TUGAS KELOMPOK

Mata Kuliah : Epidemiologi Lanjut

Kelas :G
“PREDICTION”
Philosophy Of Epidemiology
By : Alex Broadbent

KELOMPOK 1
1. Novi Aryanti (K012202005)
2. Yuniarty Ikram Nahumarury (K012202008)
3. Andi Nurhana Magfirah (K012202011)
4. Sri Ainun Muhtia (K012202021)
5. Fatimah Kautsar Baharuddin (K012202025)
6. Tenri Puli (K012202027)
7. Besse Dahlia (K012202034)
8. Irna Novianti Irwan (K012202072)
9. Kurnia Sandi (K012202078)
10. Khumaira (K012211071)
11. Bernadus Daut Atranus Malisngorar (K012211082)

PROGRAM STUDI KESEHATAN MASYARAKAT

PASCA SARJANA UNIVERSITAS HASANUDDIN
MAKASSAR
2021
 KATA PENGANTAR

Puji syukur kami panjatkan kehadirat Allah SWT, atas rahmat-Nya

sehingga kami dapat menyelesaikan terjemahan e-book yang berjudul

“Philosophy Of Epidemiology by Alex Broadbent” Pada Bagian 6 “Prediction”

Terjemahan e-book ini merupakan salah satu Tugas Mata Kuliah

Epidemiologi Lanjut pada Program Pascasarjana Universitas Hasanuddin Program

studi S2 Kesehatan Masyarakat.

Dalam Penerjemahan ini, kami merasa masih banyak kekurangan-

kekurangan baik pada teknis penulisan maupun materi, mengingat akan

kemampuan yang dimiliki penulis. Untuk itu kritik dan saran dari semua pihak

sangat kami harapkan demi penyempurnaan isi materi dari e-book ini serta

penerjemahannya.

Akhirnya saya berharap semoga Allah SWT memberikan imbalan yang

setimpal pada mereka yang telah memberikan bantuan, dan dapat menjadikan

semua bantuan ini sebagai ibadah, Amiin Yaa Robbal ‘Alamiin.

Makassar, 20 November 2021

KELOMPOK 1
BAB 6
“PREDIKSI”
A. Ringkasan
Bab ini menetapkan kerangka kerja umum untuk memutuskan apakah
prediksi yang diberikan baik. Kami mensurvei karya filosofis dan
epidemiologis yang ada tentang teori prediksi yang baik dan hanya sedikit yang
dapat ditemukan. Perbedaan penting yang dapat digambarkan, antara inferensi
kausal dan prediksi, antara prediksi sebagai proses dan prediksi sebagai
produk, dan antara keandalan dan pembenaran. Ini meletakkan dasar bagi
proyek positif, yang dibahas dalam bab berikutnya, untuk sampai pada teori
prediksi epidemiologi.
B. Dari Sebab Hingga Prediksi
Dalam Bab 4 kita melihat bahwa gagasan "menerjemahkan" penelitian
ilmiah, termasuk penelitian epidemiologi, menjadi output yang dapat
diterapkan pada kebijakan terkait obat-obatan atau kesehatan adalah mitos.
Sebaliknya, kami fokus dalam dua bab terakhir pada gagasan stabilitas.
Ketika memutuskan suatu tindakan, kita sering ingin tahu, tidak hanya bukti
apa yang paling mungkin, tetapi apakah proposisi itu – apa pun itu –
adalahstabil, dalam arti tidak mungkin dibantah oleh bukti atau
perkembangan teoretis dalam waktu dekat. Secara umum dianggap (lih.
Lipton dan degaard 2005) bahwa untuk merancang intervensi, strategi,
kebijakan, dan sebagainya yang efektif, seseorang perlu memiliki
pengetahuan kausal, karena ini akan memungkinkan seseorang untuk
memprediksi apa efek dari intervensi, strategi, kebijakan, atau apa pun yang
akan terjadi. Bab ini dan fokus berikutnya pada transisi dari pengetahuan
kausal yang stabil ke prediksi.
Stabilitas, seperti yang telah kami definisikan, sudah melibatkan
elemen prediktif. Jika seseorang menganggap hasilnya stabil, ia percaya
bahwa hal sebaliknya tidak akan segera terjadi. Namun, prediksi yang ingin
kita buat sering kali melampaui elemen prediksi yang melekat pada klaim
bahwa suatu hasil stabil. Kami ingin tahu apa yang akan terjadi pada risiko
seumur hidup kanker paru-paru jika prevalensi merokok turun ke tingkat
tertentu. Pengetahuan bahwa merokok menyebabkan kanker paru- paru
mungkin stabil, tetapi itu tidak dengan sendirinya menghasilkan prediksi
tentang tingkat kanker paru-paru mengingat prevalensi merokok tertentu.
"Pengetahuan kausal" yang kami maksud adalah produk dari
kesimpulan kausal yang, menurut bukti terbaik kami, adalah stabil dan,
terlebih lagi, benar-benar stabil. Kami tidak akan peduli dengan prediksi
berdasarkan kesimpulan kausal yang belum dievaluasi dengan benar. Kami
juga tidak akan peduli dengan kepalsuan tak terduga (karenanya
ketidakstabilan) dari kesimpulan kausal yang kami anggap stabil. Jebakan-
jebakan ini menyangkut penyimpulan kausal dan telah dikenal dengan baik,
dan kerangka umum (tetapi tidak sempurna) untuk menghindarinya telah
dikembangkan dalam bab terakhir. Di sini kita akan bertanya bagaimana kita
harus beralih dari kesimpulan kausal yang telah kita identifikasi stabil ke
prediksi yang baik tentang tindakan yang direnungkan.
Kegagalan untuk melihat bahwa prediksi adalah latihan inferensial
yang berbeda dari inferensi kausal adalah kelemahan epidemiologis dan
filosofis (bagian berikutnya memberikan rincian seberapa jauh masing-
masing disiplin telah gagal). Alasan untuk itu tidak jelas. Tetapi
kekeliruanmengandaikan bahwa kesimpulan kausal juga merupakan prediksi
sangat jelas sekali ditunjukkan. Mari kita menyebutnya Kekeliruan Penyebab.
Menyimpulkan bahwa 50% dari risiko seumur hidup kanker paru-paru pada
populasi disebabkan oleh merokok tidak sama dengan memprediksi bahwa
jika merokok berhenti, total risiko seumur hidup kanker paru-paru pada
populasi akan turun 50%. Menganggap ini adalah hal yang sama berarti
melakukan kekeliruan penyebab, karena konsekuensi dari apa yang terjadi
dari pada merokok tidak dianggap.
 Untuk memperjelas maksudnya, misalkan pada saat kesimpulan
dibuat, hanya ada satu merek rokok yang dijual: One-Smokes. Kemudian kita
dapat mengatakan bahwa 50% dari risiko kanker paru-paru disebabkan oleh
merokok One-Smokes. Tak lama kemudian, monopoli One-Smokes dipecah
menjadi merek baru, dan merek lama yang memonopoli dihentikan. Tidak
ada lagi yang merokok One-Smokes, tetapi akan sangat konyol untuk
memprediksi penurunan 50% dalam risiko populasi kanker paru-paru, karena
perokok kemungkinan besar akan mulai merokok merek baru.
Ini adalah contoh hipotetis, tetapi hal demikian banyak yang serupa.
Dalam kotak rokok, memasukkan lubang udara ke dalam rokok mengurangi
jumlah tar yang dideteksi oleh mesin yang dirancang untuk mengukurnya;
namun mereka tidak memiliki efek yang diprediksi pada kesehatan perokok,
karena perokok belajar menutup lubang dengan jari mereka (Parascandola
2011, 637). Dalam kasus yang sedang berlangsung pada saat penulisan,
bekerja pada hubungan kausal yang mungkin antara acetaminophen dan asma
telah menyebabkan beberapa dokter anak menyarankan bahwa penggunaan
acetaminophen harus dihindari pada anak-anak yang berisiko asma. Tetapi
rekomendasi ini tidak didukung oleh bukti yang mendukungnya, karena tidak
ada hubungan antara berbagai tindakan alternatif dan asma atau memang hasil
kesehatan lainnya (McBride, 2011).
Contoh ini mengilustrasikan hal tersebut dengan sangat baik karena
ibuprofen, yang direkomendasikan oleh makalah tersebut, mungkin sendiri
terkait secara kausal dengan asma. Dalam contoh khusus ini, inferensi kausal
itu sendiri tidak jelas, tetapi bahkan jika hubungan sebab akibat ditetapkan,
itu tidak dengan sendirinya menjamin rekomendasi kebijakan. Membuktikan
bahwa X menyebabkan Y tidak melisensikan prediksi yang baik bahwa
menghilangkan X akan menyebabkan pengurangan yang sesuai dalam
kejadian Y. Dengan kata lain, hanya karena X menyebabkan Y, itu tidak
berarti bahwa menghilangkan X adalah cara yang cukup untuk mengeluarkan
Y. Hanya karena penggorengan membuat Anda panas bukan berarti
melompat keluar dari wajan adalah cara yang baik untuk mendinginkan. Ini
 meninggalkan kita dengan pertanyaan sederhana dan umum. Setelah kita
memperoleh pengetahuan kausal, bagaimana seharusnya kita
menggunakannya untuk memprediksi?
Sayangnya, sebelum kita dapat mendekati pertanyaan ini dengan
berguna, kita memiliki banyak pekerjaan yang harus dilakukan. Begitu sedikit
yang telah ditulis tentang prediksi bahwa perbedaan mendasar perlu
disingkirkan dan ambiguitas dijernihkan. Kemudian kita perlu bertanya apa
prediksi pekerjaan yang dilakukan atau harus dilakukan dalam epidemiologi,
karena ini akan membuat perbedaan besar dengan apa yang kita anggap
sebagai prediksi yang baik untuk tujuan epidemiologi. Tujuan dari bab ini
adalah untuk mendapatkan kejelasan tentang apa prediksi itu dan perannya
dalam epidemiologi. Dalam bab berikutnya kita akan membahas apa,
termasuk pengetahuan kausal, yang mungkin melakukan pekerjaan itu.
Poin yang ditekankan dalam Bab 4 tentang perlunya teori di samping
inovasi teknis sangat jelas dalam konteks prediksi. Sampai kita memiliki
pemahaman teoretis tentang apa yang membuat prediksi yang baik, kita tidak
dapat membuat penilaian berprinsip metode untuk prediksi atau prediksi
tertentu; kita juga tidak dapat membuat pilihan prinsip antara metode atau
antara prediksi tertentu. Kebutuhan akan perlakuan teoretis tidak akan
dibahas dalam bab ini karena telah dibahas dalam Bab 4, tetapi banyak
pertimbangan yang sama berlaku, terutama karena banyak pendekatan formal
untuk inferensi kausal juga bertujuan untuk menawarkan prediksi.
Oleh karena itu, marilah kita melihat perlakuan teoretis apa, dalam
filsafat dan epidemiologi, dan prediksi yang bagaimana sejauh ini telah
diterima.
C. Sebuah Kelalaian Misterius
Sangat sedikit perhatian filosofis yang diberikan pada prediksi. Tidak
ada “teori standar” tentang prediksi yang digunakan oleh mahasiswa sebagai
pengalaman pertama mereka dalam melakukan penelitian. Prediksi tidak
ditampilkan sebagai topik dalam dirinya sendiri dalam pengantar otoritatif
untuk filsafat ilmu (misalnya Bird 1998; Ladyman 2002) atau dalam
pendamping otoritatif (misalnya Newton-Smith 2001) atau sumber daya
(misalnya Stanford Encyclopedia of Philosophy), seperti yang dilakukan oleh
gagasan terkait seperti sebab-akibat, inferensi kausal, penjelasan, dan hukum
alam. Tidak ada literatur filosofis yang mapan tentang prediksi, seperti yang
ada pada topik-topik itu.
Tentu saja ada karya filosofis yang menarik tentang prediksi, terutama
karya Spirtes dan rekan yang dibahas dalam Bab 3 (Spirtes, Glymour, dan
Scheines 2000). Tapi satu penelitian saja tidak cukup. Selain itu, ada
perbedaan penting antara pendekatan Spirtes et al., memang dari literatur
statistik tentang prediksi secara umum, dan proyek kami saat ini.
Satu perbedaan, yang diidentifikasi oleh Spirtes dan rekan-rekannya
dan dibahas dalam Bab 3, adalah perbedaan antara apa yang kita sebut
pendekatan matematis dan filosofis. Pendekatan matematis menunjukkan
keyakinan implisit atau eksplisit dengan cara yang tampaknya memberikan
hasil yang bermanfaat. Hal itu tidak mencoba memberi tahu kita apa penyebab,
seperti yang telah kita lihat. Juga tidak memberi tahu kita apa itu prediksi yang
baik, dalam arti memberikan kondisi yang diperlukan dan cukup untuk prediksi
yang baik. Namun, tujuan dari bab ini dan bab berikutnya adalah: untuk
menawarkan kondisi yang diperlukan dan cukup agar suatu prediksi dianggap
baik, setidaknya dalam konteks epidemiologis. Perawatan teknis berusaha
mengidentifikasi resep untuk prediksi yang baik, tetapi mereka tidak memberi
tahu kita apa prediksi yang baik itu. Itulah yang kami coba cari tahu.
Terlepas dari minat dan kegunaan perawatan teknis dan literatur tentang
prediksi dalam statistik, adil untuk menyatakan studi teori prediksi diabaikan
dalam filsafat ilmu kontemporer dan akibatnya ada kelangkaan filosofis umum
(seperti bertentangan dengan matematika) berteori tentang prediksi. Ada
pengecualian lain, yang akan kami sebutkan di bawah, tetapi faktanya tetap
bahwa silabus filosofis standar tidak menampilkan prediksi sebagai topik
tersendiri. Tak satu pun dari cahaya terkemuka metafisika, epistemologi, dan
filsafat ilmu dapat dikreditkan dengan teori prediksi yang jelas dan eksplisit:
apa itu, apa jenis yang berbeda, apa yang membuat prediksi yang baik baik,
bagaimana kaitannya atau seharusnya berhubungan untuk pengetahuan tentang
hukum dan penyebab dan untuk penjelasan. Mungkin filosof kontemporer
berasumsi bahwa prediksi ditutupi oleh diskusi tentang sebab-akibat,
penjelasan, hukum, dan sebagainya. Tetapi jika demikian mereka salah, seperti
yang akan kita lihat.
Perhatian yang diberikan para filsuf pada prediksi terutama dalam salah
satu dari tiga konteks. Pertama, masalah induksi, yang dikaitkan dengan David
Hume (Hume 1739, bk 1, pt 3; Hume 1748, IV–VII), dan diberikan bentuk
modernnya oleh Bertrand Russell (Russell 1912, bab VI), adalah umumnya
dinyatakan dalam istilah prediksi. Kita diundang untuk mempertimbangkan
alasan apa yang kita miliki untuk menganggap bahwa matahari akan terbit
besok atau bahwa gigitan roti berikutnya akan menyehatkan dan tidak
meracuni kita, misalnya (lihat Bab 2). Tetapi diskusi yang berkembang
pembahasannya akan menunjukkan bahwa induksi tidak terbatas pada prediksi,
dalam arti memprediksi terjadinya peristiwa di masa depan. Pengetahuan kita
tentang dinosaurus berasal dari kesimpulan induktif yang mengambil catatan
fosil sebagai bukti utama, dan dinosaurus hidup di masa lalu. Mungkin tetapi
hanya mungkin, kesimpulan induktif menyangkut masa depanpengalaman;
misalnya, pengalaman masa depan menemukan lebih banyak fosil. Tapi ini
paling meragukan: untuk menafsirkan topik inferensi induktif sebagai
pengalaman, daripada fakta yang biasanya kita coba cari tahu, membutuhkan
sikap filosofis yang sangat khusus, yang tidak perlu atau tidak menguntungkan
untuk masuk akal. dari inferensi induktif.
Konteks kedua di mana prediksi telah dipelajari adalah konfirmasi.
"Konfirmasi" hanyalah nama filsuf sains untuk inferensi induktif, satu- satunya
perbedaan adalah depsikologisasi terminologi (kami menyimpulkan, sedangkan
bukti menegaskan) dan semacam pembalikan penekanan (penyimpanan hasil
dari bukti ke hipotesis, sedangkan konfirmasi menyiratkan pra-eksistensi
beberapa hipotesis yang akan dikonfirmasi). Pada model hipotetis-deduktif
(HD) Carl Hempel tentang konfirmasi teori ilmiah, sebuah teori dikonfirmasi
menerima dukungan dari bukti pengamatan dengan memprediksi pengamatan
yang bersangkutan (Hempel 1966). Prediksi tersebut memiliki bentuk deduksi
logis (maka "deduktif") dari hipotesis (maka "hypothetico") ditambah beberapa
set kondisi awal kontingen dan satu set hipotesis tambahan, mengenai,
misalnya, fungsi setiap instrument pengukuran.
Pandangan Karl Popper tentang konfirmasi adalah negatif, karena
menurutnya tidak ada dukungan induktif tetapi dia berpendapat bahwa sebuah
teori dapat dikuatkan, di mana pembuktian terjadi ketika sebuah teori
memprediksi suatu pengamatan dan prediksi itu akurat dan teori itu akan
dipalsukan oleh pengamatan jika pengamatannya berbeda (Popper 1959, 1963).
Yang menjadi perhatian kita bukanlah kelayakan gagasan pembuktian, tetapi
sentralitas prediksi dalam pandangan Popper: prediksi sepotong data yang
belum diketahui menguatkan teori, sedangkan akomodasi belaka dari sepotong
data yang sudah diketahui tidak juga menguatkan teori. Asimetri yang kuat
antara prediksi dan akomodasi telah menarik untuk diskusikan (ringkasan yang
bagus, lihat Lipton 2005) karena sangat tidak jelas bagaimana waktu di mana
sepotong data dikumpulkan memiliki hubungan logis pada kekuatan
pembuktiannya. Pada pandangan Popper dan Hempel, kekuatan pembuktian
adalah masalah hubungan logis antara teori dan data oleh karena itu harus
kebal terhadap kemungkinan temporal semacam ini. Namun, "prediksi novel"
telah menjadi bahan diskusi dalam berbagai perdebatan seputar realisme ilmiah
(pandangan, secara kasar, bahwa sains menceritakan kebenaran literal yang
kasar tentang fenomena yang dipelajarinya, termasuk yang tidak diamati secara
langsung). Kemampuan untuk membuat prediksi baru yang menjadi kenyataan
telah diklaim sebagai penanda teori ilmiah yang harus kita percayai (Putnam
1978, 18-22) dan klaim ini juga telah diperdebatkan (Laudan 1981).
Ini mungkin terdengar seperti banyak diskusi, tetapi semuanya
menjawab pertanyaan tentang bagaimana teori-teori ilmiah dikonfirmasi.
Prediksi diperlakukan sebagai semacam produk sampingan yang berguna dari
berteori: berguna karena memungkinkan kita menguji teori, produk sampingan
karena untuk semua diskusi ini menyarankan, orang mungkin mengira bahwa
prediksi secara alami dari teori. Masukkan beberapa kondisi awal, kerjakan
konsekuensi deduktifnya, dan hey presto. Tetapi jika proses perpindahan dari
teori ke prediksi selalu sesederhana itu, tentu tidak demikian halnya dengan
jenis prediksi yang diharapkan dibuat oleh para ahli epidemiologi dan yang
diharapkan didengar oleh para pembuat kebijakan. Proses prediksi yang
sebenarnya dan alasannya (dengan beberapa pengecualian penting) tidak
diperlakukan secara serius oleh banyak filsuf.
Jika kita memiliki perbedaan di tangan kita dapat meringkas poin ini
dengan rapi. "Prediksi" menderita dari proses/produk ambiguitas, seperti
halnya "penjelasan" (Ruben 1993, 16). Kami sekarang berada dalam posisi
untuk mengatakan ini: dalam memikirkan tentang signifikansi prediksi untuk
konfirmasi, para filsuf telah memikirkan signifikansi produk prediksi untuk
keyakinan masuk akal kami dalam proses yang menghasilkannya (atau dalam
aspek proses itu); tetapi mereka belum terlalu memikirkan pentingnya proses
bagi kepercayaan kita pada produk. Yang terakhir, bagaimanapun, adalah
perhatian utama ahli epidemiologi dan mereka yang bergantung padanya,
seperti petugas medis dan pembuat kebijakan kesehatan masyarakat.
Konteks ketiga dan terkait di mana prediksi telah dibahas oleh para
filsuf adalah penjelasan. Sekali lagi, diskusi dimulai dengan Hempel, seperti
yang dilakukan banyak diskusi dalam filsafat ilmu. Teori penjelasan “deduktif-
nomologis” (DN) Hempel mengatakan bahwa sebuah teori (penjelas)
menjelaskan pengamatan ketika, diambil bersama dengan beberapa kondisi
awal, teori secara logis memerlukan (maka "deduktif") pengamatan yang
dijelaskan (eksplanandum), asalkan teori tersebut memiliki bentuk hukum yang
benar (maka "nomologis") dan berbagai kendala lain pada eksplanandum
terpenuhi (Hempel 1966; Lipton 2004, bab 2). Model penjelasan DN dengan
demikian memiliki struktur logis yang persis sama dengan model konfirmasi
HD. Yang membedakan adalah apakah minat kita untuk mengkonfirmasi teori
atau menjelaskan pengamatan, perbedaan yang dalam banyak kasus akan
ditentukan oleh apakah pengamatan itu merupakan pengamatan yang telah kita
buat. Pada model ini, penjelasan adalah prediksi dari pengamatan yang telah
kita buat, dan prediksi adalah penjelasan dari pengamatan yang belum kita buat
(Ladyman 2002, 205). Simetri bekerja dalam diskusi jenis penjelasan lain, di
mana prediktabilitas dari apa yang dijelaskan berdasarkan apa yang dijelaskan
digunakan sebagai salah satu tes kebaikan penjelas (misalnya dalam perlakuan
Hempel dan Oppenheim tentang kemunculan: Hempel dan Oppenheim 1948,
146–52).
Simetri ini diragukan di kedua sisi koma. Evolusi melalui seleksi alam
mungkin menjelaskan mengapa jerapah berleher panjang, tetapi apakah evolusi
dapat meramalkan keberadaan jerapah secara independen dari pengetahuan kita
tentang keberadaan berlehernya adalah pertanyaan yang sama sekali terpisah.
Di sisi yang lebih menarik bagi kita, jauh dari jelas bahwa semua prediksi
adalah penjelasan dari hal-hal yang akan terjadi. Faktanya, kesimpulan yang
akan kita capai dalam bab ini adalah bahwa ada hubungan erat antara prediksi
dan penjelasan dan bahwa prediksi yang baik memang didukung oleh
penjelasan. Tetapi sampai kita memiliki kejelasan tentang apa, selain menjadi
kenyataan, yang mungkin membuat prediksi menjadi baik dan beberapa
penjelasan yang lebih realistis tentang cara yang benar atau cara menghasilkan
prediksi, tesis simetri diragukan.
Ada beberapa peluang yang lebih baru untuk karya filosofis tentang
prediksi, tetapi sebagian besar telah terlewatkan. Sebuah buku panjang berjudul
Making Things Happen tidak menampilkan prediksi dalam indeks, meskipun
menyajikan teori yang menurutnya fakta kausal adalah fakta tentang apa yang
akan terjadi di bawah intervensi (Woodward 2003). Stephen Mumford dan
Rani Lill Anjum mencurahkan beberapa halaman untuk prediksi dan membuat
beberapa perbedaan yang akan kita jelajahi dalam bab ini (Mumford dan
Anjum 2011). Mereka menggunakan perbedaan ini untuk menyatakan bahwa
"kekuatan", atau sifat disposisional, ditempatkan dengan baik untuk
memberikan teori prediksi - misalnya, atas dasar prediksi yang dapat ditolak.
Tetapi mereka tidak menawarkan (atau dimaksudkan untuk menawarkan) apa
pun yang dapat disebut teori prediksi: karakterisasi tentang apa yang membuat
prediksi atau bagaimana prediksi yang baik berbeda dari yang buruk.
 Nancy Cartwright merupakan salah satu dari sedikit filsuf yang
mencurahkan perhatian filosofis yang berkelanjutan pada prediksi (Cartwright
1983b, 2010, 2011). Tetapi bahkan dia cenderung tidak membahas prediksi
sebagai masalah umum, juga tidak menawarkan teori prediksi yang jelas dan
umum. Sebaliknya, dia menekankan kesenjangan antara pengetahuan kausal,
seperti yang biasanya dipikirkan oleh para filsuf, dan pengetahuan prediktif,
dan dia memberikan tantangan kepada para filsuf sains untuk mengatakan lebih
banyak tentang mengapa pengetahuan kausal berguna (Cartwright 2007).
Perawatan saat ini sebagian merupakan upaya untuk mengangkat tantangan.
Ini menyimpulkan survei kami tentang konteks utama di mana prediksi
telah dibahas dalam filsafat ilmu kanonik.
Sebelum kita melanjutkan, perlu juga dicatat bahwa teori prediksi –
yang bertentangan dengan praktiknya atau alat teknis untuk membuat prediksi
– telah menarik perhatian yang relatif sedikit di antara para ahli epidemiologi.
Namun, kehebatannya berbeda, karena tidak ada yang luar biasa tentang ahli
epidemiologi yang tidak berfilsafat tentang suatu topik. Apa yang luar biasa,
sebaliknya, adalah kontras dengan sebab-akibat dan kesimpulan kausal. Ahli
epidemiologi telah berteori tentang hal ini dengan cara yang sulit dilihat
sebagai sesuatu selain filosofis (misalnya Hill 1965; MacMahon dan Pugh
1970, bab 4; Rothman 1976; Susser 1973, bab 4; 1991; Rothman dan
Greenland 2005; Bhopal 2008, Bab 5; Rothman, Greenland, dan Lash 2008,
Bab 2). Mereka bertanya apa penyebab dan apa yang membuat kesimpulan
kausal baik. Ini adalah pertanyaan filosofis. Selain itu, satu alasan utama untuk
menjawab pertanyaan filosofis ini adalah harapan bahwa hal itu akan
meningkatkan daya prediksi epidemiologi. Kecuali mungkin jika menyangkut
tanggung jawab hukum (akan dibahas dalam Bab 11), perhatian utama
epidemiologi adalah dengan masa depan: dengan menawarkan pengetahuan
yang diperlukan untuk meningkatkan kesehatan penduduk; yaitu, dengan
mengambil tindakan sekarang atau di masa depan yang akan menyebabkan –
menyebabkan – keadaan kesehatan penduduk yang lebih baik beberapa waktu,
semoga tidak terlalu lama, sesudahnya.
 Namun jika seseorang mencari prediksi dalam daftar isi buku teks
epidemiologi yang otoritatif, dia tidak akan menemukan banyak. Dalam indeks
satu buku teks otoritatif, prediksi terjadi sekali, diikuti oleh beberapa turunan;
halaman yang dimaksud berisi diskusi tentang prediksi dalam konteks statistik
(Rothman, Greenland, dan Lash 2008, 421), yang (seperti yang akan kita lihat
di bagian selanjutnya) tidak sama dengan teori prediksi filosofis. Buku teks
otoritatif lainnya menyebutkan prediksi di bawah judul “Kausalitas: Penerapan
kepada Publik. Kebijakan Kesehatan dan Kesehatan” dengan ketentuan sebagai
berikut:
Untuk tujuan praktis, proses prediksi induktif – yang terdiri dari
generalisasi hasil yang diperoleh dalam satu atau lebih studi untuk target atau
populasi referensi yang berbeda – tetap menjadi pendekatan utama yang
digunakan oleh profesional kesehatan masyarakat dan pembuat kebijakan.
(Szklo dan Nieto 2007, 376).
Jika ini memang pendekatan utama yang digunakan pembuat kebijakan,
mereka beroperasi dalam ekonomi intelektual yang miskin. Kenyataannya,
pernyataan tersebut mungkin tidak akurat secara deskriptif. Ada beberapa
diskusi prediksi yang bagus (lihat khususnya Greenland 2010, 2012a), tetapi
mereka cenderung memasukkan pengertian prediksi yang kami minati di
bawah tugas umum untuk sampai pada data yang belum diketahui, dan mereka
cenderung menjadi perlakuan teknis, tidak mudah diterapkan untuk konteks
kesehatan masyarakat. Tetapi pernyataan yang dikutip di atas memang
berfungsi untuk menyoroti kurangnya perhatian umum non-teknis terhadap
prediksi sebagai topik tersendiri, berbeda dari inferensi kausal, dalam teori
epidemiologi saat ini.
Tidak ada kritik di sini yang ditujukan untuk sumber-sumber
epidemiologi ini (kedua buku teks ini sangat bagus) atau epidemiologi secara
lebih umum. Sebenarnya, ahli epidemiologi membuat prediksi dan dengan
demikian meningkatkan atau menyelamatkan banyak nyawa. Apa yang kurang
adalah teori prediksi, sejenis yang tidak habis oleh teori statistik: cara untuk
memberi tahu bagaimana metode yang digunakan untuk membuat prediksi
 bekerja, apa yang membuatnya baik (atau tidak), dan pada akhirnya jenis
jaminan apa yang mungkin dimiliki prediksi tertentu. dan harus dimiliki untuk
membenarkan rekomendasi kebijakan. Ini bukan masalah yang dapat
diselesaikan dengan penelitian empiris saja. Sudah waktunya untuk memanggil
para filsuf.
D. Apa Prediksi Yang Baik?
"Prediksi" ambigu di beberapa dimensi. Pertama, seperti yang telah
disebutkan, ia mengakui perbedaan produk/proses, seperti halnya penjelasan
(Ruben 1993, 16). Untuk menandai perbedaan ini, bila perlu, mari kita bedakan
antara klaim prediksi dan aktivitas prediksi. Perbedaan ini sangat penting
ketika menanyakan “Apa prediksi yang baik?” karena mungkin tergoda untuk
menyamakan klaim prediksi yang baik dengan yang benar; sementara jelas
bahwa menghasilkan kebenaran tidak perlu atau cukup untuk kegiatan prediksi
menjadi baik.
Misalnya, saya memiliki anak anjing berusia lima bulan, yang disebut
Bond. Saya punya firasat bahwa dia akan memiliki berat 52 kilogram ketika
dia dewasa. Ketika ditanya seberapa besar dia akan menjadi, saya
memprediksi, "Dia akan memiliki berat 52 kg." Tetapi aktivitas prediksi yang
saya gunakan untuk menghasilkan klaim ini tidak terlalu bagus. Ini adalah
firasat yang tidak terpelajar. Saya tidak punya alasan khusus untuk mengira
bahwa ini akan menjadi berat badannya, tetapi untuk beberapa alasan angka itu
muncul di kepala saya setiap kali saya ditanya seberapa besar dia akan
menjadi. Sejujurnya, saya tidak akan menaruh kepercayaan praktis pada klaim
saya. Namun, ada kemungkinan bahwa klaim prediksi saya bisa menjadi
kenyataan. Bahkan jika ya, bagaimanapun itu tidak akan membuat aktivitas
sebuah prediksi. Melihat sosok apa yang muncul di kepala seseorang sebagai
jawaban atas sebuah pertanyaan yang bagus. Ini hanya firasat yang tidak bisa
saya jelaskan. Aktivitas prediksi yang memadai menjadi baik (baik jika
"aktivitas prediksi" dipahami sebagai mengacu pada jenis aktivitas atau jika
dipahami sebagai mengacu pada tertentu kegiatan yang dilakukan dalam
contoh tersebut).
 Kebetulan, saya memiliki anak anjing lain yang saya miliki, Plato,
diadopsi dari tempat penampungan hewan pada saat yang sama ketika Bond
dibeli dari seorang peternak. Tak lama kemudian, tempat penampungan
berdering untuk mengatakan bahwa ibu Plato menderita distemper, penyakit
anjing yang sangat menular dengan periode laten yang cukup lama.
Tampaknya ia telah tertular di jalan-jalan Soweto sebelum dibawa ke tempat
penampungan dan oleh karena itu terlebih dahulu dilakukan imunisasi baik
pada ibu maupun anak-anaknya. Karena penyakit ini ditularkan melalui kontak,
jilatan, dan sebagainya, akan tampak bahwa Plato akan tertular dan
menularkannya ke Bond. Oleh karena itu, tampaknya mereka berdua akan
mengalami gejala dan mungkin mati atau menjadi lumpuh sebagai
konsekuensinya. Namun, tidak juga. Prediksi bahwa mereka akan
mengembangkan distemper sangat masuk akal untuk dibuat, prediksi aktivitas
yang bagus, tentu saja lebih baik daripada firasat yang tidak terdidik dan alasan
seperti ini secara teratur digunakan untuk membenarkan vaksinasi atau
pemusnahan anjing yang tampaknya sehat. Tetapi untuk alasan apa pun, dalam
kasus khusus ini ternyata menghasilkan klaim prediksi yang salah.
Memproduksi klaim yang benar dalam contoh tertentu bukanlah diperlukan
kondisi aktivitas prediksi yang baik (baik jika "aktivitas prediksi" dipahami
sebagai mengacu pada itu jenis aktivitas, atau jika dipahami sebagai mengacu
pada tertentu kegiatan yang dilakukan dalam contoh itu).
Jadi aktivitas prediksi yang baik belum tentu menghasilkan klaim
prediksi yang benar dalam contoh tertentu, juga tidak ada aktivitas yang
menghasilkan klaim prediksi benar dalam contoh tertentu yang merupakan
aktivitas prediksi yang baik.
Di sisi lain, begitu kita mengesampingkan aktivitas yang menghasilkan
klaim prediksi yang diberikan, satu-satunya pengertian di mana klaim itu
sendiri bisa "baik" adalah dengan menjadi benar, dan satu-satunya pengertian
di mana itu bisa gagal menjadi baik adalah dengan gagal menjadi kenyataan.
Prediksi bagus mana yang berkaitan dengan epidemiologi: prediksi bagus?
Kegiatan atau prediksi yang bagus klaim? Di satu sisi, epidemiologi jelas
bertujuan untuk membuat klaim yang benar tentang masa depan. Sejauh ini
berkaitan dengan kebaikan klaim prediksi. Namun, karena kebenaran klaim ini
tidak diketahui pada saat prediksi dibuat, kami tidak akan banyak membantu
jika kami meninggalkannya di sini. Pertanyaan "Apa yang membuat prediksi
yang baik?" tidak akan berguna jika diinterpretasikan sedemikian rupa
sehingga menyangkut klaim prediksi, karena dengan demikian akan
menghasilkan jawaban “prediksi yang benar”. Seseorang mungkin juga
menjawab “Kita lihat saja” atau “Waktu yang akan menjawab.” Pertanyaan itu
hanya akan berguna jika ditafsirkan menyangkut sesuatu yang kebenarannya
dapat dibuktikan sekarang, tanpa menunggu untuk melihat apakah prediksi itu
menjadi kenyataan.
Oleh karena itu, pertanyaannya harus ditafsirkan sebagai mengenai
prediksi aktivitas. Tapi itu terdengar aneh. Ahli epidemiologi akan berkaitan
dengan klaim prediksi: yang pada akhirnya, tujuannya adalah untuk membuat
klaim yang benar tentang masa depan. Apa yang kita butuhkan selanjutnya
adalah pemahaman tentang apa yang membuat prediksi yang baik aktivitas,
pemahaman yang menunjukkan seberapa baik prediksi kegiatan mengarah pada
prediksi klaim yang baik (benar).
Pendekatan ini mengacu pada karya peter lipton tentang inferensi pada
penjelasan terbaik dan perbedaannya antara kemiripan dan keindahan sebuah
penjelasan. Lipton berusaha menganalisis inferensi untuk penjelasan terbaik
dengan membedakan dua pengertian "penjelasan yang baik" (Lipton 2004, ch.
4). Penjelasan sebisa mungkin yakni kemungkinan besar benar atau bisa juga
cantik yaitu, sederhana, elegan, estetis, koheren dengan apa yang sudah kita
ketahui, atau sejumlah "kebajikan penjelas" lainnya (Lipton 2004, bab 9).
Jelas, jika inferensi untuk penjelasan terbaik adalah menjadi jenis inferensi
yang berguna, maka "penjelasan terbaik" tidak dapat dibaca sehingga
menyiratkan "penjelasan yang benar"; jika tidak, model menjadi melingkar
dan tidak berguna. Jika kami tahu bahwa suatu penjelasan sudah benar, kami
tidak akan menyimpulkannya dalam arti yang berguna. Di sisi lain, keindahan
penjelasan dapat diakses oleh kita, terlepas dari kebenaran penjelasannya: kita
dapat menilai kesederhanaan, ruang lingkup, koherensi, dan sebagainya tanpa
mengetahui apakah penjelasan itu benar. Namun, tidak ada alasan yang jelas
tentang mengapa kita harus menganggap bahwa penjelasan yang memiliki
penjelas ini dan "terbaik" dalam pengertian ini juga benar dan dengan
demikian menjadi layak untuk disimpulkan. Jadi Lipton melihat proyek
filosofis pemahaman kesimpulan untuk penjelasan terbaik sebagai bagaimana
kecantikan dari sebuah penjelasan dapat menjadi panduan untuk menjadi
acuhan tolak ukur suatu kemungkinan yang terjadi.
Dalam nada yang sama, kita harus melihat tantangan kita saat ini
sebagai memahami bagaimana kebaikan sebuah prediksi aktivitas dapat
ditautkan kepada klaim prediksi yang baik.
Ada satu hal lagi yang perlu diklarifikasi, mengenai ambiguitas lain
dalam kata “prediksi”, sebelum kita bisa melanjutkan menjawab tantangan ini.
"Prediksi" (baik klaim atau aktivitas) dapat dipahami secara luas sehingga
mencakup kesimpulan apa pun untuk suatu peristiwa yang kejadiannya belum
atau sebelumnya diketahui. Pada penggunaan ini, hasil yang diprediksi tidak
harus berupa fakta tentang masa depan. Bisa jadi itu adalah fakta tentang berat
abu yang tersisa setelah sepotong kayu terbakar di udara. Ini adalah
penggunaan umum di antara para filsuf ilmu pengetahuan, mungkin di antara
para ilmuwan juga mengatakan bahwa teori kimia tertentu memprediksi bahwa
massa telah menurun dengan jumlah tertentu, di mana "telah menurun" yang
mengacu pada masa lalu. Penggunaan ini bahkan tidak menyiratkan bahwa
pengamatan yang memverifikasi atau memalsukan prediksi terletak di masa
depan. Kita dapat mengatakan bahwa massa telah menurun dengan jumlah
tertentu, persis seperti teori memprediksi. Terkadang istilah "retrodiksi"
digunakan untuk merujuk pada prediksi hasil masa lalu yang jelas, seperti
evolusi jerapah atau kepunahan dodo. Perbedaan ini tidak selalu ditandai dalam
filsafat dalam sastra ilmu pengetahuan, tetapi ketika hanya berfungsi sebagai
ilustrasi lebih lanjut dari fakta bahwa kedua hal tersebut dianggap pada
dasarnya sama, hanya berbeda dalam hubungan temporal antara waktu dan
waktu akan hasil diprediksi dan waktu terjadinya.
 Di sisi lain, "prediksi" (baik klaim atau aktivitas) dapat dibaca secara
sempit, sehingga ini menyangkut masa depan, yang bersifat relatif terhadap
waktu klaim yang dibuat. Penggunaan ini lebih sering dikaitkan dengan
prediksi yang dibuat oleh orang-orang daripada prediksi yang dibuat oleh teori.
Misalnya, Anda dapat memprediksi bahwa tim voli pantai favorit Anda akan
memenangkan liga lokal musim ini. Anda tidak akan melakukannya, walaupun
dengan dasar prediksi bahwa karena mereka menang musim lalu. Anda
mungkin bisa menebak, tetapi akan menjadi penggunaan yang tidak biasa
untuk mengklaim bahwa ini adalah prediksi.
Pengertian "hasil yang diprediksi" mana yang perhatian utama
epidemiologi? Yang terakhir, jelas. Epidemiolog terutama prihatin dengan hasil
yang diprediksi dalam arti sempit. Jika tujuan epidemiologi adalah untuk
membantu meningkatkan kesehatan penduduk dengan menawarkan saran
kepada pembuat kebijakan, saran tersebut hanya dapat berpengaruh pada
kejadian di masa depan. Efek tidak mendahului penyebabnya, setidaknya tidak
dalam kasus penyebab seperti saran dan efek seperti hasil kebijakan. Karena
itu, prediksi yang menjadi perhatian utama ahli epidemiologi, prediksi yang
merupakan bagian dari isi nasihat mereka, serta harus menyangkut masa depan.
Untuk terminologi yang lebih pendek dan lebih bahagia, kita dapat menyebut
hasil prediksi yang sempit dengan prediksi sempit, karena jelas bahwa prediksi
sempit bukanlah aktivitas memprediksi. Jadi ahli epidemiologi lebih tertarik
pada prediksi sempit.
Ini tidak dapat disangkal bahwa ahli epidemiologi mungkin juga tertarik
pada prediksi luas. Dalam arti luas, hasil yang diprediksi hanyalah hasil yang
kita simpulkan, tanpa batasan apakah kita sudah mengetahuinya atau apakah
itu ada di masa lalu pada saat penyimpulan. Ini akan mencakup objek dari
banyak kesimpulan yang dibuat oleh ahli epidemiologi dalam pekerjaan normal
mereka, termasuk kesimpulan kausal (Greenland 2012a). Ini juga dapat
mencakup prediksi yang dirancang untuk mengkonfirmasi hipotesis daripada
memberikan informasi tentang masa depan. Tapi ini bukan perhatian utama
para ahli epidemiologi: mereka adalah sarana untuk mencapai tujuan. Prediksi
 luas termasuk inferensi kausal dan prediksi untuk tujuan konfirmasi, penting
hanya sejauh hal itu memajukan proyek penyampaian saran yang
meningkatkan kesehatan populasi. Nasihat semacam itu pada akhirnya harus
mencakup prediksi yang sempit. Mungkin itu akan mencakup lebih banyak
materi inferensial juga, tetapi tidak perlu; sedangkan prediksi yang sempit,
mengenai apa yang akan terjadi di masa depan, diperlukan jika saran tersebut
berguna untuk meningkatkan kesehatan penduduk di masa depan.
E. Memprediksi Dengan Andal dan Memprediksi dengan Tepat
Pertanyaan yang sesuai, dalam menggambarkan prediksi andal dan tepat, yaitu:
(i) Apa yang membuat kegiatan prediksi epidemiologi menjadi baik?
(ii) Mengapa aktivitas prediksi yang baik menghasilkan klaim prediksi yang
benar?
Salah satu pendekatan yang sangat menggoda adalah memulai dengan
pertanyaan urut (ii) dan menawarkan definisi aktivitas prediksi yang baik yang
melibatkan produksi kebenaran dalam beberapa cara. Kita telah melihat
kebenaran yang menghasilkan dalam contoh tertentu, serta tidak perlu atau
cukup untuk aktivitas prediksi menjadi baik. Tetapi kita mungkin masih
berusaha untuk mendefinisikan aktivitas prediksi yang baik sebagai aktivitas
yang biasanya menghasilkan prediksi yang benar. Kami kemudian dapat
mendeteksi aktivitas prediksi yang baik dengan mempelajari rekam jejak
mereka, dengan mengandalkan inferensi induktif bahwa suatu aktivitas
memilikibiasanya kebenaran yang dihasilkan di masa lalu adalah sesuatu yang
biasanya menghasilkan kebenaran.
Kita akan segera melihat bahwa gagasan ini keliru, tetapi perlu
diperhatikan kembali betapa menariknya gagasan ini. Jika kami dapat membagi
aktivitas prediksi menjadi jenis yang dapat diidentifikasi dengan jelas, kami
dapat berkonsultasi dengan rekam jejak setiap jenis dan memutuskan seberapa
andal setiap jenis aktivitas prediksi. Kebijakan kemudian dapat didasarkan
pada hasil yang diprediksi oleh aktivitas prediksi yang andal. Atau mungkin
lebih baik lagi, kebijakan dapat didukung atau tidak dengan gagasan yang jelas
tentang seberapa besar kemungkinan bahwa kebijakan tersebut akan memiliki
hasil yang diinginkan. Misalnya, kita mungkin memutuskan bahwa
mendasarkan prediksi pada uji coba terkontrol secara acak dihitung sebagai
aktivitas prediksi dan dengan demikian memutuskan untuk menilai rekam jejak
kebijakan berdasarkan prediksi yang diinformasikan oleh uji coba terkontrol
secara acak.
Kami kemudian dapat memutuskan bahwa menggunakan uji coba
terkontrol secara acak (memenuhi kriteria tertentu, mungkin) merupakan atau
bukan aktivitas prediksi yang cukup andal untuk dijadikan dasar kebijakan
(mungkin elemen pemikiran semacam ini menginformasikan Kolaborasi
Cochrane dan "gudang bukti" lainnya). Atau kita dapat mencoba untuk
menetapkan nilai numerik untuk keandalannya dan berusaha menggunakannya
sebagai panduan untuk kemungkinan keberhasilan dalam upaya kebijakan
tertentu.
Either way, mengemukakan inti dari idenya adalah untuk mencari dan
menilai keandalan kegiatan prediksi yang diberikan (atau metode untuk
membuat prediksi) menggunakan rekam jejak mereka, kemudian mendasarkan
jaminan untuk prediksi masa depan dalam penilaian keandalan ini. Singkatnya,
kita dapat mengatakan bahwa aktivitas prediksi yang baik adalah aktivitas yang
andal dan dengan demikian hasil yang diprediksi harus dipercaya dan
dihasilkan oleh metode yang andal.
Ide ini secara alami cocok dengan sejumlah cara berpikir yang populer
saat ini. Sesuai dengan kecenderungan "eksternalis" dari banyak epistemologi
kontemporer dan juga memberikan jalan masuk untuk pekerjaan empiris,
karena menilai rekam jejak adalah masalah empiris. Jika reliabilitas dapat
dikuantifikasi, maka itu juga menyediakan pegangan kuantitatif untuk teori
keputusan kausal untuk mendapatkan pegangan.
Meskipun demikian, pada pemeriksaan, gagasan untuk membagi
kegiatan prediksi menurut keandalannya tampaknya tidak dapat dipertahankan.
Pertama, masih jauh dari jelas bagaimana seseorang harus membagi kegiatan
prediksi. Adapun contoh dari pembahasan diatas yaitu memalui uji coba
terkontrol secara acak yang bukanlah aktivitas prediksi. Sebuah uji coba
terkontrol secara acak dapat memberi kita pengetahuan kausal tentang populasi
yang dipelajari, tetapi itu tidak berarti bahwa itu memberi tahu kita apa yang
akan terjadi ketika kita melakukan intervensi yang sama pada populasi lain.
Tentu saja, penelitian ini dapat dirancang seinformatif mungkin dalam hal itu,
pengetahuan latar belakang yang dapat memberi tahu kita bahwa kemungkinan
pengganggu tidak ada dan hal-hak sebagainya. Tapi tidak ada standar
menjawab seberapa banyak uji coba terkontrol secara acak memberi tahu kita
tentang prospek masa depan dari intervensi yang diuji (Cartwright 2011).
Untuk alasan ini, mengelompokkan semua RCT bersama-sama akan salah.
Namun, aktivitas prediksi yang menarik bagi RCT sebenarnya cukup berbeda
satu sama lain, karena itu kita mungkin mengharapkan keandalannya bervariasi
dengan cara yang akan membuat rata-rata kurang lebih tidak berguna.
Kedua, bahkan jika kita bisa membagi kegiatan prediksi kita dengan
cara yang jelas dan adil, kita juga buruk di prediksi untuk rekam jejak upaya
kami di masa lalu untuk memberikan banyak jaminan pada upaya terbaru kami.
Setidaknya, kami epidemiologi prediksi terlalu tidak dapat diandalkan untuk
mendapatkan perlakuan ini. Untuk konteks, pertimbangkan bahwa gagasan
pengetahuan adalah masalah kepercayaan yang terbentuk dengan andal paling
cocok jika diterapkan pada pengetahuan perseptual, pengetahuan tentang objek
yang kita rasakan dengan indra kita. Kami dapat dengan andal mendeteksi
objek dengan dimensi dan sifat fisik tertentu di lingkungan terdekat kami.
Mungkin kita juga dapat dengan andal memprediksi masa depan sampai
tingkat tertentu. Anda dengan andal memprediksi bahwa Anda akan lapar
malam ini dan meskipun demikian, Anda tidak akan dikuasai oleh keinginan
untuk makan lembur. Tetapi kami tidak dapat memprediksi masa depan dengan
andal di semua domain. Secara khusus, rekam jejak prediksi mengenai efek
intervensi dan paparan terhadap kesehatan populasi tidak dapat diandalkan
seperti prediksi dari jenis umum yang baru saja disebutkan.
Jadi jika kita mulai mencoba untuk membagi kegiatan prediksi
epidemiologi menjadi "dapat diandalkan" dan "tidak dapat diandalkan", kita
mungkin akan memutuskan tidak ada yang dapat diandalkan. Dan jika kita
berusaha untuk membenarkan klaim bahwa hasil prediksi yang diberikan akan
terjadi atas dasar prediksi sebelumnya semacam ini telah dapat diandalkan, kita
tidak mungkin untuk meyakinkan.
Ketiga, dalam demokrasi modern, keputusan kebijakan perlu
dibenarkan. Sejauh keputusan ini menyangkut masalah fakta, ini berarti bahwa
alasan untuk percaya bahwa segala sesuatunya seperti yang diandaikan oleh
kebijakan harus tersedia, setidaknya pada prinsipnya. Bahkan jika alasannya
hanya dapat dipahami oleh seorang ahli. Sejauh masalah fakta ini menyangkut
masa depan, klaim prediksi harus dibenarkan. Karena epidemiologi berusaha
untuk menginformasikan keputusan kebijakan kesehatan, maka ketika ahli
epidemiologi berusaha agar klaim prediksi diterima, mereka harus memberikan
pembenaran. Hal ini menunjukkan, kemudian, bahwa aktivitas prediksi yang
baik dalam epidemiologi adalah aktivitas yang memberikan hasil yang
baikpembenaran untuk klaim prediksi yang dihasilkannya.
Maka, tampaknya tidak ada jalan keluar yang mudah untuk mengatakan
apa yang membuat prediksi yang baik. Kami tidak dapat secara berguna
memperlakukan masalah ini sebagai tentang klaim prediksi yang baik saja dan
berhenti pada mengatakan bahwa prediksi yang baik adalah yang benar. Kita
juga tidak dapat mengambil rute paling sederhana berikutnya dan mengatakan
bahwa metode prediksi yang baik adalah metode yang biasanya menghasilkan
klaim prediksi yang baik (benar). Kita harus mengotori tangan kita dan
membuat beberapa properti dari aktivitas prediksiberbeda dari namun entah
bagaimana terkait dengan kebenaran klaim prediksi yang dihasilkan.
Seperti yang baru saja kita lihat, sifat aktivitas prediksi ini harus
menghasilkan pembenaran untuk klaim prediksi yang dihasilkan. Partisipasi
dalam proses pengambilan keputusan yang demokratis (dan dalam banyak
yang tidak demokratis, dalam hal ini) membutuhkan penjelasan kepada orang
lain mengapa segala sesuatunya seperti yang Anda katakan.
Pembenaran adalah ide yang kompleks, bagaimanapun, dan perlu
ditelusuri sedikit. Salah satu ciri pembenaran yang menarik adalah bahwa suatu
pendirian atas suatu hal empiris tidak dibenarkan oleh bukti jika ada bukti lain
yang relevan yang diabaikan atau yang bisa dengan mudah didapatkan tetapi
tidak. Kepercayaan pada naga tidak dibenarkan jika seseorang membatasi
bacaannya pada mitologi Nordik meskipun mengetahui keberadaan buku-buku
yang menyangkal keberadaan naga. Di sisi lain, kondisi ini tidak boleh dilebih-
lebihkan. "Bukti yang relevan" harus ditafsirkan dengan hati-hati.semua
potongan-potongan bukti yang pada prinsipnya dapat memalsukan keyakinan
yang bersangkutan. Pada prinsipnya, fakta apa pun yang secara logis terlepas
dari keyakinan dapat terbukti relevan, dan karenanya seseorang tidak dapat
dibenarkan dalam keyakinan apa pun sampai ia mengumpulkan semua bukti,
yang berarti ia tidak akan pernah dapat dibenarkan.
Oleh karena itu, gagasan tentang bukti yang relevan harus dipahami
yang berarti memiliki alasan tertentu, yang cukup untuk tujuan dan ada untuk
mendapatkan penyelidikan, serta untuk dianggap dapat mempengaruhi
keyakinan yang bersangkutan. Ini adalah standar yang kabur dan bergerak, itu
berarti bahwa standar bukti yang relevan jauh lebih rendah bagi seorang ahli
bedah dengan waktu tiga puluh detik untuk memutuskan apakah akan
melaksanakan prosedur tertentu dari pada standar bagi seorang legislator yang
mempertimbangkan pengesahan prosedur yang sama. Itu pasti benar, dan itu
sesuai dengan intuisi kami, bahkan seorang ahli bedah dapat dibenarkan dalam
melakukan suatu prosedur, sementara seorang legislator tidak dapat dibenarkan
dalam mendukung prosedur yang sama persis, karena sepenuhnya fakta bahwa
salah satu dari mereka memiliki kewajiban untuk mempertimbangkan banyak
hal. Bukti lebih dari yang lain sebelum membuat keputusan.
Jika klaim prediksi epidemiologi harus dibenarkan, semua
pertimbangan ini berlaku, dan kegiatan prediksi epidemiologi harus
memberikan justifikasi. Ini berarti bahwa ahli epidemiologi memiliki
kewajiban untuk mempertimbangkan bukti yang relevan, di mana "relevan"
adalah standar yang fleksibel, yang sensitif terhadap urgensi keputusan. Ini
juga berarti bahwa prediksi epidemiologi harus bertahan dalam ujian waktu dan
ujian kepalsuan. Bahkan jika klaim prediksi epidemiologis ternyata salah, jika
itu dibenarkan, maka prediksinyaaktivitas masih bisa dibilang bagus.
 Mungkin salah satu efek paling penting yang dapat diharapkan dari
berteori tentang prediksi epidemiologis adalah pencegahan sikap saya dan
katakan sebagaimana menghadapi prediksi palsu oleh mereka yang
memprediksi sebaliknya. Prediksi bukanlah masalah rampasan bagi pemenang
atau tebakan yang beruntung bisa benar dan prakiraan yang telaten salah, tetapi
itu tidak berarti bahwa peramal yang beruntung adalah peramal yang lebih baik
atau peramal yang telaten itu melakukan kesalahan, baik dalam arti moral
maupun epistemik. Jika kita dapat mengidentifikasi standar kebaikan prediktif
selain kebenaran output, kita akan berada dalam posisi yang jauh lebih kuat
untuk memperjelas hal ini sehingga dapat membenarkan keputusan untuk
bertindak, serta menempatkan dan menangkis kritik terhadap keputusan
tersebut secara adil.
Perbedaan yang ditarik dalam bab sebelumnya antara taruhan terbaik
dan kliring beberapa bar atau standar bukti juga relevan di sini. Seseorang
mungkin tidak selalu dapat membuat keputusan yang melewati batas:
terkadang seseorang harus bertindak berdasarkan taruhan terbaik. Tetapi masuk
akal untuk bertanya apakah suatu tindakan termasuk perjudian atau bertindak
secara rahasia. Pembedaan itu penting di mana prediksinya salah, karena
seseorang dapat bertanya apakah tindakan itu benar dalam situasi tersebut. Jika
prediksi tersebut sama dengan perjudian, pembenaran untuk bertindak perlu
meminta biaya nyata untuk menunggu lebih banyak bukti. Jika, di sisi lain,
telah dibersihkan, maka tindakan tersebut tidak akan bercacat. Namun
sebenarnya, menunggu itu salah.
F. Kesimpulan
Penelitian epidemiologi mencurahkan banyak upaya untuk membuat
dan mengevaluasi kesimpulan kausal, tetapi tidak jelas bagaimana pengetahuan
kausal harus digunakan untuk memprediksi. Kami telah mencatat kurang
lebihnya kerangka teoritis untuk prediksi dalam filsafat dan epidemiologi, dan
kami telah berusaha untuk menetapkan beberapa persyaratan umum pada
prediksi epidemiologi yang baik. Survei kami dapat diringkas dalam tiga
persyaratan berikut:
1. Kegiatan prediksi epidemiologi tidak dapat dinilai hanya dengan apakah
mereka menghasilkan kebenaran pada kesempatan tertentu.
2. Kegiatan prediksi epidemiologi tidak dapat dinilai hanya dengan daya tarik
sederhana terhadap keandalan masa lalu mereka dalam menghasilkan
kebenaran.
3. Kegiatan prediksi epidemiologi harus membenarkan klaim prediksi yang
mereka hasilkan.
Dengan kendala-kendala ini, mari kita mulai bekerja untuk mencari
tahu apa yang membuat kegiatan prediksi epidemiologis jauh lebih baik.