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.