju.

Anda harus mengidentifikasi hasil penting dalam dataset, paparan dan faktor risiko penting dan variabel lain yang mungkin berguna sebagai pembaur.

Lengkapi analisis deskriptif atau eksplorasi. Ini mungkin termasuk ringkasan sederhana dari jumlah record dalam dataset, deskripsi masing-masing variabel dengan sistem coding dan jenis data (kontinu, ordinal, nominal atau kategorikal), jumlah nilai yang hilang di masing-masing variabel, ringkasan statistik untuk setiap variabel (rata-rata/median, jumlah berdasarkan kategori, dll), tanggal mulai dan tanggal akhir pengumpulan data.

Analisis sederhana

Tabel 2x2 (juga disebut tabel kontingensi atau tabulasi silang) yang sederhana dan mudah untuk dilakukan dan membentuk dukungan utama terjadap analisis awal data epidemiologi lapangan. Tabel yang lebih besar dari attack rate dapat dihasilkan untuk berbagai faktor risiko.

Data dapat terstruktur menjadi kode biner untuk penyakit (penyakit yang ada, penyakit yang tidak ada) dan faktor risiko yang dipertimbangkan juga dapat diklasifikasikan dengan menggunakan pendekatan biner (tidak ada atau ada), kemudian menghitung jumlah hewan di masing-masing kombinasi yang dapat dimasukkan ke dalam tabel 2x2 dan dianalisa untuk menghasilkan perkiraan odds ratio atau risiko relatif dan interval kepercayaan terkait dan nilai p.

Uji statistik memberikan nilai p (probabilitas) yang ditafsirkan sebagai kemungkinan memperoleh hasil secara kebetulan saja jika tidak ada hubungan antara faktor risiko dan penyakit. Dimana nilai p lebih besar dari ambang batas yang ditetapkan, (alpha=0,05 atau dalam beberapa kasus 0.1), kita menafsirkan temuan sebagai sesuatu yang tidak signifikan dan menunjukkan bahwa hasilnya bisa terjadi secara kebetulan saja dan bahwa bukti tidak mendukung hubungan antara faktor risiko dan penyakit. Ketika nilai p kurang dari ambang batas maka kita menafsirkan temuan sebagai sesuatu yang signifikan dan menunjukkan bahwa ada hubungan antara faktor risiko dan penyakit.

Penting untuk dicatat bahwa kadang-kadang uji statistik mengembalikan temuan yang tidak signifikan meskipun faktor tersebut mungkin terkait dengan penyakit. Hal ini lebih mungkin terjadi ketika ukuran sampel kecil. Ukuran sampel yang kecil saja tidak boleh mengganggu titik estimasi OR atau RR meskipun mungkin mempengaruhi interval kepercayaan dan nilai p.

Dari perspektif epidemiologi, estimasi dan interval kepercayaan dan tes skrining tidak disesuaikan (risiko relatif atau odds ratio) mungkin lebih berguna daripada analisis statistik teknis multivariabel lanjutan. Hal ini terutama terjadi pada tahap awal penyelidikan penyakit kompleks. Seiring waktu, studi yang direncanakan dengan lebih hati-hati dirancang dan dilaksanakan maka analisis lanjutan mungkin lebih tepat untuk dilakukan tetapi umumnya akan memakan waktu untuk merencanakan dan melaksanakan.

Hal ini juga penting untuk dicatat bahwa signifikansi statistik atau RR yang memiliki arti atau perkiraan OR tidak perlu memberikan bukti sebab-akibat. Mereka memberikan bukti hubungan statistik. Dimana ada perawatan dan perhatian dalam desain penelitian Anda mungkin lebih percaya diri dalam interpretasi kausal dari hasil uji statistik.

Analisis statistik lebih lanjut

Saran statistik harus dicari sebelum melanjutkan ke analisis lebih lanjut.

Hal ini dimungkinkan untuk melakukan analisis bertingkat tabel 2x2 menggunakan prosedur Maentel-Haenszel untuk menyesuaikan analisis untuk pembaur atau memodifikasi (interaksi) pengaruh faktor yang berbeda. Hasilnya mungkin menjadi ukuran keseluruhan yang disesuaikan dengan dasar atau langkah-langkah yang terpisah dari asosiasi untuk setiap tingkat faktor lainnya.

Akhirnya model statistik lebih lanjut dapat digunakan untuk menganalisa dataset yang lebih besar atau lebih kompleks untuk menghasilkan langkah-langkah yang disesuaikan dengan hubungan antara beberapa faktor dalam satu model. Ada sejumlah manfaat dari model multivariabel dalam memahami hubungan antara banyak faktor dan penyakit. Efek dari salah satu faktor dalam model disesuaikan untuk semua efek lainnya dalam model, efek dari interaksi dan membingungkan dapat dimasukkan dalam model dan model dapat diperluas untuk memasukkan dependensi antara observasi (pengelompokan unit).

Regresi logistik sangat umum digunakan untuk menganalisis data epidemiologi dari investigasi penyakit dimana hasil penyakit dapat direpresentasikan sebagai variabel biner (0 = tidak ada penyakit, 1 = penyakit) dan di mana beberapa faktor risiko sedang dipertimbangkan. Jenis lain dari analisis yang dapat dianggap termasuk Poisson atau regresi negatif binomial untuk jumlah data (penghitungan jumlah kasus penyakit), analisis survival untuk waktu kejadian (waktu terjadinya penyakit) dan mungkin model linear ketika kepentingan hasil berlanjut (pengaruh status penyakit pada berat badan atau pertumbuhan).

Use of other information

In many cases, you could be asked to synthesise available information and make conclusions and recommendations with very little (or without any) quantitative data to analyse. In such situations the 'data' is likely to consist of paper files, case reports, subjective observations or other 'soft' data.

Data kualitatif tidak dapat dipertangungjawabkan dengan metode numerik yang digunakan untuk meringkas dan membuat kesimpulan dari data kuantitatif. Sebaliknya, analisis kualitatif diperlukan, menyusul serangkaian langkah sistematis, seperti:

  • Kajian menyeluruh dan rangkuman dari bahan yang tersedia
  • Identifikasi pola yang konsisten atau anomali dalam data
  • Identifikasi kekuatan dan keterbatasan dalam data
  • Identifikasi penjelasan yang memungkinkan dan logis untuk pola yang diamati

Biasanya tidak mungkin untuk membuat penyataan definitif tentang sebab akibat atau hubungan khusus lainnya. Namun, terutama di mana data adalah kualitas dan konsistensi yang wajar, kemungkinan untuk menarik kesimpulan untuk penjelasan yang paling memungkinkan (atau sekelompok kemungkinan/penjelasan memungkinkan) untuk pola yang diamati.

Menafsirkan data dan informasi lapangan

Peningkatan perkiraan risiko relatif atau odds ratio dapat memberikan kecurigaan tentang kemungkinan penyebab penyakit tetapi harus ditafsirkan dengan hati-hati. Kesempatan, bias, pembaur dan sumber kesalahan lainnya (kesalahan entri data, analisis yang salah, dll) semua harus dipertimbangkan sebagai penjelasan alternatif untuk langkah-langkah asosiasi yang meningkat atau signifikan.

Data yang diperoleh dari studi yang direncanakan dengan hati-hati dengan segala hal yang saling berhubungan dimaksudkan untuk mencegah bias dan masalah lain dan manajemen data dan analisis yang telah dilakukan dengan tepat dan hasilnya telah menghasilkan langkah-langkah yang signifikan dari hal-hal yang berhubungan dengan nilai risiko relatif yang memiliki arti (atau odds rasio), dan temuan secara biologis masuk akal dan konsisten dengan penelitian atau temuan lain, maka Anda mungkin telah meningkatkan kepercayaan diri dalam temuan.

Dalam banyak kasus, Anda diharapkan dapat menarik kesimpulan dan membuat rekomendasi berdasarkan data/informasi yang kurang sempurna. Ketika hal ini terjadi adalah penting tidak hanya untuk mengenali keterbatasan data dan informasi yang tersedia, tetapi juga untuk melanjutkan dengan analisis tersebut bahwa data akan mendukung dan anda akan menarik kesimpulan apa adanya. Dalam banyak kasus, rekomendasi Anda mungkin termasuk pengumpulan data tambahan untuk memberikan dukungan lebih lanjut (atau sebaliknya) untuk kesimpulan awal Anda.

In 1994, an incident occurred in Queensland where a previously unidentified virus (since characterised as Hendra virus) was responsible for the death of 14 horses and one human (with a second affected human subsequently recovering), associated with a single racehorse stable ([#1 Baldock et al., 1996]). During the investigation it became rapidly apparent that this was a previously unidentified disease, and that the aetiology was unknown. However, even before the causal virus was identified, it was possible to determine that it was probably infectious in nature; was most likely to be directly transmitted; was not highly contagious (either among horses or humans); and that it probably originated from an, as then, unidentified wildlife reservoir ([#2 Baldock et al., 1995]). Just on one year after the Hendra outbreak, flying foxes (fruit bats) were identified as the presumptive natural host of the virus, with about 14% of flying foxes sampled being seropositive ([#1 Baldock et al., 1996]). The virus was subsequently isolated from uterine fluids of a flying fox ([#12 Halpin et al., 1996]). Flying foxes were known to feed in trees in a spelling paddock associated with the stable and in which the index case was grazing prior to becoming sick. The specific mechanism of transmission among bats and from bats to horses is still not known.

In the Hendra virus example, there was virtually no quantitative data available for analysis, and yet a remarkably accurate picture of what happened and the cause and source of the outbreak were generated by critical review and interpretation of the findings of medical and veterinary investigations of affected animals and humans.

Mempersiapkan laporan

Komunikasi yang efektif dari temuan investigasi sangat penting bagi para pengambil keputusan. Jika temuan tidak dikomunikasikan dengan cara yang memungkinkan bagi pemangku kepentingan untuk memahami hasil dan menggunakan informasi tersebut untuk membuat keputusan yang baik, maka usaha dilakukan hanya memberi sedikit manfaat.

Sebuah laporan akhir dari setiap studi epidemiologi harus disusun secara sistematis yang bagian-bagiannya mengikuti konvensi ilmiah: pendahuluan, garis besar tujuan, bahan dan metode, hasil, diskusi dan daftar pustaka.

Hal ini penting untuk menggunakan pendekatan terstruktur dan sistematis dan selalu memastikan bahwa temuan-temuan ini konsisten dengan informasi yang ditafsirkan dan data yang tersedia pada saat itu. Jelaskan dan rekam metode dan temuan anda sehingga setiap kesimpulan dan rekomendasi akan dengan mudah dipahami dan proses untuk menarik kesimpulan ini transparan dan jelas bagi orang lain. Hal ini penting agar dasar dan batasan kesimpulan dipahami oleh mereka yang bertanggung jawab untuk melaksanakan respon apapun untuk rekomendasi Anda.

Referensi dan sumber lainnya

Baldock, F. C., Douglas, I. C., Halpin, K., Field, H., Young, P. L. & Black, P. F. 1996. Penyelidikan epidemiologi terhadap wabah morbillivirus kuda tahun 1994 di Queensland, Australia. Jurnal Kedokteran Hewan Singapura, 29:57-61.

Baldock, F. C., Pearse, B. H. G., Roberts, J., Black, P., Pitt, D. & Auer, D. 1995. Sindrom pernapasan akut pada kuda (AERS): Peran ahli epidemiologi pada wabah Brisbane 1994. Dalam: Prosiding Persatuan Dokter Hewan Sapi Australia. Brisbane, Australia: Persatuan Dokter Hewan Sapi Australia, 174-177.

Bradford-Hill, A. 1965. Lingkungan dan penyakit: Hubungan atau sebab-akibat? Proc R Soc Med, 58:295-300.

Cleland, P. C., Chamnanpood, P. & Baldock, F. C. 1991. Investigasi epidemiologi penyakit mulut dan kaki di Thailand utara. In: DJ, K., ed. Lokarkarya Epidemiologi: Tambahan epidemiologi di tempat kerja. Prosiding 176, September 1991. Tanunda SA. Sydney Australia: Komite pasca sarjana Ilmu Kedokteran Hewan Universitas Sydney, 17-32.

Cutler, S. J., Fooks, A. R. & van der Poel, W. H. M. 2010. Ancaman penyakit baru, penyakit yang kembali muncul dan penyakit zoonosis yang terabaikan terhadap kesehatan masyarakat di dunia perindustrian. Penyakit menular yang baru muncul, 16, 1-7.

Dohoo, I., Martin, W. & Stryhn, H. 2010. Penelitian Epidemiologi Kedokteran Hewan, Charlottetown, Prince Edward Island, Canada, VER Inc.

Frerichs, R. R. 2001. Sejarah, peta dan internet: UCLA's John Snow site. Buletin Masyarakat kartografer, 34:3-7.

Gregg M.B. 2002. Epidemiologi lapangan, New York, New York, Oxford University Press.

Halpin, K., Young, P. & Field, H. 1996. Identifikasi kemungkinan inang alami morbillivirus kuda. Intelijen penyakit menular, 20, 476.

Hueston, W. D. 2003. Ilmu pengetahuan, politik dan kebijakan kesehatan hewan: Epidemiologi dalam tindakan. Preventive Veterinary Medicine, 60: 3-13.

Kirkland, P. D., Love, R. J., Philbey, A. W., Ross, A. D., Davis, R. J. & Hart, K. G. 2001. Epidemiologi dan pengendalian virus Menangle pada babi. Australia Veterinary Journal, 79:199-206.

Lessard, P. 1988. Karakterisasi wabah penyakit. The Veterinary Clinics of North America: Food Animal Practice, 4:17-32.

Love, R. J., Philbey, A. W., Kirkland, P. D., Davis, R. J., Morrissey, C. & Daniels, P. W. 2001. Penyakit reproduksi dan cacat bawaan yang disebabkan oleh virus Menangle pada babi. Australian Veterinary Journal, 79:192-198.

Martin, S. W., Meek, A. H. & Willeberg, P. 1987. Epidemiologi veteriner, Ames, Iowa, Iowa State University Press.

Mayer, D. (ed.) 2004. Essential Evidence Based Medicine, 2nd edition. Cambridge UK: Cambridge University Press.

Morris, R. S., Wilesmith, J. W., Stern, M. W., Sanson, R. L. & Stevenson, M. A. 2001. Predictive spatial modelling of alternative control strategies for the foot-and-mouth disease epidemic in Great Britain. Veterinary Record, 149:137-144.

Rothman, K. J., Greenland, S. & Lash, T. 2008. Modern Epidemiology, Philadelphia, PA, Lippincott, Williams, & Wilkins.

Snow, J. (ed.) 1855. On the mode of communication of cholera, London: John Churchill.

Stephen, C. & Ribble, C. S. 1996. Marine anemia in farmed chinook salmon (Onchorhynchis tshawytshca): Development of a working case definition. Preventive Veterinary Medicine, 25:259-269.

Thrusfield, M. 2005. Veterinary Epidemiology 3rd edition, Oxford, Blackwell Science.


Sumber daya piranti lunak

EpiCalc, 2000, v 1.2. Kalkulator statistik multi fungsi yang bisa digunakan untuk data pra tabulasi. Tersedia dari: http://www.brixtonhealth.com/index.html.

EpiInfo, v 3.3. Pangkalan data dan piranti lunak untuk statistik kesehatan masyarakat profesional. Tersedia dari: http://www.cdc.gov/epiinfo/.

EpiTools, 2004. Kalkulator dan utilitas epidemiologi online milik AusVet. Tersedia di: http://epitools.ausvet.com.au.

WinEpiscope, v 2.0. Piranti lunak untuk epidemiologi veteriner kuantitatif. Tersedia di: http://www.clive.ed.ac.uk/winepiscope/.


Mesin pencari dan pangkalan data internet


Beberapa mesin pencari yang biasa digunakan, berbasis web, pangkalan data ilmiah, meliputi:

  • Medline/PubMed "Semua indeks utama medis, veteriner, epidemiologi dan jurnal terkait, dan semua dokumen ini tersedia secara gratis untuk semua pengguna melalui PubMed (http://www.ncbi.nlm.nih.gov/entrez/query.fcgi).
  • Medline juga tersedia melalui Current Contents dan penyedia layanan lainnya melalui langganan perpustakaan kelembagaan.
  • ScienceDirect (http://www.sciencedirect.com/) memberikan indeks dan fasilitas pencarian untuk berbagai jurnal ilmiah ilmu fisika, kehidupan, kesehatan dan ilmu sosial.
  • Biosis preview/Web pengetahuan (http://thomsonreuters.com/products_services/science/science_products/az/biosis/) indeks tentang berbagai jurnal, prosiding konferensi, buku, ulasan artikel, dll dalam bidang ilmu kehidupan yang luas. Tersedia melalui langganan kelembagaan. & Nbsp;
  • Sciverse Scopus (http://www.scopus.com/home.url) mengklaim sebagai penyedia abstrak terbesar di dunia dan kutipan database literatur peer-review dan sumber web berkualitas, yang mencakup banyak topik. Semua ini tersedia melalui langganan kelembagaan dan beberapa penerbit menyediakan akses sementara untuk pengulas jurnal.
  • Agricola (http://agricola.nal.usda.gov/) adalah katalog Perpustakaan Pertanian Nasional Amerika Serikat dan memberikan kutipan dan abstrak untuk koleksi literatur pertanian.
  • CAB Abstrak (CAB Abstracts & nbsp;) mencakup lebih dari 6,3 juta rekaman & nbsp; dari tahun 1973 dan seterusnya, dengan lebih dari 300.000 abstrak ditambahkan setiap tahun, meliputi pertanian, lingkungan, ilmu veteriner, ekonomi terapan, ilmu pangan dan gizi. Aksesnya melalui langganan kelembagaan atau dengan pembayaran berdasarkan waktu.
  • JSTOR (http://www.jstor.org/) indeks lebih dari 1.000 jurnal rujukan dari berbagai disiplin ilmu, termasuk aquatik, ilmu biologi dan kesehatan dan statistik. Tersedia melalui langganan kelembagaan atau individual.
  • SIGLE (http://www.opengrey.eu/), atau Sistem Informasi on Literatur Grey di Eropa, indeks lebih dari & nbsp; 700.000 referensi bibliografi & nbsp; dari literatur Grey (laporan penelitian, & nbsp; disertasi doktor, makalah konferensi, publikasi resmi, dan jenis-jenis publikasi bukan referensi), diproduksi di Eropa. Akses terbuka untuk semua pengguna.

Mesin pencari yang bersifat lebih umum meliputi:

  • Scirus (http://www.scirus.com/srsapp/) "Ini adalah mesin pencari yang lebih luas yang mencakup berbagai informasi ilmiah di seluruh disiplin ilmu dan jenis publikasi. Scirus tidak hanya mencakup jurnal ilmiah, tapi juga publikasi web dan berbagai sumber-sumber non referensi lainnya.
  • Google Scholar (http://scholar.google.com.au/schhp?hl=en) juga mendukung pencarian luas untuk literatur akademik dan ilmiah. Hal ini memungkinkan untuk mencari banyak disiplin ilmu dan sumber-sumber serta peringkat dokumen sesuai dengan relevansi dan kualitas atau frekuensi kutipan & nbsp.;
  • Google (http://www.google.com/) dan mesin pencari internet lainnya dapat digunakan, tetapi dokumen yang ditampilkan hanya terbatas pada pencarian Anda. Mesin-mesin pencari ini akan menampilkan informasi yang dicari, halaman web pribadi dan konten internet yang relevan dengan kriteria pencarian (dan beberapa yang tidak!).