Telaah Kritis Artikel Penelitian - dengan panduan STROBE

(Strengthening The Reporting of Observational Studies in Epidemiology)

Judul dan Abstrak

1. Judul menunjukkan desain penelitian dan pada abstrak menyediakan
ringkasan yang informatif dan seimbang dengan apa yang dilakukan dalam
penelitian dan hasil yang ditemukan.

Penjelasan
Pembaca harus dapat dengan mudah mengidentifikasi desain yang digunakan dari
judul atau abstrak. Secara eksplisit (tegas), istilah yang biasa digunakan untuk
desain studi juga membantu memastikan pengindeksan yang benar dari artikel
dalam database elektronik.

Abstrak menyediakan informasi utama (penting) yang memungkinkan pembaca

untuk memahami penelitian dan memutuskan apakah akan membaca artikel.
Komponen abtrak terdiri dari: pernyataan atau pertanyaan penelitian, penjelasan
singkat tentang metode dan hasil, dan kesimpulan. Abstrak harus meringkas rincian
utama atau yang penting dari studi dan hanya menyajikan informasi yang
disediakan dalam artikel. Ada penjelasan dari hasil utama atau penting dalam
bentuk numerik yang meliputi jumlah partisipan, perkiraan asosiasi, dan cara yang
tepat dalam menjelaskan variabilitas dan ketidakpastian (misalnya: rasio odds
dengan interval kepercayaan), tidak cukup jika hanya menyatakan bahwa pajanan
berhubungan atau tidak dengan outcome-nya secara signifikan..

Serangkaian judul yang berkaitan dengan latar belakang, desain, pelaksanaan

penelitian dan analisisnya dapat membantu pembaca memperoleh informasi penting
dengan cepat. Banyak jurnal yang membutuhkan abstrak terstruktur, yang
berkualitas tinggi dan lebih informatif daripada ringkasan terstruktur.

Pengantar (Pendahuluan)

Bagian Pendahuluan harus menjelaskan mengapa studi (penelitian) ini dilakukan, apa
pertanyaan dan hipotesisnya. Dalam pendahuluan harus membuat orang lain dapat
memahami konteks penelitian dan menilai potensi kontribusi apa yang diberikan untuk
pengetahuan saat ini.

2. Latar Belakang / dasar pemikiran: Jelaskan latar belakang ilmiah dan dasar
pemikiran dari penelitian yang dilaporkan.

Penjelasan
Latar belakang ilmiah dari penelitian ini memberikan konteks yang penting bagi
pembaca, latar belakang mendasari untuk penelitian dan menjelaskan fokusnya. Ini
memberikan gambaran tentang topik dan apa kesenjangan dalam pengetahuan
saat ini yang dapat diatasi oleh penelitian. Materi latar belakang harus
mencantumkan studi-studi terkait yang terkini dan ditinjauan secara sistematis dari
studi yang bersangkutan.

1
3. Tujuan: pernyataan tujuan khusus dan hipotesis.

Penjelasan
Tujuan rinci dari penelitian ditentukan dengan baik, sehingga pembaca dapat
mengidentifikasi populasi, eksposur dan outcome, dan parameter yang akan
diestimasi (diteliti). Rincian tersebut dapat dirumuskan sebagai hipotesis atau
sebagai pertanyaan penelitian sehingga studi ini dirancang untuk menjawabnya.
Dalam beberapa situasi, tujuan mungkin kurang spesifik, misalnya: dalam fase
penemuan awal. Jika ada, penting juga disebutkan dalam tujuan bahwa ada
analisis sub-kelompok atau analisis tambahan yang mungkin tidak disebutkan pada
tujuan awal penelitian tetapi muncul selama analisis data dan ini harus dijelaskan.

METODE

Bagian metode harus menjelaskan apa yang direncanakan dan apa yang telah
dilakukan secara rinci untuk memungkinkan orang lain memahami aspek-aspek
penting dari studi ini, untuk menilai apakah metode cukup memadai dalam
memberikan jawaban yang handal dan valid, dan untuk menilai apakah ada
penyimpangan yang wajar dari rencana awalnya.

4. Desain Studi: penjelasan unsur utama dalam disain studi pada artikel.

Penjelasan
Jelaskan unsur utama atau penting dari desain studi di bagian metode (atau di akhir
bagian pendahuluan) sehingga pembaca dapat memahami dasar-dasar penelitian.

Contoh: penulis harus menunjukkan bahwa jika studi (penelitian) ini adalah studi
kohort, yang diikuti selama periode waktu tertentu dan menggambarkan kohort
sekelompok orang dan status eksposur mereka. Demikian pula, jika penelitian
menggunakan desain kasus kontrol, harus dijelaskan populasi sumber dari kasus
dan kontrol. Jika penelitian ini adalah survei cross-sectional maka populasi dan titik
waktu di mana data diambil harus disebutkan. Jika desain studi adalah varian dari 3
jenis studi utama, harus ada penjelasan tambahan. Misalnya, untuk studi kasus-
Crossover, yaitu salah satu varian dari desain kasus kontrol, deskripsi singkat
tentang prinsip-prinsipnya harus dijelaskan.

Perlu diingat bahwa penulis sebaiknya tidak hanya menulis desain studinya
“prospektif” atau “retrospektif” saja, karena istilah ini tidak jelas. Contohnya:
penggunaan kata kohort dan prospektif yang merupakan sinonimnya atau kata
retrospektif untuk studi kasus-kontrol. Penggunaan kata untuk membedakan
penelitian kohort prospektif dan kohort retrospektif sesuai dengan waktu
pengumpulan data relatif terhadap waktu ketika ide penelitian dikembangkan.
Sebaiknya juga tidak menggunakan istilah-istilah alternatif “concurrent” dan
“historical” untuk menggambarkan penelitian kohort.
Dalam STROBE, kita tidak menggunakan kata-kata prospektif dan retrospektif atau
kata alternatif. Jika penulis menggunakan kata-kata tersebut maka penulis harus
mendefinisikan apa yang dimaksud. Yang paling penting, penulis harus
menggambarkan dengan tepat bagaimana dan kapan pengumpulan data dilakukan.

Di awal pada bagian metode mungkin juga bisa disebutkan apakah laporan
penelitian tersebut merupakan satu dari beberapa studi. Jika laporan ini sejalan

2
 dengan tujuan awal dari studi, ini biasanya ditunjukkan dengan mengacu pada
publikasi sebelumnya dan secara singkat ada pengulangan fitur yang menonjol dari
penelitian tersebut.

Namun, tujuan penelitian juga dapat berkembang dari waktu ke waktu. Para peneliti
sering menggunakan data untuk tujuan yang pada awalnya tidak dimaksudkan,
misalnya: statistik vital resmi yang dikumpulkan terutama untuk tujuan administratif
dalam kuesioner yang awalnya hanya termasuk untuk kelengkapan atau ada
sampel darah yang dikumpulkan untuk tujuan lain.

Sebagai contoh: Physicians' Health Study, studi RCT dari aspirin dan karoten,
kemudian digunakan untuk menunjukkan bahwa mutasi titik pada gen faktor V
dikaitkan dengan peningkatan risiko trombosis vena, tetapi tidak pada infark
miokard atau stroke. Penggunaan data sekunder yang ada adalah bagian kreatif
dari penelitian observasional dan tidak selalu menghasilkan sesuatu yang kurang
kredibel atau kurang penting. Namun, secara singkat menyatakan kembali tujuan
awal mungkin membantu pembaca memahami konteks penelitian dan jika mungkin
ada keterbatasan dalam data.

5. Setting: Jelaskan setting dalam penelitian tersebut, lokasi, dan tanggal (tahun)
yang relevan, termasuk periode perekrutan, pajanan, follow up dan waktu
pengumpulan data.

Penjelasan
Pembaca membutuhkan informasi tentang setting dan lokasi untuk menilai konteks
dan generalisasi dari hasil penelitian ini. Eksposur, seperti faktor lingkungan dan
terapi, dapat berubah dari waktu ke waktu. Juga, metode penelitian dapat
berkembang dari waktu ke waktu. Mengetahui kapan penelitian berlangsung dan
atas dasar apa periode peserta direkrut dan ditindaklanjuti, tempat studi dalam
konteks historis dan penting untuk interpretasi hasil.

Informasi tentang setting termasuk lokasi (situs) rekrutmen atau sumber (misalnya:
daftar pemilih, klinik rawat jalan, registri kanker, atau pusat perawatan tersier).
Informasi tentang lokasi bisa merujuk ke negara-negara, kota, rumah sakit, atau
praktik di mana penelitian berlangsung. Waktu dijelaskan, dinyatakan dalam tanggal
bukan hanya menjelaskan panjang periode waktu. Mungkin ada set yang berbeda
dari tanggal untuk eksposur, terjadinya penyakit, perekrutan, awal dan akhir dari
follow up, dan pengumpulan data. Dari catatan, hampir 80% dari 132 laporan di
jurnal onkologi yang menggunakan analisis survival termasuk tanggal awal dan
tanggal berakhirnya untuk akrual pasien, tetapi hanya 24% juga yang melaporkan
tanggal follow up berakhir.

6. Partisipan
a. Jika studi kohort: jelaskan kriteria eligible, dan populasi sumber dan
metode seleksi peserta serta metode follow up.
b. Jika studi kasus-kontrol: jelaskan kriteria eligible, dan populasi sumber dan
metode pemastian kasus dan seleksi kontrol. Berikan alasan untuk
pemilihan kasus dan kontrol.
c. Jika studi Cross-sectional: Berikan kriteria eligible, dan populasi sumber
dan metode seleksi peserta.

3
 Penjelasan
Deskripsi rinci dari peserta studi membantu pembaca dalam memahami penerapan
hasil. Peneliti biasanya membatasi populasi penelitian dengan mendefinisikan
karakteristik klinis, demografi, dan lainnya dari peserta yang memenuhi syarat.
kriteria eligible berhubungan dengan usia, jenis kelamin, diagnosis, dan kondisi
komorbiditas. Meskipun penting, kriteria eligible sering tidak dilaporkan secara
memadai. Dalam sebuah survei penelitian stroke yang observasional, 17 dari 49
laporan (35%) tidak menentukan kriteria eligible.

Kriteria eligible dapat dijelaskan sebagai kriteria inklusi dan eksklusi, meskipun
perbedaan ini tidak selalu diperlukan. Jelaskan semua kriteria eligible untuk
menggambarkan dari mana kelompok populasi penelitian yang dipilih (misalnya,
populasi umum dari wilayah atau negara) dan metode perekrutan (misalnya:
rujukan atau seleksi mandiri melalui iklan).

Menjelaskan rincian tentang prosedur follow up, termasuk bagaimana prosedur

meminimalkan nonresponse & dropout dan apakah prosedurnya sama untuk semua
peserta, menginformasikan penilaian tentang validitas hasil. Contoh: dalam sebuah
studi yang menggunakan antibodi IgM untuk mendeteksi infeksi akut, pembaca
perlu tahu interval antara pemeriksaan darah untuk antibodi IgM sehingga mereka
bisa menilai apakah beberapa infeksi mungkin tidak terjawab karena interval antara
pemeriksaan darah terlalu panjang. Dalam penelitian lain di mana prosedur follow
up berbeda antara kelompok-kelompok terpajan dan tidak terpajan, pembaca
mungkin mengenali bias yang cukup besar karena pemastian event yang tidak
merata atau perbedaan nonresponse atau loss to follow up. Peneliti harus
menjelaskan metode yang digunakan untuk mem-follow up peserta dan apakah
menggunakan metode yang sama untuk semua peserta (terpajan dan tidak
terpajan) dan menjelaskan kelengkapan peserta dari setiap variabel yang diteliti.

Dalam studi kasus-kontrol, pemilihan kasus dan kontrol sangat penting untuk
interpretasi hasil, dan metode seleksi mereka memiliki implikasi yang besar untuk
validitas penelitian. Secara umum, kontrol harus mencerminkan populasi dari mana
kasus muncul. Berbagai cara dilakukan untuk sampel kontrol, semua itu memiliki
kelebihan dan kekurangan. Untuk kasus-kasus yang berasal dari populasi umum,
dapat menngunakan kelompok kontrol dari daftar sampling populasi, daftar angka
random, atau dari tetangga atau dari teman kontrol yang digunakan. Kelompok
kontrol dari tetangga atau teman dapat menimbulkan matching intrinsik pada
paparan. Kelompok kontrol dengan penyakit lain mungkin memiliki keunggulan
dibandingkan kontrol berbasis populasi, khususnya untuk kasus-kasus di rumah
sakit, karena mereka lebih mencerminkan populasi yang diambil dari rumah sakit
dan memiliki perbandingan yang lebih besar dari kemudahan dalam penarikan
kembali dan perekrutan. Namun, mereka dapat menimbulkan masalah jika paparan
yang diteliti mempengaruhi risiko pada kelompok kontrol untuk menjadi sakit atau
dirawat di rumah sakit. Untuk mengatasi masalah ini, sering dilakukan memilih
kelompok kontrol dengan cara campuran penyakit lain yang terbaik utk menjadi
kelompok kontrol.

- Jika studi Cohort yang dilkakukan matching, jelaskan kriteria matching dan
jumlah terpajan dan tidak terpajan.

- Jika Studi kasus-kontrol yang dilkakukan matching, jelaskan kriteria matching

dan jumlah kontrol per kasus.

4
 Penjelasan
Matching lebih umum pada studi kasus kontrol, tapi kadang-kadang, peneliti
menggunakan matching dalam studi kohort untuk membuat kelompok yang
sebanding pada awal follow up. Matching dalam studi kohort, secara langsung
membuat kelompok menjadi sebanding untuk potensial confounder dan
menyediakan informasi lebih sedikit daripada studi kasus-kontrol. Misalnya, tidak
perlu matching untuk memperhitungkan estimasi risiko relatif. Karena matching
dalam studi kohort dapat meningkatkan presisi statistik, peneliti mungkin dapat
melakukan analisis matching untuk memperoleh interval kepercayaan sempit.

Dalam studi kasus-kontrol, matching dilakukan untuk meningkatkan efisiensi studi

dengan memastikan kesamaan dalam distribusi variabel antara kasus dan kontrol,
khususnya distribusi variabel potensial. Karena matching dapat dilakukan dengan
berbagai cara, dengan 1 atau lebih kontrol per kasus, alasan untuk pemilihan
variabel yang dimatching dan rincian metode yang digunakan harus dijelaskan.
Bentuk umum matching adalah frekuensi matching (juga disebut kelompok
matching) dan matching individu. Dalam matching frekuensi, peneliti memilih kontrol
sehingga distribusi variabel dimatching menjadi identik atau mirip dengan kasus.
matching individu melibatkan matching 1 atau beberapa kontrol untuk setiap kasus.
Meskipun secara intuitif menarik dan kadang-kadang berguna, matching dalam studi
kasus-kontrol memiliki sejumlah kelemahan, tidak selalu tepat, dan tidak selalu
diperlukan.
diperhitungkan dalam analisis (lihat Kotak 2).

Bahkan rupanya prosedur matching yang sederhana dapat dilaporkan dengan cara
yang kurang baik. Contoh, penulis dapat menyatakan bahwa kontrol yang
dimatching untuk kasus “dalam 5 tahun,” atau menggunakan “usia 5 tahun.”
Apakah ini berarti bahwa, jika kasus itu berusia 54 tahun, masing-masing kontrol
dibutuhkan dalam rentang usia 5 tahun: 50-54, atau yang berusia 49-59, yang
dalam waktu 5 tahun dari umur 54? Jika rentang usia yang luas (misalnya, 10
tahun) yang dipilih, ada bahaya menimbulkan residual confounder pada variabel
usia (lihat Kotak 4), misalnya, karena kelompok kontrol mungkin ternyata lebih muda
dari rata-rata umur kelompok kasus.

7. Variabel: Definisi operasional yang jelas pada variabel outcome, eksposur,

prediktor, potensial confounder, dan efek modifier. Berikan kriteria diagnostik,
jika diterapkan.

Penjelasan
Penulis harus mendefinisikan semua variabel yang akan dimasukkan dalam analisis
yaitu variabel outcome, eksposur, prediktor, potensial confounder, dan potensial
efek modifikasi. Outcome penyakit memerlukan deskripsi kriteria diagnostik yang
rinci. Hal ini berlaku untuk kriteria pada kasus-kasus dalam studi kasus-kontrol,
kejadian penyakit selama masa follow up dalam studi kohort, dan penyakit yang
lazim dalam studi cross-sectional. Jelaskan definisi dan langkah-langkah yang
diambil untuk mematuhi kriteria definisi menjadi sangat penting untuk setiap kondisi
penyakit yang memiliki kepentingan utama dalam penelitian ini.

5
 Untuk beberapa studi, “determinan” atau “prediktor” mungkin merupakan istilah
yang tepat untuk variabel pajanan dan outcome dapat disebut “end points.” Dalam
model multivariabel, penulis kadang-kadang menggunakan istilah “variabel
dependen” untuk outcome dan “variabel independen” atau “explanatory variabel”
untuk eksposur dan variabel confounder. (harus bisa dibedakan variabel eksposur
dari confounder).

Jika banyak variabel telah diukur dan termasuk dalam analisis eksplorasi di fase
pembuktian awal, pertimbangkan untuk menyediakan daftar lampiran dengan
rincian masing-masing variabel, tabel tambahan, atau publikasi terpisah. Dari
catatan, International Journal of Epidemiology baru saja meluncurkan sebuah
bagian baru dengan “profil kohort,” yang mencakup informasi rinci tentang apa yang
diukur pada berbagai titik waktu yang berbeda pada studi tertentu. Jelaskan juga
tentang semua “variabel kandidat” yang dipertimbangkan untuk analisis statistik,
bukan hanya melaporkan yang selektif dan masuk dalam model akhir (lihat butir
16a).

8. Sumber data/pengukuran: Untuk setiap variabel yang diteliti, jelaskan sumber

datanya dan rincian metode penilaian (pengukuran). Jelaskan comparability
dari metode penilaian jika pengukuran lebih dari satu kelompok.

Penjelasan
Cara di mana variabel outcome, eksposur, dan confounder diukur dapat
mempengaruhi kehandalan dan validitas penelitian. Kesalahan dalam pengukuran
dan kesalahan klasifikasi eksposur atau outcome dapat membuat lebih sulit untuk
mendeteksi hubungan sebab-akibat, atau dapat menghasilkan hubungan yang tidak
sebenarnya. Kesalahan dalam pengukuran potensial confounder dapat
meningkatkan risiko menghasilkan residual confounder. Jelaskan bagaimana
penulis melaporkan temuan dari setiap studi dengan memenuhi validitas atau
reliabilitas penilaian atau pengukuran, termasuk rincian dari standar acuan yang
digunakan. Jelaskan bahwa penulis memberikan validitas atau reliabilitas estimasi,
yang kemudian dapat digunakan untuk penyesuaian dari kesalahan pengukuran
atau analisis sensitivitas (lihat item 12e dan 17).

Selain itu, penting untuk mengetahui apakah kelompok yang dibandingkan berbeda
dengan cara di mana data dikumpulkan. Hal ini mungkin penting untuk pemeriksaan
laboratorium dan situasi lain. Misalnya, jika seorang pewawancara melakukan
pertanyaan pertama kali pada semua kasus dan kemudian dilanjutkan untuk
kelompok kontrol, atau sebaliknya, mungkin akan menimbulkan bias karena kurva
belajar (learning curve); solusi utk menghindari masalah tersebut yaitu mengacak
urutan wawancara. Bias informasi juga mungkin timbul jika kelompok yang
dibandingkan tidak dilakukan tes diagnostik yang sama atau jika 1 kelompok
menerima tes lebih dari jenis yang sama dari yang kelompok lain (lihat butir 9).

9. Bias: Jelaskan setiap upaya untuk mengatasi sumber bias yang potensial.

Penjelasan
Bias penelitian secara sistematis akan menghasilkan hasil yang berbeda dari yang
sebenarnya (lihat Kotak 3). Hal ini penting bagi pembaca untuk mengetahui
langkah-langkah apa yang diambil selama pelaksanaan studi untuk mengurangi
potensi bias. Idealnya, peneliti hati-hati dalam mempertimbangkan potensi sumber

6
 bias ketika mereka merencanakan penelitian. Pada tahap pelaporan, jelaskan
bahwa penulis selalu menilai kemungkinan bias yang relevan. Secara khusus, arah
dan besarnya bias harus didiskusikan dan, jika mungkin, memperkirakan besarnya
bias. Misalnya: dalam studi kasus-kontrol, bias informasi dapat terjadi, tetapi dapat
dikurangi dengan memilih kelompok kontrol yang tepat. Oleh karena itu, penulis
harus menjelaskan lebih detail tentang data tambahan yang mereka kumpulkan
untuk mengatasi masalah ini. Ketika peneliti telah menyiapkan program
pengendalian mutu untuk pengumpulan data untuk mengatasi kemungkinan “drift”
dalam pengukuran variabel dalam studi longitudinal, atau untuk menjaga variabilitas
yang minimal ketika menggunakan beberapa observer, ini harus dijelaskan.

Sayangnya, penulis sering tidak menjelaskan bagaimana mengatasi bias yang

penting ketika melaporkan hasil penelitiannya. Di antara 43 publikasi hasil penelitian
kasus-kontrol dan kohort yang diterbitkan 1990-1994 yang meneliti risiko kanker
kedua pada pasien dengan riwayat kanker, yang menjelaskan bias surveilans medis
disebutkan hanya dalam 5 artikel. Sebuah survei laporan penelitian kesehatan
mental diterbitkan selama tahun 1998 di 3 jurnal psikiatri menemukan bahwa hanya
13% dari 392 artikel yang menyebutkan bias respon. Sebuah survei dari studi kohort
dalam penelitian stroke yang menemukan bahwa 14 dari 49 (28%) artikel yang
dipublikasikan 1999-2003 ditujukan potensi bias seleksi dalam perekrutan peserta
penelitian dan 35 (71%) menyebutkan kemungkinan bahwa setiap jenis bias
mungkin telah mempengaruhi hasil.

10. Ukuran Studi: Jelaskan bagaimana ukuran studi itu ditetapkan.

Penjelasan
Sebuah studi harus cukup besar untuk mendapatkan point estimate dengan
interval kepercayaan cukup sempit untuk menjawab pertanyaan penelitian yang
bermakns. sampel besar diperlukan untuk membedakan hubungan kecil dari tidak
ada hubungan. penelitian kecil sering memberikan informasi yang berharga, tetapi
interval kepercayaan yang lebar dapat menunjukkan bahwa mereka kurang
berkontribusi untuk pengetahuan saat ini dibandingkan dengan penelitian
memberikan perkiraan dengan interval kepercayaan sempit. Juga, studi kecil yang
menunjukkan asosiasi yang “menarik” atau “signifikan secara statistik” diterbitkan
lebih sering daripada penelitian kecil yang tidak memiliki temuan yang “signifikan”.
Sementara studi ini dapat memberikan sinyal awal dalam konteks penemuan,
pembaca harus diberitahu tentang potensi kelemahan mereka.

Pentingnya penentuan ukuran sampel dalam studi observasional tergantung pada

konteks. Jika analisis dilakukan pada data yang sudah tersedia untuk keperluan
lain, pertanyaan utama adalah apakah analisis data akan menghasilkan hasil
dengan presisi statistik yang cukup untuk berkontribusi secara substansial literatur,
dan pertimbangan ukuran sampel akan lebih informal. Formal, perhitungan apriori
dari ukuran sampel mungkin berguna ketika merencanakan sebuah studi baru.
Perhitungan tersebut terkait dengan ketidakpastian lebih daripada yang tersirat
dengan jumlah tunggal yang umumnya dihasilkan. Misalnya, estimasi rate dari
event yang diteliti atau asumsi-asumsi central perhitungan umumnya tidak tepat,
jika tidak menebak.

7
 Beberapa penelitian epidemiologi menjelaskan atau melaporkan pembahasan
tentang ukuran sampel. Peneliti harus melaporkan perhitungan ukuran sampel bila
dilakukan. Dalam situasi lain, mereka harus menunjukkan pertimbangan untuk
metentukan ukuran studi (misalnya sudah tersedia sampel tetap). Jika studi
observasional dihentikan lebih awal ketika signifikansi statistik dicapai, pembaca
harus diberitahu. Pembaca tidak perlu repot dengan justifikasi (pembenaran)
posthoc untuk ukuran studi atau perhitungan power secara retrospektif. Dari sudut
pandang pembaca, interval kepercayaan menunjukkan presisi statistik yang
akhirnya diperoleh. Perlu disadari bahwa interval kepercayaan mencerminkan
ketidakpastian statistik saja, dan tidak semua ketidakpastian yang mungkin ada
dalam studi (lihat butir 20).

11. Variabel kuantitatif: Jelaskan bagaimana cara menangani variabel kuantitatif

dalam analisis. Jika dapat diterapkan, jelaskan cara pengelompokan data
yang dipilih, dan mengapa.

Penjelasan
Peneliti membuat pilihan tentang bagaimana mengumpulkan dan menganalisis
data kuantitatif tentang eksposur, efek modifier, dan confounder. Contoh, mereka
mungkin kelompok variabel terpajan secara terus-menerus untuk membuat
variabel kategoris baru (lihat Kotak 4). Pilihan dalam membuat pengelompokan
memiliki konsekuensi penting untuk analisis data selanjutnya. Penulis perlu
menjelaskan mengapa dan bagaimana data kuantitatif dikelompokkan, termasuk
jumlah kategori, cut-off-poin, dan mean dari kategori atau nilai-nilai median. Setiap
kali data dilaporkan dalam bentuk tabel, hitungan kasus, kontrol, orang yang
beresiko, person-time at risk dll, harus diberikan penjelasan untuk setiap kategori.
Tabel seharusnya tidak terdiri hanya dari estimasi ukuran efek atau hasil dari
model yang fit.

Investigators might model an exposure as continuous in order to retain all the

information. In making this choice, one needs to consider the nature of the
relationship of the exposure to the outcome. As it may be wrong to assume a linear
relation automatically, possible departures from linearity should be investigated.
Authors could mention alternative models they explored during analyses (for
example, using log transformation, quadratic terms, or spline functions). Several
methods exist for fitting a non-linear relation between the exposure and outcome.
Also, it may be informative to present both continuous and grouped analyses for a
quantitative exposure of prime interest.

In a recent survey, two thirds of epidemiologic publications studied quantitative

exposure variables. In 42 of 50 articles (84%), exposures were grouped into several
ordered categories, but often without any stated rationale for the choices made.
Fifteen articles used linear associations to model continuous exposure, but only 2
reported checking for linearity. In another survey, of the psychological literature,
dichotomization was justified in only 22 of 110 articles (20%).

12. Metode Statistik

a. Jelaskan semua metode statistik yang digunakan termasuk cara dalam

mengontrol confounding.

8
b. Jelaskan setiap metode yang digunakan untuk memeriksa (analisis)
subkelompok dan interaksi.
c. Jelaskan bagaimana mengatasi missing data.
d. Pada studi kohort: jelaskan bagaimana mengatasi analisis data pada yang
loss to follow up
e. Pada kasus kontrol: jelaskan bagaimana analisis matching yang
dilakukan pada kelompok kasus dan kontrol
f. Pada cross sectional: jelaskan metode analisis dalam menghitung dari
strategi sampling
g. Jelaskan jika dilakukan analisis sensitivitas

Penjelasan
a. Jelaskan semua metode statistik yang digunakan termasuk cara dalam
mengontrol confounding.
In general, there is no one correct statistical analysis but, rather, several
possibilities that may address the same question but make different
assumptions. Regardless, investigators should predetermine analyses at least
for the primary study objectives in a study protocol. Often additional analyses
are needed, either instead of, or as well as, those originally envisaged, and
these may sometimes be motivated by the data. When a study is reported,
authors should tell readers whether particular analyses were suggested by data
inspection. Even though the distinction between prespecified and exploratory
analyses may sometimes be blurred, authors should clarify reasons for
particular analyses.

If groups being compared are not similar with regard to some characteristics,
adjustment should be made for possible confounding variables by stratification
or by multivariable regression (see Box 5). Often, the study design determines
which type of regression analysis is chosen. For instance, Cox proportional
hazard regression is commonly used in cohort studies, whereas logistic
regression is often the method of choice in case–control studies. Analysts
should fully describe specific procedures for variable selection and not only
present results from the final model. If model comparisons are made to narrow
down a list of potential confounders for inclusion in a final model, this process
should be described. It is helpful to tell readers if 1 or 2 covariates are
responsible for a great deal of the apparent confounding in a data analysis.
Other statistical analyses, such as imputation pro cedures, data transformation,
and calculations of attributable risks, should also be described. Nonstandard or
novel approaches should be referenced, and the statistical software used
reported. As a guiding principle, we advise statistical methods be described “with
enough detail to enable a knowledgeable reader with access to the original data
to verify the reported results”.

In an empirical study, only 93 of 169 articles (55%) reporting adjustment for

confounding clearly stated how continuous and multicategory variables were
entered into the statistical model. Another study found that among 67 articles in
which statistical analyses were adjusted for confounders, it was mostly unclear
how confounders were chosen.

9
b. Jelaskan setiap metode yang digunakan untuk memeriksa (analisis)
subkelompok dan interaksi.
Sebagaimana yang dibahas secara rinci pada butir 17, banyak perdebatan
penggunaan dan nilai dari pembatasan analisis untuk subkelompok dari
populasi studi. Analisis subkelompok tetap sering dilakukan. Pembaca perlu
tahu mana analisis subkelompok yang direncanakan terlebih dahulu, dan yang
muncul ketika menganalisis data. Juga, penting untuk menjelaskan metode apa
yang digunakan untuk memeriksa apakah efek atau asosiasi berbeda di seluruh
kelompok (lihat butir 17).

Interaksi berkaitan dengan situasi ketika salah satu faktor memodifikasi efek lain
(karena itu juga disebut “efek modifikasi”). Joint action dari 2 faktor dapat
dicirikan dgn 2 cara: pada skala aditif, dalam hal perbedaan risiko (RD); atau
pada skala multiplikatif, dalam hal risiko relatif atau RR (lihat Kotak 8). Banyak
penulis dan pembaca mungkin memiliki preferensi mereka sendiri tentang cara
interaksi harus dianalisis. Namun, mereka mungkin tertarik untuk mengetahui
sampai sejauh mana efek gabungan dari eksposur berbeda dari efek terpisah
(masing-masing). Ada konsensus bahwa skala aditif, yang menggunakan risiko
absolut (RD), lebih tepat untuk kesehatan masyarakat dan pengambilan
keputusan klinis. Apapun pandangan yang diambil, ini harus jelas disajikan
kepada pembaca, seperti yang dilakukan pada contoh di atas. Sebuah tata letak
(layout) menyajikan informasi efek yang terpisah dari kedua eksposur serta efek
gabungan, masing-masing relatif tidak ada paparan, mungkin paling informatif.
Hal ini disajikan dalam contoh untuk interaksi pada butir 17, dan perhitungan
pada skala yang berbeda dijelaskan dalam Kotak 8.

c. Jelaskan bagaimana mengatasi missing data.

Penjelasan
Missing data, umum terjadi dalam penelitian observasional. Kuesioner di-pos-kan
untuk subyek study tidak selalu diisi dengan benar, peserta mungkin tidak
menghadiri pada semua kunjungan follow up, dan sumber data rutin dan data-
berbasis klinis sering tidak lengkap. Meskipun sering terjadi, beberapa paper
melaporkan secara rinci pada masalah data missing. Peneliti dapat
menggunakan salah satu dari beberapa pendekatan untuk mengatasi data
missing. Kami menjelaskan beberapa kunggukan dan keterbatasan dari berbagai
pendekatan (dalam Kotak 6). Penulis harus menjelaskan jumlah dari nilai yang
missing, untuk setiap variabel yang diteliti (eksposur, outcome, confounder) dan
untuk setiap langkah dalam analisis. Penulis harus memberikan alasan untuk
missing value dan menunjukkan berapa banyak individu dikeluarkan karena data
hilang ketika menggambarkan flowchart partisipan atau diagram alir (lihat butir
13). Untuk analisis yang memperhitungkan data missing, penulis harus
menggambarkan nature dari analisis (misalnya multiple imputasi) dan asumsi
yang dibuat (misalnya hilang secara acak, lihat Kotak 6).

d. Pada studi kohort: jelaskan bagaimana mengatasi analisis data pada yang
loss to follow up

Penjelasan
Penelitian kohort dianalisis dengan metode life table atau pendekatan lain yang
didasarkan pada follow up orang-waktu dan waktu berkembangnya penyakit

10
 yang diteliti. Di antara individu yang tetap bebas dari penyakit pada akhir
periode pengamatan, jumlah waktu follow up diasumsikan terkait dengan
kemungkinan terjadinya outcome. Ini akan terjadi jika follow up berakhir pada
tanggal tetap atau pada usia tertentu. Loss to follow up terjadi ketika peserta
menarik diri dari penelitian sebelum tanggal tersebut. Hal ini dapat
menghambat validitas penelitian jika loss to follow-up terjadi selektif pada
individu terpajan, atau pada orang yang berisiko tinggi untuk terjadinya penyakit
( “sensor informatif”). Dalam contoh di atas, pasien yang LFU dalam program
pengobatan yang tdk aktif follow up mempunya CD4 lebih rendah daripada
yang diobservasi lebih tinggi mendapatkan risiko kematian.

Hal ini penting untuk membedakan orang yang mencapai akhir studi dari orang-
orang yang hilang untuk di follow up. Sayangnya, perangkat lunak statistik
biasanya tidak membedakan antara 2 situasi: dalam kedua kasus, waktu follow
up secara otomatis terpotong ( “disensor”) pada akhir periode observasi. Oleh
karena itu peneliti harus memutuskan, idealnya pada tahap perencanaan
penelitian, bagaimana mereka akan mengantisipasi dan mengatasi LFU. Ketika
beberapa pasien hilang, peneliti mungkin merasa lebih baik mengecualikan
individu dengan mereka yang lengkap follow up-nya, atau memperlakukan
mereka seolah-olah mereka menarik diri hidup di kedua tanggal LFU atau akhir
penelitian. Kami menyarankan penulis untuk melaporkan berapa banyak pasien
yang hilang untuk di follow up dan apa strategi yang mereka digunakan untuk
mengatasi sensor.

e. Pada kasus kontrol: jelaskan bagaimana analisis matching yang dilakukan

pada kelompok kasus dan kontrol

Penjelasan
Dalam studi kasus kontrol yang dimatching secara individu, crude analisis dari
rasio odds, mengabaikan matching, biasanya mengarah ke estimasi yang
condong mendekati satu (lihat Kotak 2). Oleh karena itu analisis matching sering
diperlukan. Hal ini dapat secara intuitif dipahami sebagai analisis stratifikasi:
setiap kasus dipandang sebagai 1 strata dengan individu kontrol yang di
matching. analisis terletak pada mempertimbangkan apakah kasus ini lebih
sering terpajan daripada kontrol, meskipun telah membuat mereka sama pada
variabel yang dimatching. Peneliti dapat melakukan seperti analisis stratifikasi
menggunakan metode Mantel-Haenszel pada tabel 2x2 yang di-matched. Dalam
bentuk yang paling sederhana, rasio odds menjadi rasio dari pasangan yang
‘discordant’ untuk variabel eksposur. Jika matching dilakukan untuk variabel
seperti usia dan jenis kelamin yang atribut universal, analisis tidak perlu
mempertahankan matching individu, matching person-to-person; analisis
sederhana pada kategori usia dan jenis kelamin cukup. Untuk variabel matching
lain, seperti lingkungan, saudara kandung, atau friendship, masing-masing yang
di-matched harus dipertimbangkan dalam stratanya sendiri.

Dalam individual matching study, metode yang paling banyak digunakan adalah
analisis regresi logistik conditional, dimana setiap kasus dan kontrol mereka
dipertimbangkan secara bersama-sama. Metode kondisional diperlukan bila
jumlah kontrol bervariasi antara kasus, dan ketika, di samping variabel yang
dimatched, variabel lain perlu diadjust. Untuk memungkinkan pembaca dalam
menilai apakah desain matching itu tepat diperhitungkan dalam analisis, penulis

11
 harus menjelaskan secara rinci apa metode statistik yang digunakan untuk
menganalisis data. Jika matching memperhitungkan memang memiliki pengaruh
yang kecil pada perkiraan, penulis dapat memilih untuk menyajikan analisis yang
tidak dimatching.

f. Pada cross sectional: jelaskan metode analisis dalam menghitung dari

strategi sampling

Penjelasan
Kebanyakan penelitian cross-sectional menggunakan strategi sampling yang
ditentukan sebelumnya untuk memilih peserta dari populasi sumber. Sampling
mungkin lebih kompleks daripada mengambil sampel acak sederhana. Ini
mungkin termasuk beberapa tahap dan clustering peserta (misalnya, di
kecamatan atau desa). stratifikasi proporsional dapat memastikan bahwa sub-
kelompok dengan karakteristik tertentu benar dan representatif. stratifikasi
proporsional mungkin berguna untuk oversample (sample besar) pada setiap
subkelompok dari variabel yang diteliti.
Estimasi asosiasi yang berasal dari sampel kompleks mungkin lebih atau
kurang tepat dari yang berasal dari sampel acak sederhana. Langkah-langkah
presisi, seperti standard error atau interval kepercayaan, harus diperbaiki
menggunakan efek desain, ukuran rasio yang menggambarkan berapa banyak
presisi diperoleh atau hilang jika strategi sampling yang lebih kompleks
digunakan sebagai pengganti simple random sampling. Kebanyakan teknik
sampling yang kompleks menyebabkan penurunan presisi, sehingga
menghasilkan efek desain yang lebih besar dari 1.
Penulis harus jelas menyatakan metode yang digunakan untuk menyesuaikan
strategi sampling yang kompleks sehingga pembaca dapat memahami
bagaimana metode sampling yang dipilih dipengaruhi ketepatan perkiraan yang
dihasilkan. Misalnya, dengan pengambilan sampel cluster, implisit trade-off
antara pengumpulan data lebih mudah dan kehilangan presisi lebih transparan
jika efek desain dilaporkan. Contoh, efek desain dihitung dari 1,9 untuk laki-laki
menunjukkan bahwa ukuran sampel yang sebenarnya akan perlu 1,9 kali lebih
besar dibandingkan dengan simple random sampling untuk estimasi yang
dihasilkan dan memiliki presisi yang sama.

g. Jelaskan penggunaan analisis sensitivitas

Penjelasan
Analisis sensitivitas berguna untuk menyelidiki apakah hasil utama konsisten
dengan yang diperoleh menggunakan strategi analisis alternatif atau asumsi. Isu-
isu yang dapat diperiksa termasuk kriteria untuk dimasukkan dalam analisis,
definisi eksposur atau outcome yang diadjust dengan variabel confounding,
penanganan missing data, mungkin bias seleksi atau bias dari pengukuran yang
tidak akurat atau tidak konsisten dari pajanan, penyakit, dan variabel lain; dan
pilihan analisis spesifik, seperti variabel perlakuan kuantitatif (lihat butir 11).
metode canggih semakin digunakan untuk model secara bersamaan pengaruh
beberapa bias atau asumsi.

Pada tahun 1959, ladang jagung dan rekan yang terkenal menunjukkan bahwa
risiko relatif dari 9 yang merokok dan kanker paru-paru sangat tidak mungkin

12
 karena dipengaruhi confounder, karena confounder akan perlu setidaknya
prevalent 9 kali pada perokok seperti di non perokok. Analisis ini tidak menutup
kemungkinan bahwa ada faktor yang ikut berperan, tapi mengidentifikasi
prevalensi sebagai faktor harus dilakukan. Pendekatan yang sama baru-baru ini
digunakan untuk mengidentifikasi faktor confounder yang masuk akal yang bisa
menjelaskan hubungan antara leukemia pada mereka yang tinggal di dekat jalur
listrik. Lebih umum, analisis sensitivitas dapat digunakan untuk mengidentifikasi
deraajat confounder, bias seleksi, atau bias informasi, yang diperlukan untuk
mendistorsi sebuah asosiasi. Salah satu yang penting, mungkin kurang diakui,
analisis sensitifity ketika suatu penelitian menunjukkan asosiasi yang kecil atau
tidak ada asosiasi antara eksposure dan outcome dan plausibility confounding
atau bias menuju null.

HASIL

Bagian Hasil harus memberikan fakta tentang apa yang ditemukan, dari perekrutan
peserta penelitian, deskripsi populasi penelitian, hasil utama dan analisis tambahan.
Itu harus terbebas dari interpretasi dan teks diskursif yang mencerminkan pandangan
dan pendapat penulis.

13. Partisipan:
a. Laporkan jumlah individu pada setiap tahapan studi misalnya: jumlah
subyek yang berpotensi dan memenuhi kriteria, jumlah yang eligible
untuk masuk dalam studi, jumlah subyek yang sudah dikonfirmasi
memenuhi kriteria, jumlah yang masuk dalam penelitian, jumlah subyek
yang di-follow up sampai selesai, dan jumlah yang dianalisis.

Penjelasan
Informasi lengkap mengenai proses merekrut peserta studi penting karena
beberapa alasan. Mereka yang masuk dalam penelitian sering berbeda dari target
populasi yang hasilnya akan diterapkan. Hal ini dapat mengakibatkan estimasi
prevalensi atau insiden yang tidak mencerminkan keadaan pada target populasi.
Misalnya, orang-orang yang setuju untuk berpartisipasi dalam survei perilaku
seksual akan jarang dtg ke gereja, memiliki sikap seksual kurang konservatif dan
usia saat pertama berhubungan seksual dan lebih mungkin untuk merokok dan
minum alkohol dibandingkan orang yang menolak menjadi peserta. Perbedaan ini
menunjukkan bahwa survei mungkin akan overestimasi terhadap sikap liberalisme
dan aktivitas seksual di populasi. Bias respon tersebut (lihat Kotak 3) dapat
mendistorsi asosiasi pajanan - penyakit jika asosiasi berbeda antara mereka yang
eligible untuk penelitian dan mereka yang masuk dalam penelitian ini. Sebagai
contoh lain, hubungan antara usia ibu yang terlalu muda dan leukemia pada anak,
yang telah diamati dalam beberapa studi kasus-kontrol, dijelaskan bahwa tingkat
partisipasi yang berbeda pada perempuan muda dalam kasus dan kelompok
kontrol. Wanita muda dengan anak-anak yang sehat mungkin kurang minat untuk
berpartisipasi dibandingkan dengan wanita dengan anak-anak yang tidak sehat.
Meskipun tingkat partisipasi yang rendah tidak selalu membahayakan validitas
penelitian, informasi yang transparan pada partisipan dan alasan nonparticipation
adalah penting. Juga, karena tidak ada definisi yang disepakati secara universal
untuk partisipasi, respon rate, atau follow up rate, pembaca perlu memahami
bagaimana penulis menghitung proporsi tersebut.

13
 Idealnya, peneliti harus memberikan penjelasan tentang jumlah individu yang
dipertimbangkan pada saat merekrut peserta penelitian di setiap tahap, dari pilihan
populasi target untuk masuknya data peserta dalam analisis. Tergantung pada
jenis studi, ini mungkin termasuk jumlah individu yang dianggap berpotensi
eligible, jumlah dinilai untuk eligible, jumlah yang ditemukan yang eligible, jumlah
yang dilibatkan dalam penelitian ini, jumlah yang diperiksa, jumlah yang di-follow
up, dan jumlah yang dimasukkan dalam analisis. Informasi tentang unit sampling
yang berbeda mungkin diperlukan, jika pengambilan sampel peserta penelitian
dilakukan dalam 2 tahap atau lebih seperti dalam contoh di atas (multistage
sampling). Dalam studi kasus-kontrol, penulis perlu menggambarkan diagram alir
peserta secara terpisah untuk kasus dan kelompok kontrol. Kontrol kadang-
kadang dapat dipilih dari beberapa sumber, termasuk, misalnya, pasien yang dari
rumah sakit dan dari masyarakat. Dalam hal ini, kami sarankan terpisah dari
jumlah peserta untuk setiap jenis kelompok kontrol. Perlu ada pedoman pelaporan
yang berguna untuk kontrol yang direkrut melalui random digit-dialling dan metode
lainnya.
Sebuah survei terbaru dari studi epidemiologi yang diterbitkan dalam 10 jurnal
epidemiologi umum, kesehatan masyarakat, dan jurnal medis menemukan bahwa
beberapa informasi tentang tigkat partisipasi disediakan di 47 dari 107 studi kasus-
kontrol (59%), 49 dari 154 studi kohort (32%), dan 51 dari 86 studi cross-sectional
(59%). Pelaporan tidak lengkap dan nonparticipation dalam studi epidemiologi juga
didokumentasikan dalam 2 survei lain dari literatur. Akhirnya, ada bukti bahwa
partisipasi dalam studi epidemiologi mungkin telah menurun dalam beberapa
dekade terakhir, yang menggarisbawahi perlunya pelaporan yang transparan.

b. Penjelasan tentang alasan non-partisipasi pada setiap tahap.

Penjelasan
Menjelaskan alasan mengapa peserta tidak mau lagi berpartisipasi dalam
penelitian atau mengapa mereka dikeluarkan dari analisis statistik, penjelasan ini
dapat membantu pembaca menilai apakah populasi penelitian dapat mewakili
populasi target dan apakah ada bias yang mungkin terjadi. Misalnya, dalam survei
kesehatan cross-sectional, terdapat nonparticipation karena alasan yang mungkin
tidak berhubungan dengan status kesehatan (misalnya, surat undangan tidak
disampaikan karena info yang salah) akan mempengaruhi ketepatan estimasi tapi
mungkin tidak akan menimbulkan bias. Sebaliknya, jika banyak orang yang
memilih keluar dari survei karena sakit atau dirasakan kesehatan yang baik,
hasilnya mungkin underestimate atau overestimate, prevalensi kesehatan yang
buruk dalam populasi.

c. Pertimbangkan penggunaan diagram alir dalam perekrutan peserta.

Penjelasan
Diagram alir yang informatif dan terstruktur dengan baik, mudah dimengerti dan
transparan dapat membantu menyampaikan informasi yang mungkin memerlukan
penjelasan yang panjang, seperti dalam contoh di atas. Diagram dapat berguna
termasuk hasil utama, seperti jumlah kejadian/hasil utama. Lebih
direkomendasikan penggunaan diagram alir, khususnya untuk studi observasional
yang kompleks, tidak ada format tertentu untuk diagram.

14
14. Data Deskriptif:
a. Jelaskan karakteristik peserta penelitian (misalnya: demografi, klinis, sosial),
informasi pada eksposur dan potensial confounder.

Penjelasan
Pembaca memerlukan deskripsi dari peserta studi dan eksposur untuk menilai
kemampuan generalisasi dari hasil temuan. Informasi tentang confounder potensial
(apadan bagaimana diukurnya), mempengaruhi penilaian tentang validitas studi.
Penulis menjelaskan tentang ringkasan variabel kontinu untuk setiap kelompok
studi dengan nilai mean dan standar deviasi, atau, bila data memiliki distribusi
asimetris (seperti yang sering terjadi), median dan rentang persentil (misalnya 25
dan 75 percentil). Variabel yang membentuk sejumlah kecil kategori (seperti tahap
penyakit I sampai IV) tidak harus disajikan sebagai variabel kontinu; adalah lebih
baik dengan jumlah dan proporsi untuk setiap kategori (lihat Kotak 4). Dalam studi
yang membandingkan kelompok, karakteristik deskriptif dan jumlah harus ada di
setiap kelompok, langkah-langkah inferensial seperti standar error dan interval
kepercayaan tidak boleh digunakan untuk menggambarkan variabilitas karakteristik,
dan tes signifikansi harus dihindari dalam tabel deskriptif. Juga, nilai P tidak sesuai
untuk memilih confounder untuk di-adjust dalam analisis; bahkan perbedaan kecil
dalam confounder yang memiliki efek yang kuat pada hasil dapat menjadi penting.

Dalam studi kohort, mungkin berguna untuk mendokumentasikan bagaimana

paparan berkaitan dengan karakteristik lain dan confounder potensial. Penulis bisa
menyajikan informasi ini dalam sebuah tabel dengan kolom untuk peserta dalam 2
atau lebih kategori paparan, yang memungkinkan untuk menilai perbedaan
confounder antara kategori ini.

Dalam studi kasus kontrol, confounder potensial tidak dapat dinilai dengan
membandingkan kasus dan kontrol. Kontrol mewakili populasi sumber dan biasanya
akan berbeda dari kasus dalam banyak hal. Sebagai contoh, dalam sebuah studi
kontrasepsi oral dan infark miokard, sampel wanita muda dengan infark lebih sering
memiliki faktor risiko untuk penyakit itu, seperti kolesterol serum yang tinggi,
merokok, dan riwayat keluarga yang positif, daripada kelompok kontrol. Ini tidak
mempengaruhi penilaian efek kontrasepsi oral, selama kontrasepsi oral tidak
dipandu oleh adanya faktor risiko tersebut misalnya, karena faktor-faktor risiko
timbul setelah kejadian/event (lihat Kotak 5). Dalam studi kasus-kontrol,(Seperti
yang dilakukan di kohort) dapat dicapai dengan menjelajahi populasi sumber dari
kasus: jika kelompok kontrol cukup besar dan mewakili populasi sumber, terbuka
dan kontrol yang tidak terpajan dapat dibandingkan untuk confounder potensial.

b. Jelaskan jumlah peserta/data missing untuk setiap variabel yang diteliti.

Penjelasan
Seperti data yang missing mungkin dapat memunculkan bias atau mempengaruhi
generalisasi hasil, penulis harus memberitahu pembaca tentang jumlah data yang
missing untuk eksposur, confounder potensial, dan karakteristik penting lainnya dari
pasien (lihat butir 12c dan Kotak 6). Dalam sebuah penelitian kohort, penulis harus
melaporkan besarnya loss to follow up (dengan alasan), karena tidak lengkap follow
up mungkin akan ada temuan Bias (lihat item 12d dan 13). Kami menyarankan

15
 penulis untuk menggunakan tabel dan gambar mereka untuk menghitung jumlah
data yang hilang.

c. Pada studi kohort: jelaskan ringkasan follow up time, misalnya, rata-rata

waktu dan jumlah total waktu FU.

Penjelasan
Pembaca perlu mengetahui durasi dan follow up rate pada data hasil yang
tersedia. Penulis dapat menyajikan ringkasan rata-rata follow up dengan baik,
mean atau median waktu follow up atau keduanya. mean memungkinkan
pembaca untuk menghitung jumlah total orang-tahun dengan mengalikan dengan
jumlah peserta studi. Penulis juga dapat menyediakan data minimum dan
maksimum atau persentil dari distribusi untuk menunjukkan pembaca tentang
distribusi follow up. menjelaskan total orang-tahun, periode follow up atau
beberapa indikasi proporsi data potensial yang ditangkap. Semua informasi
tersebut dapat disajikan secara terpisah untuk peserta dalam 2 atau lebih kategori
eksposur. Hampir setengah dari 132 artikel dalam jurnal kanker (kebanyakan
penelitian kohort) tidak memberikan ringkasan lamanya follow up.

15. Data variabel outcome

- Pada penelitian kohort: menjelaskan jumlah outcome/event atau
summary/ringkasan dari waktu ke waktu.
- Pada kasus-kontrol: jelaskan jumlah pada masing-masing kategori
eksposure atau summary/ringkasan dari waktu ke waktu.
- Pada penelitian cross-sectional: Laporkan angka kejadian/hasil atau
langkah-langkah ringkasan.

Penjelasan
Sebelum membahas hubungan yang mungkin antara eksposures (faktor risiko) dan
outcome, penulis harus melaporkan data deskriptif yang relevan. Menjelaskan
asosiasi pada tabel yang sama yang menyajikan data deskriptif (lihat butir 14a). Dalam
sebuah penelitian kohort dengan event sebagai hasil, melaporkan angka kejadian
untuk setiap hasil yang diteliti. Pertimbangkan melaporkan insiden rate per orang-tahun
masa follow up. Jika risiko suatu event berubah selama periode follow-up, menyajikan
angka dan insiden rate dalam interval yang sesuai follow up atau sebagai plot life table
atau Kaplan-Meier. Mungkin lebih baik untuk menunjukkan plot sebagai kejadian
kumulatif yang naik dari 0% daripada turun dari 100%, terutama jika tingkat kejadian
lebih rendah, katakanlah, 30% (153). Pertimbangkan menyajikan informasi tersebut
secara terpisah untuk peserta pada kategori eksposur yang berbeda. Jika penelitian
kohort sedang menyelidiki hasil terkait waktu lainnya (misalnya, penanda penyakit
kuantitatif seperti tekanan darah), langkah-langkah dibuat ringkasan yang sesuai
(misalnya, nilai mean dan standar deviasi) dari waktu ke waktu, mungkin pada tabel .

Untuk studi cross-sectional, sebaiknya menyajikan jenis informasi yang sama pada
peristiwa/outcome. Untuk studi kasus kontrol, fokus pada pelaporan eksposur secara
terpisah untuk kasus dan kontrol sebagai frekuensi atau ringkasan kuantitatif. Untuk
semua desain, mungkin akan membantu juga untuk tabulasi hasil atau pada kategori
eksposur, bahkan jika data tidak dianalisis seperti itu.

16
16. Hasil utama:
a. Jelaskan nilai estimasi yang unadjusted dan jika ada, nilai estimasi yang
telah diadjust dengan confounder dan presisi nya (misalnya CI 95%).
membuat jelas confounder yang adjusted (untuk dan mengapa
confounder dimasukkan).

Penjelasan

Dalam banyak situasi, penulis dapat menyajikan hasil analisis yang telah di-adjust
atau analisis adjusted minimal dan dari analisis yang telag diadjust sepenuhnya.
Menjelaskan hasil analisis unadjusted bersama-sama dengan data utama,
misalnya, jumlah kasus dan kontrol yang terpajan atau tidak. Hal ini memungkinkan
pembaca untuk memahami data yang ada sebelum ukuran asosiasi (lihat butir 15).
Untuk analisis adjusted, melaporkan jumlah orang dalam analisis, karena jumlah ini
mungkin berbeda karena ada nilai-nilai yang missing pada kovariat (lihat butir 12c).
Nilai estimasi disajikan bersama dengan interval kepercayaan.

Pembaca dapat membandingkan ukuran asosiasi unadjusted dengan yang sudah

diadjust dengan potensial confounder dan seberapa banyak/besarnya, dan arah dari
perubahan nilai asosiasinya. Pembaca mungkin berpikir bahwa hasil yang
“adjusted” sama dengan bagian kausal dari ukuran asosiasi, namun hasil yang
adjusted belum tentu bebas dari kesalahan random sampling, bias seleksi, bias
informasi, atau resdiual confounder (lihat Kotak 5). Dengan demikian, harus hati-hati
dilakukan ketika meng-interpretasikan hasil adjusted, sebagai keabsahan hasil
sering sangat bergantung pada pengetahuan lengkap tentang confounder penting,
pengukuran yang tepat, dan spesifikasi yang sesuai dalam model statistik (lihat butir
20).

Penulis harus menjelaskan semua confounder potensial yang dipertimbangkan, dan

kriteria variabel yang tidak termasuk atau termasuk dalam pemodelan statistik.
Keputusan tentang variabel yang tidak termasuk atau termasuk harus dipandu oleh
pengetahuan, atau asumsi eksplisit, pada hubungan kausal. keputusan yang tidak
sesuai dapat menimbulkan bias, misalnya, dengan memasukan variabel yang
berada di jalur kausal antara paparan dan penyakit (kecuali tujuannya adalah untuk
menilai berapa banyak efek yang dilakukan oleh variabel perantara). Jika keputusan
untuk memasukkan variabel dalam model didasarkan pada perubahan estimasi
tersebut, penting untuk melaporkan apa perubahan yang dianggap cukup penting
untuk membenarkan inklusi. Jika strategi “backward deletion” atau “forward
inclusion” digunakan untuk memilih confounder, menjelaskan proses itu dan
memberikan tingkat signifikansi untuk menolak hipotesis nol sehingga tidak ada
yang membingungkan. Tidak disarankan memilih confounder hanya didasarkan
pada pengujian signifikansi statistik.

b. Laporan batasan kategori ketika variabel kontinu dikategorikan.

Penjelasan
Mengkategorikan data kontinu memiliki beberapa implikasi penting untuk analisis
(lihat Kotak 4) dan juga mempengaruhi penyajian hasil. Dalam tabel, hasil harus
dicantumkan untuk setiap kategori paparan, misalnya, jumlah orang yang berisiko,

17
orang-time risk, jika relevan secara terpisah untuk masing-masing kelompok
(misalnya, kasus dan kontrol). Rincian kategori yang digunakan dapat membantu
perbandingan studi dan meta-analisis. Jika data dikelompokkan menggunakan cut
off poin konvensional, seperti ambang batas indeks massa tubuh, batas-batas
kelompok (yaitu, rentang nilai) dapat diturunkan dengan mudah, kecuali tertinggi
dan kategori terendah. Jika kategori kuantil yang diturunkan digunakan, kategori
batas tidak dapat disimpulkan dari data. Minimal, penulis harus melaporkan batasan
kategori; dijelaskan juga nilai range dari data, mean, median dalam tiap katagori.

c. Jika relevan, pertimbangkan menerjemahkan estimasi risiko relatif

menjadi risiko absolut selama jangka waktu yang bermakna.

Penjelasan
Hasil dari penelitian yang meneliti hubungan antara eksposur dan penyakit
umumnya dilaporkan secara relatif, sebagai risk rasio, rate ratio, atau oddd ratio
(lihat Kotak 7). Ukuran relatif menangkap kekuatan hubungan antara eksposur dan
penyakit. Jika risiko relatif jauh dari 1, sangat kecil kemungkinan bahwa hubungan
tersebut adalah karena confounding. efek relatif atau asosiasi cenderung lebih
konsisten di seluruh studi dan populasi dari ukuran absolut, tapi apa yang sering
cenderung menjadi kasus mungkin tidak relevan dalam contoh khusus. Sebagai
contoh, risiko relatif yang serupa diperoleh untuk faktor risiko kardiovaskular klasik
untuk pria yang tinggal di Irlandia Utara, Perancis, Amerika Serikat, dan Jerman,
meskipun fakta bahwa risiko yang mendasari penyakit jantung koroner bervariasi
secara substansial antara negara-negara tersebut. Sebaliknya, dalam penelitian
hipertensi suatu faktor risiko kematian penyakit kardiovaskular, datanya lebih
kompatibel dengan perbedaan rate yang konstan daripada dengan rate ratio yang
konstan.

Penggunaan model statistik secara luas, termasuk logistik dan proporsional

hazzards (Cox) regresi didasarkan pada ukuran rasio. Pada model ini, ukuran efek
rasio mudah dibedakan. Namun demikian, ukuran untuk menilai perbedaan risiko,
seperti Relatif excess risk dari Interaksi (RERI; lihat item 12b dan Kotak 8), dapat
diperkirakan dalam model berdasarkan ukuran rasio.

Dalam banyak situasi, risiko absolut terkait dengan eksposur adalah lebih besar
kepentingan daripada risiko relatif. Sebagai contoh, jika fokusnya adalah pada efek
samping dari obat, jumlah penambahan kasus t per satuan waktu penggunaan
(misalnya, hari, minggu, atau tahun). Misalnya memberikan jumlah tambahan kasus
kanker payudara per 1000 wanita yang menggunakan terapi hormon pengganti
selama 10 tahun. Ukuran seperti atributable risk (risiko yang timbul) atau
population atributable fraksi mungkin berguna untuk mengukur seberapa banyak
penyakit dapat dicegah jika paparan dieliminasi. Mereka sebaiknya disajikan
bersama-sama dengan ukuran ketidakpastian statistik (misalnya, interval
kepercayaan seperti pada contoh). Penulis harus menyadari asumsi kuat yang
dibuat dalam konteks ini, kotak 7). Karena ambiguitas semantik dan kompleksitas
yang terlibat, penulis harus melaporkan secara detail metode apa yang digunakan
untuk menghitung risiko yang timbul (atributable risk), idealnya memberikan rumus
yang digunakan.

18
17. Analisis lain: Laporan tentang analisis lain yang dilakukan, misalnya analisis
subkelompok, analisis interaksi dan analisis sensitivitas.

Penjelasan
Selain analisis utama, analisis lainnya sering dilakukan dalam studi observasional.
Mereka mungkin mengatasi subkelompok tertentu, interaksi potensial antara faktor-
faktor risiko, perhitungan risiko yang timbul, atau menggunakan definisi alternatif
variabel penelitian pada analisis sensitivitas.

Ada perdebatan tentang bahaya yang terkait dengan analisis sub-kelompok, dan
banyaknya analisis pada umumnya. Menurut pendapat kami, ada terlalu besar
kecenderungan untuk mencari bukti asosiasi subkelompok tertentu, atau efek-
mengukur modifikasi, ketika hasil keseluruhan muncul untuk menyarankan sedikit atau
tidak berpengaruh. Di sisi lain, ada nilai dalam menjelajahi apakah asosiasi
keseluruhan muncul konsisten di beberapa subkelompok sebaiknya prespecified,
terutama ketika studi cukup besar untuk memiliki data yang memadai di setiap
subkelompok. Sebuah wilayah kedua perdebatan adalah tentang menarik sub-
kelompok yang muncul selama analisis data. Mereka mungkin temuan penting, tetapi
mungkin juga timbul secara kebetulan. Beberapa berpendapat bahwa itu adalah tidak
mungkin dan tidak perlu untuk menginformasikan pembaca tentang semua
subkelompok analisis dilakukan, sebagai analisis masa depan data lainnya akan
memberitahu sejauh mana temuan menarik awal bertahan dalam ujian waktu. Kami
menyarankan penulis untuk melaporkan yang menganalisis direncanakan, dan yang
tidak (lihat item 4, 12b, dan 20). Hal ini akan memungkinkan pembaca untuk menilai
implikasi dari banyaknya, dengan mempertimbangkan posisi studi pada kontinum dari
penemuan verifikasi atau sanggahan.
Sebuah wilayah ketiga perdebatan adalah bagaimana efek bersama dan interaksi
antara faktor-faktor risiko harus dievaluasi: pada aditif atau skala perkalian, atau harus
skala ditentukan oleh model statistik yang cocok yang terbaik? (Lihat butir 12b dan
Kotak 8.) Sebuah pendekatan yang masuk akal adalah untuk melaporkan efek yang
terpisah masing-masing paparan serta efek-jika sendi mungkin dalam tabel, seperti
dalam contoh pertama di atas atau dalam studi oleh Martinelli dan rekan. seperti meja
memberikan pembaca informasi yang cukup untuk mengevaluasi aditif serta interaksi
perkalian (bagaimana perhitungan ini dilakukan ditunjukkan dalam Kotak 8). interval
kepercayaan untuk efek yang terpisah dan sendi dapat membantu pembaca untuk
menilai kekuatan data. Selain itu, interval kepercayaan sekitar langkah-langkah
interaksi, seperti Risiko Kelebihan Relatif dari Interaksi (Reri) berhubungan dengan tes
interaksi atau homogenitas tes. Satu masalah berulang adalah bahwa penulis
menggunakan perbandingan nilai P di seluruh subkelompok, yang menyebabkan klaim
yang keliru tentang efek pengubah. Misalnya, hubungan statistik yang signifikan dalam
satu kategori (misalnya, laki-laki) tetapi tidak yang lain (wanita) tidak dengan
sendirinya memberikan bukti efek modifikasi. Demikian pula, interval kepercayaan
untuk setiap estimasi titik kadang-kadang tidak tepat digunakan untuk menyimpulkan
bahwa tidak ada interaksi ketika interval tumpang tindih. Sebuah kesimpulan yang
lebih valid dicapai dengan langsung mengevaluasi apakah besarnya asosiasi berbeda
di seluruh subkelompok yang menyebabkan klaim yang keliru tentang efek pengubah.
Misalnya, hubungan statistik yang signifikan dalam satu kategori (misalnya, laki-laki)
tetapi tidak yang lain (wanita) tidak dengan sendirinya memberikan bukti efek
modifikasi. Demikian pula, interval kepercayaan untuk setiap estimasi titik kadang-

19
kadang tidak tepat digunakan untuk menyimpulkan bahwa tidak ada interaksi ketika
interval tumpang tindih. Sebuah kesimpulan yang lebih valid dicapai dengan langsung
mengevaluasi apakah besarnya asosiasi berbeda di seluruh subkelompok yang
menyebabkan klaim yang keliru tentang efek pengubah. Misalnya, hubungan statistik
yang signifikan dalam satu kategori (misalnya, laki-laki) tetapi tidak yang lain (wanita)
tidak dengan sendirinya memberikan bukti efek modifikasi. Demikian pula, interval
kepercayaan untuk setiap estimasi titik kadang-kadang tidak tepat digunakan untuk
menyimpulkan bahwa tidak ada interaksi ketika interval tumpang tindih. Sebuah
kesimpulan yang lebih valid dicapai dengan langsung mengevaluasi apakah besarnya
asosiasi berbeda di seluruh subkelompok interval kepercayaan untuk setiap estimasi
titik kadang-kadang tidak tepat digunakan untuk menyimpulkan bahwa tidak ada
interaksi ketika interval tumpang tindih. Sebuah kesimpulan yang lebih valid dicapai
dengan langsung mengevaluasi apakah besarnya asosiasi berbeda di seluruh
subkelompok interval kepercayaan untuk setiap estimasi titik kadang-kadang tidak
tepat digunakan untuk menyimpulkan bahwa tidak ada interaksi ketika interval
tumpang tindih. Sebuah kesimpulan yang lebih valid dicapai dengan langsung
mengevaluasi apakah besarnya asosiasi berbeda di seluruh subkelompok.
Analisis sensitivitas membantu untuk menyelidiki pengaruh pilihan yang dibuat dalam
analisis statistik, atau untuk menyelidiki kekokohan temuan data yang hilang atau
mungkin bias (lihat butir 12b). Penghakiman diperlukan mengenai tingkat pelaporan
analisis tersebut. Jika banyak analisis sensitivitas dilakukan, hal itu mungkin tidak
praktis untuk mempresentasikan temuan rinci untuk mereka semua. Kadang-kadang
mungkin cukup untuk melaporkan bahwa analisis sensitivitas dilakukan dan bahwa
mereka konsisten dengan hasil utama pra-sented. Rinci presentasi lebih tepat jika
masalah diselidiki adalah perhatian utama, atau jika perkiraan efek bervariasi.

Pocock dan rekan menemukan bahwa 43 dari 73 artikel yang melaporkan studi
observasional analisis subkelompok berisi. Mayoritas mengaku perbedaan antar
kelompok tetapi hanya 8 artikel melaporkan evaluasi formal interaksi (lihat butir 12b).

DISKUSI
Bagian Diskusi membahas isu sentral validitas dan makna penelitian. Survei
menemukan bahwa bagian diskusi sering didominasi oleh penilaian yang tidak lengkap
atau bias dari hasil penelitian dan implikasinya, dan retorika mendukung temuan
penulis. Penataan diskusi dapat membantu penulis menghindari spekulasi yang tidak
beralasan dan overinterpretation hasil sementara membimbing pembaca melalui teks.
Misalnya, Annals of Internal Medicine merekomendasikan bahwa struktur penulis
bagian diskusi dengan menghadirkan berikut: 1) sinopsis singkat dari temuan utama;
2) pertimbangan mekanisme mungkin dan mantan planations; 3) dibandingkan dengan
temuan yang relevan dari penelitian yang diterbitkan lainnya; 4) keterbatasan
penelitian; dan 5) bagian singkat yang merangkum implikasi dari pekerjaan untuk
praktek dan penelitian. Lain telah membuat saran serupa. Bagian tentang rekomendasi
penelitian dan bagian atas keterbatasan penelitian harus terkait erat satu sama lain.
Penyidik harus menyarankan cara-cara di mana penelitian selanjutnya dapat
meningkatkan studi mereka daripada dengan lunak yang menyatakan “Penelitian lebih
lanjut diperlukan”. Kami merekomendasikan bahwa penulis struktur bagian diskusi
mereka, mungkin juga menggunakan sub-judul yang sesuai.

18. Hasil Utama: Ringkaskan hasil utama atau penting dengan merujuk pada
tujuan penelitian.

20
Penjelasan
Ini adalah praktik yang baik untuk memulai diskusi dengan ringkasan singkat dari
temuan utama dari penelitian ini. Ringkasan singkat mengingatkan pembaca dari
temuan utama dan dapat membantu mereka menilai apakah interpretasi berikutnya
dan implikasi yang ditawarkan oleh penulis didukung oleh temuan.

19. Keterbatasan: Diskusikan keterbatasan studi, dengan sumber bias potensial

atau ketidaktepatan. Diskusikan baik arah dan besarnya bias potensial.

Penjelasan
Identifikasi dan diskusi tentang keterbatasan penelitian merupakan bagian penting dari
pelaporan ilmiah. Hal ini penting tidak hanya untuk mengidentifikasi sumber-sumber
bias dan membingungkan bahwa hasil dapat mempengaruhi, tetapi juga untuk dis-
menyumpahi kepentingan relatif dari bias yang berbeda, termasuk kemungkinan arah
dan besarnya bias potensial (lihat Kotak 3 dan angka 9) .

Penulis juga harus mendiskusikan ketidaktepatan hasil. Ketidaktepatan mungkin timbul

sehubungan dengan beberapa aspek studi, termasuk ukuran studi (item 10) dan
pengukuran eksposur, confounder, dan hasil (item 8). ketidakmampuan untuk secara
tepat mengukur nilai sebenarnya dari eksposur cenderung menghasilkan bias terhadap
kesatuan: kurang tepat faktor risiko diukur, semakin besar bias. Efek ini telah
digambarkan sebagai “pelemahan,” atau lebih baru-baru ini sebagai “regresi
pengenceran Bias”. Namun, ketika faktor risiko berkorelasi diukur dengan derajat yang
berbeda dari ketidaktepatan, risiko relatif adjusted terkait dengan mereka dapat
menjadi bias menuju atau jauh dari kesatuan.

Ketika mendiskusikan keterbatasan, penulis dapat membandingkan studi yang

disajikan dengan penelitian lain dalam literatur dalam hal validitas, generalisasi, dan
presisi. Dalam pendekatan ini, setiap studi dapat dilihat sebagai kontribusi untuk
literatur, bukan sebagai dasar yang berdiri sendiri untuk inferensi dan tindakan.
Anehnya, pembahasan keterbatasan penting dari studi kadang-kadang dihilangkan
dari laporan yang diterbitkan. Sebuah survei dari penulis yang telah menerbitkan artikel
penelitian asli dalam The Lancet menemukan bahwa kelemahan penting dari penelitian
ini dilaporkan oleh para peneliti di kuesioner survei, tapi tidak dalam artikel yang
diterbitkan.

20. Interpretasi: Jelaskan interpretasi secara keseluruhan, keterbatasan,

banyaknya analisis, hasil dari penelitian serupa, dan bukti lain yang relevan.

Penjelasan
Jantung bagian diskusi adalah interpretasi hasil studi ini. Overinterpretation adalah
umum dan manusia; bahkan ketika kita berusaha keras untuk memberikan penilaian
yang obyektif, pengulas sering benar menunjukkan bahwa kami pergi terlalu jauh
dalam beberapa hal. Ketika menafsirkan hasil, penulis harus mempertimbangkan sifat
studi pada penemuan untuk verifikasi kontinum dan potensi sumber bias, termasuk
kehilangan untuk menindaklanjuti dan nonparticipation (lihat item 9, 12, dan 19).
pertimbangan harus diberikan untuk confounder (item 16a), hasil sensitivitas yang
relevan analisis, dan isu keragaman dan analisis subkelompok (item 17). Penulis juga
harus mempertimbangkan sisa yang memalukan karena variabel terukur atau
pengukuran tepat confounder. Sebagai contoh, status sosial ekonomi (SES) dikaitkan
dengan banyak hasil kesehatan dan sering berbeda antara kelompok-kelompok yang

21
dibandingkan. Variabel yang digunakan untuk mengukur SES (pendapatan,
pendidikan, atau pekerjaan) adalah pengganti untuk eksposur terdefinisi dan tidak
terukur lainnya, dan confounder sejati akan dengan definisi diukur dengan kesalahan.
Penulis harus mengatasi berbagai nyata ketidakpastian dalam perkiraan, yang lebih
besar dari ketidakpastian statistik tercermin dalam interval kepercayaan. Yang terakhir
tidak memperhitungkan ketidakpastian lain yang timbul dari desain, implementasi studi
ini, dan metode pengukuran. Penulis harus mengatasi berbagai nyata ketidakpastian
dalam perkiraan, yang lebih besar dari ketidakpastian statistik tercermin dalam interval
kepercayaan. Yang terakhir tidak memperhitungkan ketidakpastian lain yang timbul
dari desain, implementasi studi ini, dan metode pengukuran. Penulis harus mengatasi
berbagai nyata ketidakpastian dalam perkiraan, yang lebih besar dari ketidakpastian
statistik tercermin dalam interval kepercayaan. Yang terakhir tidak memperhitungkan
ketidakpastian lain yang timbul dari desain, implementasi studi ini, dan metode
pengukuran.

Untuk memandu pemikiran dan kesimpulan tentang kausalitas, beberapa mungkin

menemukan kriteria yang diusulkan oleh Bukit pada tahun 1965 membantu. Seberapa
kuat adalah asosiasi dengan eksposur? Apakah itu mendahului timbulnya penyakit?
Apakah asosiasi konsisten diamati dalam studi yang berbeda dan setting? Apakah ada
bukti pendukung dari penelitian eksperimental, termasuk studi laboratorium dan
hewan? Bagaimana spesifik efek diduga paparan ini, dan apakah ada hubungan dosis-
respons? Apakah asosiasi biologis masuk akal? Kriteria ini tidak harus, bagaimanapun,
akan diterapkan secara mekanis. Misalnya, ada yang berpendapat bahwa risiko relatif
di bawah 2 atau 3 harus diabaikan. Ini adalah kebalikan dari titik oleh ladang jagung
dan rekan-rekan tentang kekuatan risiko relatif besar (lihat butir 12b). Meskipun efek
kausal lebih mungkin dengan risiko relatif 9, itu tidak berarti bahwa satu di bawah 3
adalah tentu palsu. Misalnya, peningkatan kecil dalam risiko leukimia setelah iradiasi
intrauterine kredibel karena menyangkut efek buruk dari prosedur medis yang tidak
ada penjelasan alternatif yang jelas. Selain itu, efek karsinogenik dari radiasi yang
mapan. Penggandaan dalam risiko kanker ovarium terkait dengan makan 2 sampai 4
butir telur per minggu tidak segera kredibel, karena kebiasaan diet berhubungan
dengan sejumlah besar faktor gaya hidup serta SES. Sebaliknya, kredibilitas temuan
epidemiologi banyak diperdebatkan perbedaan dalam risiko trombosis antara berbagai
jenis kontrasepsi oral sangat ditingkatkan oleh perbedaan koagulasi ditemukan di
crossover uji coba secara acak. Sebuah diskusi tentang bukti eksternal yang ada dari
berbagai jenis studi harus selalu disertakan, tapi mungkin sangat penting untuk studi
melaporkan peningkatan kecil dalam risiko. Selanjutnya, penulis harus meletakkan
hasil mereka dalam konteks dengan penelitian serupa dan menjelaskan bagaimana
studi baru mempengaruhi tubuh ada bukti, idealnya dengan mengacu review
sistematis.

Penjelasan

Generalisasi, juga disebut validitas eksternal atau penerapan, adalah sejauh mana
hasil penelitian dapat diterapkan untuk situasi lain. Tidak ada validitas eksternal per se;
istilah ini bermakna hanya berkaitan dengan kondisi jelas ditentukan. Dapat hasil
diterapkan untuk individu, kelompok, atau populasi yang berbeda dari yang terdaftar
dalam penelitian ini berkaitan dengan usia, jenis kelamin, etnis, tingkat keparahan
penyakit, dan kondisi komorbiditas? Apakah sifat dan tingkat eksposur yang
sebanding, dan definisi hasil yang relevan dengan setting lain atau populasi? Adalah
data yang dikumpulkan dalam studi longitudinal bertahun-tahun yang lalu masih

22
relevan saat ini? Apakah hasil dari penelitian pelayanan kesehatan di salah satu
negara yang berlaku untuk sistem kesehatan di negara lain?
Pertanyaan apakah hasil penelitian memiliki validitas eksternal sering masalah
penilaian yang tergantung pada setting studi, karakteristik peserta, eksposur diperiksa,
dan hasil yang dinilai. Dengan demikian, sangat penting bahwa penulis memberikan
pembaca dengan informasi yang memadai tentang setting dan lokasi, kriteria eligible,
eksposur dan bagaimana mereka diukur, definisi hasil, dan periode perekrutan dan
follow up. Tingkat nonparticipation dan proporsi peserta yang tidak terpajan di
antaranya hasilnya berkembang juga relevan. Pengetahuan tentang risiko absolut dan
prevalensi paparan, yang sering akan berbeda-beda di populasi, membantu ketika
menerapkan hasil untuk setting lain dan populasi (lihat Kotak 7).

Informasi lainnya

21. Generalisasi: Diskusikan generalisasi (eksternal va-lidity) dari hasil

penelitian.

22. Pendanaan: Berikan sumber pendanaan dan peran penyandang dana untuk
penelitian ini dan, jika berlaku, untuk studi asli di mana pasal ini didasarkan.

Penjelasan
Beberapa jurnal membutuhkan penulis untuk mengungkapkan ada tidaknya
keuangan dan lainnya konflik kepentingan. Beberapa penelitian menunjukkan asosiasi
yang kuat antara sumber dana dan kesimpulan dari artikel re-pencarian. Kesimpulan
dalam uji acak direkomendasikan obat eksperimental sebagai obat pilihan lebih sering
(rasio odds, 5,3) jika pengadilan didanai oleh organisasi-organisasi nirlaba, bahkan
setelah penyesuaian untuk ukuran efek. Penelitian lain mendokumentasikan pengaruh
industri tembakau dan telekomunikasi pada penelitian mereka didanai. Ada juga
contoh dari pengaruh yang tidak semestinya ketika sponsor adalah pemerintah atau
organisasi nirlaba.
Penulis atau penyandang dana mungkin memiliki konflik kepentingan yang
mempengaruhi salah satu dari berikut: desain penelitian; pilihan eksposur, hasil,
metode statistik; dan publikasi selektif hasil dan studi. Akibatnya, peran penyandang
dana harus dijelaskan secara rinci: dalam apa bagian dari studi mereka mengambil
tanggung jawab langsung (misalnya, desain, pengumpulan data, analisis, penyusunan
naskah, keputusan untuk mempublikasikan). Sumber-sumber lain dari pengaruh yang
tidak semestinya termasuk pengusaha (misalnya, administrator universitas untuk
peneliti akademis dan pengawas pemerintah, khususnya pejabat politik, bagi para
peneliti pemerintah), komite penasehat, berperkara, dan kelompok kepentingan
khusus.

23