Anda di halaman 1dari 6

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 faktorfaktor 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 risiko). b) Variabel harus dikaitkan dengan paparan yang diteliti dalam populasi sumber. c) Seharusnya tidak terletak pada jalur kausal antara paparan dan penyakit. terkait secara independen dengan hasil (yaitu menjadi faktor

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. Berksons 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.

Anda mungkin juga menyukai