Oleh Ida Bagus Subanada Bagian/SMF Ilmu Kesehatan Anak FK Unud/RSUP Sanglah Denpasar

Luaran yang diharapkan: 1. Mhs diharapkan bisa membedakan antara association dan causation. 2. Mhs diharapkan bisa membedakan contributory cause dang necesssary cause. 3. Mhs diharapkan bisa menyebutkan ciri-ciri contributory cause. 4. Mhs diharapkan bisa menyebutkan sumbersumber hubungan semu antara variabel bebas dan variabel tergantung.

Pada jurnal kedokteran, kita kadang-kadang bertemu dengan frase:berhubungan dengan, berkaitan dengan, atau bertalian dengan. Penulis menghindari pernyataan-pernyataan dogmatis seperti: menyebabkan, menimbulkan, seperti pada kalimat berikut: [1]merokok menyebabkan kanker paru, [2]pil KB menimbulkan trombosis vena. Hubungan (association) bukanlah penyebab (causation).

Ini analoginya: sebuah kota dengan pengangguran dan kriminalitias yang tinggi. Bukanlah berarti bahwa penganggur adalah pelaku kriminalitas. Di lain pihak sekalipun kita yakin bahwa kita berhasil menunjukkan dengan tepat penyebab yang bertanggung jawab, kita masih berfikir bahwa ada beberapa faktor risiko yang tidak dicurigai menyebabkan penyakit atau sebuah kointervensi yang tidak disadari bertanggung jawab terhadap efek pengobatan.

Ada 2 konsep causation: 1. Contributory cause Pada kebanyakan fenomena kedokteran, tidak ada penyebab tunggal untuk suatu penyakit.

Sebuah faktor risiko mungkin sebagai contributory cause. Misal: Merokok sebagai salah satu faktor risiko kanker paru. Merokok adalah contributory cause karena tidak semua penderita kanker paru adalah perokok.

2. Necessary cause Suatu mikroorganisme dikatakan sebagai penyebab penyakit bila memenuhi postulat Koch (selalu ditemukan pada penyakit tsb). Misal: M. tuberkulosis S. tifi

penyakit tuberkulosis. penyakit demam tifoid.

Untuk menetapkan sebagai contributory cause, harus memenuhi 3 kriteria berikut: 1. Association (hubungan) Apakah peneliti mendapatkan hubungan yang kuat dan bermakna secara statistik dengan memberikan bukti yang meyakinkan bahwa efek terjadi lebih sering pada kelompok yang ada penyebab daripada oleh karena faktor peluang saja.

Kuatnya hubungan dicerminkan oleh effect size (misal, RO=4,5), sedangkan kemaknaan secara statistik ditentukan oleh nilai P (misal, P=0,001).

2. Prior association Pada penelitian, apakah penyebab mendahului efek (akibat). Hal ini dapat dijawab dengan desain penelitian yang tepat seperti kasus-kontrol atau kohort.

3. Perubahan penyebab akan merubah efek (akibat). Apakah peneliti dapat menetapkan bahwa merubah/memodifikasi penyebab akan merubah/memodifikasi efek? Masalah ini dapat dijawab dengan uji klinis.

Beberapa ciri-ciri lain contributory cause: 1. Konsisten Hasilnya konsisten tanpa memandang desain penelitian. 2. Dose response relationship Risiko menderita penyakit meningkat dengan meningkatnya paparan. 3. Biologic plausibility Masuk akal Harus dapat diterangkan dengan teori yang ada sekarang.

4. Experimental confirmation Ada kesamaan dengan hasil penelitian lain. Misal: Hasil penelitian pada manusia sama dengan hasil pada binatang.

Apakah hubungan sebab-akibat yang didapat nyata atau semu? Hubungan semu dapat terjadi melalui 3 mekanisme: 1. Peluang Terjadi karena sampling variation. Sampling variation karena random error. Untuk mengatasi: pemilihan sampel secara random (random sampling).

2. Kesalahan desain, kesalahan saat melakukan penelitian, atau analisis. Misal: a. Selection bias shg karakteristik dasar subjek tidak sama. b. Performance bias shg kelompok subjek yang diteliti menerima perlakuan yang tidak sama selain intervensi yang diberikan atau terjadi ketidakpatuhan terhadap intervensi yang diberikan.

c. Detection bias Terjadi bila luaran tidak diamati secara seimbang pada semua kelompok yang diteliti. Semua bias di atas dapat diatasi dengan alokasi random dan dilakukan secara tersamar (blind). d. Tranfer bias Terjadi oleh karena sampel hilang atau keluar dari penelitian. Diatasi dengan intention-to treat analysis.

3. Perancu (confounding) Terjadi bila ada variabel yang berhubungan dengan variabel bebas dan variabel tergantung. Misal: Penelitian bertujuan mencari hub. antara minum kopi dengan IMA. Dalam hal ini merokok merupakan perancu karena peminum kopi umumnya perokok. Bila merokok tidak diidentifikasi, bisa didapat hub. antara minum kopi dengan IMA padahal merokoklah yang berhub. dg IMA, bukan minum kopi.

Perancu dapat diatasi dengan: 1. Dipasangkan (matching). Misal: sama kelompok usia, sama jenis kelamin, dll 2. Stratifikasi. 3. Analisis multivariat.