Cara Mudah Menghitung Odds Ratio (OR) dan Relative Risk (RR) SPSS

Pada penelitian di bidang kesehatan, pasti pernah melihat nilai OR dan nilai RR. Nilai OR didapatkan pada penelitian-penelitian cross-sectional maupun case-control. Nilai RR didapatkan pada penelitian-penelitian cohort maupun experimental. Nilai RR berasal dari kasus baru (insidensi), sedangkan nilai OR berasal dari kasus lama dan kasus baru (prevalensi)

Nilai OR maupun RR merupakan ukuran asosiasi yang banyak dipakai pada penelitian epidemiologi. Nilai ini menggambarkan besarnya risiko untuk terjadinya suatu dampak dari suatu paparan.

Pada tutorial kali ini kita akan menghitung nilai OR dan RR dari penelitian yang ingin meneliti hubungan antara obesitas dengan kejadian hipertensi. Paparannya adalah obesitas Dampaknya adalah Hipertensi. Contoh file SPSS-nya dapat didownload di sini ORdanRR.sav

Buka File yang telah di download dengan SPSS, maka akan tampak Data View terdiri dari 2 variabel, yaitu hipertensi dan obesitas. pada Variabel View akan tampak nama variabel, label variabel, jenis skala datanya, dan yang paling penting adalah value variabel.

Untuk menghitung nilai OR atau RR sebaiknya pengkodean (koding) untuk paparan yang berisiko menimbulkan dampak diberi kode angka kecil (misalnya 1) dan untuk paparan yang tidak/kurang berisiko menimbulkan dampak diberi kode angka yang lebih besar (misalnya 2). Begitu pula pada dampaknya, untuk dampak diberi kode angka kecil (misalnya 1) dan tidak dampak diberi kode angka lebih besar (misalnya 2)

Pada contoh kasus ini, obesitas diberi kode 1 sedangkan tidak obes diberi kode 2. dampaknya: hipertensi diberi kode 1 dan tidak hipertensi diberi kode 2.

Setelah itu kita lakukan penghitungan risiko, Caranya: Analyze > descriptive statistics > crosstabs

Cara hitung RR dan OR dengan SPSS

 

Selanjutnya, kita pindahkan variabel-variabel yang akan kita cari nilai OR atau RR nya. pada ROWS isikan variabel yang berperan sebagai Paparan/exposure, sedangkan pada Column isikan variabel yang berperan sebagai dampak/outcome. Bila koding tertukar atau peletakan tabel silang ini tertukar maka nilai OR atau RR juga jadi terbalik (1/OR atau 1/RR nya).

Harap diperhatikan pengkodean dan peletakan variabel pada tabel silang ini.

 

Selanjutnya klik Statistics, centang RISK, klik Continue dan klik OK

 

Hasil analisis telah keluar:

Tampak tabulasi silang antara obesitas dan hipertensi seperti pada anjuran tabel silang penelitian yang umum pada epidemiologi, dimana paparan dalam baris dan dampak/outcome pada kolom. Kemudian berkat pengkodean yang baik, maka risiko (obesitas) berdekatan dengan dampak penyakitnya (hipertensi). Dengan begini nilai OR dan RR tidak akan kebolak balik sehingga membacanya tidak menjadi rawan salah interpretasi.

Nilai OR atau RR ada pada tabel Risk Estimate. Kotak ungu menandakan nilai OR dan kotak hijau nilai RR.

Pakailah nilai OR jika penelitian menggunakan desain cross-sectional atau case-control.  Khusus untuk desain penelitian Cross-sectional, selain dapat menggunakan nilai OR, beberapa literatur mengatakan desain cross-sectional dapat menggunakan pendekatan Prevalens Risk yang menggunakan rumus hitung yang sama dengan RR. Karena rumusnya sama, maka jika ingin mengambil nilai PR maka gunakan hasil hitung RR pada tabel.

Pakailah nilai RR bila penelitiannya mengunakan desain Cohort atau experimental.

Makna Nilai OR dan RR?

Nilai OR pada tabel hasil = 4,1 . Ini artinya Risiko terjadinya hipertensi pada orang yang obesitas 4 kali lebih besar dibandingkan orang yang tidak obesitas.

Nilai RR pada tabel hasil = 2,0 . Ini artinya Orang yang obesitas berisiko 2x untuk terjadi hipertensi dibanding orang yang tidak obesitas.

Apakah nilai yang dihasilkan perhitungan tersebut signifikan/bermakna?

Pada hitung OR atau RR tidak ada nilai p. Apakah hasil hitung pada sampel penelitian kita ini bermakna (signifikan) atau tidak? Bagaimana cara kita tahu nilai OR atau RR tersebut bermakna (signifikan) atau tidak, kita bisa lihat dari nilai Confidence Interval 95%

Pada nilai OR 4,1 nilai CI95% nya 1,798 – 9,573
Pada nilai RR 2,0 nilai CI95% nya 1,306 – 3,278

Kedua nilai tersebut signifikan, karena nilai CI95% nya konsisten di atas nilai 1 (tidak ada yang melewati angka 1). Nilai CI95% ini juga berarti bahwa pada populasi di mana kita mengambil sampel nilai OR nya berkisar antara 1,798 hingga 9,573. Yang artinya Risiko terjadinya hipertensi pada orang-orang yang obesitas pada populasi di mana sampel di ambil sebesar 1,7 kali hingga 9,5 kali lebih besar dibandingkan orang-orang yang tidak obesitas pada populasi di mana sampel di ambil. Begitupun untuk nilai RR.

Kapan nilai OR atau RR dianggap tidak signifikan/bermakna?
Saya akan memberi contoh: seandainya didapatkan nilai OR 1,5 dengan CI95% nya 0,5 – 1,798 maka nilai ini tidak bermakna, karena berarti nilai OR di populasi di mana sampel kita ambil bersifat paparan protektif sampai bersifat paparan risiko. Melewati pula angka 1 yang artinya sama saja/tidak ada beda atau pengaruh. Ga konsisten. Maka nilai OR tersebut tidak bermakna.

***catatan untuk nilai OR dan RR
RR atau OR <1 bersifat protektif
RR atau OR =1 netral (tidak ada beda)
RR atau OR >1 bersifat risiko

Bagaimana cara membaca atau menginterpretasikan hasil nilai OR atau RR yang nilainya <1?

Misalkan kita dapatkan dari suatu hubungan antara olahraga rutin dengan kejadian hipertensi nilai OR atau RR nya 0,4. Bagaimana cara membacanya?

Jika secara langsung diinterpretasikan maknanya menjadi: Orang yang olahraga rutin berisiko 0,4 kali lebih besar terkena hipertensi dibandingkan orang yang tidak olahraga. Nah makna ini sulit untuk cerna. Untuk hasil nilai OR atau RR yang bersifat protektif (karena nilainya <1) Kita bisa balik dengan menjadikan nilai tersebut 1/OR atau 1/RR nya.

Nilai OR atau RR dijadikan sepernya, maka menjadi 1/0,4 dan bila dihitung 1 dibagi 0,4 menjadi 2,5.

Sehingga maknanya menjadi: Orang yang olahraga rutin berisiko 2,5 kali lebih kecil untuk terkena hipertensi dibandingkan dengan orang yang tidak olahraga. ATAU bisa juga: Orang yang olahraga rutin berisiko 2,5 kali lebih besar untuk tidak terkena hipertensi dibandingkan dengan orang yang tidak olahraga.

Demikianlah cara untuk menghitung nilai OR dan RR (PR) serta interpretasi dan menentukan signifikansinya pada tabel 2×2. Untuk tabel 2xk, maka kamu bisa gunakan penghitungan OR atau RR berulang-ulang antar paparanya, lebih jelasnya bisa dibaca pada post berikut: Cara menghitung nilai OR dan RR pada tabel 2xk dengan SPSS

Bila menyukai artikel ini jangan lupa dibagikan ke media sosial, agar pengetahuan ini tidak berhenti di anda saja dan semoga dapat membantu lebih banyak orang lagi. Terimakasih

Salam hangat dan semoga sukses,

Muhammad Aditya

Powered by WP Review
Like
Like Love Haha Wow Sad Angry
80611
60 Comments

Tinggalkan Balasan

error: Content is protected !!