Anda di halaman 1dari 33

Konsep Faktor

Perancu(Confound
ing factor)
Najmah, SKM,MPH

DEFINISI
Faktor

perancu berasal dari bahasa


Latin, confundere yang berarti
bergabung atau tercampur secara
bersama-sama (mix together).

Situasi

dimana ukuran suatu efek dari


faktor resiko terdistorsi atau dirancu
karena adanya hubungan faktor
paparan dengan faktor lainnya yang
mempengaruhi hasil diluar studi.

DEFINISI
distorsi

dalam memprediksi hubungan atau


asosiasi antara faktor eksposur dan outcome
(hasil)
asosiasi sebenarnya tidak tampak atau
ditutupin oleh faktor lainnya.
Pengaruh faktor perancu bisa memperbesar
atau memperkecil hubungan sebenarnya.
Jadi, suatu variabel mungkin sebenarnya bisa
faktor protektif terhadap suatu kondisi
kesehatan atau penyakit, tetapi hasil
penelitian menunjukkan variabel tersebut bisa
menjadi faktor resiko terhadap suatu kondisi
kesehatan atau penyakit atau hubungan

Contoh kasus
Asosiasi merokok
dan kejadian
penyakit jantung
didistorsi oleh
variabel umur

meroko
k

UMUR

kemati
an

Tabel 1. Resiko kematian dalam periode 20 tahun pada wanita di Whickham, Inggris, berdasarkan status merokok pada awal periode*(2)
*data dari Vanderpump et al.5

Tabel 1. Resiko kematian dalam periode 20 tahun pada wanita di


Whickham, Inggris, berdasarkan status merokok pada awal
periode*(2)

Status
Perokok
Bukan
Vital
Perokok
Meninggal
139
230
Hidup
443
502
Total
582
723
Resiko
0.24
0.31
(meningga
l
/total)

Total
369
945
1314
0.28

Usia
Status
(tahun) Vital

18-24

Meningg
al
Hidup
Risiko

Peroko Bukan
k
Peroko
k

Total

53
0,04

61
0,02

114
0,03

Resik
o
Kema
tian

Usia
Status
(tahun) Vital

55-64

65-74

75+
TOTAL

Hidup
Resiko
Meningg
al
Hidup
Resiko
Meningg
al
Hidup
Resiko

Peroko Bukan
k
Peroko
k

Total

Resik
o
Kema
tian

64
0,44
29

81
0,33
101

145
0,39
130

1.3

7
0,81
13

28
0,78
64

35
0,79
77

1.03

0
1,00
582

0
1,00
723

0
1,00

1.00

Stratified analyses
Start

with stratum specific estimates of


odds ratios, rate ratios, rate differences,
risk ratios, risk differences
Calculate a weighted average of the
stratumspecific estimates
Usual method is Mantel-Haenszel
method
Weights assigned according to
amount of information in each stratum

Asosiasi asupan energi dan kejadian penyakit


jantung didistorsi oleh variabel aktifitas fisik

aktifitas fisik
(physical
activity)

asupan
energi
(energy
intake)

penyakit
jantung
(hearth
disease)

Table 3. Asosiasi antara asupan energi dan penyakit jantung


*Odd kejadian penyakit jantung pada kelompok asupan energi tinggi=730/600=1.22
**Odd penyakit jantung pada kelompok asupan energi rendah= 700/540=1.30
*** Nilai Rasio Odds kasar (Crude Odds Ratio) =1.22/1.30= 0.94

Table 3. Asosiasi antara asupan energi dan


penyakit jantung

Penyakit Jantung
Asupan
Ya
Tidak
Energi

Total

Tinggi
730
600
1330
Rendah
700
540
1240
Total penyakit
1430jantung1140
2570asupan
*Odd kejadian
pada kelompok
energi tinggi
=730/600=1.22
**Odd penyakit jantung pada kelompok asupan energi
rendah
= 700/540=1.30
*** Nilai Rasio Odds kasar (Crude Odds Ratio)
=1.22/1.30= 0.94

IDENTIFIKASI FAKTOR
PERANCU
Ada

tiga kondisi untuk menetapkan


apakah suatu variabel termasuk faktor
perancu atau tidak: 1) Ada asosiasi antara
variabel independen dan variabel perancu,
2) ada asosiasi antara variabel dependen
dan variabel perancu, 3) variabel perancu
bukan merupakan faktor intermediet
(intermediate faktor) diantara variabel
eksposur dan outcome (confounding factor is
not an intermediate in association)

Langkah 1
Mengidentifikasi asosiasi antara
variabel independen (faktor
fisik
eksposur/pajanan)aktifitas
dan
variabel
(physical
activity)
perancu.

asupan
energi
(energy
intake)

penyakit
jantung
(hearth
disease)

Table 5. Asosiasi antara asupan energi dan penyakit jantung distratifikasi dengan variabel aktifitas fisik

Table 5. Asosiasi antara asupan


energi dan penyakit jantung
distratifikasi dengan variabel
aktifitas fisik
Asupan
Energi

Tinggi
Rendah

Aktifitas Fisik
Aktif
Penyakit
Jantung
Ya
Tidak
520
100

510
150

Aktifitas
Fisik Rendah
Penyakit
Jantung
Ya
Tidak
210
600

90
390

*Odd

pada kelompok aktifitas fisik aktif pada


asupan energi tinggi= 510/90=5,67
** Odd pada kelompok aktifitas fisik rendah pada
asupan energi rendah=150/390=0.38
*** Crude Odd rasio= 5.67/0.38= 14. 92
ATAU
^Proporsi aktifitas aktif pada asupan energi tinggi
=510/600= 0.85(85%)
^Proporsi aktifitas fisik tinggi pada asupan energi
rendah= 150/540=0.27 (27%)
^^Ada perbedaan proporsi yang signifikan antara
aktifitas fisik pada energi tinggi dan rendah

LANGKAH 2

Mengidentifikasi asosiasi antara


variabel dependen dan variabel
aktifitas fisik
perancu.
(physical
activity)

asupan energi
(energy
intake)

penyakit
jantung
(hearth
disease)

Asosiasi antara aktifitas fisik


dan penyakit jantung
Aktifitas Fisik
Aktif
Asupan
Energi

Tinggi
Rendah

Penyakit
Jantung
Ya
Tidak

520
100

510
150

Aktifitas
Fisik
Rendah
Penyakit
Jantung
Ya Tidak

210
600

Aktifitas
Fisik
Tinggi
Rendah

90
390
Penyakit Jantung
Ya
Tidak
620(520+1
00)
810

660(510+1
50)
480(90+39

*Odds

penyakit jantung pada


kelompok aktifitas fisik tinggi=
620/660= 0.93
**Odds penyakit jantung pada
kelompok aktifitas fisik
rendah=810/480=1.69
*** Crude Odds Rasio=0.93/1.69=
0.55

LANGKAH 3
Variabel

perancu bukan merupakan


faktor intermediet (intermediate
faktor) diantara variabel paparan
dan outcome
Asupan energi --- aktifitas fisik
--------jantung.

ANOTHER WAYS TO
EXPLORE CONFOUNDERS
Mantel-Haenszel

Melakukan

perbandingan Rasio kasar


dan Rasio setelah dikontrol oleh
faktor perancu (crude and adjusted
ratio)
perbedaan mencapai minimal 10 %,
maka dapat disimpulkan variabel tersebut
merancu asosiasi yang ada. Namun jika
tidak ada perbedaan kedua nilai rasio,
maka variabel tersebut bukan faktor
perancu atau faktor konfounding

Jika

Berikut strategi dalam


mengidentifikasi faktor
perancu dengan perhitungan
rasio Mantel-Haenszel
Hitunglah

rasio kasar
Hitunglah rasio yang telah dikontrol
Jika rasio kasar dan rasio yang telah
dikontrol nilainya sama, dapat
disimpulkan tidak ada faktor perancu,
namun jika nilai rasio kasar dan rasio
yang telah dikontrol nilainya berbeda,
kemungkinan faktor perancu ada

Strategi Analisa Faktor


Perancu
Hitunglah Angka
parameter Kasar (OR, RR,
atau PR)

Stratifikasi dan Hitunglah


Parameter per strata

Hitunglah angka parameter


yang sudah dikontrol faktor
perancu
Angka parameter kasar =
angka parameter dikontrol
Tidak ada faktor perancu
utama

Angka parameter kasar tidak


sama denganangka
parameter dikontrol
Ada faktor perancu utama

APLIKASI MH STATA
Apakah umur merupakan faktor
perancu antara area tempat tinggal
dan infeksi micrifilariasis??
agegroup

area

Microfilari
al
infection

Langkah-langkah
perhitungan MH
Buka

data Maental H.dta


Hitung Crude OR mhodds mf area
or
cc mf area
Hitung ORMH yang telah
distratifikasi oleh umur mhodds mf
area, by (agegrp)
Bandingkan Crude and OR MH
Interpretasi

CRUDE OR
. cc

mf area
Exposed

Unexposed

Total

Proportion
Exposed

Cases
Controls

541
213

281
267

822
480

0.6582
0.4437

Total

754

548

1302

0.5791

Point estimate
Odds ratio
Attr. frac. ex.
Attr. frac. pop

[95% Conf. Interval]

2.413363
.5856404
.3854397
chi2(1) =

1.903312
.4746
57.15

3.059858 (exact)
.6731875 (exact)

Pr>chi2 = 0.0000

. mhodds mf area
Maximum likelihood estimate of the odds ratio
Comparing area==1 vs. area==0
Odds Ratio
2.413363

chi2(1)
57.11

P>chi2
0.0000

[95% Conf. Interval]


1.906097

3.055626

ORMH
. mhodds mf area, by (agegrp)
Maximum likelihood estimate of the odds ratio
Comparing area==1 vs. area==0
by agegrp
agegrp

Odds Ratio

chi2(1)

0
1
2
3

1.827532
2.536232
3.040650
4.730000

3.02
9.53
25.39
38.21

P>chi2
0.0821
0.0020
0.0000
0.0000

[95% Conf. Interval]


0.91662
1.37466
1.92880
2.74594

Mantel-Haenszel estimate controlling for agegrp


Odds Ratio

chi2(1)

3.039445

69.89

P>chi2
0.0000

Test of homogeneity of ORs (approx): chi2(3)


Pr>chi2

[95% Conf. Interval]


2.310399
=
5.05
= 0.1680

3.998542

3.64368
4.67931
4.79343
8.14764

INTERPRETASI
For association between area and microfilial
infection controlling agegroup, the crude and
adjusted ratio of infection for people who live in
the forest compared with those who live in the
savannah are 2.41 and 3.039 in which quite
different that signified agegroup could confound
the association between infection and area.
Moreover, the p value of homogeneity of 0.1680
indicated that weak evidence against no
difference of OR across stratum of area after
adjusting agegroup

. mhodds mf area
Maximum likelihood estimate of the odds ratio
Comparing area==1 vs. area==0
Odds Ratio
2.413363

chi2(1)
57.11

P>chi2

[95% Conf. Interval]

0.0000

1.906097

3.055626

. mhodds mf area, by (agegrp)


Maximum likelihood estimate of the odds ratio
Comparing area==1 vs. area==0
by agegrp
agegrp

Odds R atio

0
1
2
3

1.827532
2.536232
3.040650
4.730000

ch i2(1)
3.02
9.53
25.39
38.21

P>chi2
0.0821
0.0020
0.0000
0.0000

[95% Conf. Interval]


0.91662
1.37466
1.92880
2.74594

Mantel-Haenszel estimate controlling for agegrp


Odds Ratio
3.039445

chi2(1)
69.89

P>chi2

[95% Conf. Interval]

0.0000

Test of homogeneity of ORs (approx): chi2(


3)
Pr>chi2

2.310399
=
=

5.05
0.1680

3.998542

3.64368
4.67931
4.79343
8.14764

HOMEWORK
APLIKASI MH STATA
Apakah jenis kelamin merupakan
faktor perancu antara area tempat
tinggal dan infeksi micrifilariasis??
sex

area

Microfilari
al
infection

Reference
Webb,

Penny, Chris Bain and Sandi


Pirozzo, 2007, Essential Epidemiology,
An introduction for students and health
professionals, Cambridge University
Press: New York
Dr Julie Simpson, 2008, Simple
analytical methods for the control of
confounding;
School of PopulationThe University of
Melbourne