Top Banner
MASALAH-MASALAH YANG PERLU DIPERHATIKAN DALAM HUBUNGAN SEBAB-AKIBAT PADA PENELITIAN EPIDEMIOLOGI Disusun oleh : dr krisnawaty bantas Departemen Epidemiologi FKM UI
37

Cause Effect

Jan 28, 2016

Download

Documents

epid
Welcome message from author
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Page 1: Cause Effect

MASALAH-MASALAH YANG PERLU DIPERHATIKAN DALAM HUBUNGAN SEBAB-AKIBATPADA PENELITIAN EPIDEMIOLOGI

Disusun oleh : dr krisnawaty bantasDepartemen Epidemiologi FKM UI

 

Page 2: Cause Effect

INTRODUKSI

Berbagai strategi digunakan dalam penelitian epidemiologi :

Mulai dari penelitian yang bersifat :• Individual (case report, case-series, studi potong lintang, studi kohort, studi kasus-kontrol, studi intervensi)• Populasi ( studi korelasi)

Atau penelitian yang bersifat :• Observasi (case report, case-series, studi korelasi, studi kohort, studi kasus-kontrol )• Intervensi (studi eksperimen

Atau penelitian yang bersifat :

• Deskriptif (case-report, case-series, studi korelasi, studi potong lintang)• Analitik (studi kasus-kontrol, studi kohort, studi eksperimen)

  

Page 3: Cause Effect

Formulasi dari suatu hipotesis baru yang menyatakan adanya hubungan sebab-akibat (“exposure” dan “disease”) biasanya dibuat berdasarkan hasil penelitian epidemiologis yang bersifat deskriptif

Untuk membuktikan hipotesis yang dibuat berdasarkan studi deskriptif tadi dilakukan studi epidemiologi yang bersifat analitik  

Page 4: Cause Effect

HUBUNGAN (ASOSIASI) DARI “EXPOSURE” DAN “DISEASE”

• Studi epidemiologi dilakukan pada orang hidup dialam yang bebas dan bukan di laboratorium sehingga

• Seorang epidemiologist tidak akan mencapai kontrol yang maksimal pada objek yang ditelitinya

seperti

• yang bisa dicapai oleh para peneliti lain yang melakukan penelitian dengan objeknya berada dalam suatu laboratorium

Page 5: Cause Effect

Sehingga bila pada suatu penelitian epidemiologis diperoleh hasil bahwa : ada hubungan antara “exposure” dan “disease”maka hasil penemuan tersebut perlu harus dikaji lagi

• Apakah asosiasi antara faktor resiko (exposure) dan kejadian penyakit (disease) tersebut bukan oleh karena faktor kebetulan saja (the role of chance)

• Apakah asosiasi tersebut bukan karena adanya bias ada penelitian (the role of bias)

• Apakah asosiasi tersebut bukan karena baik secara keseluruhan atau sebagian karena adanya pengaruh /ikut campur-tangan dari variabel-variabel lain (the role of confounding)

 

Page 6: Cause Effect

THE ROLE OF CHANCE

• Di dalam prakteknya studi epidemiologi jarang sekali dapat mengikut sertakan seluruh anggota populasi kedalam penelitiannya selalu dilakukan pada sampel saja

• Salah satu masalah utama dalam menarik sampel dari suatu populasi adalah :

• peran dari faktor kebetulan/kesempatan (the role of chance) sehingga menimbulkan variasi random dari sampel yang satu dengan sampel lainnya

• contoh : • oleh karena adanya variasi radom dari satu sampel dengan sampel lainnya • sangat jarang kemungkinannya terjadi misal ditemukan proporsi obesitas yang sama/identik dari 2 sampel yang berbeda yang ditarik dari 1 populasi yang sama

Page 7: Cause Effect

Salah satu diterminan dimana “chance” dapat mempengaruhi hasil studi adalah besarnya sampel yang diambil

• Makin besar sampel variasi dari pengukuran suatu variabel makin kecil

• Makin kecil sampel variasi dari pengukuran suatu variabel makin besar

Page 8: Cause Effect

• Seberapa besar tingkat “chance” pada suatu studi dapat diukur dengan suatu uji kemaknaan statistik

• Ukuran dari uji kemaknaan statistik tersebut dinyatakan • dengan nilai P (P-value) atau • dalam Confidence Interval (interval -kepercayaan)

• P-value didefinisikan sebagai besarnya probabilitas atau peluang diperolehnya hasil penelitian karena faktor kebetulan (chance) jika Ho benar.

• mengukur efek dari “exposure” terhadap “disease occurrence” pada sampel studi

• hipotesa nol : tidak ada hubungan antara efek dari “exposure” terhadap “disease occurrence” di polupasi

• P-value mengukur besarnya probabilitas bahwa hasil dari pengukuran tersebut disebabkan oleh karena faktor kebetulan semata (chance)

 

Page 9: Cause Effect

• P-value < 0.05 artinya, tidak lebih dari 5% adanya kemungkinan bahwa apa yang terukur dari sampel studi disebabkan oleh karena adanya peran dari faktor kebetulan

• P-value > 0.05, terdapat 5% atau lebih adanya kemungkinan bahwa apa yang terukur dari sampel studi disebabkan oleh karena adanya peran dari faktor kebetulan

• Secara konvensional ditetapkan tingkat kebermaknaan (level of significance = alpha ) pada studi-studi epidemiologi adalah 0.05.

• Type I error adalah suatu kesalahan dalam menarik kesimpulan dari uji statistik yang dilakukan

terjadi penolakan terhadap Ho, walaupun sesungguhnya Ho benar

  

Page 10: Cause Effect

P value versus α level :

• P value merupakan probabilitas dari type I error yang didapat dari perhitungan berdasarkan sampel studi

• Semakin kecil P-value semakin kecil kemungkinan terjadinya tipe I error dari uji statistik yang diperoleh berdasarkan data dari sampel studi

• level merupakan probabilitas dari tipe I error yang dapat ditolelir oleh peneliti dan ditentukan oleh peneliti (biasanya 0.05)

• Semakin rendah level yang ditentukan oleh peneliti semakin kecil kesempatan yang dapat ditolelir oleh peneliti untuk melakukan kesalahan tipe I

• Jika P value < dari level Ho ditolak ada hubungan antara “exposure” dan “disease occurrence”

 

Page 11: Cause Effect

Prinsip-prinsip statistik yang mendasari hubungan antara   

  Exposure Disease

Hipotesis• HO tidak ada hubunga antara “exposure” dan “disease”

• HA ada hubungan antara “exposure” dan “disease”  

Kesalahan tipe I dan Kesalahan tipe II (TYPE I AND TYPE II ERROR) 

Kesalahan tipe I (TYPE I ERROR) = FALSE POSITIVE Simbol =

• reject HO, that is Ho is actually true in the population• meyatakan ada hubungan antara E and D ( kesimpulan dari sampel) • padahal tidak ada hubungan (di populasi)

 

False positive

Page 12: Cause Effect

Kesalahan tipe II (TYPE II ERROR) = FALSE NEGATIVESimbol =

• fail to reject HO, that is Ho actually false in the population• menyatakan ada hubungan antara E and D (kesimpulan dari sampel)• tidak ada hubungan antara E and D di populasi

False negative

CORRECT TYPE I ERROR =

TYPE II ERROR =

CORRECT

Population

Association -Association +

SampleReject Ho

Fail to reject Ho

Page 13: Cause Effect

THE ROLE OF BIAS

• Bias merupakan suatu kesalahan yang bersifat sistematik (“systematic error”) pada suatu penelitian yang mengakibatkan terjadinya distorsi dari hasil penelitian

• Bias dapat terjadi pada semua jenis penelitian, terutama penelitian yang bersifat observasional oleh karena pada studi observasional tidak dilakukan randomisasi

• Bias dapat merupakan ancaman bagi validitas suatu penelitian• ancaman bagi validitas external suatu studi• ancaman bagi validitas internal suatu studi

 

Page 14: Cause Effect

 Bias merupakan ancaman bagi validitas external suatu studi :

• Sampling bias merupakan suatu kondisi dimana terdapat perbedaan yang sistematik antara populasi studi dengan target populasi (hasil dari penelitian pada populasi studi tidak dapat generalisasi kepada target populasi yang dimaksud)

• Sampling bias pada studi kasus-kontrol :

• Studi kasus kontrol yang hanya berdasarkan kasus-kasus prevalens dari pada kasus insidens (kasus baru, kasus-kasus yang cepat mati atau cepat sembuh )

kasus-kasus prevalens saja tidak mewakili gambaran total pasien diseluruh populasi

• Studi kasus-kontrol yang hanya mengambil kasus dari rumah-rumah sakit saja, biasanya kasus-kasus di RS lebih berat dari kasus di populasi umum tidak mewakili gambaran total populasi

Page 15: Cause Effect

• Sampling bias karena sikap partisipasi dari subjek (tidak respons ataupun yang mau jadi sukarela ) :

• Individu yang memilih secara sukarela biasanya mempunyai motif yang berbeda dan akan memberikan respons yang berbeda terhadap penelitian dari pada peserta lain yang terpaksa memberikan hasil yang bias

• Sampling bias pada studi kohort :

• Bila terjadi subjek-subjek yang “loss to follow-up” berbeda secara sistematik denagn subjek-subjek yang masih tetap mengikuti penelitian tidak lagi mewakili gambaran total populasi.

Page 16: Cause Effect

Bias merupakan ancaman bagi validitas internal dari suatu studi• Selection bias• Information bias

• Selection bias• Terjadi bila ada perbedaan yang sistematik pada kelompok yang dibandingkan dalam hal faktor-faktor eksternalnya (diluar faktor resiko yg diteliti) variabel confounding merupakan bentuk dari selection bias

 

• Information bias atau observation bias• Terjadi karena adanya perbedaan yang sitematik diantara kelompok yang dibandingkan dalam hal pengukuran terhadap variabel-variabel yang diteliti

Page 17: Cause Effect

Selection bias pada studi kohort :

• Suatu studi yang melihat hubungan antara Penyakit Jantung Koroner (PJK) dengan jogging

• Membandingkan insidens PJK pada pejogging dan bukan pe-jogging

• Oleh karena pe-jogging biasanya memperhatikan kesehatannya lebih baik dari pada yang bukan pe-jogging (misalnya mengenai diet, diet disini adalah variabel confounding) selection bias

•dapat mempengaruhi hasil dari penelitian ini 

E = joggingD = PJK E DFaktor-faktor external yang mengganggu hubungan E and D= faktor konfoundingJika pada waktu menseleksi sampel pejogging and bukan pejogingterjadi kondisi dimana distribusi variabel dietnya tidak seimbang/balans hasil peneltan akan bias jika variabel tadi tdk dikontrol

Page 18: Cause Effect

Selection bias pada studi kasus-kontrol

• Suatu studi melihat hubungan antara PJK dan konsumsi kopi

• Dibandingkan konsumsi kopi pada kelompok kasus dan kelompok kontrol

• Kasus didefinisikan sebagai pasien PJK yang dipastikan dengan kateterisasi• Kontrol dipilih secara random dari pasien-pasien dirawat di RS tapi tidak menderita PJK

• Ternyata dari kontrol yang dirawat tersebut kebanyakan mengalami kasus ulcus-pepticum sehingga diharuskan mengkonsumsi kopi lebih rendah kontrol yang dipilih belum tentu mewakili tingkat konsumsi orang-orang non PJK di populasi umum.

• Hasil studi akan bias karena adanya selection bias 

Page 19: Cause Effect

Information bias pada studi kasus-kontrol

• Pengetahuan tentang hubungan dari efek keterpaparan suatu faktor resiko terhadap terjadinya penyakit pada pasien yang diteliti akan mempengaruhi keakuratan informasi yang diberikan

• Informasi tentang riwayat merokok pada penderita kanker pulmo (kasus) sering diberikan lebih akurat daripada informasi yang sama yang diberikan oleh penderita kanker lainnya (kontrol) information bias 

Page 20: Cause Effect

Information bias pada studi kohort

• Suatu studi meneliti hubungan antara pemakaian estrogen pada wanita post-menopouse dengan timbulnya Ca cervix • Insindens kanker leher rahim dibandingkan pada wanita menopause yang mendapat terapi estrogen dengan wanita menopause yang tidak mendapat terapi estogen

• Bila wanita yang mendapat estrogen lebih sering melakukan pemeriksaan ginekologis dari pada wanita yang tidak mendapat estrogen

pada wanita yang mendapat estrogen akan lebih sering tercatat menderita Ca cervix dari pada rekannya yang tidak mendapat estrogen

• Hasil penelitian akan bias observation bias 

Page 21: Cause Effect

Misclassification bias

• Merupakan salah satu bentuk dari information bias

• Contohnya pada studi kasus-kontrol, beberapa orang yang harusnya menjadi kasus diklasifikasikan menjadi kontrol terjadi misklasifikasi

• Contohnya pada studi kohort, beberapa orang yang harusnya masuk dalam kelompok terpapar, dimasukkan dalam kelompok tidak terpapar terjadi misklasifikasi

• Kondisi tersebut dapat disebabkan oleh informasi yang tidak akurat dari subjek yang diteliti atau interpretasi yang salah dari peneliti (researcher/interviewer bias)

• Misclassification bias dapat dibagi menjadi 2 :• Non differential misclassification bias• Differential misclasification bias

Page 22: Cause Effect

• Differential misclassification bias terjadi bila

• rate dari misklasifikasi status keterpaparan pada kelompok kasus berbeda dengan • rate dari misklasifikasi status keterpaparan pada kelompok kontrol

• rate dari misklasifikasi status “disease” pada kelompok“exposed” berbeda dengan • rate dari misklasifikasi status “ disease” pada kelompok “non exposed”

• rate misklasifikasi pada penentuan kasus and kontrol berbeda (pada studi kasus kontrol)

• rate misklasifikasi pada penentuan status “Disease” and “non disease”” berbeda

 

Page 23: Cause Effect

• Non differential misclassification bias terjadi bila

• rate misklasifikasi sama pada kelompok kasus dengan rate dari misklasifikasi pada kelompok kontrol

 • rate misklasifikasi pada kelompok “disease” sama dengan rate dari misklasifikasi pada kelompok “non disease”

 

Page 24: Cause Effect

THE ROLE OF CONFOUNDING

• Confounding dapat diartikan sebagai tercampurnya efek dari faktor resiko yang diteliti terhadap kejadian penyakit oleh faktor ketiga

• Dalam suatu studi dimana faktor A adalah sebagai faktor resiko dari penyakit B, maka faktor X dikatakan sebagai confounder bila :

• Faktor X diketahui sebagai faktor resiko bagi penyakit B• Faktor X berhubungan dengan faktor A, tetapi bukan sebagai akibat dari faktor A

 

A B

X

• Confounding dapat mengakibatkan over-estimate ataupun under-estimate dari pengukuran asosiasi yang sesungguhnya 

Page 25: Cause Effect

Contoh dari pengaruh confounding yang menyebabkan over-estimate pada ukuran asosiasi :

• Suatu studi menunjukkan adanya hubungan antara meningkatnya aktifitas fisik dan menurunnya resiko myocard infarct (MI)

• Faktor lain yang dapat mempengaruhi kejadian MI adalah umur, umur muda menurunkan resiko terjadinya MI

• Orang-orang yang dapat melakukan aktifitas fisik yang berat adalah kelompok usia muda

• Pada studi akan diperoleh hasil bahwa aktifitas fisik menurunkan resiko MI umur dalam hal ini dapat sebagai confounder dari hubungan antara aktifitas fisik dan resiko MI

• Ukuran asosiasi yang diperoleh akan menunjukkan over-estimate dari ukuran asosiasi yang sesungguhnya 

Page 26: Cause Effect

Aktifitas fisik PJK

Umur

Asosiasi akan “over-estimate”

Umur tua PJK meningkatUmur tua aktifitas fisik menurun PJK meningkat

Page 27: Cause Effect

Contoh dari pengaruh confounding yang menyebabkan under-estimate pada pengukuran asosiasi

• Suatu studi menunjukkan adanya asosiasi antara meningkatnya aktifitas fisik dengan resiko menurunnya MI

• Aktifitas fisik yang berat biasanya lebih banyak dilakukan oleh laki-laki dari pada wanita

• Resiko MI lebih tinggi pada laki-laki dari pada wanita,

• Akibatnya asosiasi antara efek dari aktifitas fisik dan resiko MI yang terukur akan “under estimate” dari asosiasi yang sesungguhnya

Page 28: Cause Effect

Aktifitas fisik PJK

Sex

Asosiasi akan “under-estimate”

pria PJK meningkatpria aktifitas fisik > PJK menurun

Page 29: Cause Effect

Penjelasan lebih mendalam mengenai variabel confounder :

1. Variabel confounder harus merupakan prediktor variabel (faktor resiko) bagi kejadian penyakit (Outcome variable):

• Hubungan tersebut tidak harus hubungan kausal• MI lebih rendah pada wanita dari pada pria, rendahnya MI bukan karena gender tapi lebih karena hormon yang dikandung wanita berbeda dengan pria

E D

C

Page 30: Cause Effect

Variabel confounder harus merupakan predictor variable bagi outcome variable yang diteliti diluar hubungannya dengan variabel resiko yang diteliti :

• Jika suatu variabel hanya dapat mempengaruhi outcome variable melalui variabel resiko yang diteliti maka variabel tersebut bukan variabel confounder

Contoh : • Meningkatnya aktifitas menurunkan resiko MI sehingga pada penelitian konsumsi cairan meningkat seolah-olah menurunkan resiko MI• Aktifitas meningkat menyebabkan konsumsi cairan meningkat resiko MI menurun. • Tapi konsumsi cairan yang meningkat pada aktifitas yang menurun tidak mempengaruhi resiko MI

• Dalam hal ini konsumsi cairan tidak ada hubungannya dengan MI bukan variabel confounder

 

Page 31: Cause Effect

Aktifitas fisik MI

Konsumsi cairan

Konsumsi cairan = bukan konfounder

Page 32: Cause Effect

3. Variabel confounder tidak boleh merupakan suatu variabel antara dari suatu rantai kausa antara faktor resiko yang diteliti dengan outcome variable :

• Pada suatu penelitian yang meneliti efek dari konsumsi alkohol dosis sedang dengan resiko MI menunjukkan bahwa alkohol meningkatkan HDL kolesterol dan HDL kolesterol menurunkan MI

• Jika hal ini benar maka HDL bukan confounder dan tidak harus dikontrol pada waktu proses analisis data

• Dilain fihak jika mekanisme alkohol dalam mempengaruhi MI bukan karena dengan cara meningkatkan HDL maka dalam hal ini HDL harus dikontrol

  

Page 33: Cause Effect

Konsumsi alkohol HDL meningkat PJK

Konsumsi alkohol PJK

HDL meningkat

HDL bukan konfounder

Page 34: Cause Effect

VALIDITAS DAN GENERALISASI VALIDITAS 

• Evaluasi serta kontrol yang baik terhadap peran dari faktor-faktor “chance, bias dan confounding” dalam penelitian akan membawa kepada kesimpulan pada penemuan hasil penelitian yang valid mengontrol validitas interna

• Pertanyaannya apakah hasil penelitian tadi dapat diaplikasikan pada populasi lain digeneralisasikan mengontrol validitas externa

• Harus diingat validitas suatu penelitian merupakan hal yang terpenting, mengingat bahwa tidak mungkin suatu hasil penelitian digeneralisasikan bila hasil penelitian tadi tidak valid 

Page 35: Cause Effect

• Sejumlah penelitian casse-control dan cohort pada pria kulit putih di negara-negara maju menunjukkan adanya hubungan antara merokok dan meningkatnya resiko kematian karena penyakit jantung koroner. • Pertanyaannya apakah hasil penelitian tadi dapat diterapkan pada pria bukan kulit putih, atau wanita yang tinggal di negara berkembang. • Bardasarkan mekanisme patologis dari tembakau terhadap terjadinya penyakit jantung koroner dapat dimengerti bahwa penemuan dari penelitian diatas dapat digeneralisasi pada semua populasi.

• Meskipun demikian diperlukan penelitian yang sama pada populasi selain pria kulit putih yang tinggal di negara maju, untuk dapat meningkatkan generalisasi hasil penilitian tadi pada populasi umum  

GENERALISASI

Page 36: Cause Effect

• Pemilihan subjek-subjek yang diteliti sebaiknya dipilih secara random sehingga dapat mewakili gambaran populasi meningkatkan derajat generalisasi 

• Masalah yang timbul dari keadaan tersebut adalah meningkatnya kemungkinan terjadinya pengaruh bias atau confounding terhadap hasil penelitian mengingat tingginya tingkat kesulitan dalam memilih secara random subjek-subjek yang ditelitidi populasi, sekaligus mengumpulkan secara komplit dan akurat semua informasi dari mereka. 

Page 37: Cause Effect

PECOMAN UNTUK MENUNJUKKAN HUBUNGAN SEBAB-AKIBAT

• Hubungan temporal sebab mendahului akibat

• Plausibilitas apakah hubungan yang ada konsisten dengan ilmu pengetahuan yang ada

• Konsistensi apakah hasil penelitian sama /konsisten dengan hasil penelitian yang lain

• Kekuatan hubungan ada hubungan yang kuat, dan secara statistik terdapat hubungan yang bermakna

• Dose-respons relationshop adanya peningkatan “exposure” akan meningkatkan dampak

• Reversibilitas adanya eliminasi “exposure” akan menurunkan dampak