DESCRIPTIVE EPIDEMIOLOGY : ANALYZING AND INTERPRETING SURVEILLANCE DATA

Distorically, the core processes of public health surveillance have involved using appropriate methods to
aggregate the units of data being collected analysis and also creative approaches to assess the emerging
data patterns interpretation (1).

For these reasons, the ability to analyze and interpret surveillance data determines the mettle of the
epidemiologist. Viewed as basic to observational studies (2), surveillance is at the forefront of the
spectrum of descriptive epidemiology. Surveillance has a myriad of uses (3,4), each of which requires
careful analysis and interpretation. Wheter surveillance is uses to detect epidemics, suggest,
hypotheses, characterize trends in disease or injury, evaluate prevention programs, or project future
public health needs, data from a surveillance system must be analyzed carefully and interpreted
prudently. In this chapter we address practical and methodologic approaches to surveillance analysis ;
the presentation of surveillance data by time, place, and person ; the concept of rates and
standardization of rates ; approaches to exploratory data analysis ; the use of graphics and maps ; and
finally , the systematic interpretation of surveillance data.

APPROACHES TO SURVEILLANCE NALYSIS

Partical Approach

The fundamental approach to analysingsurveillance data is relatively straight forward. Because of their
descriptive nature, surveillance data cannot be used for formal hypothesis testing (5). Rather, the
regular scruntiny of systematically collected information allows epidemiologist to describe of disease
and injury in human populations, organized by a variety of submeasures. Moreover, the analysis (and
subsequent interpretation) proceeds from the specific elements of the data themselves. Thus,
surveillance analysis represents an inductive reasoning process in which the assembly of individual units
eventually produces a more general picture of health – related problems in a population.

Frequently, the time – consuming problems of collecting, managing, and storing surveillance
data leave little energy for the analysis itself. Nonetheless, analyzing surveillance data must be afforded
a high priority by those in charge of surveillance system (3). Approaches to analyzing surveillance data
include the following steps :

1. Know the inherent idiosyncracies of the surveillance data set. It is temting to begin immediately
too examine trends over time. However, intimate knowledge of the day – to – day strengths
and weaknesses of the data – collection methods and the reporting process can can provide a
“real world” sense of the trends thar emerge.
2. Proceed from the simplest to the most complex. Examine each condition separately, both by
numbers and crude trends. How many cases were reported each year ? How many cases were
reported in each age group each year? What are the variable – specific rates ? Only after looking
at each variable separately should examine the relationship among these variables.
3. Realize when inaccuracies in the data preclude more sophisticated analyses. Erratically collected
or incomplete data cannot be corrected by complex analytic techniques. Differential reporting
(see Representativeness, chapter 8 ) by different regions or by different health facilities render
the resulting surveillance data set liable to misinterpretation.

Methodologic Considerations

Analysis of surveillance information depends on the accuracy of that information (chapter 8).
Attempts to analyze data that are haphazardly collected or have varying case definitions waste
valuable time and resources. The two key concepts that determine the accuracy of surveillance data
are reliability and validity (5). Reliability refers to whether a particular conditions is reported
consistently by different observers, whereas validity refers to whether the condition as reported
reflects the true condition as it occurs. Ideally, both reliability and validity can be achieved, but in
practice, reliability ( e.g., reproducibility) is easier than validity to assess. In situations involving
conditions where biologic measures complement clinical case definitions, such as laboratory testing
for infectious diseases, the accuracy of the data can be more completely assured. However, in the
context of more subjective behavioral aspects, such as those associated with lifestyles, accuracy is
more difficult to confirm.

The applications of standard statistical techniques to the analysis of surveillance data is dictated
by the limitations of the data themselves and the flexibility of the
 Epidemiologi DESKRIPTIF: ANALISA DAN INTERPRETASI DATA SURVEILANS

Distorically, inti proses surveilans kesehatan masyarakat telah terlibat menggunakan metode yang
tepat untuk keseluruhan unit data yang dikumpulkan analisis dan juga pendekatan kreatif untuk
menilai pola interpretasi data yang muncul.

Untuk alasan ini, kemampuan untuk menganalisa dan menginterpretasikan data surveilans
menentukan keberanian dari ahli epidemiologi. Dipandang sebagai dasar untuk studi observasional
(2), surveilans adalah di garis depan spektrum epidemiologi deskriptif. Surveilans memiliki segudang
menggunakan (3,4), masing-masing memerlukan analisis yang cermat dan interpretasi. surveilans
keduanya, yang digunakan untuk mendeteksi epidemi, menyarankan, hipotesis, mencirikan
kecenderungan penyakit atau luka, mengevaluasi program pencegahan, atau masa depan proyek
kebutuhan kesehatan masyarakat, data dari sistem surveilans harus dianalisa dan diinterpretasikan
dengan hati-hati hati-hati. Dalam bab ini kami alamat pendekatan praktis dan methodologic untuk
analisis pengawasan, penyajian data surveilans oleh waktu, tempat, dan orang, konsep harga dan
standardisasi tarif, pendekatan untuk analisis data eksplorasi, penggunaan grafis dan peta; dan
akhirnya , penafsiran sistematis data surveilans.

PENDEKATAN PENGAWASAN NALYSIS

partical Pendekatan

Pendekatan mendasar untuk data analysingsurveillance relatif lurus ke depan. Karena sifat deskriptif
mereka, data surveilans tidak dapat digunakan untuk pengujian hipotesis formal (5). Sebaliknya,
scruntiny informasi secara rutin yang dikumpulkan secara sistematis memungkinkan untuk
menggambarkan epidemiologi penyakit dan cedera pada populasi manusia, yang diselenggarakan
oleh berbagai submeasures. Selain itu, analisis (dan interpretasi berikutnya) hasil dari unsur-unsur
tertentu dari data diri. Dengan demikian, analisis pengawasan merupakan proses penalaran induktif
di mana perakitan unit individu akhirnya menghasilkan gambaran yang lebih umum kesehatan -
masalah yang berhubungan dalam suatu populasi.

Sering, waktu - masalah memakan mengumpulkan, mengelola, dan menyimpan data surveilans
menyisakan sedikit tenaga untuk analisis itu sendiri. Meskipun demikian, menganalisis data
surveilans harus diberikan prioritas tinggi oleh orang-orang yang bertanggung jawab atas sistem
surveilans (3). Pendekatan untuk menganalisis data surveilans meliputi langkah-langkah berikut:

1. Mengetahui keistimewaan yang melekat pada data surveilans ditetapkan. Hal ini temting untuk
segera juga memeriksa tren dari waktu ke waktu. Namun, pengetahuan yang mendalam tentang
hari - hari kekuatan dan kelemahan data - - untuk metode pengumpulan dan proses pelaporan
dapat dapat memberikan "dunia nyata" arti Thar tren muncu
2. Penerimaan dari sederhana sampai yang paling kompleks. Periksa kondisi masing-masing secara
terpisah, baik oleh angka dan tren mentah. Berapa banyak kasus dilaporkan setiap tahun?
 Berapa banyak kasus yang dilaporkan dalam setiap kelompok usia setiap tahun? Apa variabel -
tarif tertentu? Hanya setelah melihat setiap variabel secara terpisah harus memeriksa hubungan
antara variabel-variabel.
3. Menyadari ketika ketidakakuratan dalam data menghalangi analisis yang lebih canggih. Tak
menentu dikumpulkan atau data yang tidak lengkap tidak dapat dikoreksi dengan teknik analitik
yang kompleks. Diferensial pelaporan (lihat Keterwakilan, bab 8) oleh daerah yang berbeda atau
oleh fasilitas kesehatan yang berbeda menyebabkan data surveilans yang dihasilkan diatur
dikenakan salah tafsir

Analisis informasi surveilans tergantung pada keakuratan informasi (Bab 8). Upaya untuk menganalisis
data yang dikumpulkan sembarangan atau memiliki berbagai definisi kasus membuang-buang waktu
yang berharga dan sumber daya. Dua konsep kunci yang menentukan keakuratan data surveilans adalah
reliabilitas dan validitas (5). Reliabilitas mengacu pada apakah kondisi tertentu dilaporkan secara
konsisten oleh pengamat yang berbeda, sedangkan validitas mengacu pada apakah kondisi seperti yang
dilaporkan mencerminkan kondisi sebenarnya seperti itu terjadi. Idealnya, baik reliabilitas dan validitas
dapat dicapai, tetapi dalam prakteknya, keandalan (misalnya, reproduktifitas) lebih mudah daripada
validitas untuk menilai. Dalam situasi yang melibatkan kondisi di mana tindakan biologis melengkapi
definisi kasus klinis, seperti tes laboratorium untuk penyakit menular, keakuratan data dapat lebih
lengkap terjamin. Namun, dalam konteks aspek perilaku lebih subyektif, seperti yang berhubungan
dengan gaya hidup, akurasi yang lebih sulit untuk mengkonfirmasi.

Aplikasi teknik statistik standar untuk analisis data surveilans didikte oleh keterbatasan data diri dan
fleksibilitas dari