Nama : halwatiah

Nim : 173145261024

Mata kuliah : epidemiologi klinik

PROGNOSIS

Ketika orang menjadi sakit, mereka memiliki banyak pertanyaan tentang bagaimana penyakit
mereka akan mempengaruhi mereka. Apakah itu berbahaya? Bisakah aku mati itu? Apakah akan ada rasa
sakit? Berapa lama saya dapat melanjutkan kegiatan saya sekarang? Apakah itu akan pernah pergi sama
sekali? Kebanyakan pasien dan keluarga mereka ingin tahu apa yang diharapkan, bahkan jika sedikit
dapat dilakukan tentang penyakit mereka. ProfillOsis adalah prediksi masa depan tentu saja penyakit
setelah onset. Dalam bab ini, kita meninjau cara-cara di mana perjalanan penyakit dapat dijelaskan. Kami
kemudian mempertimbangkan bias yang dapat mempengaruhi Deskripsi ini dan bagaimana bias ini dapat
ia dikendalikan. Tujuan kami adalah untuk memberikan pembaca yang lebih baik lll1derstanding dari
yang sulit tapi sangat diperlukan memprediksi tugas pasien ' berjangka sedekat mungkin. Tujuannya
adalah untuk tidak mengekspresikan prognosis dengan keanehan ketika itu tidak perlu, dan dengan
kepastian ketika itu menyesatkan. Dokter dan pasien berpikir tentang prognosis dalam Severa] cara yang
berbeda. Pertama, mereka ingin tahu tentu saja penyakit umum pasien. Seorang pasien muda yang
menderita neuralgia postherpetic terkait dengan herpes zoster dapat yakin bahwa rasa sakit biasanya
menyelesaikan dalam waktu kurang dari sebulan. Kedua, mereka biasanya ingin tahu, sebanyak mungkin,
prognosis dalam kasus tertentu. Meskipun infeksi HIV adalah hampir Universal f < ltal, individu dengan
infeksi dapat hidup dari beberapa bulan untuk lebih dari satu dekade; seorang pasien ingin tahu di mana
pada kontinum ini nya kasus tertentu jatuh. Ketiga, pasien terutama tertarik untuk mengetahui bagaimana
< dalam penyakit ini mungkin mempengaruhi kehidupan mereka, tidak hanya Apakah itu akan atau tidak
akan membunuh mereka, tapi bagaimana hal itu akan mengubah kemampuan mereka untuk bekerja,
untuk berjalan, untuk berbicara, bagaimana hal itu akan mengubah hubungan mereka dengan keluarga
dan teman, berapa banyak rasa sakit dan ketidaknyamanan mereka akan harus bertahan.

Kajian prognosis studi prognosis menangani pertanyaan klinis ini dengan cara yang mirip dengan
Studi kohort risiko. Sebuah gnup pasien memiliki sesuatu yang sama (penyakit medis tertentu atau
kondisi, dalam kasus studi prognostik)dirakit dan diikuti fonvard dalam waktu, dan hasil klinis diukur.
Seringkali, kondisi yang associatrcd dengan hasil tertentu dari penyakit, yaitu, faktor prugnostic, dicari.
Kursus Klinis/Riwayat Penyakit Alam

Prognosis penyakit dapat dijelaskan baik untuk kursus klinis atau sejarah alam Hlness. Istilah
Kursus klinis telah digunakan untuk menggambarkan evolusi (prognosis) penyakit yang telah datang di
bawah perawatan medis dan kemudian dirawat dalam berbagai cara yang mungkin mempengaruhi
jalannya acara berikutnya. Pasien biasanya berada di bawah perawatan medis pada suatu waktu selama
penyakit mereka ketika mereka memiliki penyakit yang menyebabkan gejala seperti nyeri, kegagalan
untuk berkembang, disfiguusi, atau perilaku yang tidak biasa. Contohnya termasuk diabetes melitus tipe
1, karsinoma paru, dan rabies. Setelah penyakit diakui, juga mungkin akan diobati. Prognosis penyakit
tanpa intervensi medis disebut sejarah alam penyakit. Sejarah Alam menggambarkan bagaimana pasien
akan ongkos jika tidak ada yang dilakukan untuk penyakit mereka. A Great banyak kondisi medis, bahkan
di negara dengan sistem perawatan medis canggih, sering tidak datang di bawah perawatan medis.
Mereka tetap tidak dikenali, mungkin karena mereka asimtomatik atau dianggap di antara
ketidaknyamanan biasa hidup sehari-hari, contoh termasuk depresi ringan, anemia, dan kanker yang
okultisme dan lambat tumbuh (misalnya, beberapa kanker tiroid dan prostat).

WAKTU NOL

Kohort dalam studi prognostik diamati mulai dari titik waktu, disebut nol waktu. Titik ini harus
ditentukan dengan jelas dan menjadi lokasi yang sama didefinisikan dengan baik sepanjang perjalanan
penyakit (misalnya, timbulnya gejala, waktu diagnosis, atau awal pengobatan) untuk setiap pasien.
Koterluka awal Lerm digunakan untuk menggambarkan sekelompok orang yang berkumpul di dekat awal
(awal) penyakit. Pengamatan TF dimulai pada titik yang berbeda dalam perjalanan penyakit untuk
berbagai pasien dalam kohort, Deskripsi tentu saja mereka berikutnya akan kurang presisi. Waktu relatif
peristiwa seperti pemulihan, kekambuhan, dan kematian akan sulit untuk menafsirkan atau menyesatkan.
Sebagai contoh, Misalkan kita ingin menggambarkan Kursus klinis pasien dengan kanker paru. Kami
akan merakit sebuah kohort orang dengan penyakit dan mengikuti mereka maju dari waktu ke masa untuk
hasil seperti komplikasi dan kematian. Hut apa yang kita maksud dengan "dengan penyakit"? Jika Zero
time adalah deteksi dengan skrining untuk beberapa pasien, onsetofgejala-gejalanya untuk orang lain, dan
rawat inap iz < lLion atau awal pengobatan untuk masih orang lain, maka prognosis diamati akan
tergantung pada campuran tertentu dari nol kali dalam studi. Lebih buruk lagi, jika kita tidak secara
eksplisit menggambarkan ketika dalam perjalanan

pasien penyakit memasuki kohort, kita tidak akan tahu bagaimana menafsirkan atau menggunakan
prognosis dilaporkan.
Menggambarkan Hasil Penyakit

Deskripsi prognosisshould mencakup berbagai manifestasi yang akan dianggap penting bagi
pasien. Ini berarti tidak hanya kematian dan penyakit tetapi juga konsekuensi dari penyakit seperti rasa
sakit, penderitaan, dan ketidakmampuan untuk merawat diri sendiri atau mengejar kegiatan yang biasa.
(Lima OS yang tercantum dalam tabel 1,2 adalah cara sederhana untuk meringkas hasil klinis yang
penting.) Dalam upaya mereka untuk menjadi "ilmiah," dokter terkadang menghargai jenis tertentu
ofoutcomes atas orang lain, dengan mengorbankan relevansi klinis. Efek klinis yang tidak dapat secara
langsung dirasakan oleh pasien (misalnya, pengurangan ukuran tumor, normalisasi chemistries darah,
atau perubahan serologi) tidak berakhir pada diri mereka sendiri. Hal ini sesuai untuk menggantikan
fenomena biologik ini untuk hasil klinis hanya jika keduanya diketahui berhubungan satu sama lain.
Dengan demikian hiperkalsemia merupakan hasil klinis yang penting dari hiperparatiroidisme hanya jika
menyebabkan gejala seperti mengantuk atau Haus atau ifthere adalah alasan untuk percaya bahwa pada
akhirnya akan menyebabkan komplikasi seperti penyakit tulang atau ginjal. Jika suatu hasil tidak dapat
berhubungan dengan sesuatu yang pasien akan mengenali, informasi tidak boleh digunakan untuk
membimbing patientcare, meskipun mungkin cukup nilai dalam memahami asal-usul dan mekanisme
penyakit.KESEHATAN yang berhubungan dengan QUALlTY · DARI ~ L1FE TINDAKAN.Ada
pengakuan yang berkembang bahwa "kesehatan" melibatkan lebih dari penghindaran aspek negatif seperti
kematian dan penyakit. Kegiatan klinis harus memiliki impiJct positif tentang bagaimana seseorang
fungsi dan kehidupan. Konsep ini telah dirujuk sebagai oflife kualitas terkait Kesehatan, status kesehatan,
atau status fungsional. Kuesioner telah dikembangkan untuk mengukur kualitas hidup pasien. Terkadang
penggunaan mereka memperkuat argumen untuk intervensi klinis tertentu. Sebagai contoh, sebuah studi
menunjukkan bahwa pengobatan eritropoietin pasien dengan gagal ginjal kronis tidak hanya peningkatan
pasien ' hematokrits tetapi meningkatkan kesehatan yang berhubungan dengan kualitas hidup (1). Di sisi
lain, terkadang pengukuran kualitas hidup menunjukkan trade-off yang rumit. Sebuah studi pengobatan
AZT (AZT) pada pasien dengan infeksi HIV agak simptomatik menunjukkan bahwa meskipun obat
tertunda kemajuan untuk AIDS dengan rata-rata 0,9 bulan, hasil positif diimbangi oleh efek samping obat.
Dengan demikian pasien yang menerima obat memiliki rata-rata 14.5 bulan tanpa penyakit progressionor
berat efek samping yang parah dari AZT dibandingkan dengan rata 14,7 bulan untuk pasien yang tidak
menerima obat (2). Apa yang tampak seperti manfaat kecil dalam perkembangan tertunda untuk AIDS
tidak begitu jelas ketika kualitas hidup-langkah yang ditambahkan ke studi.

Faktor prognostik
Meskipun kebanyakan pasien tertarik dalam perjalanan penyakit mereka pada umumnya, mereka saya
bahkan lebih tertarik pada prediksi untuk kasus yang diberikan mereka. Faktor prognostik membantu
mengidentifikasi kelompok pasien dengan penyakit yang sama yang memiliki prognosis yang berbeda.

Perbedaan Faktor Prognostik Dan Faktor Risiko

Studi faktor risiko biasanya berurusan dengan orang yang sehat, sedangkan faktor prognostik-
kondisi yang terkait withan outcomeofdiseaseare, menurut definisi, dipelajari pada orang sakit. Ada busur
perbedaan penting lainnya juga, diuraikan di bawah ini.

Faktor yang berbeda

Faktor yang terkait dengan peningkatan risiko tidak selalu sama seperti yang menandai prognosis
yang lebih buruk dan sering jauh berbeda untuk penyakit tertentu. Misalnya, tekanan darah rendah
menurunkan kemungkinan seseorang memiliki infark miokard akut, tetapi tanda prognostik yang buruk
saat hadir selama kejadian akut (Gbr. 6,1). Demikian pula, asupan eksogen estrogen selama menopause
meningkatkan risiko kanker endometrium, tetapi kanker yang terkait ditemukan mengalami Stadium awal
dan tampaknya memiliki prognosis yang lebih baik dari rata-rata.

Beberapa faktor memiliki efek yang sama pada kedua risiko dan prognosis. Misalnya, baik risiko
mengalami infark miokard akut dan risiko sekarat meningkat dengan usia.

Hasil yang berbeda

Risiko dan prognosis menggambarkan fenomena yang berbeda. Untuk risiko, peristiwa yang
dihitung adalah timbulnya penyakit. Untuk prognosis, berbagai macam tdk berat atas penyakit yang
dihitung, termasuk kematian, komplikasi, kecacatan, dan penderitaan.

Tarif yang berbeda faktor risiko umumnya memprediksi peristiwa probabilitas rendah. TARIF
tahunan untuk onset berbagai penyakit berada di urutan 1/100 sampai 1/10000. Akibatnya, hubungan
antara eksposur dan risiko biasanya menghindari klinisi bahkan cerdik kecuali jika mereka bergantung
pada studi yang dilakukan dengan cermat, sering melibatkan sejumlah besar orang dalam jangka waktu
yang lama. Prognosis, di sisi lain, menggambarkan peristiwa yang relatif frcquent. Dokter sering dapat
membentuk perkiraan yang baik dari prognosis mereka sendiri, dari pengalaman pribadi mereka.
Misalnya, mereka tahu bahwa beberapa pasien dengan kanker paru atau pankreas bertahan selama 5
tahun, sedangkan sebagian besar dengan leukemia limfositik kronis bertahan lebih lama.

Beberapa Faktor Prognostik Dan Aturan Prediksi

 Kombinasi faktor dapat memberikan prognosis yang lebih tepat daripada masing-masing faktor
yang sama yang diambil satu pada suatu waktu. Aturan prediksi klinis memperkirakan probabilitas hasil
sesuai dengan satu set karakteristik pasien. [XAML, Le setelah pasien dengan infeksi HIV
mengembangkan A [DS, pHlI-, ' l1osis adalah waktu yang buruk dan bertahan hidup adalah singkat.
Meskipun demikian, dan bdore terapi antivirus dan profilaksis untuk infeksi oportunistik menjadi
pengobatan standar, jelas bahwa beberapa pasien dengan AIDS bertahan lebih lama daripada yang lain.
Sebuah studi yang dilakukan untuk menentukan karakteristik pasien yang diprediksi kelangsungan hidup
(3). Masing-masing dari beberapa karakteristik fisiologis ditemukan untuk berhubungan dengan
kelangsungan hidup. Dengan menggunakan faktor ini dalam kombinasi, para penyelidik mengembangkan
sistem pementasan prognostik, dengan [titik untuk kehadiran masing-masing dari 7 faktor: diare parah
atau albumin serum < 2.0 GM/dL, setiap neurologis DL. ' ficit, Pl. ': 2 kurang dari atau sama dengan 50
mm Hg, helllatocrit < 30 (}: "jumlah limfosit < 150/mL, putih COlmt < 25001mL, dan jumlah trombosit
< 140000/mL. Total; inti menentukan tahap prognostik (I, 0 poin; II, 1 poin; ] [[, lebih besar th; m atau
sama dengan 2 poin). Gambar 6,2 menunjukkan kelangsungan hidup pasien AIDS pada setiap tahap
prognostik. Menggunakan beberapa faktor prognostik bersama-sama, penulis mencatat bahwa prediksi
untuk panjang median kelangsungan hidup bervariasi dari [[. 5 bulan untuk pasien di tahap I untuk 2,1
bulan untuk pasien di tahap III. menggambarkan PROGNOSIS prognosis sebagai RATE Akan lebih
mudah untuk meringkas kursus penyakit sebagai angka tunggal, atau tingkat: proporsi orang yang

mengalami suatu peristiwa. TARIF Umum

digunakan untuk tujuan ini ditunjukkan dalam tabel 6,1. Tingkat ini memiliki kesamaan komponen dasar
yang sama insiden, peristiwa yang timbul dalam kohort pasien dari waktu ke waktu. Semua komponen
tingkat harus ditentukan: nol waktu, karakteristik klinis tertentu dari pasien, definisi peristiwa hasil, dan
panjang tindak lanjut. Tindak lanjut harus cukup lama untuk semua peristiwa terjadi; Jika tidak, tingkat
yang diamati akan mendasari satu yang benar.

Trade-Off: Kesederhanaan Versus Informasi Lebih Lanjut

Mengekspresikan prognosis sebagai tingkat memiliki virhte kesederhanaan. Harga dapat

berkomitmen untuk memori dan berkomunikasi ringkas. Kekurangannya adalah bahwa relatif sedikit
informasi yang disampaikan, dan perbedaan besar dalam prognosis dapat disembunyikan dalam ringkasan
yang sama tingkat. Gambar 6,3 menunjukkan kelangsungan hidup 5 tahun untuk pasien dengan empat

kondisi. Untuk setiap kondisi, sekitar 10 °;;, dari pasien hidup di 5 tahun. Tapi serupa tingkat
ringkasan sekitar 10% kelangsungan hidup jelas perbedaan yang cukup penting bagi pasien.
Kelangsungan hidup awal pada pasien dengan membedah (Ineurysms sangat miskin, tetapi jika mereka
bertahan selama beberapa bulan pertama, risiko kematian mereka tidak < Iffot dengan memiliki
aneurisma (misalnya 6.3 A). Di sisi lain, pasien HIV positif yang mengembangkan AIDS mati di seluruh.
i ymrs (Gbr. 6,38). Granulocytic leukemi kronis < l adalah suatu kondisi yang relatif sedikit berpengaruh
pada kelangsungan hidup selama beberapa ymrs pertama setelah diagnosis (Gbr. 6.3 C). Kemudian, ada
percepatan dalam angka kematian sampai hampir semua pasien mati 5 tahun setelah diagnosis. Pigure
6,30 disajikan sebagai patokan. Hanya pada usia 100 dilakukan orang di populasi umum memiliki 5 tahun
tingkat kelangsungan hidup comp < lrab1c untuk yang pasien dengan tiga penyakit.

Analisis Kelangsungan Hidup

Ketika menafsirkan prognosis, kami ingin mengetahui kemungkinan, pada rata, bahwa pasien
dengan kondisi tertentu akan mengalami hasil pada setiap titik waktu. Ketika prognosis dinyatakan
sebagai tingkat ringkasan tidak berisi informasi ini. Namun. ada metode untuk menyajikan
menginformasikan < ltion tentang waktu rata-rata untuk acara untuk setiap titik dalam perjalanan
penyakit.

Kelangsungan Hidup Kelompok

Yang paling Str < lightforward cara untuk belajar tentang kelangsungan hidup adalah untuk
merakit kohort pasien dengan kondisi ofinterest di beberapa titik dalam perjalanan penyakit mereka
(misalnya, timbulnya gejala, diagnosis, atau awal pengobatan) dan menjaga mereka di bawah pengamatan
sampai semua bisa mengalami hasil yang menarik. Untuk kohort kecil, satu mungkin kemudian mewakili
pengalaman dengan pasien ini ' penyakit seperti yang ditunjukkan pada gambar Fi. 4A.

Gambar 6,3. Pembatasan tingkat kelangsungan hidup 5 tahun: empat kondisi dengan tingkat
kelangsungan hidup tiyear yang sama dari 10%. (Data dari Anagnostopoulos CD et al. pembedahan aorta
dan membedah aneurisma. Am J Kardiologi 1972:30:263-273; Ikat pinggang JA, Hoover DR et al. faktor
yang mempengaruhi kelangsungan hidup setelah AIDS: mport dari multicenter AIDS cohort Study (Mac).
J Acquir kekebalan tubuh Defic Syndr 1994; 7:287-? 95; Ksrdinal CG El Al. kronis [Jrsnulocytic
leukemia, review dari 536 kasus. Arch magang Med 1976; 136:30tJ-313: dan Americcln College of I ITE
asuransi. 1979 buku fakta asuransi jiwa, Washington, DC: ACLI 1979,)

Plot dari kelangsungan hidup terhadap waktu menampilkan langkah, sesuai: kematian masing-masing dari
10 pasien dalam kohort. Jika jumlah pasien meningkat (Gbr. 6,48), ukuran langkah akan berkurang. Jika
sejumlah besar pasien diwakili, sosok akan perkiraan kurva halus. Informasi ini kemudian dapat
digunakan untuk memprediksi tahun-byyear, atau bahkan wl'ek-per-minggu, prognosis pasien yang sama.
Sayangnya, mendapatkan informasi dengan cara ini tidak praktis karena beberapa alasan. Beberapa pasien
pasti akan jatuh keluar dari Studi sebelum akhir tindak lanjut pt'riod, mungkin karena penyakit lain,
pindah ke tempat di mana tindak lanjut adalah imIJractical, atau ketidakpuasan dengan studi. Pasien ini
harus dikecualikan dari kohort, meskipun upaya yang cukup besar mungkin telah diberikan untuk
mengumpulkan data pada mereka sampai ke titik di mana mereka keluar. Juga, akan perlu untuk
menunggu sampai semua anggota kohor telah mencapai setiap titik waktu sebelum probabilitas bertahan
sampai titik itu bisa dihitung. Karena pasien biasanya tersedia untuk studi selama periode waktu, pada
setiap titik dalam waktu kalender akan ada tindak lanjut relatif lama untuk pasien yang memasuki studi
pertama, tetapi hanya pengalaman singkat dengan mereka yang masuk baru-baru ini. Pasien terakhir yang
memasuki studi harus mencapai setiap tahun tindak lanjut sebelum informasi tentang kelangsungan hidup
untuk tahun itu akan tersedia.

Kelangsungan Hidup Kurva

Untuk membuat penggunaan yang efisien dari semua data yang tersedia dari setiap pasien dalam
kohort, sebuah cara untuk memperkirakan wrvival dari kelompok waktu, yang disebut analisis
kelangsungan hidup, telah dikembangkan. (Metode biasa disebut analisis KaplanMeir, setelah
originators.) Tujuan dari analisis kelangsungan hidup tidak (seperti namanya) hanya untuk
menggambarkan Apakah pasien hidup atau mati. Setiap hasil yang dichotomous dan terjadi hanya sekali
selama mengikuti-Upe. g., waktu untuk kejadian koroner atau terulangnya kanker-dapat dijelaskan
dengan cara ini. "Ketika suatu peristiwa selain kelangsungan hidup dijelaskan, istilah timcto-c'vcnt
analisis kadang-terkadang digunakan. Gambar 6,5 menunjukkan kurva kelangsungan hidup khas. Pada
sumbu vertikal adalah probabilitas bertahan,;; MD pada sumbu horisontal adalah periode waktu setelah
awal pengamatan. Seringkali, jumlah pasien berisiko pada berbagai titik dalam waktu yang ditunjukkan
untuk memberikan beberapa gagasan tentang kontribusi kesempatan untuk tingkat diamati. Probabilitas
bertahan untuk setiap titik dalam waktu diperkirakan dari probabilitas kumulatif yang mungkin pada
interval waktu yang mendahului itu. Interval waktu dapat dibuat sekecil yang diperlukan; di Kaplan-Meir
< llyses, interval adalah antara setiap peristiwa baru (kematian) dan yang sebelumnya. Sebagian besar
waktu, tidak ada yang meninggal, dan probabilitas bertahan adalah 1. Ketika satu atau lebih pasien
meninggal, probabilitas bertahan dihitung sebagai rasio jumlah pasien yang bertahan terhadap jumlah
risiko sekarat pada waktu itu. Pasien yang telah meninggal, keluar, atau belum diikuti-up ke titik yang
tidak beresiko mati dan begitu tidak digunakan untuk memperkirakan kelangsungan hidup untuk waktu
itu. Ketika pasien hilang dari studi pada setiap titik waktu, untuk alasan apapun, mereka cCllsorcd, yaitu,
mereka busur tidak lagi dihitung dalam denominator. Probabilitas bertahan tidak berubah selama interval
di mana tidak ada yang meninggal; Jadi di pradicc, kemungkinan untuk bertahan dihitung ulang hanya
untuk saat-saat ketika ada kematian. Meskipun probabilitas ditugaskan pada setiap interval yang diberikan
tidak terlalu akurat, karena sejumlah kecil peristiwa yang terlibat, keseluruhan prob ~ kemampuan
bertahan sampai setiap titik waktu (yang merupakan produk dari semua probabilitas sebelumnya) adalah
sangat akurat. Bagian dari kurva kelangsungan hidup dalam gambar 65 (dari 3 sampai 5 tahun setelah
waktu nol) disajikan secara rinci untuk menggambarkan data yang digunakan untuk memperkirakan
kelangsungan hidup: pasien beresiko, pasien tidak lagi beresiko (disensor), dan pasien yang mengalami
peristiwa hasil pada setiap titik waktu.

Menafsirkan Kelangsungan Hidup Kurva

Beberapa poin harus selalu diingat ketika menafsirkan kurva kelangsungan hidup. Pertama,
sumbu vertikal mewakili perkiraan probabilitas bertahan untuk anggota kelompok hipotetis, bukan persen
bertahan untuk kohort aktual. Kedua, poin pada kurva kelangsungan hidup adalah perkiraan terbaik,
untuk satu set data, dari probabilitas kelangsungan hidup untuk anggota kohort. Namun, ketepatan
perkiraan ini tergantung, seperti melakukan semua pengamatan pada sampel, pada jumlah pengamatan di
mana perkiraan didasarkan. Satu dapat mOTe yakin bahwa perkiraan di sisi kiri kurva suara, karena lebih
banyak pasien beresiko selama ini. Tapi di ekor kurva, di sebelah kanan, jumlah pasien pada siapa
perkiraan didasarkan survivalare sering menjadi relatif kecil karena kematian, putus sekolah, dan
pendatang akhir untuk hasil penelitian di lebih sedikit dan lebih sedikit pasien yang diikuti untuk jangka
waktu. Akibatnya, perkiraan kelangsungan hidup menjelang akhir periode tindak lanjut tidak tepat dan
dapat sangat dipengaruhi oleh apa yang terjadi pada pasien yang relatif sedikit. Misalnya, pada gambar
6,5, probabilitas THC bertahan adalah 8 ' 1 "pada 5 tahun. Jika pada saat itu salah satu pasien yang tersisa
terjadi untuk mati, probabilitas bertahan akan jatuh ke zcro. Jelas, ini akan menjadi terlalu harfiah
membaca data. Perkiraan kelangsungan hidup di ekor kurva kelangsungan hidup harus, oleh karena itu,
ditafsirkan dengan hati. Akhirnya, bentuk beberapa kurva kelangsungan hidup, terutama yang di mana
kebanyakan pasien mengalami peristiwa yang menarik, memberikan kesan bahwa peristiwa itu terjadi
lebih sering pada awal daripada nanti, ketika lereng mencapai dataran tinggi dan tampaknya bahwa risiko
peristiwa hasil jauh lebih sedikit. Tapi kesan ini menipu. Dengan berjalannya waktu, tingkat ofsurvival
sedang diterapkan untuk mengurangi jumlah orang, menyebabkan kemiringan kurva untuk meratakan
bahkan ketika tingkat peristiwa hasil tidak berubah. Variasi pada kurva kelangsungan hidup dasar
ditemukan dalam literatur medis (Gbr. 6. (,). Seringkali proporsi dengan, bukan tanpa, peristiwa hasil
ditunjukkan pada sumbu vertikal; kurva kemudian menyapu UPV, ' ARD dan ke kanan. Variasi lain
meningkatkan jumlah informasi yang disajikan dengan kurva. Jumlah pasien berisiko pada berbagai titik
waktu
Gambar 6,6. Kelangsungan hidup kurva menunjukkan perbandingan dari dua kohort, jumlah orang yang
berisiko, dan 95% interval kepercayaan untuk tingkat obs8TVed. Kurva ini menunjukkan probabilitas
kumulatif dari peristiwa iskemik serebral dari waktu diagnosis, menurut tingkat awal dari stenosis karotis.
(Data dari Chambers SR, Norris, JW. Hasil pada pasien dengan leher asimtomatik memar. N engl J Med
1986; 315:860-865.)

dapat dimasukkan di bawah sumbu horisontal; ketepatan perkiraan kelangsungan hidup, yang
menurun dengan waktu karena lebih sedikit dan lebih sedikit pasien masih dalam pengamatan seiring
berjalannya waktu, dapat diidentifikasi dengan interval keyakinan (Lihat Bab 9); dan kelangsungan hidup
kurva untuk pasien dengan karakteristik yang berbeda (misalnya, pasien dengan faktor prognostik yang
berbeda atau perawatan) dapat dibandingkan dengan angka yang sama. Terkadang tics (tidak ditampilkan
dalam Gbr. 6,6) ditambahkan ke kurva kelangsungan hidup, untuk menunjukkan setiap kali pasien
disensor. Kelangsungan hidup kurva MN akan dibangun untuk kombinasi dari faktor prognostik

Tors. Hal ini dapat dilakukan dengan stratifying pasien sesuai dengan adanya atau tidak adanya
seperangkat faktor prognostik, seperti yang ditunjukkan eadier dalam bab ini. Sebuah teknik statistik yang
disebut Cox bencana yang proporsional model regresi dapat digunakan untuk mengidentifikasi kombinasi
faktor yang terbaik memprediksi prognosis dalam kelompok pasien di bawah studi atau efft'ct faktor
individu secara mandiri (Bab 9).

Bias dalam Studi kohort potensi untuk bias ada dalam pengamatan. Bias dalam kelompok
studiesapakah untuk mempelajari risiko atau prognosis-dapat menciptakan perbedaan yang jelas ketika
mereka tidak sebenarnya ada di alam atau tidak jelas perbedaan ketika mereka memang ada. Bias dapat
dikenali lebih mudah ketika seseorang tahu di mana kemungkinan besar terjadi dalam studi. Pertama,
penting untuk menentukan apakah bias dapat hadir di bawah kondisi studi. Kedua, menentukan apakah
bias sebenarnya hadir dalam studi tertentu sedang dipertimbangkan. Ketiga, memutuskan apakah
konsekuensi dari bias cukup besar bahwa mereka mendistorsi kesimpulan dalam cara yang penting secara
klinis. Jika kerusakan kesimpulan studi tidak terlalu besar, maka kehadiran bias tidak akan menyebabkan
hasil yang menyesatkan. Beberapa lokasi karakteristik bias dalam penelitian kohort diilustrasikan dalam
gambar 6,7 dan dijelaskan di bawah ini.

Bias Kerentanan

Bentuk bias seleksi, yang disebut bias kerentanan, terjadi ketika kelompok pasien yang
berkumpul untuk studi berbeda dengan cara-cara lain daripada faktor di bawah studi. Ini faktor
extrancous, bukan faktor tertentu yang sedang dipelajari, dapat menentukan hasil. Sebuah istilah yang

sebanding adalah bias perakitan. Kelompok

Gambar 6,8. Kelangsungan hidup bebas penyakit sesuai dengan tingkat CEA pada pasien kanker
kolorektal dengan pementasan patologis yang sama (Dukes B). (Digambar ulang dari Wolmark N et al.
Signifikansi prognostik dari tingkat antigen Carcinoembryonic pra-operasi pada kanker kolorektal. Hasil
dari uji klinis NSABP. Ann 8urg 1984; 199:375-382.) dan dibandingkan tidak sama rentan terhadap hasil
yang menarik, selain faktor di bawah studi. Bias kerentanan dalam studi prognosis mungkin karena satu
atau lebih perbedaan di antara kelompok, termasuk tingkat penyakit, adanya penyakit lain, titik waktu
dalam perjalanan penyakit, dan pengobatan sebelumnya. Berikut ini menggambarkan bagaimana bias
kerentanan dinilai dalam studi nilai prognostik dari antigen Carcinoembryonic hasil pada pasien dengan
kanker kolorektal.

Contoh peningkatan tingkat antigen Carcinoembryonic (CEA), suatu antigen janin

tumorassociated, busur ditemukan di sevl; RAL jenis tumor, mengininding usus besar, Dal e < mcer. /\.
studi ini dilakukan untuk menentukan apakah tingkat CEA preoperatif memprediksi penyakit kambuh
setelah bedah reseksi dengan niat untuk menyembuhkan (4). CEA tingkat WL; ' ditemukan kembali
berkorelasi dengan sejauh mana penyakit (sering categori7. Ed menurut "Adipati klasifikasi": A, tumor
terbatas pada dinding bowd; H, tumor memperpanjang melalui dinding usus tetapi tidak untuk kelenjar
getah bening; C, tumor yang melibatkan kelenjar getah bening regional; dan 0, tumor memiliki metastasis
jauh). Mean CEA tingkat bervariasi dengan sejauh mana penyakit: 4 untuk Dukes A, 9 untuk B, 32 untuk
C, dan 251 untuk D. Klasifikasi baik Dukes dan CEA tingkat sangat meramalkan penyakit kambuh. Tapi
apakah tingkat CEA PRT-Dict independen dari para Adipati klasifikasi atau kerentanan kambuh
dijelaskan oleh Dukes klasifikasi sendirian? Untuk menjawab pertanyaan ini, Asosiasi dari preoperativl; '
Tingkat CFA untuk penyakit kambuh diperiksa untuk pasien di l; ' ACH golongan Adipati. Gambar 6,8
menunjukkan bahwa untuk klasifikasi Dukes B,

Tingkat CEA secara independen diprediksi kambuh. Hasil yang sama adalah fOWld untuk pasien
dengan tumor Dukes C. Oleh karena itu, ass () ciation beh'l'ecn CEA tingkat dan kemungkinan kambuh
tidak dapat dijelaskan oleh bias kerentanan bagi pasien dengan kanker kolorektal tangan Dukes, dan CEA
adalah faktor prognostik yang penting independen.

Kelangsungan hidup kelompok Studi kohort benar harus dibedakan dari studi dari kohort
kelangsungan hidup di mana pasien, JFE termasuk dalam sebuah penelitian karena mereka berdua
memiliki penyakit dan saat ini tersedia-mungkin karena mereka sedang dilihat di sebuah klinik khusus.
Istilah lain untuk kelompok pasien yang tersedia adalah kohort pasien. Laporan dari kohor kelangsungan
hidup busur menyesatkan jika mereka disajikan sebagai kohort benar. Tn hidup kohort, orang yang
berkumpul di berbagai kali dalam perjalanan penyakit mereka, bukan pada awal, seperti dalam Studi
kohort sejati. Kursus klinis mereka kemudian dijelaskan dengan kembali ke masa lalu dan melihat
bagaimana mereka telah bernada sampai saat ini (Gbr. 6,9). Pengalaman dari Angkatan hidup terkadang
disajikan seolah-olah mereka

Gambar 6,9. Perbandingan yang benar dan "kelangsungan hidup" kohort: dalam kelangsungan
hidup col1ort, beberapa pada pasien yang hadir pada awalnya tidak termasuk dalam ubin tindak
lanjut.weTe deskripsi dari perjalanan penyakit dari awal. Namun, mereka dapat mewakili pandangan bias,
karena mereka termasuk hanya pasien yang tersedia untuk belajar beberapa waktu setelah penyakit
mereka mulai. Untuk kondisi yang mematikan, pasien dalam kohort kelangsungan hidup adalah orang
yang cukup beruntung untuk bertahan dan begitu tersedia untuk pengamatan tahun kemudian. Untuk
penyakit yang mengirimkan, pasien memakan orang yang cukup Malang untuk memiliki penyakit
persisten. Akibatnya, hidup kohort menggambarkan sejarah masa lalu kasus Umum dan bukan apa yang
akan terjadi selama waktu setelah timbulnya penyakit. Dengan demikian, kohort kelangsungan hidup
adalah kasus khusus dari bias perakitan. Laporan dari kohort kelangsungan hidup relatif umum dalam
literatur medis, terutama dalam bentuk "kasus seri" (dibahas dalam bab 10). Laporan tersebut dapat
membuat kontribusi penting, terutama dengan menggambarkan pengalaman awal dengan sindrom yang
baru didefinisikan, tetapi mereka Tepresent tentatif, tidak konklusif, pengamatan.

Contoh kekhawatiran telah dikemukakan tentang kemungkinan bahwa siliconl; ' implan payudara
dapat menyebabkan autoimmunl; ' gejala RHL; ' umatic diseasl; '. Sebuah studi itu, oleh karena itu,
dilakukan dari 156 wanita dengan implan payudara silikon, MD keluhan penyakit rematik (5). Para pasien
berturut-turut rujukan kepada tiga rheumatologists yang dikenal untuk kepentingan mereka dalam implan
silikon dan penyakit rematik. Tes serologic pada wanita dibandingkan dengan wanita tanpa implan tetapi
dengan fibromyalgia dan untuk tes pada wanita dengan implan tetapi tidak ada gejala rematik. Temuan
klinis pada wanita dengan implan dan keluhan yang dijelaskan; sebagian besar tidak memenuhi kriteria
untuk rheumatoid arthritis dan sebagian besar memiliki tes imunologi yang normal. Namun, pasien L4
telah Scleroderma-seperti iJJness dan serologi abnormal yang tidak ditemukan dalam kelompok
perbandingan. Karena kemungkinan bias yang dapat terjadi dalam perakitan pasien untuk ini CA ~ e
Series, para penulis berhati-hati tentang temuan mereka, menyimpulkan bahwa "hipotesis dibesarkan
dalam studi ini dan lain-lain harus diuji dalam besar, studi berbasis populasi." Publikasi studi tersebut
pertama tidak mendukung hipotesis (6).
Bias Migrasi

Bias migrasi, bentuk lain dari bias seleksi, dapat terjadi ketika pasien dalam satu kelompok
meninggalkan kelompok asli mereka, keluar dari studi sama sekali atau pindah ke salah satu kelompok
lain di bawah studi. Jika perubahan ini terjadi pada skala yang cukup besar, mereka dapat mempengaruhi
validitas kesimpulan. Di hampir semua shldies, beberapa anggota dari kelompok asli putus dari waktu ke
masa. Jika putus sekolah ini terjadi secara acak, sedemikian rupa sehingga karakteristik subjek yang
hilang dalam satu kelompok berada pada rerata yang mirip dengan yang hilang dari yang lain, maka tidak
ada bias yang akan diperkenalkan. Hal ini jadi apakah atau tidak jumlah putus sekolah besar atau jumlah
serupa dalam kelompok. Tapi biasanya karakteristik hilang subjek busur tidak sama dalam berbagai

kelompok. The rC < lsons untuk menjatuhkan-kematian, pemulihan, efek samping dari

pengobatan, dll-sering berhubungan dengan prognosis dan juga dapat mempengaruhi satu kelompok lebih
dari yang lain. Akibatnya, kelompok dalam kohort yang sebanding pada awal mungkin menjadi kurang
sehingga waktu berlalu. Sebagai proporsi orang dalam kelompok yang diikuti NNT meningkat, potensi
bias meningkat. Hal ini tidak sulit untuk memperkirakan seberapa besar bias ini bisa. Semua satu
kebutuhan adalah jumlah orang di kelompok THC, nomor tidak penghargaan untuk, dan tingkat hasil
yang diamati.

Contoh Thompson et al. menggambarkan hasil jangka panjang gastrogastrostomy {7)./\ kohort
123 pasien gemuk tdk sehat dipelajari 19-47 bulan setelah operasi. Keberhasilan didefinisikan sebagai
hilving kehilangan lebih dari 30% dari kelebihan berat badan. Hanya 103 pasien (84%) dapat ditemukan.
Dalam hal ini, tingkat keberhasilan operasi adalah 60/lO3 (58 ° 1 <». Untuk dett'rmine kisaran di mana
tingkat keberhasilan yang benar harus berbohong, para penulis melakukan kasus terbaik/analisis kasus
terburuk. Tingkat keberhasilan dihitung, dengan asumsi bahwa semua pasien losl ke fol1; WV-up yang, di
satu sisi, keberhasilan (kasus terbaik) dan, di sisi lain, kegagalan (kasus terburuk). Dari total kohort 123
pasien, 103 ditindaklanjuti dan 20 hilang untuk tindak lanjut. Tingkat keberhasilan yang diamati adalah
60/103, atau 58%. Dalam kasus terbaik, Semua 20 patit'nts hilang untuk tindak lanjut akan dihitung
sebagai keberhasilan, dan tingkat keberhasilan akan (60 + 20)/123, atau 65 ': 0. Dalam kasus terburuk,
Semua 20 pasien akan dihitung sebagai kegagalan, dan tingkat keberhasilan akan menjadi 60/123, atau 49
"/0. Dengan demikian tingkat sebenarnya pasti telah bdween 49 dan 65%; mungkin, itu Doser to58%,
tingkat diamati, karena pasien tidak ditindaklanjuti tidak mungkin semua keberhasilan atau semua
kegagalan.

Pasien juga dapat menyeberang dari kelompok Timurlaut ke yang lain dalam kohort selama
tindak lanjut mereka. Setiap kali ini terjadi, reasOIls asli untuk pasien berada dalam satu kelompok atau
yang lain tidak lagi berlaku. Pertukaran TF pasien antar kelompok berlangsung dalam skala besar, dapat
mengurangi perbedaan yang diamati dalam risiko dibandingkan dengan apa yang mungkin telah diamati
jika kelompok asli telah rcmained utuh. Bias migrasi karena crossover lebih sering masalah dalam risiko
daripada dalam studi prognosis, karena risiko shldies sering berlangsung selama bertahun-tahun. Di sisi
lain, migrasi dari satu kelompok ke grup lainnya dapat digunakan dalam analisis studi.

Contoh reliltionship antara gaya hidup dan kematian dipelajari dengan mengklasifikasikan 10.269
Harvard College aluIrcIl. i dengan aktivitas fisik, status Merokok, berat badan, dan tekanan darah di 1966
dan lagi di 1977 (8). Angka kematian adalah THT akan diamati selama periode 9 tahun dari 1977 ke
1985. Diakui bahwa classificatiol asli {s mungkin berubah, mengaburkan hubungan apapun yang
mungkin ada antara gaya hidup dan kematian. Untuk menangani hal ini, para penyelidik mendefinisikan
empat kategori: pria yang mempertahankan gaya hidup berisiko tinggi ~, mereka yang berubah dari gaya
hidup rendah ke tinggi-RI ~ k, mereka yang berubah dari kehidupan berisiko tinggi-rendah ~ tyles, dan
mereka yang mempertahankan 101 '. gaya hidup yang berisiko. Setelah menyesuaikan untuk faktor risiko
lain, mt'n yang increast aktivitas fisik mereka dari jumlah rendah sampai sedang ~, '-luit Merokok,
kehilangan berat badan ke tingkat normal, dan/atau menjadi normoten ~ ive semua memiliki kematian
yang lebih rendah daripada laki-laki yang dipelihara atau mengadopsi karakteristik berisiko tinggi ~, tapi
tidak serendah harga untuk alumni yang tidak pernah memiliki risiko factors_

Bias Pengukuran

Pengukuran hias adalah pasien possibleif inone, jroup berdiri kesempatan bettermemiliki hasil
mereka terdeteksi dibandingkan dengan kelompok lain. Jelas, beberapa hasil, seperti kematian, bencana
kardiovaskular, dan kanker besar, busur sehingga menonjol bahwa mereka tmkemungkinan akan
terjawab. Tetapi untuk hasil yang lebih sedikit sayang-potong-penyebab spesifik kematian, penyakit
subklinis, efek samping, atau bias pengukuran cacat dapat terjadi karena perbedaan dalam metode yang
hasil dicari atau diklasifikasikan. Bias pengukuran dapat diminimalkan dalam tiga cara umum. Seseorang
dapat memastikan bahwa mereka yang melakukan pengamatan tidak menyadari kelompok yang masing-
masing pasien, dapat mengatur aturan-peraturan yang cermat untuk memutuskan apakah atau tidak suatu
peristiwa hasil telah terjadi (dan mengikuti aturan), dan dapat menerapkan upaya untuk menemukan
peristiwa sama di semua kelompok dalam studi.

Contoh Chambers dan Norris mempelajari hasil dari pasien dengan leher asimtomatik memar (9).
Total 500 asimtomatik piltients dengan bnJils serviks diamati hingga 4 tahun. I'atients diklasifikasikan
menurut degradasi stenosis arteri karotis awal oleh ultrasonografi Doppler. OlJtcomes adalah perubahan
dalam derajat karotis s! t. ' nosis dan kejadian ISK serebral peristiwa. Untuk menghindari bias
pengukuran, penulis diperkirakan karotis SH. ' llosis menggunakan mapan, eksplisit criterid bulu
interprding Doppler scan, MD membuat pembacaan tanpa sepengetahuan ausclJltatory atau sebelumnya
Doppler temuan. Penilaian klinis dan Doppler diulang setiap 6 bulan, dan semua pasien nonkepatuhan
menelepon untuk menentukan apakah hasil telah terjadi. Studi ini menunjukkan, antara lain, bahwa pasien
dengan > 75 ' 1 "dari stenosis karotis memiliki > 2IY:;, kejadian peristiwa iskemik serebral dalam 3
tahun, lebih dari 4 kali laju pasien dengan < 30% stenosis (Lihat gambar. FL. FL). berurusan dengan
seleksi bias Tn menentukan bagaimana faktor terkait dengan prognosis, ideiJlly kami ingin
membandingkan kohort dengan dan tanpa faktor, segala sesuatu yang lain yang sama. Tetapi dalam
kehidupan Teal "segala sesuatu yang lain" biasanya tidak sama dalam penelitian kohort. Apa yang bisa
dilakukan tentang masalah ini? Ada beberapa cara yang mungkin untuk mengendalikan perbedaan baik
dalam merancang atau menganalisis penelitian (Tabel 6.2). 1 untuk setiap studi pengamatan, jika satu atau
lebih dari strategi ini belum diterapkan, pembaca harus skeptis. Pertanyaan dasar adalah, "Apakah
perbedaan dalam prognosis dalam kelompok yang terkait dengan faktor tertentu di bawah studi atau
beberapa fador lain (s)?"

Pengacakan

Satu-satunya cara untuk menyamakan faktor aU Asing, atau "segala sesuatu yang lain," adalah
untuk menetapkan pasien untuk kelompok secara acak sehingga setiap pasien memiliki kesempatan yang
sama jatuh ke dalam kelompok terbuka atau tidak terekspos. Sebuah fitur khusus pengacakan adalah
bahwa hal itu tidak hanya menyamakan faktor yang kita anggap mungkin mempengaruhi prognosis, itu
juga menyamakan faktor kita tidak tahu tentang. Jadi randomisasi pergi jauh dalam melindungi: kita dari
kesimpulan yang salah tentang faktor prognostik. Namun, biasanya tidak mungkin untuk srudy prognosis
dengan cara ini. Simations khusus di mana saya [; mungkin untuk mengalokasikan eksposur secara acak,
biasanya untuk mempelajari EFF {c'Cts pengobatan pada prognosis, akan dibahas dalam Bab 7.

Pembatasan

Pasien yang terdaftar dalam sebuah studi dapat dibatasi untuk hanya mereka yang memiliki
karakteristik rilnge sempit, untuk menyamakan faktor importantexeous. Sebagai contoh, efek ofage pada
progno [; JS setelah infark miokard akut dapat dipelajari pada pria kulit putih dengan tidak rumit anterior
infark miokard. Namun, orang harus diingat bahwa meskipun pembatasan masuk ke sebuah studi pasti
dapat menghasilkan kelompok homogen pasien, ia melakukannya dengan mengorbankan generalizability.
Dalam perjalanan mengecualikan potensi mata pelajaran, kelompok dapat dipilih yang tidak biasa dan
tidak mewakili sebagian besar pasien dengan kondisi.
Pencocokan

Pasien dapat dicocokkan saat mereka memasuki sebuah studi sehingga untuk setiap pasien dalam
satu kelompok ada satu atau lebih pasien dalam kelompok perbandingan dengan karakteristik yang sama,
kecuali faktor yang menarik. Seringkali patiellts cocok untuk usia dan jenis kelamin, karena faktor ini
sangat terkait dengan prognosis banyak penyakit. Tapi pencocokan untuk faktor lain dapat disebut untuk
juga, seperti tahap atau tingkat keparahan penyakit, tingkat kemajuan, dan perawatan sebelumnya. Contoh
pencocokan dalam Studi kohort sifat sicklccell disajikan dalam diskusi studi pengamatan di Bab 5.
Meskipun pencocokan sering digunakan dan dapat sangat berguna, itcontrols untuk bias hanya untuk
faktor-unsur yang terlibat dalam pertandingan. Juga, biasanya tidak mungkin untuk mencocokkan lebih
dari beberapa faktor, karena kesulitan praktis dalam menemukan pasien yang memenuhi]] kriteria yang
cocok. Selain itu, jika kategori untuk pencocokan relatif kasar, mungkin ada ruang untuk perbedaan besar
behveen kelompok yang cocok. Sebagai contoh, jika sebuah studi risiko untuk sindrom Down dilakukan
di mana ada pencocokan untuk usia ibu dalam 10 tahun, mungkin ada yang hampir lO-fold perbedaan
frekuensi yang berkaitan dengan usia jika sebagian besar womell dalam satu kelompok adalah 30 dan
sebagian besar di lain 39. Juga, sekali satu membatasi atau cocok pada variabel, efek pada hasil tidak
dapat lagi dievaluasi dalam studi.

Stratifikasi

Setelah data dikumpulkan, mereka dapat dianalisis dan hasil disajikan sesuai dengan
subkelompok pasien, atau stmta, karakteristik yang sama.Contoh mari kita Misalkan kita ingin
membandingkan angka kematian operatif untuk operasi bypass koroner di rumah sakit A dan B. secara
keseluruhan, rumah sakit 48 kematian tercatat di 1200 bypass opemtiom (4 ' \,), dan rumah sakit B
mengalami kematian 64 di 2400 operasi (2,6%,). Rales mentah menunjukkan bahwa rumah sakit 13
adalah unggul. Atau apakah mereka? Mungkin pasien di dua rumah sakit itu tidak sebaliknya prognosis
sebanding. Atas dasar usia, fungsi miokard, tingkat diseast oklusif ',, MD karakteristik lain, pasien dapat
dibagi menjadi subkelompok berdasarkan risiko pra operasi (Tabel 6,3); tht'n tingkat kematian operasi
dalam setiap kategori Stratum risiko dapat dibandingkan. Tabel 6,3 menunjukkan bahwa ketika pasien
busur dibagi dengan risiko pra operasi, tingkat kematian operasi di setiap risiko Stratum AFE identik di
dua rumah sakit: 6 ';; ', pada pasien berisiko tinggi, 4U j "dalam risiko menengah pasien, dan 0,67 ~ j, di

patienls lowrisk. Sumber jelas dari kesan yang menyesatkan yang dibuat oleh

hanya memeriksa tingkat minyak mentah adalah perbedaan penting dalam karakteristik risiko dari pasien
yang dirawat di dua rumah sakit: 42% dari pasien saya \ rumah sakit tidak hanya 17% dari pasien rumah
sakit B adalah risiko tinggi.Stratifikasi adalah salah satu cara yang paling umum dan paling
mengungkapkan untuk memeriksa bias,

Standardisasi

Dua tingkat dapat dibandingkan tanpa bias jika mereka disesuaikan sehingga untuk menyamakan
berat yang diberikan kepada faktor lain yang dapat berhubungan dengan hasil, proses ini, yang disebut
Standardisasi (atau penyesuaian), menunjukkan apa tingkat keseluruhan akan jika Strata-tarif tertentu
yang diterapkan pada populasi yang terdiri dari proporsi yang sama dari orang di setiap Stratum. Tn
contoh sebelumnya, angka kematian 6% untuk pasien berisiko tinggi menerima berat 500/1200 di rumah
sakit A dan berat jauh lebih rendah 400/2400 di rumah sakit B, dan sebagainya, sehingga tingkat minyak
mentah untuk rumah sakit A = (500/1200 x 0,06) + (400/1200 x 0,04) + (300/1200-0,0067) = 0,04 dan
tingkat kasar untuk rumah sakit 13 sama dengan (400/2400 x 0,06) + (800/2400 x 0,04) + (1200/2400 x
O. 0067) = 0,026. Jika bobot yang sama digunakan, mari kita katakan 1/3 (tetapi mereka dapat didasarkan
pada satu atau rumah sakit lain atau populasi referensi), maka tingkat standar untuk rumah sakit A = (1/3
x 0, (6) + (1/3 x 0. ( 4) + (1/3 x 0,0067) = 0,036, yang persis sama dengan standar r < LTE untuk rumah
sakit B. Yang konsekuenceofgivingequal berat untuk strata di masing-masing groupis untuk menghapus
sama sekali jelas kelebihan risiko rumah sakit A. Perbedaan antara angka kematian operasi kasar di kedua
rumah sakit ini fesults dari bias yang diperkenalkan oleh perbedaan dalam risiko pra-operasi pasien. Kami
hanya tertarik pada perbedaan yang dapat diatribusikan ke rumah sakit dan dokter bedah mereka, bukan
untuk pasien per se. Perbedaan tingkat mortalitas minyak mentah adalah bingung dengan perbedaan pada
pasien, sedangkan tingkat kematian standar menyamakan berat risiko preoperatif pasien di kedua rumah

sakit. Standardisasi lebih banyak ditemukan

umumnya dalam studi risiko (di mana tingkat < IRE sering berdiri < lrdized untuk < LGE, seks, <
LND/atau ras) daripada dalam studi prugnosis. Berbeda dengan stratifikasi (yang sering digunakan dalam
prognosisstudies), Standardisasi menghilangkan efek dari faktor asing. Dengan stratifikasi, efeknya masih
dapat diperiksa, bahkan jika dikendalikan untuk. Dengan demikian, dengan standardisasi, kami
menemukan pasien < lt memiliki prognosis serupa di rumah sakit A dan 13. Dengan stratifikasi, kami
juga mempelajari angka kematian di antara pasien dalam strata risiko yang berbeda. PENYESUAIAN
Multivariable

Dalam situasi yang paling klinis, banyak faktor bertindak bersama-sama untuk menghasilkan
efek. Asosiasi di antara variabel ini adalah kompleks. Mereka mungkin rdated satu sama lain serta hasil
yang menarik, efek dari satu mungkin dimodifikasi oleh kehadiran orang lain, dan efek bersama dari dua
atau lebih mungkin lebih besar th < LN jumlah efek masing-masing. Analisis multivariable adalah metode
untuk secara bersamaan mempertimbangkan efek dari banyak variabel (Bab (1). Hal ini digunakan untuk
menyesuaikan (kontrol) secara bersamaan untuk efek dari banyak variabel untuk menentukan efek
independen dari satu. Selain itu, metode ini dapat memilih dari satu set besar variabel subset yang lebih
kecil yang secara independen dan secara signifikan memberikan kontribusi pada lebih dari < 111 variasi
hasil dan dapat mengatur variabel dalam urutan kekuatan kontribusi mereka. Analisis risiko proporsional
Cox adalah sejenis < lnallisis yang digunakan ketika hasilnya adalah waktu untuk suatu peristiwa (seperti
dalam analisis kelangsungan hidup). Analisis multivariable adalah satu-satunya cara yang layak untuk
menangani banyak variabel pada satu waktu selama fase analisis suatu studi. (Randomisasi juga kontrol
untuk variabel mulhple, tapi selama desain dan melakukan fase studi.) Metode yang lebih sederhana,
seperti Str < ltification atau pencocokan, hanya dapat mempertimbangkan < aku beberapa Vari < lbles
pada satu waktu dan kemudian hanya dengan mengorbankan kekuatan Statistik.

Analisis Sensitivitas

Ketika data pada faktor prognostik penting tidak tersedia, adalah mungkin untuk e ~ buruknya
efek potensial pada studi dengan mengasumsikan berbagai derajat maldistribusi dari faktor-faktor antara
kelompok yang dibandingkan dan melihat bagaimana yang akan mempengaruhi hasil. Istilah umum untuk
proses ini adalah analisis sensitivitas. Be ~ t kasus/kasus terburuk < lnallisis, dijelaskan sebelumnya
dalam bab ini, i ~ a ~ jenis analisis sensitivitas pecial di mana satu membandingkan hasil dengan asumsi
yang terbaik dan w () r ~ t mungkin maldistribusi dari variabel prognostik. 2 dengan asumsi yang terburuk
adalah tes stringcnt particubrly bagaimana suatu faktor mungkin afk'Ct kesimpulan < saya belajar. Sebuah
pendekatan yang kurang conserv ltive < adalah untuk ~ Sume th < lt faktor didistribusikan antara
kelompok dengan cara yang tidak mungkin.

iven The ~ ulfonylun = atolbutamide berpengalaman ' 1 lebih besar risiko mati dari penyakit
kardiovaskular daripada th (l ~ < ' diberikan insulin atau diet;; saya Lone. Hasilnya dikritik karena data
tentang Merokok-diketahui;; saya s ~ ociJled dengan kematian kardiovaskular-tidak dikumpulkan dan
tidak diperhitungkan dalam analisis. Disarankan bahwa jika Rokok ~ mokeTS tidak merata
didistribusikan di antara kelompok, sehingga ada lebih banyak perokok di antara mereka yang menerima
tolbutamide daripada di kelompok lain, maka perbedaan angka kematian mungkin terkait dengan
Merokok, tidak tolbutamide. Howev < ' r, Cornfield (IO) menunjukkan bahwa bahkan jika perokok dalam
kelompok tolbutamide melebihi mereka di kelompok thecontrol oleh 20%, situasi yang w {MLD telah
sangat tidak mungkin secara kebetulan (1/50000), peningkatan risiko dalam kelompok tolbutamide akan
bertahan. Dengan demikian bias dalam distribusi Smoker ~ tidak mungkin untuk memiliki, KcolUlted
untuk perbedaan diamati.
Strategi Keseluruhan

Kecuali untuk pengacakan, semua cara untuk berurusan dengan perbedaan asing antara kelompok
memiliki keterbatasan: mereka efektif terhadap hanya faktor yang dipilih untuk dipertimbangkan. Mereka
tidak berurusan dengan faktor prognostik yang tidak diketahui pada saat studi atau dikenal tetapi tidak
diperhitungkan. Biasanya, seseorang tidak hanya mengandalkan satu atau metode lain untuk
mengendalikan bias; satu menggunakan beberapa metode bersama-sama, berlapis satu sama lain. Dengan
demikian dalam studi Apakah kehadiran kontraksi prematur ventrikel mengurangi kelangsungan hidup
dalam tahun setelah infark miokard akut, salah satu mungkin (a) membatasi studi untuk Pi; ltients yang
busur tidak terlalu tua atau muda dan tidak memiliki penyebab yang tidak biasa (misalnya, micotik
aneurisma) untuk infark mereka; (b) cocok untuk usia, faktor yang sangat terkait dengan prognosis tetapi
asing dengan pertanyaan utama; (c) memeriksa resull "sepilriltely untuk Strata keparahan klinis yang
berbeda (misalnya, kehadiran atau tidak adanya jantung kongestif atau penyakit lainnya, seperti penyakit
paru obstruktif kronik); dan (d) menggunakan analisis multivariabel, menyesuaikan hasil kasar untuk efek
dari semua variabel selain aritmia, diambil bersama-sama, yang mungkin rdated untuk prognosis.
Generalizability dan sampling bias diterbitkan account prognosis penyakit yang didasarkan pada
pengalaman di pusat khusus dapat melukis gambar yang menyesatkan prognosis pada pasien yang kurang
dipilih. Hal ini begitu bahkan jika studi dilakukan dengan baik, bias busur hati dikontrol untuk, dan
prognosis dilaporkan untuk kondisi medis benar untuk sampel tertentu pasien. Karena sampel pasien yang
digunakan, mungkin bahwa temuan studi tidak digeneralisasikan untuk kebanyakan pasien lain dengan
kondisi, atau pasien Anda. Terkadang, pasien dalam uji acak terkontrol yang ditugaskan ke kelompok
kontrol adalah srumati untuk lebih menentukan Kursus klinis yang biasa dari suatu penyakit. Tapi pasien
tersebut mungkin tidak mewakili sebagian besar pasien karena relawan untuk studi cenderung melakukan
lebih baik daripada pasien yang tidak relawan. Sebagai contoh, dalam besar cam. Dian studi skrining
kanker payudara di antara perempuan di 40-an, 90 ' 1 perempuan yang berada di kelompok kontrol dan
telah invasif kanker payudara masih hidup 7 tahun kemudian, dan jumlah kematian akibat kanker
payudara lebih rendah daripada wanita Kanada umumnya (11).

Ringkasan

Prognosis adalah deskripsi dari perjalanan penyakit dari awal. Dibandingkan dengan risiko,
kejadian prognostik busur relatif sering dan sering dapat diperkirakan oleh pengalaman klinis pribadi.
Namun, kasus penyakit biasanya terlihat di pusat medis dan dilaporkan dalam literatur medis sering bias
sampel dari semua kasus dan cenderung melebih-lebihkan keparahan. Prognosis adalah yang terbaik
dijelaskan oleh probabilitas mengalami peristiwa hasil setiap saat dalam perjalanan penyakit. Tn prinsip,
ini dapat dilakukan dengan mengamati kohort pasien sampai semua yang akan mengalami hasil yang
menarik telah melakukannya. Namun, karena pendekatan ini tidak efisien, metode lain yang disebut
Survival, atau waktu-ke-event analsisis sering digunakan. Ubin onset peristiwa sepanjang waktu
diperkirakan dengan mengumpulkan tarif untuk]] pasien berisiko selama interval waktu sebelumnya.
Adapun setiap pengamatan pada kohort, studi yang membandingkan prognosis pada kelompok pasien
yang berbeda dapat menjadi bias jika perbedaan timbul karena bagaimana kohor busur dirakit, jika pasien
tidak tetap dalam kelompok awal mereka, dan jika kejadian hasil busur tidak dinilai sama. Berbagai
ofstrategies busur tersedia untuk menangani perbedaan tersebut mungkin timbul, sehingga untuk
memungkinkan adil (bias) perbandingan. Ini termasuk pembatasan, pencocokan, stratifikasi,
Standardisasi, multivariableanalysis, andsensitifitas analisis. Satu atau moreofthis strategi harus
ditemukan wheneverperbandingan dibuat.