i
KATA PENGANTAR
ii
DAFTAR ISI
Contents
SAMPUL ............................................................................................................. i
KATA PENGANTAR .......................................................................................... ii
DAFTAR ISI ...................................................................................................... iii
BAB I PENDAHULUAN ................................................................................... 1
A. Latar Belakang ................................................................................................ 1
B. Rumusan Masalah ........................................................................................... 2
C. Tujuan.............................................................................................................. 2
D. Manfaat ........................................................................................................... 3
BAB II ISI ........................................................................................................... 4
A. Kriteria untuk perancu..................................................................................... 4
B. Jenis perancu ................................................................................................... 6
C. Perancu pengganti ........................................................................................... 9
D. Stratifikasi sebagai metode yang berbeda untuk memahami perancu ............ 9
E. Membedakan pembaur dari variabel "ketiga" lainnya (mediator dan pengubah
efek)........................................................................................................................11
1. Mediator versus perancu ..................................................................... 12
2. Pengubah efek versus perancu ............................................................ 16
F. Bias yang membingungkan versus seleksi .................................................... 19
G. Mengacaukan dengan indikasi ...................................................................... 19
H. Bagaimana mengidentifikasi dan memilih pembaur potensial ..................... 20
1. Pilihan perancu ................................................................................... 20
2. Pemilihan statistik perancu ................................................................. 22
3. Pengacakan ......................................................................................... 23
4. Matching ............................................................................................. 25
5. Larangan ............................................................................................. 26
6. Analisis bertingkat .............................................................................. 27
7. Regresi ................................................................................................ 28
I. Kekurangan metode untuk mengatasi perancu ............................................. 29
J. Ketidaksesuaian............................................................................................. 31
K. Seberapa kuat perancu dapat mendistorsi asosiasi? ...................................... 32
BAB III PENUTUP .......................................................................................... 35
A. Kesimpulan ................................................................................................... 35
B. Saran .............................................................................................................. 36
DAFTAR PUSTAKA ........................................................................................ 36
iii
BAB I PENDAHULUAN
A. Latar Belakang
Perancu atau Confounding atau konfonding merupakan sumber bias yang penting,
tetapi sering disalahpahami. Hasil studi biasanya dikacaukan ketika efek paparan
pada hasil bercampur dengan efek risiko lain dan faktor pelindung untuk
hasil. Masalah ini muncul ketika faktor-faktor ini hadir pada derajat yang berbeda
di antara peserta studi yang terpapar dan tidak terpapar, tetapi tidak semua
yang menarik terpapar dalam satu alam semesta dan tidak terpapar di alam semesta
penelitian aktual, populasi yang terpapar yang teramati dipilih untuk berdiri di alam
semesta paralel yang tidak teramati. Perbedaan antara populasi pengganti ini dan
diidentifikasi dapat diatasi secara analitis dan melalui desain penelitian, tetapi
hanya pengacakan yang memiliki potensi untuk mengatasi perancu oleh faktor-
faktor yang tidak terukur. Namun demikian, penelitian acak yang diberikan
mengarah pada kesimpulan yang salah tentang efek paparan minat pada hasil
(Bhopal, 2016).
Perancu ialah salah satu dari tiga jenis bias yang dapat memengaruhi studi
epidemiologi; yang lain menjadi bias seleksi dan bias informasi (kesalahan
1
dirujuk dalam penelitian, sering disalahpahami. Dalam makalah ini, penyusun
Perancu telah digambarkan sebagai kebingungan efek . Dengan kata lain, efek
paparan bunga (misalnya, suplemen magnesium dalam diet) pada hasil (misalnya,
kelahiran prematur) dibingungkan dengan efek risiko lain atau faktor pelindung
untuk hasil (misalnya, usia ibu). Untuk menarik kesimpulan yang tepat tentang efek
paparan pada hasil, kita harus memisahkan efek sebab akibat dari faktor-faktor lain
mengurangi risiko kelahiran prematur. Lebih jauh, anggaplah ibu yang lebih tua
magnesium dan melahirkan prematur. Jika usia ibu diabaikan, efek perlindungan
lebih lemah daripada yang sebenarnya karena penggunaan magnesium lebih umum
di kalangan wanita yang juga berisiko lebih tinggi mengalami kelahiran prematur
B. Rumusan Masalah
tentu benar. Peningkatan risiko hasil kesehatan di hadapan paparan tidak selalu hanya
hubungan sebab akibat antara paparan dan hasil. Salah satu alasan untuk asosiasi non-
kausal seperti itu adalah adanya variabel ketiga yang disebut variabel perancu atau
perancu. Hal ini mendorong penyusun untuk mengetahui tentang konsep perancu
C. Tujuan
2
1. Kriteria untuk pembaur;
2. Tipe perancu;
3. Perancu pengganti;
D. Manfaat
Makalah ini diharapkan dapat membawa pengertian yang lebih baik mengenai
3
BAB II ISI
Perancu adalah variabel yang mendistorsi hubungan antara dua variabel lain
(paparan dan hasil). Seringkali paparan adalah apa yang sedang dipelajari sebagai
penyebab potensial dari hasil, seperti kehilangan gigi pada Contoh 1. Penyesuaian
2. itu harus menjadi penyebab, atau pengganti penyebabnya, dari hasil kesehatan
3. seharusnya tidak berada di jalur sebab akibat antara faktor risiko potensial dan
hasil.
mulut yang buruk dan / atau kehilangan gigi dikaitkan dengan peningkatan risiko
kanker kerongkongan.2,3 Tetapi apakah ini berarti bahwa kesehatan mulut yang
buruk menyebabkan kanker kerongkongan? Mungkin ya. Tapi mungkin ada faktor
yang buruk dan juga menyebabkan kanker kerongkongan. Oleh karena itu,
kehamilan ibu) dikaitkan dengan risiko sindrom Down yang lebih tinggi. Sebagai
sindrom Down daripada kehamilan pertama. Namun, kita tahu bahwa hubungan ini
bukan karena paritas, tetapi karena usia ibu, karena anak kesepuluh rata-rata
4
dilahirkan oleh ibu yang lebih tua daripada anak pertama. Faktanya, anak kesepuluh
dari seorang ibu yang berusia 26 tahun saat hamil mungkin memiliki risiko lebih
rendah terkena sindrom Down dibandingkan anak pertama yang lahir dari seorang
ibu yang berusia 39 tahun. Dalam hal ini usia (perancu) dikaitkan dengan eksposur
(paritas) dan hasil (Down Syndrome) tetapi tidak muncul di antara keduanya
(gambar 1).
Gambar 1. Hubungan antara paritas dan Down Syndrome dikacaukan oleh usia ibu.
Dalam gambar ini, panah dua sisi menunjukkan hubungan (kausal atau non kausal),
panah satu sisi berarti hubungan sebab akibat, dan panah putus-putus menunjukkan
hubungan kausal potensial yang sedang diselidiki.
yang digunakan untuk tujuan pengobatan. Beberapa orang percaya bahwa itu dapat
memperkuat tubuh dan mencegah penyakit. Sebuah studi kohort yang menyelidiki
dengan harapan awal, ginseng meningkatkan risiko kanker lambung sebesar 40%
(risiko relatif 1,40) (Kamangar et al., 2007). Namun, setelah menyesuaikan usia,
mengurangi risiko. Dalam hal ini, usia adalah perancu; orang tua lebih cenderung
lambung (gambar 2). Penting untuk mengevaluasi tiga persyaratan yang disebutkan
5
konsumsi alkohol dan kanker payudara. Merokok bukan perancu dalam penelitian
ini. Merokok terkait dengan konsumsi alkohol tetapi tidak dengan risiko kanker
Gambar 2. Peningkatan risiko kanker lambung yang terkait dengan asupan ginseng
dijelaskan berdasarkan usia.
B. Jenis perancu
paparan dan hasil benar-benar menghilang atau bahkan berbalik arah, yang berarti
bahwa kualitas atau sifat asosiasi berubah. Dalam contoh 2 dan 3, asosiasi
menghilang setelah disesuaikan dengan usia, yang merupakan perancu dalam kedua
kasus. Lihat contoh 4 untuk perancu yang membalikkan arah asosiasi. Berbeda
dengan itu untuk perancu kualitatif, menyesuaikan untuk perancu kuantitatif hanya
mengubah besarnya asosiasi tetapi tidak sifatnya. Lihat contoh 5 di bawah ini untuk
perancu kuantitatif.
Contoh 4: Obesitas, gaya hidup yang tidak banyak bergerak, polusi udara, dan
merokok membuat hidup lebih singkat. Jadi, mengapa orang memiliki rentang
hidup yang jauh lebih pendek 500 tahun yang lalu, ketika mereka lebih ramping,
lebih aktif secara fisik, menghirup udara yang lebih bersih, dan merokok lebih
6
sedikit? Jawabannya terletak pada efek perancu dari kemajuan dalam kehidupan
modern, seperti kebersihan yang lebih baik, dan pengembangan vaksin dan
antibiotik. Ini adalah contoh perancu yang membalikkan asosiasi nyata. Seandainya
tahun yang lalu mungkin telah menyebabkan kesimpulan yang persis berlawanan
dengan kebenaran.
dikaitkan dengan peningkatan risiko kematian dengan risiko relatif 2,26 (risiko
126% meningkat) (Khademi et al., 2012). Salah satu pembaur potensial adalah
(berhubungan dengan hasilnya). Umur, jenis kelamin, dan faktor-faktor lain juga
dapat bertindak sebagai perancu dalam hubungan ini. Bahkan, setelah disesuaikan
untuk merokok, usia, jenis kelamin, dan beberapa perancu potensial lainnya,
hubungan ini kurang kuat (risiko relatif 1,86, atau 86% risiko meningkat) tetapi
tidak hilang. Di sini, perancu hanya menghasilkan perubahan risiko relatif. Oleh
Gambar 3. Hubungan antara penggunaan opium dan kematian sampai batas tertentu
dikacaukan oleh merokok.
7
Perancu kuantitatif selanjutnya dapat diklasifikasikan menjadi perancu positif
dan negatif. Perancu positif adalah mereka yang memperbesar asosiasi di luar
sebelumnya. Perancu negatif adalah mereka yang membuat pergaulan tampak lebih
kecil dari itu. Penyesuaian untuk pembaur positif menghasilkan risiko relatif yang
lebih dekat dengan satu, dan penyesuaian untuk pembaur negatif menghasilkan
risiko relatif yang lebih jauh dari satu. Contoh 5 menggambarkan perancu positif,
karena penyesuaian mengurangi risiko relatif dari 2,26 menjadi 1,86. Gambar 4
relatif. Ini adalah satu hal jika setelah penyesuaian perubahan risiko relatif dari 6,0
8
menjadi 5,6, dan hal lain jika risiko relatif berubah dari 6,0 menjadi 1,5, meskipun
C. Perancu pengganti
Kadang-kadang kita tidak dapat menyesuaikan diri untuk pembaur sebab akibat itu
sendiri. Dalam kasus seperti itu, kita mungkin dapat mengatasi masalah dengan
sebagai pengganti untuk pembaur sebab akibat. Ini adalah perancu pengganti.
Sebagai contoh, asumsikan bahwa kekayaan adalah perancu dalam hubungan antara
faktor risiko yang disebut R dan hasil yang disebut O. Peserta penelitian mungkin
tidak ditanya tentang kekayaan mereka, tetapi mereka telah ditanya tentang
pendidikan mereka, kode pos tempat tinggal mereka, dan profesi mereka.
mereka. Dalam studi opium dan mortalitas (Contoh 5), tinggi badan 7 orang dewasa
Ketika variabel bertindak sebagai perancu, stratifikasi hasil pada tingkat perancu
menghasilkan hasil yang tampaknya paradoks. Risiko relatif untuk setiap strata
mungkin berbeda dari yang terlihat untuk keseluruhan asosiasi. Dalam contoh di
Contoh 6: Anggaplah ada penyakit bawaan langka yang disebut congenia. Kami
melakukan studi kasus-kontrol yang merekrut ibu dari 200 kasus congenia dan ibu
dari 400 anak-anak kontrol. Faktor risiko potensial adalah ayah yang merokok.
Congenia Kontrol
Ayah perokok 140 160
9
Ayah tidak perokok 60 240
Dari tabel ini, rasio odds untuk hubungan antara ayah menjadi perokok dan
Namun, perancu potensial mungkin ibu yang merokok, karena merokok ibu
terkait dengan penyakit ini dan pria yang merokok lebih cenderung memiliki istri
merokok ibu, dalam kelompok mana pun kita tidak melihat hubungan; yaitu, pada
kedua kelompok, rasio odds adalah 1,00. Pada ibu yang merokok (n = 300)
Congenia Kontrol
Ayah perokok 135 90
Ayah tidak perokok 45 30
Congenia Kontrol
Ayah perokok 5 70
Ayah tidak perokok 15 210
Stratifikasi sebagai metode untuk lebih memahami perancu, itu awalnya dapat
waktu dan latihan sebelum yang belum tahu memahami ini. Orang mungkin
kita mengelompokkan hasilnya dengan apakah ibunya perokok atau tidak, rasio
odds untuk setiap kelompok adalah 1,00? Gambar 5 menunjukkan fenomena ini.
10
Gambar 5. Ketika ada pembaur, rasio peluang keseluruhan berbeda dari rasio odds
di setiap strata pembaur (di sini, status merokok ibu).
Ini memang membingungkan. Perancu adalah bagian dari apa yang disebut
Simpson's Paradox. Hasilnya tampak paradoks, tetapi tidak ada trik, dan itulah yang
terjadi. Perlu diketahui bahwa ketika kita mengelompokkan hasil oleh dua tingkat
perancu, tidak mungkin kedua OR sama persis, tetapi selama keduanya tidak
berbeda secara statistik satu sama lain, kita biasanya mengambil rata-rata
kami mengelompokkan hasil berdasarkan dua tingkat jenis kelamin (pria dan
wanita), OR untuk pria dan wanita masing-masing adalah 2,20 dan 1,90. Asumsikan
bahwa kedua angka ini tidak berbeda secara statistik satu sama lain (nilai P = 0,84).
Jika Rata-rata tertimbang Mantel-Haenszel dari kedua angka ini adalah 2,10, OR
Paparan (faktor risiko potensial) dan hasilnya adalah dua variabel utama dari
paparan dengan hasil. Selain perancu, ada variabel "ketiga" lainnya yang berperan
dalam suatu asosiasi. Dua variabel yang paling penting adalah mediator dan
11
pengubah efek, dan penting untuk membedakan perancu dari mediator dan
pengubah efek.
Salah satu karakteristik perancu, selain dikaitkan dengan paparan dan hasil,
adalah bahwa ia tidak boleh berada di jalur antara keduanya. Jika variabel
ketiga ada di jalur, itu disebut mediator atau faktor perantara. Lihat contoh di
bawah ini.
kanker lambung. Mari kita ambil contoh kemiskinan dan diabetes. Apakah
hubungan ini nyata, atau apakah itu dikacaukan oleh diet yang tidak sehat? Jika
kemiskinan mengarah pada pilihan makanan yang buruk atau terbatasnya akses
ke makanan sehat, maka kemiskinan adalah penyebab nyata diabetes dan diet
Dalam hal ini, pola makan yang tidak sehat dikaitkan dengan kemiskinan
dan diabetes. Juga, menyesuaikan pola makan yang tidak sehat menghasilkan
perubahan dalam perkiraan risiko relatif. Tapi itu bukan perancu karena berada
eksposur yang tidak menyebabkan hasil terkait dengan itu. Ambil Contoh 3.
12
Mengambil ginseng tidak akan mengurangi atau meningkatkan risiko kanker
lambung; semua hubungan yang jelas adalah karena usia. Jadi ginseng
kemiskinan dihilangkan, maka makan yang tidak sehat dapat dikurangi, dan
dengan demikian risiko diabetes akan lebih rendah. Lihat contoh lain dari
Kanker serviks
Gambar 8. Jika efek kemiskinan pada infark miokard dimediasi melalui tiga
faktor, setelah sepenuhnya disesuaikan untuk salah satu faktor ini, risiko relatif
menunjukkan efek untuk dua faktor lainnya.
13
Gambar 9. Obesitas berfungsi baik sebagai perancu dan sebagai mediator dalam
hubungan ini.
untuk perancu? Jawabannya adalah kita bisa, tetapi arti penyesuaian ini
berbeda. Sebelum menyesuaikan untuk mediator, kami memiliki efek total dari
untuk mediator, kami memiliki efek yang tersisa dari faktor risiko setelah efek
kecemasan; dan berat badan lahir rendah. Di sini kita memiliki tiga faktor
penengah antara kemiskinan dan infark miokard. Jika kita tidak menyesuaikan
untuk berat lahir, maka risiko relatif (katakanlah 2,40) menunjukkan efek
menyesuaikan dengan berat badan lahir rendah, maka risiko relatif yang
miokard melalui dua mekanisme lainnya, yaitu, kecemasan yang lebih tinggi
Contoh 11: Sebuah studi kohort prospektif dari sekitar 10.000 pegawai
negeri sipil yang tinggal di London, Inggris, menemukan bahwa mereka yang
14
kematian total (risiko relatif = 1,60) dibandingkan dengan mereka yang berada
fisik, dan diet yang tidak sehat, kelompok sosial ekonomi terendah hanya 14%
pada risiko kematian total yang lebih tinggi (risiko relatif = 1,14). Oleh karena
bekerja sebagai keduanya, terutama ketika ada lingkaran setan atau berbudi
luhur.
Contoh 12: Kami ingin memeriksa hubungan antara kekayaan keluarga dan
dan kematian, dan mungkin tidak sepenuhnya berada di jalur sebab akibat. Di
sisi lain, orang kaya lebih mungkin untuk menerima pendidikan yang lebih
baik. Oleh karena itu, pendidikan bisa menjadi perancu sekaligus mediator.
Harap dicatat bahwa hubungan antara pendidikan dan kekayaan adalah salah
satu siklus yang baik; satu mengarah ke yang lain, dan sebaliknya.
Contoh 13: Ketika menyelidiki hubungan antara tidak aktif fisik dan hasil
sebagian sebagai mediator (Gambar 9). Obesitas akibat makan berlebihan dapat
membuat seseorang menjadi kurang aktif secara fisik. Juga, tidak aktif secara
15
fisik dapat menyebabkan obesitas dan pada gilirannya ke hasil kardiovaskular.
Hubungan antara obesitas dan aktivitas fisik adalah salah satu dari lingkaran
hubungan antara paparan dan hasil. Diskusi terperinci tentang pengubah efek
berada di luar cakupan artikel ini. Namun, kami memberikan perawatan singkat
pengubah efek. Ketika kita stratifikasi hasil dari asosiasi faktor risiko potensial
dan hasil kesehatan oleh dua tingkat variabel ketiga, jika dua risiko relatif (atau
dua rasio odds) secara statistik berbeda satu sama lain, kita akan menyimpulkan
keseluruhan risiko relatif yang disesuaikan untuk hubungan antara opium dan
moralitas keseluruhan adalah 1,86. Asosiasi ini lebih kuat untuk wanita (risiko
relatif = 2,43) daripada untuk pria (risiko relatif = 1,63); Nilai P <0,001. Ini
berarti bahwa sementara opium meningkatkan risiko kematian pada pria dan
membandingkan risiko relatif yang disesuaikan dengan risiko relatif yang tidak
16
Contoh 15: Dalam analisis yang tidak disesuaikan, X dikaitkan dengan Y
dengan risiko relatif 2,00. Ketika kami stratifikasi berdasarkan jenis kelamin,
risiko relatifnya adalah 3,00 untuk wanita dan 1,00 untuk pria (nilai p untuk
interaksi = 0,001), dan rata-rata tertimbang dari kedua angka ini adalah 2,00.
Di sini, efek X pada Y tergantung pada jenis kelamin; itu meningkatkan risiko
pada wanita tetapi tidak pada pria. Ini adalah contoh jelas efek modifikasi
berdasarkan jenis kelamin. Namun, hasil rata-rata adalah 2,00, setelah dan
sebelum penyesuaian. Jadi, tidak ada banyak bukti untuk dikacaukan oleh seks.
dengan risiko relatif 2,00. Ketika kami stratifikasi berdasarkan jenis kelamin,
risiko relatif adalah 1,40 untuk wanita dan 1,50 untuk pria (nilai p untuk
interaksi = 0,78), dan rata-rata tertimbang dari kedua angka ini adalah 1,46. Di
sini, efek X pada Y tidak tergantung pada jenis kelamin; itu meningkatkan
risiko pada wanita dan pria untuk tingkat yang hampir sama. Jadi tidak ada efek
(1,46) berbeda dari yang tidak disesuaikan (2,00). Ini adalah contoh nyata
Gambar 10. Risiko relatif lintas strata jenis kelamin berbeda (efek modifikasi
berdasarkan jenis kelamin) tetapi risiko relatif yang disesuaikan adalah sama
dengan risiko relatif yang tidak disesuaikan (tidak mengacaukan).
17
Gambar 11. Risiko relatif serupa pada seluruh jenis kelamin (tidak ada interaksi
berdasarkan jenis kelamin) tetapi risiko relatif yang disesuaikan berbeda dari risiko
relatif yang tidak disesuaikan (pengganggu).
Gambar 12. Risiko relatif serupa di seluruh strata seks (tidak ada interaksi
berdasarkan jenis kelamin), dan risiko relatif yang disesuaikan serupa dengan risiko
relatif yang tidak disesuaikan (tanpa perancu).
Gambar 13. Risiko relatif tergantung pada jenis kelamin (interaksi berdasarkan
jenis kelamin) dan risiko relatif yang disesuaikan berbeda dari risiko relatif yang
tidak disesuaikan (pembaur).
dengan risiko relatif 2,00. Ketika kami stratifikasi berdasarkan jenis kelamin,
risiko relatifnya adalah 2,05 untuk wanita dan 1,94 untuk pria (nilai-P untuk
interaksi = 0,66), dan rata-rata tertimbang dari kedua angka ini adalah 2,01. Di
sini, efek X pada Y tidak tergantung pada jenis kelamin, sehingga tidak ada
interaksi berdasarkan jenis kelamin. Juga, risiko relatif yang disesuaikan dan
dengan risiko relatif 2,00. Ketika kami stratifikasi berdasarkan jenis kelamin,
risiko relatif adalah 1,62 untuk wanita dan 1,00 untuk pria (nilai p untuk
interaksi = 0,01), dan rata-rata tertimbang dari kedua angka ini adalah 1,46. Di
sini, efek X pada Y tergantung pada jenis kelamin, sehingga ada interaksi
18
berdasarkan jenis kelamin. Selain itu, risiko relatif yang disesuaikan dan tidak
Beberapa bentuk bias seleksi, seperti perbedaan antara yang terpapar dan yang
tidak terpapar dalam garis dasar suatu kelompok, dapat secara alternatif
Contoh 19: Dalam sebuah penelitian pada pasien kanker orofaringeal, pasien
kulit putih memiliki ketahanan hidup yang jauh lebih baik daripada pasien kulit
hitam (Settle et al., 2009). Namun, perbedaan ini ditunjukkan sebagai hasil dari
prevalensi yang lebih tinggi dari tumor yang diinduksi HPV pada pasien kulit putih
dengan kanker orofaringeal. Di satu sisi, ini membingungkan, karena tumor yang
diinduksi HPV dikaitkan dengan menjadi Putih dan bersamaan dengan itu tumor
orofaring yang diinduksi HPV memiliki prognosis yang lebih baik daripada bentuk
kanker lainnya. Di sisi lain, ini dapat dianggap bias seleksi, karena ada perbedaan
sistematis dalam jenis tumor yang dimiliki oleh orang kulit putih dan “kurang”.
Mengacaukan oleh indikasi adalah bentuk bias seleksi. Istilah ini digunakan
pengobatan tidak didikte secara acak - itu lebih didasarkan pada indikasi untuk
menggunakan obat mungkin sangat berbeda dari mereka yang tidak menghormati
19
lebih mungkin untuk menerima perawatan. Oleh karena itu, jika seseorang
menemukan hubungan antara pengobatan dan mortalitas yang lebih tinggi, itu
mungkin disebabkan oleh pembauran dengan indikasi daripada efek samping obat.
Mengacaukan dengan indikasi paling sering terlihat pada obat yang jarang
digunakan tetapi juga terlihat untuk obat yang biasa digunakan seperti asetaminofen
al., 2002).
Salah satu kesulitan utama dalam studi epidemiologi, terutama dalam studi
menyesuaikan apa. Ada beberapa metode untuk memilih perancu 12–16 tetapi
metode ini dapat diklasifikasikan ke dalam dua kategori besar: metode pemilihan
1. Pilihan perancu
penduduk setempat tahu bahwa di daerah tertentu di Iran orang tua dan laki-
laki lebih cenderung menggunakan opium, dan mereka adalah orang yang sama
yang memiliki risiko kematian yang lebih tinggi. Jadi menyesuaikan jenis
kelamin dan usia adalah suatu keharusan. Demikian pula, pengguna tembakau
20
jelas. Tetapi tidak mungkin kita mengetahui semua pembaur potensial atau
karena itu, perancu dapat bervariasi berdasarkan waktu dan populasi, yang
mungkin membuat pemilihan perancu menjadi sulit. lihat contoh di bawah ini.
Contoh 20: Hasil studi kohort prospektif besar, yang diterbitkan dalam New
sejumlah perilaku tidak sehat, termasuk merokok, minum besar jumlah alkohol,
aktivitas fisik, dan mengkonsumsi lebih sedikit buah dan sayuran. Oleh karena
itu, hubungan minum kopi dengan mortalitas total dikacaukan oleh faktor-
kematian. Namun, pola ini dapat dengan mudah berubah dalam 20 tahun. Orang
kesehatan. Jika lebih banyak makalah seperti ini diterbitkan, mungkin di masa
(daripada cenderung) minum kopi, dan minum kopi dapat dikaitkan dengan
kebiasaan sehat.
Variasi dalam pola ini dapat menimbulkan tantangan bagi beberapa studi
21
pengganggu. Jika para peneliti memiliki data tentang semua perancu penting,
masalahnya.
Dalam metode ini, para peneliti melihat hubungan antara sejumlah besar
variabel (sebagai pembaur potensial) dengan faktor risiko potensial dan hasil
faktor itu mungkin merupakan perancu. Dalam contoh opium dan mortalitas,
etnis, status perkawinan, dan sejumlah variabel lain sebagai pembaur potensial.
1993). Metode ini juga kurang dalam beberapa hal. pertama, selain perancu,
mediator dikaitkan dengan faktor risiko potensial dan hasilnya, dan mungkin
statistik. Kedua, pengujian untuk sejumlah besar variabel dapat mengarah pada
temuan kebetulan. Ketiga, selalu ada sejumlah perancu potensial yang tidak
diketahui atau tidak terukur. Keempat, tidak ada kesepakatan universal tentang
metode statistik mana yang paling baik kinerjanya. kelima, sulit untuk
Perubahan 5%, 10%, dan 20% dalam estimasi semuanya telah digunakan, tetapi
Yang benar adalah bahwa baik metode apriori maupun metode statistik tidak
bekerja dengan baik, dan tidak mungkin untuk menentukan semua pembaur
22
yang relevan. Namun, kita dapat melakukan yang terbaik melalui pengalaman,
analisis (analisis bertingkat dan metode regresi). Ini bukan daftar yang
digunakan (Rubin, 1997). Seperti dibahas di bawah, tidak ada metode yang
3. Pengacakan
tentang diet vitamin E dan kanker, misalnya, individu yang mengonsumsi lebih
banyak vitamin E mungkin berbeda dari mereka yang tidak dalam banyak hal.
23
Dalam satu penelitian kohort semacam itu di Amerika Serikat, mereka yang
merokok, lebih sedikit mengonsumsi alkohol, aktif secara fisik, dan memiliki
bahwa penugasan paparan dalam uji coba acak dilakukan secara acak, itu tidak
kekayaan, dll. Oleh karena itu, uji coba acak besar berpotensi menyesuaikan
baik perancu yang diketahui maupun yang tidak diketahui. Misalnya, dalam uji
aspirin, riwayat kanker orang tua, dan riwayat kanker yang dilaporkan sendiri
(Gaziano et al., 2009). Daftar ini hanya merupakan sampel variabel yang serupa
antara kedua kelompok penelitian, dan orang dapat sangat yakin bahwa kedua
Namun, kita harus menambahkan bahwa uji coba acak kecil beresiko
(Rothman, 1977). Namun demikian, jika ada beberapa uji coba kecil seperti itu,
Dalam hal penyesuaian, untuk sebagian besar tujuan praktis, uji coba dengan
lebih dari 1000 subjek di setiap kelompok dapat dianggap besar, uji coba
dengan kurang dari 100 subjek di setiap kelompok dapat dianggap kecil, dan
24
uji coba dengan 100 hingga 1000 di setiap kelompok adalah ukuran menengah.
4. Matching
Dalam studi kohort, seseorang dapat mencocokkan individu yang terpapar dan
yang tidak terpapar dengan pembaur potensial. Sebagai contoh, jika kita
menilai efek opium terhadap kematian total dan seks adalah perancu potensial,
opium pria dan pengguna opium wanita dengan non-pengguna opium wanita.
Dengan cara ini pengguna dan bukan pengguna akan persis sama untuk seks,
berdasarkan usia dan jenis kelamin. Misalnya, pengguna opium pria berusia 56
tahun dapat dicocokkan dengan pria yang bukan pengguna pria berusia 56
tahun. Namun, ada batasan praktis untuk jumlah variabel yang bisa kita
usia, jenis kelamin, kelompok etnis, pendidikan, kekayaan, asupan total buah-
buahan dan sayuran, dll. Ini menjadikan pencocokan metode yang kurang
adalah regresi linier, regresi logistik, dan regresi bahaya proporsional Cox.
Regresi logistik sebagian besar digunakan ketika hasilnya adalah biner (mis.,
25
Kanker payudara; apakah subjek penelitian terkena kanker payudara atau
tidak). Perluasan regresi logistik, seperti regresi logistik politom dan regresi
digunakan untuk hasil dengan tiga atau lebih kategori diperlakukan sebagai
referensi. Sebagai contoh, risiko tiga jenis kanker yang berbeda (paru-paru,
memiliki tiga kategori atau lebih tetapi diperlakukan sebagai variabel ordinal.
dengan kanker paru-paru. Dalam model logistik, dua orang yang menderita
hasilnya, sedangkan dalam model Cox, jika orang pertama yang menderita
kanker paru-paru dalam satu tahun dan yang lain menderita kanker paru-paru
dalam 10 tahun, kontribusi mereka adalah berbeda, karena waktu untuk acara
berbeda. Mengukur waktu untuk acara perlu tindak lanjut, oleh karena itu
regresi Cox sering digunakan dalam studi prospektif dengan tindak lanjut
5. Larangan
Dalam metode ini, kami membatasi populasi penelitian pada satu tingkat
hubungan penggunaan opium dan kematian total dan sangat khawatir tentang
26
penelitian untuk mereka yang tidak pernah menggunakan tembakau dalam
bentuk apa pun. Ini memang bentuk pencocokan yang ekstrem. Pembatasan
juga dapat dilakukan selama analisis. Ahli statistik dapat membatasi analisis
hanya untuk subkelompok dari semua peserta studi, seperti hanya untuk yang
etnis, pendidikan, dll.), Karena ukuran sampel menjadi kecil dan generalisasi
menguntungkan.
6. Analisis bertingkat
Dalam metode ini, ahli statistik stratifikasi analisis pada tingkat yang
berbeda dari perancu potensial untuk memeriksa apakah ada bukti untuk
perancu. Sebagai contoh, jika seks adalah perancu potensial, ahli statistik dapat
menganalisis hasilnya secara terpisah oleh pria dan wanita. Seperti kedua
yang dipilih untuk stratifikasi. Sebagai contoh, jika kita memilih jenis kelamin
(dua tingkat: pria dan wanita) dan ras (empat tingkat: Putih, “kurang, Asia,
strata. Sekali lagi, ini lebih baik menggunakan metode regresi. Namun, seperti
27
7. Regresi
konstan. Misalnya, jika perancu potensial adalah seks, model regresi bertindak
seolah-olah mereka memperkirakan efek paparan untuk pria dan wanita secara
terpisah dan mengambil rata-rata tertimbang hasilnya. Ini secara intuitif mirip
stratifikasi. Lihat di bawah. Tergantung pada jenis hasil, beberapa model regresi
lengan studi yang berbeda untuk perancu yang dikenal dan tidak dikenal.
Secara teori, pencocokan dapat digunakan dalam studi acak kecil dan studi
kohort untuk mengontrol perancu, tetapi ini jarang dilakukan dalam penelitian
seperti yang ditunjukkan oleh Rothman dan rekan penulis, dalam studi kasus-
28
kontrol pencocokan mungkin tidak hanya tidak efektif dalam berurusan dengan
(Rothman et al., 2008) untuk informasi lebih lanjut.) Ketika faktor pencocokan
sangat terkait dengan paparan tetapi tidak dengan hasil (karenanya bukan
kontrol analisis bertingkat dapat ilustratif pada waktu dan mereka dapat
di atas).
Ketika peserta penelitian dibatasi untuk suatu kelompok, sering kali karena
alasan selain mengacaukan, seperti untuk efisiensi atau alasan etis. Membatasi
analisis untuk tidak pernah merokok dan masih menemukan hubungan (Abnet
et al., 2008). Hal ini dilakukan untuk menghindari potensi residu yang
mampu menangani perancu secara memadai. Satu masalah utama dengan semua
metode ini adalah bahwa mungkin ada beberapa pembaur yang tidak diketahui atau
29
tidak terukur dalam setiap studi. Masalah lain adalah bahwa bahkan ketika pembaur
diketahui atau diukur, mereka mungkin telah diukur dengan buruk, menyebabkan
penyesuaian yang tidak memadai untuk mereka. Kasus terakhir ini disebut juga
Contoh 21: Penghasilan adalah perancu potensial dalam studi dan dengan
gagal melakukannya secara akurat. Dalam situasi ini, kesalahan dalam nilai-nilai
pendapatan yang dicatat menyebabkan penyesuaian tidak sempurna untuk itu, dan
dalam studi epidemiologi. Namun, jawaban atas kuesioner ini tunduk pada
Orang hampir tidak ingat berapa banyak tomat yang mereka makan setiap minggu
selama setahun terakhir. Bahkan jika mereka melakukannya, diet mereka mungkin
mencerminkan paparan seumur hidup terhadap faktor makanan itu. Oleh karena itu,
pendidikan dapat diukur sebagai buta huruf, sekolah dasar, sekolah menengah atau
menengah, dan pendidikan tinggi. Ini juga dapat menyebabkan residu perancu.
penyesuaian yang tidak memadai dan residu perancu. Lihat Gambar 14.
30
Gambar 14. Kekurangan dalam metode yang digunakan untuk menyesuaikan
perancu dapat mengakibatkan penyesuaian yang tidak memadai.
J. Ketidaksesuaian
menyesuaikan untuk mediator, bukan perancu, hasil yang disesuaikan tidak akan
menjadi perkiraan yang benar dari seluruh efek paparan pada hasil. Kedua, jika satu
variabel prediktor dalam model regresi sangat berkorelasi dengan variabel prediktor
lain, atau kombinasi variabel, kita mungkin menghadapi masalah yang disebut
collinearity. Ketika collinearity ada, kesalahan estimasi standar akan sangat besar
dan memperkirakan pengaruh variabel collinear akan sangat tidak tepat. Untuk
variabel collinear. Kasus-kasus kolinearitas yang ekstrem tidak biasa tetapi mereka
karena itu linier, dan menempatkan keduanya dalam model regresi sebagai
ingin belajar tentang prediktor kematian bayi. Jika ia menempatkan berat badan,
tinggi badan, lingkar kepala, dan lingkar perut pada saat lahir ditambah usia
kehamilan, kemungkinan akan ada kolinearitas, karena berat saat lahir harus sangat
31
sejumlah besar variabel (yang bukan perancu nyata) ke model untuk penyesuaian
dapat sedikit mengurangi daya atau membuat model tidak stabil, terutama jika
mereka, dan ketika rasio jumlah variabel yang dimasukkan ke ukuran sampel besar.
Perancu harus sangat terkait dengan paparan dan hasil untuk memiliki efek material
pada perkiraan risiko relatif. Sebagai contoh, jika faktor risiko meningkatkan risiko
hasil dengan 2 kali lipat (risiko relatif = 2.00), perancu harus dikaitkan dengan
peningkatan risiko 5 kali lipat dari kedua faktor risiko dan hasil untuk sepenuhnya
yang sama ini jika perancu dikaitkan dengan faktor risiko dengan risiko relatif 1,2
dan dengan hasil dengan risiko relatif 1,4, tidak mungkin memiliki efek material
pada risiko relatif; itu hanya dapat mengubah risiko dari 2,00 menjadi 1,95. Dalam
Contoh 6, setelah penyesuaian untuk ibu yang merokok, OR 3,50 yang tidak
disesuaikan untuk ayah yang merokok dan bawaan berubah menjadi 1,00. Ini adalah
perubahan substansial dalam OR. Namun, harap dicatat bahwa hubungan antara ibu
yang merokok dan kongenia (OR = 21,00) dan ibu yang merokok dengan ayah yang
merokok (OR = 9,00) sangat kuat, keduanya jauh lebih tinggi dari 3,50, jika tidak
kita tidak akan melihat perubahan yang substansial. Ini ditunjukkan pada tabel di
bawah ini.
Congenia Kontrol
Ibu perokok 180 120
Ibu bukan perokok 20 280
32
Ayah tidak perokok 75 225
inklusi dan pengecualian dari tiga pembaur yang berpotensi penting, yaitu
sangat terkait dengan merokok. Oleh karena itu, para peneliti ini
pekerjaan yang melebihi 1,4 tidak mungkin menjadi artefak karena faktor
perancu yang tidak terkontrol. Untuk kanker kandung kemih dan kanker
lambung, titik potong yang sesuai mungkin serendah 1,2 " (Siemiatycki et
al., 1988). Meskipun tidak semua orang setuju dengan kesimpulan terakhir
ini, temuan penelitian ini menguatkan fakta bahwa perancu yang tidak
terukur atau salah ukur, kekuatan hubungannya dengan paparan dan hasil,
33
sebesar 2 kali lipat, rasio odds yang disesuaikan sekitar 2,00 dapat
2007). Studi ini menunjukkan bahwa di bawah serupa keadaan odds rasio
1,50 dapat dihasilkan bahkan setelah penyesuaian untuk dua perancu jika
ini menyiratkan bahwa rasio odds 2,50 atau lebih tinggi tidak mungkin
seorang ahli genetika terkenal di dunia dan ahli statistik paling terkenal
oleh gen; 25 beberapa gen dapat menyebabkan Anda merokok dan gen-
gen yang sama dapat menyebabkan kanker paru-paru. Hari ini kita tahu
bahwa Fisher, yang merupakan perokok seumur hidup, salah dalam kasus
ini. Risiko relatif untuk hubungan tersebut adalah antara merokok dan
kanker paru-paru bisa mencapai 30 untuk perokok lama. Jika Fisher benar,
maka risiko relatif untuk hubungan antara gen dan kanker paru-paru (dan
gen dan merokok) harus jauh lebih tinggi dari 30. Ini jelas tidak terjadi,
karena risiko relatif untuk polimorfisme paling umum yang terkait dengan
34
BAB III PENUTUP
A. Kesimpulan
diuraikan di bawah ini dapat membantu dalam memikirkan dan mengatasi perancu
dalam studi epidemiologi. Langkah 1. Apakah kita perlu khawatir tentang pembaur?
Jika penelitian ini merupakan uji coba acak yang besar, mengacaukan bukanlah
masalah utama. Jika tidak, maka kita perlu mengidentifikasi, memilih, dan
statistik. Tidak semua "variabel ketiga" adalah perancu. Menilai apakah suatu
variabel memenuhi tiga kriteria untuk perancu. Jika ya, maka pertimbangkan juga
seberapa kuat kaitannya dengan pajanan dan hasil dan seberapa besar ia mengubah
risiko relatif. Perancu harus sangat terkait dengan paparan dan hasil untuk memiliki
efek material pada hasil. Kalau tidak, mereka mungkin tidak menjadi perhatian
utama. Ketika perancu tidak bisa m Ketika perancu tidak bisa mengukur dan atau
metode yang paling umum untuk menyesuaikan perancu dalam studi observasional.
Kita harus menggunakan metode regresi statistik yang paling tepat (mis., Regresi
linier, regresi logistik, regresi Poisson, atau regresi bahaya proporsional Cox) untuk
35
disesuaikan untuk perancu, kita perlu diingat bahwa hasilnya mungkin belum
sepenuhnya disesuaikan karena perancu yang tidak diukur atau diukur dengan
B. Saran
Kita harus cukup berhati-hati tetapi tidak terlalu kritis. Apakah atau tidak perancu
DAFTAR PUSTAKA
Abnet, C. C., et al. (2008). Tooth loss and lack of regular oral hygiene are associated
with higher risk of esophageal squamous cell carcinoma. Cancer
Epidemiology and Prevention Biomarkers, 17(11), 3062-3068.
Babyak, M. A. (2009). Understanding confounding and mediation. Evidence-based
mental health, 12(3), 68-71.
Bhopal, R. S. (2016). Concepts of epidemiology: integrating the ideas, theories,
principles, and methods of epidemiology: Oxford University Press.
Fewell, Z., Davey Smith, G., & Sterne, J. A. (2007). The impact of residual and
unmeasured confounding in epidemiologic studies: a simulation study.
American journal of epidemiology, 166(6), 646-655.
Gaziano, J. M., et al. (2009). Vitamins E and C in the prevention of prostate and
total cancer in men: the Physicians' Health Study II randomized controlled
trial. Jama, 301(1), 52-62.
Kamangar, F., et al. (2007). Ginseng intake and gastric cancer risk in the Shanghai
Women's Health Study cohort. Cancer Epidemiology Biomarkers and
Prevention, 16(3), 629.
Khademi, H., et al. (2012). Opium use and mortality in Golestan Cohort Study:
prospective cohort study of 50 000 adults in Iran. BMJ, 344, e2502.
Kyriacou, D. N., & Lewis, R. J. (2016). Confounding by indication in clinical
research. Jama, 316(17), 1818-1819.
36
Landi, M. T., et al. (2009). A genome-wide association study of lung cancer
identifies a region of chromosome 5p15 associated with risk for
adenocarcinoma. The american journal of human genetics, 85(5), 679-691.
Maldonado, G., & Greenland, S. (1993). Simulation study of confounder-selection
strategies. American journal of epidemiology, 138(11), 923-936.
Rothman, K. J. (1977). Epidemiologic methods in clinical trials. Cancer, 39(S4),
1771-1775.
Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern epidemiology (Vol.
3): Wolters Kluwer Health/Lippincott Williams & Wilkins Philadelphia.
Rubin, D. B. (1997). Estimating causal effects from large data sets using propensity
scores. Annals of internal medicine, 127(8_Part_2), 757-763.
Schatzkin, A., et al. (2009). Observational epidemiologic studies of nutrition and
cancer: the next generation (with better observation). Cancer Epidemiology
and Prevention Biomarkers, 18(4), 1026-1032.
Settle, K., et al. (2009). Racial survival disparity in head and neck cancer results
from low prevalence of human papillomavirus infection in black
oropharyngeal cancer patients. Cancer prevention research, 2(9), 776-781.
Siemiatycki, J., Wacholder, S., Dewar, R., Cardis, E., Greenwood, C., &
Richardson, L. (1988). Degree of confounding bias related to smoking,
ethnic group, and socioeconomic status in estimates of the associations
between occupation and cancer. Journal of occupational medicine.: official
publication of the Industrial Medical Association, 30(8), 617-625.
Signorello, L. B., McLaughlin, J. K., Lipworth, L., Friis, S., Sørensen, H. T., &
Blot, W. J. (2002). Confounding by indication in epidemiologic studies of
commonly used analgesics. American journal of therapeutics, 9(3), 199-
205.
Stringhini, S., et al. (2010). Association of socioeconomic position with health
behaviors and mortality. Jama, 303(12), 1159-1166.
37