Upload
osy-arina-rosyida
View
225
Download
33
Embed Size (px)
Citation preview
ARINA ROSYIDA
25010110130212
Peminatan Epidemiologi dan Penyakit Tropik
Tugas Metode Epidemiologi
Bias dalam Studi Epidemiologi
Epidemiologi adalah ilmu yang mempelajari peristiwa yang berhubungan
dengan kesehatan yang mempengaruhi populasi. Seperti semua ilmu
pengetahuan, hal tersebut didasari dengan observasi dan pengukuran yang tepat
serta dikombinasikan dengan ilmu pengetahuan yang ada sehingga dapat
diproses secara efektif dalam suatu studi. Epidemiologi membahas asal-usul
suatu masalah kesehatan dan masalah tertentu yang berkaitan dengan gizi,
bahaya lingkungan dan perilaku berisiko manusia. Umumnya epidemiologi
mengumpulkan informasi dalam masyarakat dan melalui analisis data berusaha
untuk mengungkap faktor risiko untuk masalah kesehatan, terutama faktor risiko
yang dapat diubah oleh pemerintah, intervensi medis atau pendidikan dalam
populasi.
Secara sederhana, studi epidemiologi dapat dibagi menjadi dua kelompok
sebagai berikut :
1. Epidemiologi deskriptif, yaitu cross sectional study/ studi potong lintang/
studi prevalensi atau survei.
2. Epidemiologi analitik, terdiri dari:
a. Non eksperimental:
1) Studi kohort/ follow up/ incidence/ longitudinal/ prospektif studi.
Kohort diartikan sebagai sekelompok orang. Tujuan studi ini
adalah mencari akibat (penyakitnya).
2) Studi kasus kontrol/ case-control/ studi retrospektif. Tujuannya
adalah mencari faktor penyebab penyakit.
b. Eksperimental
Dimana penelitian dapat melakukan manipulasi/ mnegontrol faktor-
faktor yang dapat mempengaruhi hasil penelitian dan dinyatakan
sebagai tes yang paling baik untuk menentukan cause and effect
relationship serta tes yang berhubungan dengan etiologi, kontrol,
terhadap penyakit maupun untuk menjawab pertanyaan masalah
ilmiah lainnya.
Dalam studi/ penelitian epidemiologi dapat terjadi bias. Hal ini sangat
penting untuk dihindari. Bias didefinisikan sebagai segala kesalahan sistematis
dalam studi epidemiologi yang menghasilkan perkiraan yang salah dari
hubungan antara eksposure dan risiko penyakit. Epidemiologi harus sangat
berhati-hati dalam menafsirkan hasil studi mereka, harus dapat mengenali
potensi kesalahan.
Sehingga penting untuk kita dapat lebih memahami sifat bias, mengingat
bahwa tujuan epidemiologi adalah untuk menetapkan bahwa paparan faktor
risiko tertentu dapat menyebabkan masalah kesehatan. Apabila terjadi kesalahan
dalam penelitian, maka hasilnya pun tidak valid atau tidak dapat diterima.
Hasil studi epidemiologi seharusnya mencerminkan efek sebenarnya dari
eksposur terhadap outcome yang diselidiki, namun harus selalu diperhatikan
bahwa temuan mungkin saja dipengaruhi oleh hal-hal lain yang dapat
menyebabkan kesalahan. Hal-hal tersebut mungkin karena pengaruh kebetulan
(random error), bias atau pengganggu, yang dapat menghasilkan hasil yang
palsu yang dapat membuat kita menyimpulkan adanya hubungan statistik yang
sebenarnya tidak valid.
Studi observasional sangat rentan terhadap efek dari random error, bias
dan confounding, dan ini perlu dipertimbangkan pada tahap desain dan analisis
studi epidemiologi sehingga efek yang dapat menyebabkan kesalahan dapat
diminimalisir.
Bias dapat didefinisikan sebagai kesalahan sistematis dalam studi
epidemiologi yang menghasilkan perkiraan yang salah tentang hubungan antara
eksposur dan risiko penyakit.
Tipe bias secara umum dalam studi epidemiologi, yaitu:
1. Confounding
Confounding dapat mempengaruhi hasil pengamatan hubungan secara
keseluruhan maupun sebagian yang dapat mempengaruhi hasil dari studi yang
sedang dipelajari. Confounding atau pengganggu muncul ketika efek dari dua
eksposur terkait belum dipisahkan, sehingga dalam interpretasi, efek yang
dipengaruhi oleh suatu variabel dapat dipengaruhi juga dengan variabel-variabel
lain. Dampak dari adanya pengaruh confounding ini adalah bahwa estimasi
hubungan tidak sama dengan efek sebenarnya.
Menentukan variabel yang merupakan confounder:
a) Variabel terkait secara independen dengan hasil (yaitu menjadi faktor
risiko).
b) Variabel harus dikaitkan dengan paparan yang diteliti dalam populasi
sumber.
c) Seharusnya tidak terletak pada jalur kausal antara paparan dan penyakit.
Contoh confounding: misalkan suatu studi menemukan hubungan antara
konsumsi alkohol terhadap risiko penyakit jantung koroner. Namun merokok
dapat menjadi variabel pengganggu (confounder) antara alkohol dan penyakit
jantung koroner. Misalkan merokok secara independen terkait denga penyakit
jantung koroner (merupakan faktor risiko) dan juga berhubungan dengan
konsumsi alkohol (perokok cenderung mengkonsumsi alkohol lebih banyak
dibanding yang bukan perokok).
Adanya efek pembaur (confounding) dari merokok mungkin sebenarnya
menunjukkan tidak ada hubungan antara konsumsi alkohol dan PJK.
Pengaruh dari confounding: Faktor confounding jika tidak dikontrol dapat
menyebabkan bias dalam estimasi dampak paparan yang sedang dipelajari. Efek
dari confounding dapat menghasilkan:
a) Adanya hubungan yang diamati pada populasi studi, padahal tidak ada
hubungan yang nyata.
b) Tidak adanya hubungan yang diamati pada populasi studi, padahal terdapat
hubungan yang nyata.
c) Menyalahkan efek yang sebenarnya berhubungan.
d) Membenarkan efek yang sebenarnya salah.
2. Bias informasi
Dalam sumber lain juga disebut sebagai bias kepastian. Merupakan
penyimpangan dalam memperkirakan efek atau pengaruh karena kesalahan
pengukuran atau kesalahan pengelompokan subyek penelitian menurut satu
atau lebih variabel.
Ada dua macam yang termasuk dalam bias ini yaitu :
a. Bias Diagnostik
Terjadi bila cara mendiagnosis suatu penyakit misalnya, pada kelompok
kasus dan kelompok kontrol tidak proporsional. Misalnya dalam penelitian yang
membandingkan kelompok kasus yang menderita kanker paru dan kelompok
kontrol yang tidak menderita kanker paru. Diagnosis kanker paru harus dilakukan
secara sama pada dua kelompok tersebut. Caranya, pengukuran gejalanya, atau
pemeriksaan laboratoriumnya harus sama untuk kedua kelompok tersebut.
Sehingga akan diperoleh, kelompok yang positif menderita kanker paru sebagai
kelompok kasus, dan kelompok yang dinyatakan negatif dari hasil diagnosis,
sebagai kelompok kontrol.
Salah satu solusi untuk menghindari bias ini yaitu dengan sistem blinding,
dilakukan pengujian dengan tidak memberi tahu subyek penelitian mereka masuk
kelompok yang mana terleih dahulu.
b. Bias pemanggilan kembali (recall bias)
Bias ini terjadi jika informasi mengenai variabel paparan tidak diketahui
atau tidak akurat. Jika informasi pernah mengalami paparan atau tidak hanya
berdasar data sekunder saja, atau dengan mengingat kembali, akan banyak
menimbulkan bias dalam jumlah maupun ketepatan.
Cara menghindari bias ini yaitu dengan taat pada protokol yang telah
dibuat, melakukan standar dengan sistem blinding, dan catatan - catatan
tambahan jika diperlukan.
3. Bias Seleksi
Bias ini sering terjadi pada saat melakukan seleksi sampel penelitian
karena sampel terdiri dari dua populasi yang berbeda, yaitu satu yang menderita
penyakit dan yang sehat (tidak menderita penyakit) sehingga sulit ungtuk
memastikan bahwa kedua populasi ini betul-betul cocok dan bebas dari
kesalahan memilih.
Macam-macam bias seleksi:
a. Non-response bias
Non-response bias terjadi karena adanya individu yang tidak mananggapi
panggilan untuk berpartisipasi dalam studi penelitian. Sebagai contoh, responden
cenderung memiliki kebiasaan gaya hidup sehat, dengan perilaku merokok lebih
rendah. Oleh karena itu mereka cenderung berbeda dengan populasi target.
Untuk mengilustrasikan, anggaplah kita ingin melakukan studi kasus-kontrol dari
hubungan kanker hati dengan merokok. Kelompok kasus ( yang diidentifikasi
memiliki kanker hati) yang didapat dari semua rumah sakit di kota selama tahun
penelitian. Kelompok kontrol ( individu tanpa riwayat kanker hati) akan direkrut
melalui media massa setempat dan akan menjadi relawan. Hasil penelitian yang
paling mungkin akan menunjukkan hubungan yang kuat antara merokok dengan
kanker hati, tidak tentu karena kedua hal tersebut terkait, tetapi karena proses
seleksi yang berbeda antara kasus dan kontrol. Perhatikan bahwa dalam contoh
ini ada dua potensi sampel bias. Pertama, target populasi (semua orang di
komunitas) telah diganti dengan kerangka sampling dari mereka yang dapat
dijangkau oleh media massa. Kedua, sebenarnya sampel kasus dan kontrol
berbeda dalam cara yang signifikan, sehingga membandingkan mereka
menyebabkan komplikasi dalam penafsiran risiko relatif.
b. Berkson’s bias
Kasus dan / atau kontrol dipilih dari rumah sakit. Jika berdasarkan rumah
sakit kasus / kontrol memiliki eksposur berbeda dibandingkan penduduk
berdasarkan kasus / kontrol, OR akan bias (bisa over atau diremehkan).
Sebagai contoh: studi kasus kanker pankreas dengan perilaku minum
kopi. Kontrol dipilih dari pasien gastroenteritis di rumah sakit yang sama. Namun
pasien GI kurang mungkin minum kopi dibanding sisa penduduk karena penyakit
mereka. Oleh karena itu OR untuk minum kopi meningkat secara artifisial karena
ketidak-wakilan peminum kopi pada kontrol.
Solusi: penggunaan kontrol berbasis populasi, atau kontrol dengan
penyakit yang tidak berhubungan dengan eksposur.
Referensi:
http://www.uic.edu/classes/epid/epid401/lectures/lecture4.pdf
http://www.iarc.fr/en/publications/pdfs-online/epi/cancerepi/CancerEpi-13.pdf
http://www.collegeboard.com/prod_downloads/yes/4297_MODULE_19.pdf
Hennekens CH, Buring JE. Epidemiology in Medicine, Lippincott Williams &
Wilkins, 1987.
Breslow NE & Day NE. Statistical Methods in Cancer Research. Vol. 1: The
Analysis of case control studies, IARC, 1980.