3. konsep multivariat, confounding, & interaksi (+stata)
TRANSCRIPT
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
1/55
Multivariat analisis
(Konfounding & Interaksi)
BESRAL:
Departemen Biostatistika
FKM UI 2013
1
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
2/55
Uji Statistik BivariatUnivariat Deskripsi satu variabel (mean atau proporsi)
Uji BivariatDeskripsi uji hubungan antara 2 variabel
Jenis uji sangat tergantung pada jenis data/variabel:
1.Uji Chi-square (uji beda proporsi) atau Reg. logistik sederhana
2.Uji-T dan 3.Uji-Anova (uji beda mean),
4.Uji korelasi atau Regresi linier sederhana
Var Dependen
Independen Kategorik Numerik
Kategorik 1.Chi-square/Regresi logistiksederhana
2.t-test-paired(sebelum-sesudah)
2.t-test-independen(jika 2 kategori)
3.Anova (jika >2 kategori)
Numerik t-test (jika 2 kategori)
Anova (>2 kategori)
4.Korelasi /Regresi Linier
sederhana 2
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
3/55
Uji Statistik Bivariat:
Uji statistik bivariat hanya akurat bilasubjek yang ingin dibandingkan adalah
homogen, yaitu pada studi eksperimen di
laboratorium, dimana variabel perancutidak ada lagi.
Misalnya: subjek adalah tikus satu-ibu satu-
bapak. Subjek sudah homogen. Yang berbedahanyalah: satu kelompok dapat perlakuan
(intervensi), yang satu lagi tidak dapat
perlakukan (kontrol)3
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
4/55
Uji Statistik Multivariat:
Pada penelitian survei di masyarakat, tidak
mungkin subjeknya homogen (umurnya sama,pendidikan sama, pengetahuan sama, pekerjaan sama,
sosek sama, jumlah anak sama, status gizi sama,
penyakitnya sama), yang berbeda hanyalahvariabel yang ingin kita uji (misalnya ANEMIA
dan TIDAK Anemia), untuk mengetahui efeknya
terhadap BBLR.
Karena tidak homogen, maka kita harus
mengontrol (pada saat analisis data) semua
variabel yang berpengaruh melalui analisis
multivariat 4
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
5/55
Contoh
Suatu penelitian bertujuan untuk
mengetahui hubungan Intervensi Fe,
status gizi, dan sosial ekonomi
dengan kejadian BBLR
5
Intervensi Fe
BBLRSt.Gizi Ibu
Sosek
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
6/55
Hasil Uji Bivariat
Ibu dengan st.gizi kurang memiliki risiko 4 kali
lebih besar untuk melahirkan bayi BBLR
dibanding itu st.gizi baik
Ibu dengan sosek rendah memiliki risiko 5 kali
lebih besar untuk melahirkan bayi BBLR
dibanding itu sosek tinggi 6
Normal BBLR
n % n % OR p-value
Status Gizi
Baik 40 67 20 33
Kurang 19 32 41 68 4,30 0,000
Sosek
Tinggi 40 69 18 31
Rendah 19 31 43 69 5,00 0,000
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
7/55
Hasil Uji Bivariat
Hasil uji Bivariat, tidak logis dan tidak bisa dipercaya.???:
Intervensi pemberian Fe malah meningkatkan risiko BBLR.
Risiko BBLR pada ibu yang tidak mendapat intervensi Fe
0,4 kali lebih rendah dibandingkan dengan ibu yang
mendapat intervensi Fe (tdk masuk akal).
7
Normal BBLR
n % n % OR p-valueIntervensi Fe
Ya 23 38.0 37 62.0
Tidak 36 60.0 24 40.0 0,41 0,014
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
8/55
Hasil Uji Multivariat
8
Intervensi Fe
BBLRSt.Gizi Ibu
Sosek
Simpulan Hasil uji Multivariat:
Tidak intervensi Fe, Gizi kurang, dan Sosek rendah merupakan
faktor risiko BBLR. Risiko BBLR pada yang tidak mendapat Fe
sebesar 6,7 kali lebih tinggi, pada yang kurang gizi 10,7 kali lebih
tinggi, dan pada sosek rendah 8 kali lebih tinggi
(OR sudah dikontrol oleh variabel confounding)
Variables in the Equation B S.E. Wald df Sig. Exp(B)
Tdk.Intervensi.Fe 1.91 0.72 7.09 1 0.008 6.7
Gizi.kurang 2.38 0.64 13.82 1 0.000 10.7
Sosek.rendah 2.09 0.51 17.02 1 0.000 8.1
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
9/55
Perbandingan hasil uji
Bivariat vs Uji Multivariat
9
Intervensi Fe
BBLRSt.Gizi Ibu
Sosek
(OR pd multivariat sudah dikontrol oleh pengaruh confounding)
(Catatan: pada tahap ini uji interaksi belum dilakukan)
Normal BBLR Bivariat Multivariat
Intervensi Fe n % n % OR Sig OR Sig
Ya 23 38.0 37 62.0
Tidak 36 60.0 24 40.0 0,41 0.014 6.7 0.000St.Gizi
Baik 40 67 20 33
Kurang 19 32 41 68 4,30 0.000 10.7 0.000
Sosek
Tinggi 40 69 18 31
Rendah 19 31 43 69 5,00 0.000 8.1 0.000
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
10/55
Apa yang dimaksuddengan
Konfounding..???
10
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
11/55
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
12/55
Karakteristik Confounder
1. Berhubungan dengan paparan/faktor resiko yang diteliti
(causally atau non-causally associated)
2. Berhubungan dengan penyakit/outcome (causallyassociated)
3. Bukan merupakan konsekuensi dari paparan (tidak terletak
diantara E & D / bukan variabel antara)
Exposure Disease
Confounder
12
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
13/55
Arah Confounding
1. PositifOverestimate (risk value menjauhi Null value jika tidak dikontrol)
2. Negatif
Underestimate (risk value mendekati Null value jika tdk dikontrol)kurang beresiko atau kurang proteksi
3. Cross overasosiasi berubah arah: negatif positif (sebaliknya)
OR/RR
21.71.310.50.30.1
Null
valueCF controlled
CF not controlled CF not controlled
CF controlled
13
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
14/55
Upaya Mengontrol Confounding
Pada tahap Design
1. Restriksi (pada experimental & observational study)membatasi obyek penelitian pada level confounder yang sama
(confounder tidak bervariasi) antara group EnE dan DnD
Kelemahan: efek modifikasi tidak dapat dievaluasi, generalizability?
2. Matching(pada experimental & observational study)
Type: a). Full matching, b). partial matching
Method: a). Frequency/marginal matching, b). Individual matching
Problem: Over matching
3. Randomisasi (hanya pada experimental study)
subyek penelitian ditempatkan secara random pada group2 yangdiperbandingkan (E & NE)
Pada tahap Analisa Data
1. Analisis Stratifikasi
2. Analisis Multivariat 14
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
15/55
Eksistensi Confounding
Confounding = bias estimasi efek pajananterhadap penyakit akibat perbandingan tidak
seimbang antara kelompok terpajan dengan
kelompok tidak terpajan
Terjadi akibat adanya perbedaan risikoterjadinya penyakit pada kelompok terpajan
dengan kelompok tidak terpajan
Risiko terjadinya penyakit berbeda meskipunpajanan dihilangkan pada kelompok terpajan
15
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
16/55
Syarat Confounding (C)
1. C merupakan faktor risiko D
2. C memiliki asosiasi dengan E
3. C bukan variabel antara
E D
C
16
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
17/55
Contoh Confounding
Intervensi Fe BBLR
St.Gizi Ibu
17
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
18/55
Contoh confounding
Hubungan Intervensi Fe dg BBLR
Intervensi Fe BBLR
Hasil analisis: OR = 0,44Intervensi Fe berisiko terjadinya BBLR. .Lho kok bisa?
Lesson learn:
Jangan percaya pada Analisis bivariat, karena masih kasar 18
Intervensi Fe Normal BBLR TotalYa 24 36 60
Tidak 36 24 60
OR= (24 x 24) / (36 x 36) = 0,44
Variables in the Equation
-.811 .373 4.735 1 .030 .444
.405 .264 2.367 1 .124 1.500
Tdk.Intervensi.Fe
Constant
Step
1a
B S.E. Wald df Sig. Exp(B)
Variable(s) entered on step 1: Tdk.Intervensi.Fe.a.
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
19/55
Contoh confounding
Intervensi Fe dg BBLR (Dipisah menurut status Gizi)
Hasil analisis:Tidak mendapatintervensi Fe
berisikoterjadinyaBBLR,
baik pdkelompok gizibaik maupunpd gizi kurang.
Kelompok gizi baik
BBLR- BBLR + Jumlah
Fe + 6 2 8
Fe - 34 18 52
Jumlah 40 20 60
OR = (18*6)/(34*2) = 1,58
19
Kelompok gizi kurang
BBLR- BBLR + Jumlah
Fe + 18 34 8
Fe - 2 6 52
Jumlah 20 40 60
OR = (6*18)/(2*34) = 1,58
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
20/55
Contoh confounding
Hasil analisis: OR 4,0 Ibu dengan status gizikurang memiliki risiko 4 kali untuk melahirkan BBLR
St.Gizi ibu
BBLR
Variables in the Equation
1.386 .387 12.812 1 .000 4.000
-.693 .274 6.406 1 .011 .500
Gizi
Constant
Step
1a
B S.E. Wald df Sig. Exp(B)
Variable(s) entered on step 1: Gizi.a.
Hubungan status gizi dengan BBLRBBLR+ BBLR- Jumlah
Gizi kurang 40 20 60Gizi baik 20 40 60
Jumlah 60 60 120
OR = (40*40)/(20*20) = 4,00
20
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
21/55
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
22/55
Contoh confounding
Pada contoh diatas, status gizi merupakan confounder
karena st.gizi merubah hubungan Intervensi Fe dg BBLR,
hal ini dapat terjadi karena:
St.gizi kurang merupakan faktor risiko BBLR Distribusi Fe tidak seimbang pada ibu gizi kurang dan ibu gizi
baik, atau sebaliknya St.Gizi tidak imbang antara Fe + dengan
Fe -, Sehingga St. Gizi merubah hubungan Fe dengan BBLR
Intervensi Fe
St.Gizi Ibu
BBLR
Identifikasi Konfounder:Konfounder exist jika = Delta OR > 10%
22
%100*||
_
adjusted
adjustedcrude
OR
ORORORDelta
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
23/55
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
24/55
Interaksi
24
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
25/55
INTERAKSI
Interaksi = Efek modifikasi = Efek modifier
Pengertian:
Keberagaman/heterogenitas/variasi efek dari suatu faktor
resiko terhadap kemunculan penyakit/outcome, pada level
yang berbeda dari faktor resiko lain
Suatu situasi dimana 2 atau lebih faktor resiko saling
memodifikasi (besar dan/atau arah) efek nya terhadap
kejadian/outcome yang diteliti (Moyses S. & F. Javier N.,2000)
Efek modifikasi menunjukkan seberapa jauh efek faktor resiko
utama terhadap munculnya penyakit/outcome, dimodifikasi
oleh faktor resiko lain (modifier)25
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
26/55
Apakah efek intervensi Fe berbeda
menurut St.Gizi?
Jika ya, maka Fe berinteraksi denganSt.Gizi atau St. Gizi merupakan Efek
Modifier?
Identifikasi Interaksi:1.Apakah antar strata (sig vs tdk, proteksi vs
faktor risiko, risiko rendah vs tinggi) efek
St.Gizi baik dibanding St.Gizi kurang?
2. Apakah interaksi Fe dg St.Gizi signifikan?P-value < 0.05?
Ibu Anemia
St.Gizi Ibu
BBLR
26
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
27/55
Hasil analisis:
St.Gizi bukan efek modifier,
tdk berinteraksi dg intervensi Fe1. Hubungan Fe dg BBLR menurut status Gizi:
Simpulan:
St.Gizi bukan
variabel interaksikarena Risiko Fe -terhadap kejadianBBLR adalah sama(tidak berbeda)
baik pada kelompokgizi baik maupun pdgizi kurang(OR sama sama1,58)
27
Kelompok gizi baik
BBLR- BBLR + Jumlah
Fe + 6 2 8
Fe - 34 18 52Jumlah 40 20 60
OR = (18*6)/(34*2) = 1,58
Kelompok gizi kurang
BBLR- BBLR + JumlahFe + 18 34 8
Fe - 2 6 52
Jumlah 20 40 60
OR = (6*18)/(2*34) = 1,58
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
28/55
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
29/55
Simpulan:
OR Intervensi Fe berubah 10% atau lebih, dari 0.44 (OR Crude)
menjadi 1.59 (OR adjusted) setelah dikontrol oleh St.Gizi
St.Gizi merupakan konfounding dalam hubungan
Intervensi Fe dengan kejadian BBLR
29
B S.E. Wald df Sig. Exp(B)
Tdk.Intervensi.Fe 0.463 0.613 0.569 1 0.450 1.59
Gizi.kurang 1.735 0.613 8.006 1 0.005 5.67Constant -1.099 0.609 3.253 1 0.071 0.33
Variable(s) entered on step 1: Tdk.Intervensi.Fe, Gizi.kurang.
B S.E. Wald df Sig. Exp(B)Tdk.Intervensi.Fe -0.811 0.373 4.735 1 0.030 0.44Constant 0.405 0.264 2.367 1 0.124 1.50
Variable(s) entered on step 1: Tdk.Intervensi.Fe.
St Gi i BBLR
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
30/55
St.Gizi
Sosek
BBLR
1. Hubungan St. Gizi dg BBLR menurut Sosek:
Simpulan:
Status Giziberinteraksi dengan
Sosek (sosekmemodifikasi efekdari St.Gizi denganBBLR) Risiko St.Gizikurang terhadap
kejadian BBLRadalah berbedaantara Sosek Tinggi(OR = 1,05) dgSosek Rendah (OR =
8,18)
Interaksi St.Gizi dg Sosek
30
Kelompok Sosek Tinggi:
BBLR - BBLR + Total
Gizi Baik 27 11 38
Gizi Kurang 14 6 20
OR=(27*6/11*14) =1.05
Kelompok Sosek rendah:
BBLR - BBLR + TotalGizi Baik 13 9 22
Gizi Kurang 6 34 40
OR=(13*34/9*6) = 8.18
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
31/55
Interaksi St.Gizi dg Sosek
2. Signifikansi interaksi St. Gizi dg Sosek < 0,05:
St.Gizi
Sosek
BBLR
Simpulan:
St.Gizi berinteraksi dengan Sosek, karena nilai-p (sig)
variabel interaksi
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
32/55
Jika ada interaksi (efek modifier), maka
harus dilaporkan efek(nilai OR) yang
terpisah untuk masing-masing strata
32
Ada Interaksi?
YA
Tidak
Laporkan OR
masing-masing
strata
Lakukan ujikonfounding
Ada Confounding?
YA
Tidak
Laporkan OR
adjusted
Laporkan OR
crude
Mulai
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
33/55
Interaksi pada Regresi Logistik
Interaksi atau modifikasi efek (effect modifier)
adalah heterogenitas efek dari satu pajanan
pada tingkat pajanan lain
Modifikasi efek merupakan konsep yang penting
dalam tahpa analisis: apakah akan melaporkan
efek bersama (yang terkontrol confounder) atau
efek yang terpisah untuk masing-masing strata.
33
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
34/55
Interaksi pada Regresi Logistik
Pada analisis regresi logistik, jika kita
menemukan adanya interaksi antar variabel
pajanan dengan variabel lainnya, maka nilai
odds rasio harus dilaporkan secara terpisahmenurut strata dari variabel tersebut.
Nilai rasio odds yang tertera pada variabel
pajanan menjadi tidak berlaku dan nilai odds
rasio untuk masing-masing strata harus dihitung
secara manual.
34
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
35/55
OR untuk st.gizimenurut sosek adalah:
e(0,051+2,052*sosek), sehingga: Pada sosek=0 (tinggi), OR = e(0,051+2,052*0)= e(0,051)= 1,05
Pada sosek=1 (rendah), OR = e(0,051+2,052*1)= e(2,103)= 8,18
Pada sosek tinggi tidak ada pengaruh St.gizi pada BBLR,
Pada sosek rendag, st.gizi kurang berisiko 8 kali lebih besar utk BBLR
Logit (BBLR) = a + b1Gizi + b2Sosek+ b3Gizi*sosekMaka OR untuk st.giziadalah:Pada sosek=0 (tinggi), OR = e(b1 + b3*0)= eb1
Pada sosek=1 (rendah), OR = e(b1 + b3*1)= eb1+b3
Perhitungan OR interaksi
35
B S.E. Wald df Sig. Exp(B)
Gizi.kurang 0.051 0.605 0.007 1 0.933 1.05
Sosek.rendah 0.530 0.562 0.890 1 0.346 1.70
Gizi by Sosek 2.052 0.866 5.611 1 0.018 7.78
Constant -0.898 0.358 6.302 1 0.012 0.41
Variable(s) entered on step 1: Gizi.kurang, Sosek.rendah, Gizi.kurang * Sosek.rendah .
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
36/55
OR untuk Sosekmenurut sosek adalah:
e(0,051+2,052*sosek), sehingga: Pada gizi=0 (baik), OR = e(0,53+2,052*0)= e(0,53)= 1,7
Pada gizi=1 (kurang), OR = e(0,53+2,052*1)= e(2,103)= 13, 2
Pada gizi baik, Risiko sosek rendah untuk BBLR 1,7 kali,
Pada gizi kurang, Risiko sosek rendah untuk BBLR 13 kali
Logit (BBLR) = a + b1Gizi + b2Sosek+ b3Gizi*sosekMaka OR untuk Sosekadalah:Pada gizi =0 (baik), OR = e(b2 + b3*0)= eb2
Pada gizi=1 (kurang), OR = e(b2 + b3*1)= eb2+b3
Perhitungan OR interaksi
36
B S.E. Wald df Sig. Exp(B)
Gizi.kurang 0.051 0.605 0.007 1 0.933 1.05
Sosek.rendah 0.530 0.562 0.890 1 0.346 1.70Gizi by Sosek 2.052 0.866 5.611 1 0.018 7.78
Constant -0.898 0.358 6.302 1 0.012 0.41
Variable(s) entered on step 1: Gizi.kurang, Sosek.rendah, Gizi.kurang * Sosek.rendah .
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
37/55
Pengujian Interaksi Pada Regresi LogistikGanda
Interaksi harus diuji terlebih dahulu (pada MODEL
Faktor risiko)
Interaksi diuji terakhir (pada MODEL prediksi ataudeterminan)
Adanya Interaksi antar 2 variabel independen
ditunjukan dengan nilai Sig. < 0.05
Jika ada interaksi,variabel interaksi harus masukdalam model dan laporkan OR menurut kelompok
(strata) dari var interaksi
37
Pengujian Interaksi
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
38/55
Pengujian Confounding Pada RegresiLogistik Ganda
Adanya Konfounderdideteksi dg melihat perubahan
nilai Exp(B) atau OR sebesar > 10%
Absolut ( OR CrudeOR Adjusted ) * 100% >10%konfounder
OR Adjusted
Perubahan OR diidentifikasi dari:
Variabel independent utama saja (dan interaksinya, jika ada
interaksi) dalam pemodelan faktor resiko, atau
Semua variabel independen lain, dalam pemodelan prediksi
Jika ada confounder, maka variabel konfounder harus
masuk ke dalam model
38
Pengujian Confounding
Bi i t (C d An l i )
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
39/55
39
Bivariat (Crude Analysis)Normal BBLR
n % n % OR p-value
Status Gizi
Baik 40 66.7 20 33.3
Kurang 20 33.3 40 66.7 4,00 0,000
Sosek
Tinggi 41 68.3 17 28.3
Rendah 19 31.7 43 71.7 5,46 0,000
Intervensi FeYa 24 40.0 36 60.0
Tidak 36 60.0 24 40.0 0,44 0,022
Tugas:
Tulis interpretasinya masing-masingvariabel, apa arti OR crude?
Multivariat (Adjusted) tanpa Interaksi
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
40/55
40
Multivariat (Adjusted) tanpa Interaksi
Tugas:
1.Tulis interpretasi masing-masing variabel
2.Bandingkan OR crude dg adjusted3.Apakah ada konfounding?
B S.E. Wald df Sig. Exp(B)
Gizi.kurang 2.38 0.64 13.83 1 0.000 10.79Sosek.rendah 2.28 0.52 19.16 1 0.000 9.80
Tdk.Intervensi.Fe 2.10 0.73 8.34 1 0.004 8.18
Constant -3.43 0.82 17.58 1 0.000 0.03
Variable(s) entered on step 1: Gizi.kurang, Sosek.rendah, Tdk.Intervensi.Fe.
Model Interaksi St Gizi dg Sosek setelah
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
41/55
41
Model Interaksi St.Gizi dg Sosek, setelah
dikontrol oleh intervensi Fe
TUGAS:
1. Apakah ada interaksi?
2. Hitung OR masing-masing strata
3. Tulis interpretasi hasil ..
B S.E. Wald df Sig. Exp(B)
Gizi.kurang 1.29 0.75 2.98 1 0.084 3.65
Sosek.rendah 1.25 0.63 3.95 1 0.047 3.49
Tdk.Intervensi.Fe 2.58 0.88 8.50 1 0.004 13.14Gizi by Sosek 2.66 1.03 6.65 1 0.010 14.36
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
42/55
42
Menghitung OR interaksi
dg STATA
Menghitung OR interaksi & 95% CI pd
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
43/55
43
Menghitung OR interaksi & 95% CI pd
SPSS dilakukan secara manual
Menghitung OR interaksi & 95% CI pd
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
44/55
44
1.Buat Model Interaksi antara St.Gizi dg Soseklogistic bblr gizi_kurang##sosek_rendah2a. lincom untuk menghitung OR St.Gizi pada sosek rendah (pembanding gizi baik)lincom 1.gizi_kurang + 1.gizi_kurang#1.sosek_rendah
2b. lincom untuk menghitung OR Sosek pd Gizi kurang (pembanding sosek baik)lincom 1.sosek_rendah + 1.sosek_rendah#1.gizi_kurang
1.Buat Model Interaksi antara St.Gizi dg Sosek, sbb:Menghitung OR interaksi & 95% CI pd
STATA command (syntax)
1.Buat Model Interaksi antara Smoke dg Racelogistic low race##smoke
2a.Lincom utk OR smoke (pembanding tdk merokok)Lincome 1.smoke + 1.smoke#1.race *OR smoke pd ras putihLincome 1.smoke + 1.smoke#2.race *OR smoke pd ras hitam
Lincome 1.smoke + 1.smoke#3.race *OR smoke pd ras lain2b.Lincom utk OR race (pembanding ras putih)Lincome 2.race + 2.race#0.smoke *OR ras hitam pd non-smokerLincome 3.race + 3.race#0.smoke *OR ras lainnya pd non-smokerLincome 2.race + 2.race#1.smoke *OR ras hitam pd smokerLincome 3.race + 3.race#1.smoke *OR ras lainnya pd smoker
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
45/55
45
logistic bblr gizi_kurang##sosek_rendah
Logistic regression Number of obs = 120LR chi2(3) = 32.61Prob > chi2 = 0.0000
Log likelihood = -66.873051 Pseudo R2 = 0.1960
bblr Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]
1.gizi_kurang 1.05 0.64 0.08 0.933 0.32 3.441.sosek_rendah 1.70 0.96 0.94 0.346 0.56 5.11
gizi_kurang#sosek_rendah 7.78 6.74 2.37 0.018 1.42 42.49
1.Buat Model Interaksi antara St.Gizi dg Sosek, sbb:
OR INTERAKSI:1. OR St.Gizi (St.gizi=1 dibanding St.gizi=0) untuk terjadinya BBLR,
pada Sosek Tinggi (Sosek=0) adalah 1.05 (sesuai output)
2. OR St.Gizi(St.gizi=1 dibanding St.gizi=0) untuk BBLR, pada Sosek
Rendah (Sosek=1) harus dihitung ulang dg perintah lincom
2 li t k hit OR St Gi i d k d h
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
46/55
46
lincom 1.gizi_kurang + 1.gizi_kurang#1.sosek_rendah( 1) [bblr]1.gizi_kurang + [bblr]1.gizi_kurang#1.sosek_rendah = 0
2. lincom untuk menghitung OR St.Gizi pada sosek rendah:
OR INTERAKSI:
1. OR St.Gizi(St.gizi=1 dibanding St.gizi=0) untuk BBLR,
pada Sosek Tinggi (Sosek=0) adalah 1.05 (output sebelumnya)
2. OR St.Gizi(St.gizi=1 dibanding St.gizi=0) untuk BBLR,
pada Sosek Rendah (Sosek=1) adalah = 8.19 (CI: 2.4327.58)
bblr Odds Ratio Std. Err. z P>z [95% Conf. Interval]
(1) 8.19 5.07 3.39 0.001 2.43 27.58
1 B M d l I k i S k d S Gi i bb
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
47/55
47
logistic bblr gizi_kurang##sosek_rendah
Logistic regression Number of obs = 120
LR chi2(3) = 32.61Prob > chi2 = 0.0000
Log likelihood = -66.873051 Pseudo R2 = 0.1960
bblr Odds Ratio Std. Err. z P>|z| [95% Conf. Interval]
1.gizi_kurang 1.05 0.64 0.08 0.933 0.32 3.44
1.sosek_rendah 1.70 0.96 0.94 0.346 0.56 5.11gizi_kurang#sosek_rendah 7.78 6.74 2.37 0.018 1.42 42.49
1.Buat Model Interaksi antara Sosek dg St.Gizi, sbb:
OR INTERAKSI:1. OR Sosek(Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,
pada Gizi_baik (St.Gizi=0) adalah 1.70 (sesuai output)
2. OR Sosek(Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,
pada Gizi_kurang (St.Gizi=1) harus dihitung ulang dg perintah lincom
2 li t k hit OR S k d Gi i k
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
48/55
48
lincom 1.sosek_rendah + 1.sosek_rendah#1.gizi_kurang( 1) [bblr]1.sosek_rendah + [bblr]1.gizi_kurang#1.sosek_rendah = 0
2. lincom untuk menghitung OR Sosek pd Gizi kurang:
OR INTERAKSI:
1. OR Sosek(Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,
pada Gizi_baik (St.Gizi=0) adalah 1.70 (output sebelumnya)
2. OR Sosek(Sosek rendah=1 dibanding sosek tinggi=0) untuk BBLR,
pada Gizi_kurang (St.Gizi=1) adalah = 13.22 (CI: 3.6348.10)
bblr Odds Ratio Std. Err. z P>z [95% Conf. Interval]
(1) 13.22 8.71 3.92 0.000 3.63 48.10
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
49/55
49
Menghitung OR interaksi
lebih 2 kategori
Ras: 1. Putih, 2.Hitam,3.Lainnya
BBLRRokokRas: 1. Putih, 2.Hitam,
3.Lainnya BBLR
Rokok
Model-1 Model-2
Risiko perokok untuk BBLR Efek Ras untuk BBLR
1 B t M d l I t k i t S k d R bb
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
50/55
50
logistic low race##smoke
Logistic regression Number of obs = 189
LR chi2(5) = 17.85Prob > chi2 = 0.0031
Log likelihood = -108.40889 Pseudo R2 = 0.0761
1.Buat Model Interaksi antara Smoke dg Race, sbb:
2.Lincom utk OR smokeLincome 1.smoke + 1.smoke#1.race *OR smoke pd ras putihLincome 1.smoke + 1.smoke#2.race *OR smoke pd ras hitamLincome 1.smoke + 1.smoke#3.race *OR smoke pd ras lain
*OR smokepd rasputih
3 OR k d tih 5 75
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
51/55
51
3. OR smoke: a. pd ras putih = 5.75
b. pd ras hitam = 3.3
c. pd ras lain = 1.25
1 B t M d l I t k i t R d S k bb
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
52/55
52
logistic low race##smoke
1.Buat Model Interaksi antara Race dg Smoke, sbb:
2.Lincom utk OR race (pembanding ras putih)Lincome 2.race + 2.race#0.smoke *OR ras hitam pd non-smokerLincome 3.race + 3.race#0.smoke *OR ras lainnya pd non-smoker
Lincome 2.race + 2.race#1.smoke *OR ras hitam pd smokerLincome 3.race + 3.race#1.smoke *OR ras lainnya pd smoker
Nilai OR HASIL ANALISIS STATA
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
53/55
53
Nilai OR HASIL ANALISIS STATA
Nil i OR HASIL ANALISIS SPSS & M E l
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
54/55
54
Nilai OR HASIL ANALISIS SPSS & MsExcel
-
8/10/2019 3. Konsep Multivariat, Confounding, & Interaksi (+Stata)
55/55
Terima Kasih
Jika ada pertanyaan silakan
email ke:
besral@yahoo com
Atau sms ke
0858 8098 4413
mailto:[email protected]:[email protected]:[email protected]