Subscribe to DeepL Pro to translate larger documents.
Visit www.DeepL.com/pro for more information.
Bab Tiga Belas
Fisika
David Talbert
ISI BAB
Ultrasonografi diagnostik ................................279
Intensitas .........................................................279
Impedansi karakteristik dan
refleksi .............................................................279
Penyerapan .....................................................280
Difraksi ............................................................280
Pemfokusan ....................................................280
Penerimaan ultrasonografi ..............................281
Efek Doppler ...................................................281
Radioaktivitas dan sinar-X...............................281
Ionisasi dan eksitasi ........................................283
Jumlah bahan radioaktif ..................................284
Paparan dan dosis radiasi...............................284
Isotop yang stabil .............................................284
Laser ..................................................................285
Pencitraan resonansi magnetik (MRI) ............286
13
Diagnostik USG
Suara berfrekuensi sangat tinggi, atau ultrasound,
berguna dalam diagnosis karena dapat diarahkan dan
akan menembus tubuh seperti sinar-X, tetapi tidak
menyebabkan ionisasi pada tingkat energi yang
digunakan. Frekuensi berada pada kisaran 1-10 MHz,
yang paling umum adalah sekitar 3 MHz, sekitar 200
kali frekuensi tertinggi yang dapat didengar oleh orang
dewasa pada umumnya. Gelombang suara
menyebabkan partikel-partikel medium yang dilaluinya
bergerak bolak-balik dalam jarak yang cukup jauh di
sepanjang jalurnya. Gelombang semacam itu disebut
'longitudinal' untuk menunjukkan arah perpindahan
partikel-partikel yang mendukung gelombang tersebut.
Daya untuk menghasilkan gelombang ini dihasilkan
secara elektrik dan perangkat yang mengubahnya
menjadi daya suara disebut transduser. Bentuk
transduser yang umum digunakan adalah sepotong tipis
keramik piezoelektrik atau kuarsa. Bahan-bahan ini
mengubah ketebalannya sesuai dengan tegangan (V)
yang diterapkan di antara permukaannya. Perubahan
ketebalannya kecil, hanya beberapa mikrometer pada
mesin bertenaga tertinggi, menghasilkan gelombang
dengan pergeseran sekitar 1 nm yang bergerak melalui
jaringan dengan kecepatan sekitar 1540 m/s (Gbr.
13.1).
Intensitas
Intensitas menggambarkan berapa banyak energi yang
melewati area penampang tertentu, biasanya 1 cm2 .
Biasanya didefinisikan dalam watt per sentimeter
persegi (W/cm ).2

Impedansi karakteristik
dan pantulan
Impedansi karakteristik suatu bahan
menggambarkan bagaimana bahan tersebut
menolak untuk digerakkan sebagai respons
terhadap gelombang tekanan suara yang diberikan.
Untuk jaringan lunak, secara kasar dapat dikatakan
sebagai proporsional.
 Ultrasonografi
diagnostik

Gambar 13.1 - Pembangkitan dan pemantulan

ultrasound.

λ
Gelombang membuat sudut
yang sama dengan batas.
(Biasanya dinyatakan dalam
hal arah gerakan gelombang)

Puncak gelombang bergerak dengan kecepatan sekitar 1540 m/s di dalam jaringan
1540
λ = jarak antar puncak =
Frekuensi ultrasonik

Otot LemakTulang
Penyerapan
% Refleksi pada kejadian normal

Tengkorak
50
Gelombang ultrasonik kehilangan energi ke jaringan melalui
40 beberapa mekanisme - kental, relaksasi, dan termodinamika
30

20

10
0
0. 50. 81 2 34 5
0.6
Rasio impedansi relatif terhadap darah

Gambar 13.2 - Persentase pantulan yang disebabkan

oleh antarmuka berbagai rasio impedansi.

tional terhadap kepadatan jaringan. Ketika ultrasound

bertemu dengan batas antara jaringan dengan
impedansi yang berbeda, ketidaksesuaian gerakan
mencegah sebagian energi suara ditransfer. Sisanya
dipantulkan dan menghasilkan gema yang digunakan
dalam ultrasound diagnostik (Gbr. 13.2). Jika suara
bertemu dengan batas pada suatu sudut, suara akan
dipantulkan pada sudut yang sama, asalkan permukaan
pemantulnya besar dibandingkan dengan panjang
gelombang suara.
Di dekat tepi reflektor, tekanan suara lokal
mendorong partikel ke samping, membulatkan tepi
gelombang yang dipantulkan (Gbr. 13.3A) di pusat
keseimbangan tekanan lokal reflektor sehingga
gelombang yang dipantulkan menjadi datar. Jika
reflektor diperkecil ukurannya, saat mendekati
setengah panjang gelombang, bagian datar menghilang
dan pantulan menyebar ke segala arah, secara sferis
(Gbr. 13.3B). Bentuk pemantulan ini dikenal sebagai
hamburan, karena arah energi suara yang dipantulkan
tidak ada hubungannya dengan arah gelombang
datang.

280
kerugian misalnya. Rugi-rugi viskos
meningkat dalam cairan yang tidak
homogen, yang impedansi akustiknya Fisika HALAMAN 13
bervariasi dalam skala mikroskopis.
Mekanisme relaksasi muncul ketika, pada
satu tahap siklus suara, ion-ion yang
terkait menjadi terpisah dan kemudian
membutuhkan waktu minimum tertentu
untuk menyatu kembali. Mekanisme
relaksasi memiliki variasi karakteristik
dengan frekuensi, yang mungkin
tergantung pada keadaan kimiawi jaringan.
Kerugian termodinamika terjadi karena,
karena jaringan dikompresi oleh tekanan
sonik, suhunya sedikit meningkat. Di
dekatnya, ada wilayah lain yang suhunya
telah dikurangi oleh dekompresi. Setiap
kebocoran termal di antara kedua wilayah
tersebut adalah energi yang hilang ke
gelombang suara. Pada jaringan lunak
pada frekuensi diagnostik, kehilangan
termodinamika kecil dibandingkan dengan
kehilangan viskos dan relaksasi.

Difraksi
Sinar ultrasonik yang ideal untuk tujuan
diagnostik adalah setipis jarum untuk
memberikan detail terbaik. Sayangnya, hal
ini tidak mungkin terjadi karena difraksi.
Transduser sumber titik akan
menghasilkan gelombang bola yang mirip
dengan penyebar titik. Muka transduser
yang lebih lebar menghasilkan muka
gelombang yang lebih datar, tetapi
gelombang di luar sumbu yang dihasilkan
pada satu bagian muka dapat membatalkan
atau memperkuat gelombang dari bagian
lain. Hal ini mengakibatkan suara
dipancarkan pada sudut yang tidak
diinginkan, yang dikenal sebagai lobus
samping (Gbr. 13.4). Sangat diinginkan
untuk menekan side lobes dan membuat
sudut θ di mana minima pertama terjadi
(mendefinisikan lobus utama) sesempit
mungkin. Untuk transduser melingkar, hal
ini terjadi pada suatu sudut:

sin−1 θ = 1.22 λ d

di mana d adalah diameternya.

Fokus
Anda dapat membentuk permukaan
transduser, memasang lensa acous-tic, atau
menyediakan penggerak elektronik khusus,
dan dengan demikian

281
 Ultrasonografi
diagnostik

Gambar 13.3 - (A) Pantulan.

(B) Hamburan.

A B

Sudut 1
Samp minima (Balok
ing
lobus bersudut)
(lebar)
R
D
Lobus sin–1 1.22λ
utama = q
d

Kontur yang
sama
daya yang
dipancarkan

Gambar 13.4 - Plot polar vektor daya yang dipancarkan R pada sudut d dari transduser melingkar berdiameter D.

menghasilkan gelombang cekung, yang diarahkan ke tersebut mendekat, setiap gelombang suara memiliki
suatu titik. Efek difraksi masih membatasi keefektifan jarak tempuh yang lebih pendek daripada gelombang
teknik ini, tetapi bagaimanapun juga, di wilayah titik suara yang mendahuluinya. Serangkaian gelombang
fokus ini, pancaran sinar biasanya setengah hingga tersebut diterima pada frekuensi yang lebih tinggi.
sepertiga dari transduser datar dengan dimensi yang
sama, sehingga meningkatkan resolusi lateral dan
meningkatkan kekuatan gema dari target yang
diinginkan (Gbr. 13.4).

Ultrasonografi penerimaan
Sama seperti menerapkan tegangan di antara
permukaan sepotong bahan piezoelektrik yang
menghasilkan tekanan, demikian pula tekanan pada
permukaannya menghasilkan tegangan. Potongan yang
terpapar pada gema ultrasonik yang kembali
menghasilkan sinyal listrik yang sesuai. Sifat arah
transduser yang digunakan sebagai penerima biasanya
sama dengan yang digunakan sebagai pemancar.

Efek Doppler
Sudah diketahui umum, bahwa saat mobil polisi atau
mobil pemadam kebakaran melintas, nada sirene
tampak menurun. Efek yang sama terjadi jika suara
dipantulkan dari objek yang bergerak. Jika objek

282
frekuensi yang lebih tinggi daripada frekuensi yang
ditransmisikan. Jika reflektor menjauh dari
transduser, penundaan akan meningkat dan frekuensi Fisika HALAMAN 13
menurun. Pencampuran sinyal yang ditransmisikan
dan gema dapat menghasilkan sinyal listrik baru
pada frekuensi perbedaan, yang mewakili kecepatan
reflektor. Oleh karena itu, sistem Doppler
mendeteksi gerakan daripada jarak, dan karena
perbedaan frekuensi berada dalam rentang yang
dapat didengar, maka sinyal ini dapat diumpankan
ke loudspeaker secara langsung untuk instrumen
sederhana.
Dengan pemfilteran yang sesuai untuk memilih
suara yang signifikan, sinyal pemicu untuk pengukur
denyut jantung atau indikator laju aliran dapat
diperoleh.

Radioaktivitas dan sinar X-

Istilah 'radioaktivitas' mengacu pada kejadian dalam
inti atom. Inti adalah pusat bermuatan positif yang
mengelilingi elektron bermuatan negatif dari atom
yang beredar dalam orbit hingga 10.000 kali diameter
inti. Ada pertukaran energi yang terus-menerus antara
partikel-partikel yang membentuk inti dan, pada
beberapa atom, ada kemungkinan energi yang cukup
untuk diperoleh oleh sebuah partikel sehingga
memungkinkannya untuk keluar (Gbr. 13.5). Proton
(membawa satu muatan positif) atau neutron

283
 Radioaktivitas dan sinar-
X

Sinar-X, energi hv

h = Konstanta Planck
v = Frekuensi, sekitar 1019 Hz untuk sinar-X
+
Proton, 1 muatan positif, kira-kira 2000x massa elektron

Neutron, tanpa muatan, kira-kira 2000x massa elektron

+
- Partikel alfa, dua muatan positif, sekitar 8000x massa elektron
+
+ Partikel Beta, satu muatan negatif, adalah elektron
Positron, satu muatan positif, massa sama dengan elektron
Sinar gamma, energi hv

Gambar 13.5 - Radiasi pengion utama.

Tabel 13.1 Parameter utama dari beberapa isotop yang terkait dengan obat-obatan

Nama Simbol Waktu paruh Energi radiasi (MeV)a

Elektromagnetik (sinar γ atau Partikel (β)
sinar-X)
Caesium-137 137Cs 30 tahun 0.662 0.51b
Karbon-14 14C 5760 tahun 0.155
Cobalt-60 60Co 5,26 tahun 1.17 0.31b
1.33 0.96
Emas-198 198Au 2,7 hari 0.412
Yodium-125 125I 60 hari 0.027 0.61
Yodium-131 131I 8 hari 0.36 1.71
Fosfor-32 32P 14 hari 0.167
Belerang-35 35S 87 hari
99Tcm
Technetium-99m 6 jam 0.14 0.018
Tritium (hidrogen-3) 3H 12,3 tahun
a1 MeV = 1,6 × 10−19 J.
bBentuk radiasi ini tidak digunakan untuk tujuan medis.

(tidak bermuatan) dapat keluar secara tunggal atau menunjukkan beberapa zat radioaktif yang memiliki
dalam kelompok dua-dua, yang kemudian dikenal
sebagai partikel α. Partikel lainnya adalah elektron
(disebut partikel β), elektron dengan muatan positif
(disebut positron) dan bermacam-macam partikel
lainnya seperti neutrino dan meson, yang belum terlalu
penting dalam dunia kedokteran. Tabel 13.1

282
aplikasi medis dan cara pembebasan
energi.
Energi yang terbawa dari inti oleh Fisika HALAMAN 13
partikel mana pun dibatasi oleh mekanika
gelombang ke nilai diskrit, dan inti
kemudian dapat ditinggalkan dengan
kelebihan energi di atas tingkat stabil
terendah berikutnya. Surplus tersebut
kemudian dapat terbawa oleh ledakan
(kuantum) radiasi γ.

283
 Radioaktivitas dan sinar-
X

Karena energi kuantum γ sebanding dengan
frekuensinya, maka jumlah energi apa pun dapat
dibawa oleh frekuensi yang sesuai.
Sinar-X juga merupakan radiasi elektromagnetik
dan hanya berbeda dari sinar γ yang berbeda dari
asalnya. Sinar ini dihasilkan oleh elektron yang
bersirkulasi dari atom, bukan dari nukleusnya.
meninggalkan sekitar 25.000 pasangan ion/cm pada
sebagian besar panjang lintasannya yang 7 cm dan
meningkat menjadi 50.000 pasangan ion/cm p a d a
sentimeter terakhir. Semua partikel nuklir memiliki
panjang lintasan udara yang berbeda, meskipun akan
berliku-liku dan secara efektif berkurang dalam kasus
yang lebih ringan dan

Ionisasi dan eksitasi

Ionisasi adalah cara yang digunakan untuk menemukan
radioaktivitas dan yang biasanya digunakan untuk
mengukurnya. Eksitasi dapat dianggap sebagai ionisasi
yang tidak sempurna, di mana energi yang cukup
diberikan kepada elektron luar atom untuk
menempatkannya ke dalam orbit energi yang lebih
tinggi dari biasanya, tetapi tidak cukup untuk
melepaskan diri dari inti induknya.
Efek biologis dari radiasi disebabkan oleh kedua
fenomena tersebut. Keduanya mengarah pada produksi
spesies kimiawi baru di dalam sel, beberapa di
antaranya mengarah pada rantai reaksi kimiawi yang
merusak. Gangguan DNA adalah cara yang paling
penting untuk membunuh sel, tetapi reaksi fatal atau
melumpuhkan lainnya, seperti gangguan fungsi
membran yang mengarah ke perubahan osmotik,
pelepasan isi lisosom, dan kerusakan mitokondria, juga
penting.
Ionisasi biasanya dianggap sebagai efek yang
dominan dan, karena menghasilkan hasil fisik yang
mudah dideteksi, digunakan sebagai penanda atau
skalar aktivitas radiasi. Ion yang dimaksud adalah ion
yang dihasilkan oleh setiap partikel, bukan partikel itu
sendiri. Proton yang terlontar, misalnya, bergerak
dalam lautan elektron dan memberikan gaya tarik pada
mereka saat melewati kulit orbital berbagai atom. Jika
gaya tersebut cukup besar dan berlangsung cukup
lama, sebuah elektron dapat terseret keluar dari orbit
mengelilingi inti atom induknya (Gbr. 13.6A). Hal ini
menghasilkan dua ion baru, positif dan negatif. Hal ini
juga memperlambat laju proton karena ia menyerahkan
energi kepada elektron, tetapi hanya sedikit karena
massanya sekitar 2000 kali massa elektron. Proton
akan terus membajak jejak pasangan ion sambil
berjalan. Karena secara bertahap kehilangan energi,
proton menghabiskan waktu lebih lama di setiap atom
yang dilaluinya sehingga memiliki efek yang lebih
besar pada elektronnya, meningkatkan efisiensi
ionisasinya. Pada akhirnya, elektron akan menangkap
elektron dan menjadi atom hidrogen netral.
Peluruhan radioaktif spontan mendukung emisi
sekelompok dua proton dan dua neutron sebagai
komponen positif berat (partikel α). Karena memiliki
muatan dua kali lipat dan massa empat kali lipat dari
proton, partikel ini lebih efisien dalam ionisasi. Sebuah
partikel α yang bergerak melalui udara akan

284
 Elektron ditarik keluar dari orbit
+ -
Fisika HALAMAN 13

atom yang
A terasingkan

Elektron terdorong keluar

dari orbit
-

+
-

B atom yang
terasingkan

Gambar 13.6 - Produksi pasangan ion.

lebih mudah membelokkan partikel β dan positron

(Gbr. 13.6B).
Sinar X dan sinar γ elektromagnetik juga dapat
mentransfer energi ke elektron dalam material yang
dilaluinya, dengan cara yang bergantung pada
frekuensi sinar. Mekanisme ini adalah produksi
pasangan, hamburan Compton dan penyerapan
fotolistrik, dalam urutan frekuensi dan energi sinar
yang menurun. Elektron kemudian melepaskan diri
dari atom induknya dan menyebabkan ionisasi yang
teramati, seperti partikel β. Sinar X atau γ terus
menjalar tetapi frekuensinya berkurang, sebagai
respons terhadap hilangnya energi. Tidak seperti
partikel, kecepatan sinar-X tidak berubah, probabilitas
interaksi dengan elektron lain sebagian besar tidak
berubah, dan karenanya sinar-X menghilang secara
eksponensial dengan jarak, daripada memiliki
jangkauan yang jelas. Adalah umum untuk
menggunakan ketebalan bahan yang akan mengurangi
ionisasi ini hingga setengah dari nilai awalnya sebagai
ukuran daya tembus sinar X atau γ, yang sesuai dengan
kisaran partikel α atau β. Ini dikenal sebagai lapisan
setengah nilai (HVL).

285
 Isotop yang
stabil

Jumlah bahan radioaktif Tabel 13.2 Isotop dan kelimpahan relatif

Kuantitas bahan radioaktif dapat ditentukan secara Isotop Kelimpahan Isotop Kelimpahan
kimiawi, tetapi biasanya kita perlu mengetahui berapa relatif (%) relatif (%)
banyak atom yang akan hancur per detik. Hal ini
dikenal sebagai aktivitas dan dilaporkan dalam curie (1
Ci adalah 3,7 × 1010 transformasi/detik) atau dalam H-1 99.985 H-2 (D-2) 0.015
becquerel (1 Bq adalah 1 transformasi/detik).
Pengukuran semacam itu hanya benar pada saat C-12 98.892 C-13 1.108
pengukuran dilakukan, karena proporsi yang tersisa N-14 99.635 N-15 0.365
yang mampu melakukan transformasi terus menurun.
Parameter kedua, waktu paruh, mendefinisikan tingkat O-16 99.759 O-18 0.204
di mana hal ini terjadi sebagai waktu yang diperlukan S-32 95.0 S-34 4.22
untuk setengah dari kuantitas awal untuk
menyelesaikan transformasinya. Cl-35 75.79 Cl-37 24.20
Untuk menentukan faktor-faktor ini, hanya perlu K-39 93.22 K-41 6.77
mendeteksi kapan transformasi terjadi. Untuk
menentukan efek yang ditimbulkan oleh disintegrasi
ini, perlu dilakukan pengukuran besarnya ionisasi yang
disebabkan oleh radiasi yang dipancarkan. nukleus dan karenanya menarik jumlah elektron yang
sama, sehingga memberikan karakteristik kimiawi yang
Paparan radiasi dan dosis sama.
Sisa dari inti mereka dapat dianggap sebagai dibuat
Pengukuran paparan atau intensitas sinar dilakukan Isotop yang stabil
dengan mengumpulkan dan mengukur partikel Isotop (iso sama, tempat topes) berarti menempati tempat yang
bermuatan yang dihasilkan dalam 1 g udara yang sama dalam tabel periodik, yaitu atom-atom yang memiliki jumlah
disisipkan dalam sinar; proton yang sama dalam
1,61 × 1012 pasangan ion didefinisikan sebagai 1
roentgen (R). Hal ini kemudian didefinisikan ulang
dalam hal energi (86,9 erg/g). Ketika pengukuran
diperlukan dalam situasi biologis, ditemukan bahwa
tingkat penyerapan dalam jaringan tubuh bervariasi
dengan potensi yang digunakan untuk menghasilkan
sinar-X. Sebuah unit untuk menunjukkan berapa
banyak energi yang secara aktual diserap diperlukan
dan ini adalah 'rad'. Ini didefinisikan sebagai dosis
radiasi yang diserap yang memberikan 0,01 J/kg
jaringan tubuh. Ketika satuan SI diperkenalkan, faktor
0,01 dihilangkan dan satuan
1 J/kg didefinisikan sebagai gray (Gy).
Namun, bentuk partikulat dari radiasi dengan
berbagai bentuk ionisasi densitas tinggi digunakan
untuk efek biologisnya dan logis untuk mendefinisikan
istilah lebih lanjut untuk mengekspresikan keefektifan
relatif dari cara ionisasi tersebut dihantarkan. Faktor
pengali, yang didefinisikan sebagai Q, digunakan; Q
memiliki nilai 1 untuk radiasi X, γ, dan b, tetapi 10
untuk partikel �karena kepadatan ion yang tinggi di
sepanjang lintasannya. Untuk tujuan keselamatan
radiasi, ini digabungkan dengan rad dalam produk Q
rad, yang didefinisikan sebagai 'rem' (radiasi ekuivalen
manusia). Dengan diperkenalkannya satuan SI, sievert
(Sv), yang didefinisikan sebagai Q-Gy, diperkenalkan
untuk menggantikan rem.

284
neutron dengan massa yang sama dengan
proton tetapi tidak membawa muatan.
Banyak dari kombinasi ini tidak stabil dan Fisika HALAMAN 13
terpecah membentuk isotop anak dengan
karakteristik kimia yang berbeda, yang
sering kali menghasilkan efek radioaktif.
Beberapa (Tabel 13.2), meskipun relatif
jarang, sangat stabil, dan dapat
dimasukkan ke dalam senyawa sebagai
penanda tanpa mengganggu reaksi kimia.
Yang paling penting, isotop-isotop ini
dapat dideteksi, dibedakan dari isotop yang
lebih umum dan tidak memancarkan
radiasi pengion.
Deuterium adalah salah satu contohnya.
Ini relatif murah dan mudah digabungkan,
tetapi juga lebih mudah 'hilang' secara
tidak sengaja selama pemrosesan. C-13
dan N-14 biasanya terikat lebih aman
tetapi lebih mahal untuk diperoleh dan
digabungkan. Karena penanda ini secara
kimiawi identik dengan sebagian besar
isotop, metode fisik harus digunakan untuk
mendeteksi keberadaannya melalui
perbedaan kecil dalam massa molekul
tempat penanda tersebut digabungkan.
Alat utama untuk ini adalah spektograf
elektromagnetik massa, yang pertama kali
ditemukan oleh Aston pada tahun 1919
(Gbr. 13.7). Seperti halnya rambut yang
dapat ditarik ke pakaian kita oleh listrik
statis, demikian pula atom bermuatan
dapat dimanipulasi oleh medan listrik
statis. Jika dua pelat dipasang secara
paralel dan dihubungkan dengan tegangan
yang berbeda untuk membuat medan
listrik melintasi celah, atom yang
terionisasi secara positif di ruang di antara
keduanya akan ditarik ke arah pelat yang
lebih negatif. Membuat lubang pada
elektroda negatif memungkinkan aliran ion
bermuatan muncul melaluinya. Atom-atom
yang berat membutuhkan waktu lebih lama
untuk mencapai pelat negatif dan muncul
dengan kecepatan yang lebih rendah
dengan cara yang sama seperti mobil yang
melaju lebih lambat ketika terisi penuh.
Aston menggunakan aliran listrik untuk
mengionisasi gas dalam ruang ionisasi
bohlam, yang tertarik ke

285
 Isotop yang
stabil

Sistem elektromagnetik

Lendutan A Ruang
magnetik ionisasi
Kolimator
Pelat foto balok
Defleksi
listrik

Gambar 13.7 - Spektrograf elektromagnetik massa.

tidak ada tegangan yang diberikan pada batang, akan

ujung tabung kolimator yang sangat halus oleh medan
muncul di ujung yang jauh. Untuk menghasilkan
listrik yang tinggi. Sebagian dari mereka kemudian
seleksi, dua jenis defleksi listrik digabungkan: stabil
bergerak menuruni tabung dan muncul di ujung yang
(DC) dan bolak-balik (RF). Kesederhanaan mekanis
lain untuk melewati medan listrik di antara sepasang
menyembunyikan proses desain yang rumit secara
pelat elektroda. Gaya ke samping pada semua ion
matematis.
adalah sama, sehingga atom-atom ringan dibelokkan
lebih cepat, tetapi karena atom-atom berat telah
mencapai kecepatan yang lebih rendah, maka mereka
mengalami gaya pembelokan lebih lama. Seandainya
kecepatan atom semata-mata disebabkan oleh tegangan
percepatan awal, maka, semua atom akan bergerak
pada jalur yang sama, tetapi yang ditumpangkan pada
kecepatan ini adalah, akibat gerakan termal. Bukaan A
memilih ion-ion dengan pita sempit kecepatan energi
termal awal. Ion-ion tersebut kemudian masuk ke
dalam medan magnet di mana mereka mengalami gaya
yang sebanding dengan kecepatan mereka melaluinya,
membelokkannya ke arah yang berlawanan. Sekali
lagi, gaya pembelok bekerja lebih lama pada atom
berat yang lebih lambat daripada atom yang lebih cepat
dan lebih ringan, tetapi kali ini gayanya tidak sama
karena bergantung pada kecepatan. Ion yang berat
tidak terlalu banyak dibelokkan dan berakhir lebih jauh
ke bawah pelat fotolistrik pendeteksi daripada yang
ringan. Defleksi listrik dan magnetik yang berlawanan
digunakan, karena hal ini memungkinkan kompensasi
perbedaan yang disebabkan oleh kecepatan termal
pada defleksi listrik dengan konvergensi yang sesuai
selama defleksi magnetik, sehingga menghasilkan efek
pemfokusan ulang. Kisaran kecepatan termal yang
lebih luas, kemudian dapat digunakan, meningkatkan
arus ion dan membuat mesin lebih peka. Mesin modern
menggantikan pelat fotografi dengan detektor
elektronik tunggal yang sangat sensitif, di mana ion
dengan berbagai massa dibelokkan dengan
meningkatkan arus melalui elektromagnet, dan
memplot arus yang dihasilkan sebagai spektrum
kelimpahan isotop dalam sampel.
Untuk penggunaan umum, di mana resolusi
maksimum tidak
kritis, mesin ini sebagian besar telah digantikan oleh
mesin quadrupole elektro-statis yang secara mekanis
jauh lebih sederhana. Berkas iso-topik campuran
ditembakkan ke celah antara empat batang dan, jika
286
Laser
Efektivitas laser berasal dari produksi sinar paralel Fisika HALAMAN 13
yang sempurna, memungkinkan pemfokusan yang
sangat ketat. Memusatkan energi ke area yang sangat
kecil dalam denyut nadi yang sangat singkat
menghasilkan suhu lokal yang sangat tinggi, cukup
untuk menguapkan jaringan, dikelilingi oleh tindakan
membakar yang sangat lokal yang menyegel bagian
tepi dan mengurangi kehilangan darah.
Dalam uraian berikut ini, model atom Bohr yang
disederhanakan digunakan, dimodifikasi jika relevan
dengan beberapa batasan mekanika gelombang. Laser
neodym- ium-doped yttrium aluminium garnet (Nd-
YAG) adalah laser batang yang dipompa oleh lampu
kilat yang memiliki spektrum cahaya yang luas. Sistem
tipikal ditunjukkan pada Gambar 13.8. Lampu kilat
menggairahkan elektron yang mengorbit inti ke orbit
dengan energi yang lebih tinggi, dan dari situ elektron
akan jatuh kembali dan dapat memancarkan foton
cahaya. Pada bahan yang sesuai, sebagian orbit ini
relatif stabil dan elektron cenderung berdiam di
dalamnya untuk waktu yang relatif lama. Batang
tersebut memiliki ujung yang dipoles berbentuk
persegi dan ditempatkan di antara cermin dengan
permukaan yang sejajar, sehingga setiap cahaya yang
dipancarkan di dalam batang dipantulkan bolak-balik.
Elektron-elektron yang berada dalam orbit yang tidak
stabil akan segera jatuh kembali secara acak dan tidak
mengambil bagian yang signifikan dalam sinar laser
yang sesungguhnya. Elektron-elektron yang berada
dalam orbit semi stabil akan terakumulasi. Ketika
mereka jatuh kembali, mereka juga memancarkan
foton, meskipun sebagian besar tidak sejajar dengan
sumbu batang dan cermin. Ketika sebuah foton
memiliki muka gelombang yang sejajar dengan
cermin, foton tersebut dipantulkan tepat kembali ke
cermin yang lain, yang mengirimkannya kembali k e
c e r m i n pertama, dan seterusnya. Karena
panjang gelombangnya persis sama dengan yang
diwakili oleh perbedaan energi pada semua elektron
semi-stabil yang serupa, elektron-elektron tersebut
terstimulasi untuk bergabung ketika gelombang
melewatinya, menambahkan energinya pada berkas
sinar dengan arah dan fase yang persis sama. Semakin
kuat sinarnya, semakin besar kemungkinan elektron-
elektron yang tereksitasi akan bergabung,
menghasilkan kilatan cahaya tampak atau inframerah
yang sangat kuat secara tiba-tiba. Inilah cara laser
mendapatkan namanya: Amplifikasi Cahaya oleh
Emisi Radiasi yang Dirangsang.
Sebagian cahaya dibiarkan keluar melalui salah satu
cermin, dan ini digambarkan sebagai 'koheren'.
Koheren

287
 Pencitraan resonansi magnetik
(MRI)

Sistem lensa
Cermi Lamp Bahan Cermi pemusatan Panduan
n u laser n cahaya cahaya
rongg kilat keluar keluara
a an n

Daya lampu kilat

dan sistem Cahaya putih Cahaya
pengaturan waktu dari tabung monokromatik dari
A lampu kilat atom laser
e
e

B C D

Gambar 13.8 - Diagram laser.

cahaya monokromatik, sangat paralel, berbagi fase mengikis endometriosis. Di sini, laser Nd-YAG sangat ideal karena
spasial dan temporal yang sama. Karena sangat paralel panjang gelombangnya berada dalam kisaran inframerah dekat
secara sempurna, cahaya ini dapat difokuskan pada (0,532 μ�) di mana air menjadi transparan tetapi pigmen darah
titik-titik yang jauh lebih kecil daripada sinar matahari. mudah diserap. Radiasi dilakukan ke
Bintik-bintik 0,5 μ� dapat digunakan untuk memotong
sel tunggal secara in vitro. Meskipun efisiensi konversi
dari energi dalam tabung lampu kilat ke output laser
sangat kecil, biasanya <1/1000, pemfokusan yang baik
ini menghasilkan pengendapan energi lokal yang
sangat tinggi, yang disebut sebagai radiasi. Sebagai
contoh, laser CO2 yang umum mungkin secara singkat
menghasilkan radiasi hingga 20 kW/cm2 pada titik
berdiameter 0,3 mm. Panjang gelombang radiasi
(warna jika dalam kisaran yang terlihat) tergantung
pada bahan yang melakukan pengelasan. Hal ini
memiliki pengaruh penting terhadap efek pada
jaringan. Laser CO2 menghasilkan radiasi inframerah
pada panjang gelombang 10,6 μm, yang diserap
dengan kuat oleh air di dalam jaringan. Intensitas
terfokus 100 W / cm2 menghasilkan kedalaman
penguapan jaringan 3-4 mm, memberikan efek pisau
laser. Pisau laser memiliki keuntungan lebih lanjut,
y a i t u , pada ujung sinarnya, pembuluh darah
menjadi membeku, sehingga menutup bidang operasi
saat memotong. Eksisi kerucut dari serviks dapat
dihasilkan oleh rotasi mekanis dari sinar. Penyebaran
sinar dengan de-fokus parsial berguna untuk ablasi
permukaan atau termokoagulasi.
Sifat fisik laser CO2 membuatnya tidak cocok untuk
operasi pada jaringan yang lebih tebal, misalnya untuk

286
situs melalui pemandu cahaya serat
berdiameter 0,4 mm. Ini adalah serat kaca
halus yang permukaan luarnya dilapisi Fisika HALAMAN 13
dengan lapisan tipis kaca lain dengan
indeks bias yang berbeda. Hal ini
memastikan bahwa setiap cahaya yang
tidak sejajar dengan sumbu serat benar-
benar dipantulkan kembali ke dalam serat
seolah-olah serat dikelilingi oleh cermin
yang sempurna. Seratnya fleksibel. Serat
ini kemudian dapat dilewatkan pada
endoskopi dan diposisikan menggunakan
sinar pilot cahaya normal. Ketika posisi
yang diinginkan tercapai dan tombol
pemicu ditekan, rana akan menutup lensa
mata, lampu kilat menyala, dan rana akan
membuka kembali. Kemungkinan akan
tersedia berbagai macam sinar laser yang
berbeda, masing-masing disesuaikan
dengan aplikasi bedah tertentu.

Pencitraan
resonansi
magnetik (MRI)
Metode ini tidak menghasilkan ionisasi
dan disebut pencitraan resonansi magnetik
(MRI), bukan 'resonansi magnetik nuklir'
yang lebih tua, yang memiliki asosiasi
negatif dalam pikiran pasien. Tidak ada
berkas cahaya atau suara yang dihasilkan;
sebaliknya, inti atom tertentu pada pasien
diinduksi untuk melaporkan keberadaan
dan kondisinya dengan menyerap atau
mengirimkan gelombang radio.
Istilah 'resonansi' dipinjam dari studi
tentang suara. Senar gitar beresonansi
ketika senar tersebut terus mengeluarkan
suara setelah dipetik. Senar disetel dengan
mengubah ketegangannya. Sama seperti
senar yang bergetar pada frekuensi yang
bergantung pada sifatnya dan tegangan
yang diterapkan, demikian pula inti yang
berputar menghasilkan atau menyerap
radio

287
 Pencitraan resonansi magnetik
(MRI)

gelombang pada frekuensi yang bergantung pada sifat kita menyetelnya dengan penerima radio dan
dan medan magnet yang stabil. Frekuensi ini dikenal menangkap sinyal, kita akan tahu bahwa sinyal tersebut
sebagai frekuensi Langmuir. Secara analogi, respons pasti berasal dari bidang tersebut.
inti terhadap gelombang radio, yang dapat disetel Misalkan selama periode ini medan magnet dibuat
dengan memvariasikan medan magnet di sekitarnya, tinggi di ujung kepala pasien dan rendah di
disebut resonansi magnetik.
Efek sebaliknya, penyerapan energi pada resonansi,
dapat ditunjukkan dengan bersiul ke dalam piano
sambil menekan pedal penopangnya. Ketika siulan
berhenti, suara yang serupa terdengar dari piano.
Situasi yang serupa dapat dibuat dengan menyangga
sampel jaringan dalam medan magnet yang kuat,
stabil, dan sangat seragam untuk menyetel inti ke
frekuensi yang akan diserap. Peluit kemudian
digantikan oleh medan magnet yang bergantian dengan
cepat, melintang ke medan utama yang stabil, yang
disebut sebagai medan frekuensi radio (RF).
Spektroskopi MR umumnya mengukur energi yang
diserap dari medan RF saat frekuensinya berubah
secara perlahan. Karena inti yang berbeda memiliki
frekuensi resonansi yang berbeda untuk medan magnet
utama yang sama, keberadaan dan kelimpahannya
dapat ditentukan dari tingkat penyerapan dan frekuensi
di mana mereka muncul, yang diamati selama setiap
sapuan frekuensi. Hal ini dapat diplot untuk
menghasilkan serangkaian garis spektral yang mirip
dengan spektrometri optik. Lebih penting lagi, medan
magnet kecil yang dihasilkan oleh setiap inti, dan efek
penyaringan yang dilakukan oleh awan elektron yang
mengelilingi molekul, memodifikasi medan magnet
utama. Hal ini menyebabkan variasi kecil frekuensi
resonansi ditumpangkan pada garis-garis ini,
menggeser dan membelahnya. Dengan demikian, tidak
hanya kelimpahan berbagai spesies nuklir yang dapat
diamati, tetapi juga perubahan lingkungan kimianya.
Sebagai contoh, penyetelan fosfor dalam otot
memungkinkan ketersediaan ATP selama kontraksi
berulang dapat diikuti.
Sementara spektroskopi MR biasanya mengukur
energi yang diserap dari medan RF saat terjadi,
pencitraan (MRI) biasanya bergantung pada
pengamatan sinyal yang masih ditransmisikan kembali
oleh inti beberapa saat setelah semburan pendek atau
semburan medan RF. Sinyal dari masing-masing inti
terlalu kecil untuk dideteksi; sinyal tersebut harus
disinkronkan dengan semburan singkat medan
transversal, yang disebut sebagai pulsa RF. Hidrogen
(proton tunggal) adalah inti yang biasa dipilih untuk
aplikasi pencitraan, karena sejauh ini merupakan yang
paling melimpah. Dalam pencitraan, tidak seperti
spektroskopi, medan magnet utama sengaja dibuat
tidak seragam untuk memvariasikan p e n y e t e l a n
proton di berbagai bagian pasien. Sebagai contoh,
misalkan medan dibuat tinggi d i satu sisi pasien dan
rendah di sisi lainnya. Kemudian, hanya satu bidang
vertikal pada pasien yang akan berisi proton yang
disetel ke frekuensi yang sama dengan denyut RF. Jika
288
ujung kaki. Meskipun inti di bidang asli mungkin relaksasi spin-spin, dan konstanta waktu yang
masih memancarkan sinyal, hanya inti di bidang baru menggambarkannya dikenal sebagai T2 . Dengan
yang ortogonal dengan bidang pertama yang masih memanipulasi pulsa RF yang berurutan,
Fisika HALAMANinti
13 yang
akan disetel ke frekuensi yang tepat untuk ditangkap tadinya cepat dapat dibuat lambat dan sebaliknya.
oleh penerima. Jika ada sinyal, maka sinyal tersebut Setelah penundaan lebih lanjut, ini
pasti berasal dari tempat kedua bidang ini melintasi
pasien. Ada cara lain yang lebih canggih di mana data
lebih lanjut dapat dimasukkan ke dalam sinyal untuk
mengidentifikasi di mana di sepanjang garis tersebut
masing-masing elemen jaringan melakukan transmisi
ulang. Intensitas sinyal yang sekarang mewakili
jumlah spesies molekuler kemudian digunakan untuk
memodulasi kecerahan garis pada VDU pada posisi di
layar yang mewakili posisi persimpangan tiga pada
pasien. Urutan denyut nadi yang semakin kompleks
telah dirancang, yang memungkinkan pembacaan
sinyal secara simultan dari banyak garis sekaligus dan
ini mengurangi waktu yang diperlukan untuk
memindai pasien.
Untuk pencitraan, sebagian detail spektral yang
tersedia dalam spektroskopi dikorbankan untuk
memaksimalkan kontras dan detail jaringan dalam
gambar. Namun demikian, hal ini sebagian
dikompensasikan dengan menggunakan perilaku
dinamis proton yang tereksitasi. Kembali ke analogi
kita sebelumnya, jika setelah bersiul pada piano, pedal
penopang dilepaskan, energi getaran senar secara cepat
dihilangkan oleh peredam yang terasa, dan suara pun
meluruh dengan cepat. Efek yang sesuai dihasilkan
saat inti melepaskan energi ke sekelilingnya, yang
dikenal sebagai kisi-kisi. Waktu relaksasi kisi spin-
lattice ini (T1 ) umumnya panjang dalam cairan dan
pendek dalam jaringan terstruktur. Jaringan yang
memiliki konsentrasi proton yang sama dapat
memberikan kekuatan sinyal yang sama segera setelah
eksitasi oleh pulsa RF, tetapi jika penundaan diizinkan
sebelum pengukuran, perbedaan besar dalam kekuatan
yang tersisa dapat terjadi.
Di dalam jaringan, T1 mungkin sesingkat 0,1 detik.
Kista yang berisi cairan memiliki T1 yang panjang,
sedangkan darah yang menggumpal dan jaringan
fibrosa umumnya memiliki T1 yang pendek. T1 yang
lebih panjang pada darah normal umumnya tertutupi
oleh fakta bahwa darah tersebut telah keluar dari
bidang pandang sebelum pengukuran dapat dilakukan.
Pembuluh darah biasanya tampak hitam pada gambar.
Peningkatan T1 yang terlihat pada tumor relatif
terhadap jaringan di sekitarnya disebabkan oleh
peningkatan air bebas yang ada. Penyesuaian
penundaan pengukuran dapat meningkatkan kontras
antara jaringan yang berdekatan dengan densitas
proton yang sama tetapi memiliki struktur internal
yang berbeda.
Setelah pulsa RF berhenti, beberapa inti akan
beresonansi sedikit lebih cepat daripada rata-rata
karena medan magnet lokalnya menambah medan
utama, dan sebagian lagi lebih lambat karena medan
magnet lokal berkurang. Kemudian, meskipun tidak
ada energi yang hilang, kurangnya sinkronisasi yang
semakin meningkat membuat sinyal tidak dapat
diakses oleh penerima radio. Hal ini dikenal sebagai
289
 Pencitraan resonansi magnetik
(MRI)

menghasilkan pemulihan sinkronisasi dan sinyal
muncul kembali. Dengan analogi suara, hal ini
digambarkan sebagai gema putaran. Hal ini banyak
digunakan untuk memulihkan sinyal setelah teknik
urutan denyut nadi selektif jaringan yang rumit.
Dengan mengubah tingkat pengulangan dari
siklus, pencampuran lebih lanjut dari beberapa pulsa
RF, dan waktu pengamatan akhir relatif terhadapnya,
metode ini dapat dibuat sangat selektif terhadap
keadaan kimiawi jaringan yang diamati dengan rasio T1
, T2 atau T1 /T2 yang berbeda.

290
Bab Empat Belas
Statistik dan berbasis bukti
perawatan kesehatan
Louise Brown
ISI BAB
Pendahuluan .....................................................289
Beberapa prinsip dasar statistik .....................290
Pengambilan sampel dan kesimpulan terhadap
populasi pada umumnya .................................290
Kesalahan tipe 1..............................................290
Kesalahan tipe 2..............................................291
Hipotesis nol dan hipotesis aktif ......................291
Bias dan kemampuan generalisasi..................291
Interval keyakinan, akurasi dan
presisi..............................................................291
Independensi dan data yang cocok .................291
Jenis data, asumsi distribusi
dan uji parametrik ...........................................292
Distribusi normal..............................................292
Uji parametrik dan non-parametrik..................293
Pengumpulan dan penyajian data...................294
Rata-rata..........................................................295
Varians ............................................................295
Standar deviasi (SD) .......................................295
Kesalahan standar dari rata-rata (SEM) .........296
Interval kepercayaan untuk rata-rata...............296
Mode ...............................................................296
Median ............................................................296
Jangkauan.......................................................296
Rentang interkuartil .........................................296
Proporsi dan risiko...........................................296
Peluang ...........................................................297
Nilai .................................................................297
14
Ukuran hasil, paparan, dan
efek ....................................................................297
Prevalensi .......................................................297
Insiden ............................................................297
Perancu dan interaksi .....................................298
Jenis-jenis studi dan desain eksperimental ....299
Jenis-jenis bias ...............................................300
Jenis-jenis studi ..............................................301
Persamaan untuk perhitungan daya dasar ....304
Teks statistik yang disarankan .......................304
Pendahuluan
Banyak dokter sering menyamakan statistik dengan
angka-angka dan persamaan yang terlihat dalam
makalah penelitian. Namun istilah 'statistik' tidak
berarti 'angka'; memang, analisis statistik yang lengkap
dari sebuah makalah harus mencakup isu-isu non-
numerik seperti sifat metode pengambilan sampel
atau validitas tes diagnostik 'standar emas'. Selain itu,
makalah dapat dipenuhi dengan data numerik tetapi
tidak mengandung statistik sama sekali.
Statistik telah didefinisikan sebagai disiplin ilmu
yang berkaitan dengan:
• Pengumpulan dan penyajian data
• Inferensi dari sampel atau eksperimen ke
populasi secara luas
• Pemodelan dan analisis sistem yang kompleks
• Isu-isu yang lebih luas yang berkaitan dengan
penerapan dan interpretasi teknik-teknik di atas
dalam bidang politik, manajemen, hukum, filsafat,
dan ilmu pengetahuan.
Salah satu masalah dalam memahami statistik adalah
bahwa, sama halnya dengan banyak cabang ilmu
lainnya
 Beberapa prinsip statistik dasar

kedokteran, menjadi ilmu yang semakin canggih, di

mana buku teks standar tampaknya hanya melayani
mereka yang sudah menjadi anggota klub eksklusifnya.
Analisis kumpulan data yang besar dan kompleks, serta
teknik pemodelan matematis, pada umumnya lebih
baik diserahkan kepada ahlinya. Namun, penilaian Sampel 1
terhadap banyak artikel yang diterbitkan yang relevan
bagi dokter spesialis kebidanan dan kandungan dapat
sangat terbantu dengan memahami beberapa prinsip Sampel 2
dasar, yang beberapa di antaranya disajikan dalam bab
ini.

Beberapa prinsip dasar statistik Sampel 3

Pengambilan sampel dan

penarikan kesimpulan
terhadap populasi secara
luas
Masalah yang paling mendasar dalam statistik adalah Hal ini terjadi ketika 'sampel' yang digunakan dalam eksperimen
bahwa seseorang mencoba untuk menghubungkan data Anda menghasilkan hasil yang signifikan untuk hipotesis Anda,
yang diambil dari 'sampel' yang relatif kecil dengan namun tidak akan ada hasil yang signifikan jika Anda melakukan
kelompok yang jauh lebih besar di mana tidak praktis eksperimen pada 'populasi'; dengan kata lain, hal ini terjadi secara
untuk mengumpulkan semua data yang tersedia. Dalam kebetulan. Ketika kita menetapkan
statistik medis, kelompok besar dan agak samar-samar
ini dikenal sebagai 'populasi' dan sering kali sulit untuk
didefinisikan. Hal ini mungkin terlihat jelas, tetapi
memahami konsep pengambilan sampel sangat penting
dalam menginterpretasikan hasil penelitian. Penerapan
statistik pada penelitian adalah upaya untuk
memastikan bahwa hasil dari sampel Anda secara
umum sesuai dengan hasil yang akan terjadi jika Anda
dapat melakukan percobaan pada semua anggota
populasi yang relevan. Gambar 14.1 menunjukkan
hubungan sederhana ini dan secara intuitif dapat dilihat
bahwa, ketika ukuran sampel meningkat, sampel akan
semakin mendekati representasi populasi. Secara
umum, dengan bertambahnya ukuran sampel, bias
dalam penelitian akan berkurang; namun, hal ini tidak
selalu terjadi dan dalam beberapa kondisi statistik yang
tidak biasa, bias akan tetap ada, namun hal ini berada
di luar cakupan bab ini.
Pesan yang paling penting untuk Anda sebagai
peneliti adalah, jika Anda mengulangi eksperimen
Anda, Anda hampir pasti akan mendapatkan hasil yang
berbeda. Anda mungkin masih dapat menarik
kesimpulan yang sama dari hasil tersebut, tetapi angka
yang digunakan dalam perhitungan statistik akan
berbeda dari satu sampel ke sampel lainnya. Secara
rata-rata, Anda akan mengharapkan hasil yang
konsisten, tetapi ketika ada ketidaksepakatan antara
sampel dan populasi, jenis-jenis kesalahan berikut ini
dapat terjadi dan hal ini harus selalu ada dalam pikiran
Anda ketika menafsirkan hasil penelitian.

Kesalahan tipe 1
290
 Anda perlu membuat

Statistik dan perawatan kesehatan HALAMAN 14

berbasis bukti
Populasi - semua
subjek yang
mungkin relevan
dengan penelitian

Sampel idealnya
dipilih secara
acak

Gambar 14.1 - Representasi sampel dan populasi.

Dengan nilai p yang 'signifikan' pada 0,05,

kami mengizinkan 5% kemungkinan
terjadinya kesalahan tipe 1 untuk
penelitian kami. Untuk mendapatkan
peluang nol dari kesalahan tipe 1, kami
harus melakukan percobaan pada 'populasi'
itu sendiri dan ini tidak mungkin karena
akan merekrut subjek dalam jumlah yang
tak terbatas. Tingkat 5% sepenuhnya
sewenang-wenang dan murni konvensi
yang tampaknya 'masuk akal' dalam
sebagian besar situasi penelitian. Dengan
demikian, nilai p harus d i t a f s i r k a n
s e c a r a hati-hati dengan selalu
mengingat desain penelitian dan ukuran
perbedaan yang diamati antara kelompok-
kelompok pembanding. Nilai p adalah
sebuah kontinum yang berjalan dari 0
hingga 1 dan ambang batas seperti 0,05
hanya digunakan sebagai panduan.
Pertimbangan lain ketika
menginterpretasikan hasil penelitian
adalah apakah banyak perbandingan yang
dilakukan dengan menggunakan sampel
yang sama. Hal ini dikenal sebagai
'pengujian multi-pengujian' dan ini
merupakan kelemahan umum yang terlihat
dalam sejumlah penelitian dalam literatur
yang dipublikasikan. Dengan menetapkan
nilai p untuk signifikansi pada 0,05, Anda
mengizinkan peluang 5% untuk kesalahan
tipe 1, yaitu 1 dari 20 perbandingan
statistik akan menghasilkan hasil yang
signifikan secara kebetulan dan dengan
demikian, jika sejumlah besar variabel
dalam kumpulan data diuji signifikansinya,
ada risiko yang cukup besar untuk
mendapatkan kesalahan tipe 1. Pengujian
berganda sering kali berjalan seiring
dengan hipotesis yang tidak jelas dan
desain studi yang tidak dipikirkan dengan
baik. Jika Anda ingin menguji banyak
hasil dan paparan menggunakan sampel
pasien yang sama, Anda perlu
memperhitungkan hal ini dengan
menetapkan nilai p yang lebih ketat untuk
signifikansi, misalnya 0,01. Dalam hal ini,
291
 Beberapa prinsip statistik dasar

100 perbandingan agar salah satunya menjadi kriteria inklusi dan eksklusi untuk penelitian tersebut.
signifikan secara kebetulan. Oleh karena itu, ketika menginterpretasikan hasil
penelitian, penting untuk melihatnya dalam kaitannya
Tipe 2 kesalahan dengan kriteria inklusi dan eksklusi penelitian serta
metode pengambilan sampel yang digunakan saat
Hal ini terjadi ketika 'sampel' yang digunakan dalam merekrut subjek. Ada banyak jenis bias yang berbeda
eksperimen Anda gagal menghasilkan hasil yang dan desain penelitian tertentu lebih rentan terhadap
signifikan untuk hipotesis Anda, namun akan ada hasil jenis bias tertentu daripada yang lain. Hal ini akan
yang signifikan jika Anda melakukan eksperimen pada dibahas secara lebih mendalam pada bagian mengenai
'populasi', yaitu Anda telah melewatkan efek yang jenis-jenis penelitian dan desain eksperimen (hal 299-
nyata dan mungkin penting. Ketika kita mengharuskan 300).
sebuah penelitian memiliki kekuatan 90%, kita
mengizinkan 10% kemungkinan bahwa sampel kita
tidak akan mendeteksi hasil yang signifikan yang Interval keyakinan, akurasi dan
sebenarnya ada dalam populasi. presisi
Hal ini biasanya terjadi pada penelitian kecil di mana terdapat
kekuatan yang tidak mencukupi. Penelitian dengan menjalankan uji coba terkontrol acak dengan kekuatan
kekuatan yang kurang dapat menyulitkan untuk yang baik, hasil yang membandingkan kelompok acak
ditafsirkan, terutama ketika tampaknya ada perbedaan yang diestimasi dari sampel tidak mungkin bias;
yang cukup besar antara kelompok-kelompok tetapi namun, hasil tersebut hanya dapat digeneralisasi ke
nilai p tidak mencapai ambang batas magis untuk sub-kelompok populasi yang memenuhi kriteria inklusi.
diterima sebagai hasil yang signifikan. Beberapa ahli
statistik berpendapat bahwa tidak ada penelitian
dengan kekuatan di bawah standar yang boleh
dilakukan karena tidak dapat ditafsirkan dan hal ini
mungkin akan memadatkan hasil penelitian di dunia
menjadi sebagian kecil dari jumlah yang ada saat ini.
Sebagian besar penyandang dana penelitian sekarang
menuntut perhitungan daya, tetapi terkadang asumsi
yang mendasari perhitungan daya terlalu optimis.
Namun, dalam banyak kasus, keseimbangan masih
dapat dicapai antara mencapai daya yang cukup dan
menetapkan target pragmatis untuk ukuran sampel.

Hipotesis nol dan aktif

Selalu penting untuk dapat mendefinisikan hipotesis
nol dan hipotesis aktif untuk sebuah penelitian dan ini
berarti memiliki definisi yang jelas untuk hasil dan
eksposur atau perlakuan. Di bawah hipotesis nol, tidak
ada perbedaan antara kelompok-kelompok yang
dibandingkan. Ini akan cenderung menjadi hipotesis
'default' kecuali sampel penelitian mengumpulkan
bukti yang cukup untuk menolak hipotesis nol ini dan
menunjukkan bahwa hipotesis aktif adalah benar.

Bias dan kemampuan generalisasi

Ketika penelitian mengambil sampel dengan cara yang
tidak acak, perbedaan antara hasil dari sampel dan
populasi yang sebenarnya dapat muncul. Demikian
pula, jika pengobatan dialokasikan kepada pasien
secara tidak acak, estimasi perbedaan antara kelompok
pengobatan dapat menjadi bias. Dengan kata lain, bias
dapat muncul jika sampel secara sistematis tidak
mewakili populasi. Namun, bias dan generalisasi tidak
selalu merupakan hal yang sama. Jika seseorang
292
Ketika menginterpretasikan hasil dari sebuah sampel,
akan sangat berguna untuk mengekspresikan hasil
tersebut dengan rentang nilai yang mungkin Statistik
diambildan perawatan kesehatan HALAMAN 14
jika sampel lain dengan ukuran yang sama berbasis
dipilih.bukti
Rentang nilai ini disebut interval kepercayaan (CI) dan
kita dapat menetapkan tingkat kepercayaan sebagai
persentase; kepercayaan 95% biasanya digunakan.
Sebagai contoh, jika kita mengukur berat badan lahir
dari 50 bayi dan menghitung estimasi titik untuk berat
badan rata-rata 3360 g dan interval kepercayaan 95%
dari 3200 hingga 3520 g, ini berarti bahwa kita dapat
95% yakin bahwa, dengan ukuran sampel ini, berat
badan lahir rata-rata yang sebenarnya untuk semua
bayi dalam populasi yang relevan dengan penelitian ini
terletak di suatu tempat di antara 3200 dan 3520 g.
Secara umum, seiring dengan meningkatnya ukuran
sampel, interval kepercayaan menjadi lebih sempit.
Istilah presisi digunakan untuk menggambarkan
seberapa lebar interval kepercayaan di sekitar estimasi
titik, sedangkan akurasi memberikan indikasi seberapa
dekat estimasi titik dari sampel dengan nilai populasi
yang sebenarnya yang tidak dapat diukur, dan oleh
karena itu lebih terkait dengan bias atau generalisasi.
Perhitungan interval kepercayaan akan dibahas secara
lebih rinci di halaman 296.

Independensi dan data yang cocok

Banyak uji statistik yang membuat asumsi tentang
independensi subjek yang dianalisis dalam penelitian.
Jika data tidak independen, misalnya ibu yang sama
dapat disertakan lebih dari satu kali dalam penelitian
tentang persalinan, maka hal ini harus diperhitungkan
dalam analisis. Banyak uji statistik yang umum
digunakan mengasumsikan bahwa semua pengamatan
berasal dari individu yang terpisah dan, dengan
memasukkan subjek lebih dari satu kali, Anda
membuat sampel Anda kurang bervariasi dibandingkan
jika subjek hanya dimasukkan satu kali. Demikian
pula, jika desain penelitian Anda memilih kasus dan
kontrol dengan mencocokkannya dalam hal kovariabel
seperti usia dan kelompok etnis, maka analisis Anda
harus memperhitungkan pencocokan ini. Secara
umum, lebih baik untuk tidak mencocokkan subjek
dalam sebuah penelitian karena memungkinkan untuk
menyesuaikan perbedaan potensial antara kelompok
Anda pada tahap analisis. Selanjutnya, dalam

293
 Jenis data, asumsi distribusi, dan uji parametrik
Untuk penelitian di mana subjek telah dinilai sebelum
dan sesudah mengalami paparan, mereka harus
dievaluasi dengan cara 'berpasangan' dengan
menganalisis perbedaan antara pengukuran sebelum
dan sesudah, karena hal ini menjelaskan kurangnya
independensi di antara mereka. Hal ini juga cenderung
meningkatkan kekuatan penelitian karena perbedaan
antar pasien cenderung lebih sedikit dibandingkan
variasi absolut antar pasien.
Jenis data, asumsi
distribusi, dan uji
parametrik
Ada banyak cara yang dapat digunakan untuk
mengumpulkan data tentang subjek yang menarik,
namun secara umum, data dapat diklasifikasikan ke
dalam beberapa jenis berikut ini:
Kuantitatif atau kontinu - spektrum pengukuran
data yang terus menerus, misalnya usia, tekanan darah,
tinggi badan, atau berat badan.
Ordinal - subjek dikategorikan ke dalam kelompok-
kelompok yang memiliki urutan kategori, misalnya
gejala ringan, sedang, atau berat.
Kategorikal - subjek dikategorikan ke dalam
kelompok-kelompok, tetapi tidak harus ada urutan
tertentu pada kategori tersebut, misalnya warna mata
atau negara tempat lahir.
Biner - ini adalah sub-kelompok data ordinal dan
kategorikal di mana hanya ada dua kategori yang
mungkin, misalnya pria atau wanita, mati atau hidup.
Data yang bergantung pada waktu - di mana subjek berada
ditindaklanjuti untuk jangka waktu yang berbeda,
biasanya dalam studi kohort dan uji coba terkontrol
secara acak ketika subjek telah direkrut dalam
jangka waktu yang lama. Sebagai contoh,
klasifikasi subjek sebagai mati atau hidup mungkin
tergantung pada lamanya masa tindak lanjut.
Ketika menganalisis jenis data ini, sering kali perlu
untuk membuat asumsi tentang bagaimana data dalam
sampel kita cenderung berperilaku dalam kaitannya
dengan populasi tempat mereka berasal. Untuk
melakukan hal ini, akan sangat membantu jika kita
mengasumsikan distribusi probabilitas yang dapat
digambarkan dengan persamaan matematika dan ini
kemudian dapat digunakan sebagai templat untuk
menggambarkan data sampel dan membuat
perbandingan di dalamnya. Ada banyak jenis distribusi
matematis yang digunakan dalam statistik, tetapi empat
yang paling umum adalah distribusi binomial, Poisson,
normal, dan chi-kuadrat (χ ):2
Distribusi binomial menggambarkan distribusi
probabilitas untuk data biner dan berhubungan
dengan contoh umum pelemparan koin. Untuk
292
Distribusi Poisson dapat diasumsikan ketika
menyelidiki tingkat yang berasal dari data
waktu-ke-kejadian dan ini mewakili gagasan
bahwa peristiwa tertentu terjadi pada tingkat
yang konstan dan dengan demikian, ketika kita
mengikuti orang dari waktu ke waktu, lebih
banyak peristiwa akan terjadi. Namun, perlu
dicatat bahwa ada juga asumsi yang lebih
kompleks yang diperlukan ketika menganalisis
data waktu-ke-kejadian,
Misalnya, analisis regresi Cox sering
digunakan, tetapi tidak akan dibahas lebih lanjut
dalam bab ini.
Distribusi normal atau Gaussian diasumsikan
ketika menyelidiki pengukuran dari data
kontinu, tetapi juga digunakan sebagai dasar
untuk banyak aspek statistik medis. Lebih
banyak detail disediakan untuk distribusi ini
sedikit lebih jauh, karena sangat penting dalam
memahami penerapan statistik. Untuk sampel
pengamatan yang cukup besar (biasanya >20),
distribusi probabilitas lain yang dikenal sebagai
distribusi t umumnya digunakan karena
merupakan perkiraan yang baik dari distribusi
normal dan ini adalah dasar dari uji-t Student
yang terkenal.
Distribusi chi-kuadrat (c2 ) diperoleh dengan
mengkuadratkan distribusi normal dan memiliki
sifat-sifat khusus yang membuatnya berguna
untuk menyelidiki proporsi dari data kategorikal,
ordinal atau biner.
Distribusi normal
ukuran sampel yang besar, distribusi binomial sangat mirip
dengan distribusi normal, sehingga distribusi binomial
sering diasumsikan dalam perhitungan statistik.
Distribusi normal adalah salah satu
distribusi probabilitas yang paling penting
dan banyak digunakan dalam statistik Statistik dan perawatan kesehatan HALAMAN 14
medis. Distribusi ini dapat digambarkan berbasis bukti
dengan persamaan matematis yang cukup
rumit; namun, jika diplot dalam bentuk
probabilitas, kita dapat melihat bahwa
distribusi ini menghasilkan kurva
'berbentuk lonceng' yang terkenal seperti
yang ditunjukkan pada Gambar 14.2.
Sumbu x distandarisasi sedemikian rupa
sehingga rata-rata sesuai dengan nol (nilai
yang paling mungkin) dengan unit-unit
deviasi standar yang berada di atas dan di
bawah nilai ini. Dapat dilihat bahwa 95%
area di bawah kurva terletak di antara titik-
titik yang berada 1,96 standar deviasi di
kedua sisi nilai rata-rata dan angka ini
sangat penting karena kita dapat
menggunakannya untuk memberikan
indikator kisaran nilai yang akan
memasukkan 95% dari semua nilai yang
mungkin. Dalam beberapa kasus, Anda
mungkin ingin mengetahui kisaran nilai
yang menggabungkan 90% atau bahkan
99% dari semua nilai dan kisaran ini sesuai
dengan 1,65 dan 2,58 standar deviasi di
kedua sisi rata-rata.
Keindahan dari distribusi normal adalah
sifat simetris di sekitar nilai rata-rata ini
berlaku baik ketika kita memplot titik data
aktual dari sampel kita atau ketika kita
memplot hasil penelitian jika kita
mengulanginya lagi dan lagi. Dalam
skenario ini, kita akan mendapatkan 'rata-
rata dari rata-rata

293
 Jenis data, asumsi distribusi, dan uji parametrik

0.4 tetapi juga kurang informatif karena pengamatan di

atas atau di bawah median semuanya diperlakukan
dengan cara yang sama.
0.3
Memutuskan apakah akan
menggunakan tes parametrik atau
Probabilita

0.2
non-parametrik
Untuk data biner, asumsi distribusi binomial akan berlaku
untuk sampel kecil <20, tetapi distribusi binomial dan
s

normal dapat diasumsikan untuk sampel data biner

0.1 dengan >20 pengamatan. Ketika membandingkan
proporsi pada data biner, kategorik, a t a u ordinal,
distribusi chi-kuadrat sering diasumsikan; namun, jika
0 angka-angka dalam kategori menjadi sangat kecil, maka
-4 -3 -2 -1 0 1 2 3 4 sering kali lebih tepat menggunakan koreksi Yates atau
uji eksak Fisher, yang keduanya dijelaskan dalam buku
teks statistik standar mana pun. Mungkin contoh yang
paling umum untuk memutuskan
2,5% dari luas 2,5% dari luas
wilayah wilayah apakah akan menggunakan uji parametrik atau non-
di bawah kurva di bawah kurva parametrik adalah ketika Anda ingin mengetahui
terletak di terletak di atas apakah data kontinu dalam sampel Anda dapat
bawah -1,96 +1,96 diasumsikan mengikuti distribusi normal
Gambar 14.2 - Fungsi distribusi probabilitas untuk proporsi yang berada di atas dan di bawah nilai rata-
distribusi normal. Sumbu horizontal telah distandarisasi rata untuk masing-masing kelompok yang
sedemikian rupa sehingga nol sesuai dengan rata-rata bersangkutan. Dengan demikian, uji Mann-Whitney U
dengan unit deviasi standar di atas dan di bawah rata-rata.
kurang sensitif terhadap nilai yang besar.

dari sampel dan rentang nilai rata-rata dapat diwakili

oleh distribusi sampling. Istilah kesalahan standar pada
dasarnya adalah deviasi standar dari distribusi
pengambilan sampel ini dan digunakan di seluruh
statistik untuk menghitung interval kepercayaan di
sekitar estimasi titik. Contoh cara menghitung interval
kepercayaan untuk rata-rata diberikan pada hal. 296.

Tes parametrik dan non-parametrik

Uji statistik parametrik adalah uji statistik yang
menggunakan asumsi mengenai distribusi matematis
mana yang paling baik mewakili sampel dan populasi
y a n g diambil. Uji statistik non-parametrik
adalah uji statistik yang tidak menggunakan asumsi
tentang distribusi data. Secara umum, uji parametrik
cenderung lebih kuat dan sensitif daripada uji non-
parametrik dan oleh karena itu cenderung lebih disukai
karena lebih sedikit pengamatan yang diperlukan untuk
memberikan bukti yang mendukung hipotesis jika
hipotesis tersebut benar. Contoh umum dari uji
parametrik adalah penggunaan uji-t Student untuk
membandingkan nilai rata-rata variabel kontinu antara
dua kelompok. Salah satu asumsi pengujian adalah
bahwa data kontinu yang diukur dalam sampel dapat
diasumsikan mengikuti distribusi normal. Jika asumsi
ini tidak valid, maka dapat digunakan uji non-
parametrik Mann-Whitney U yang mengurutkan
observasi berdasarkan ukuran dan membandingkan
294
distribusi. Secara umum, untuk sampel kecil kurang
dari sekitar 15 pengamatan, tidak aman untuk
mengasumsikan data terdistribusi secara normal dandan perawatan kesehatan
Statistik HALAMAN 14
metode non-parametrik umumnya harus digunakan.berbasis bukti
Namun, perlu diingat bahwa tes ini kurang kuat dan
ukuran sampelnya kecil, yang akan membuat hasil
statistiknya sulit diinterpretasikan. Jika Anda memiliki
ukuran sampel yang cukup besar, hal pertama yang
harus dilakukan adalah memplotkan titik-titik data
Anda pada diagram pencar atau mengelompokkan data
ke dalam kelompok-kelompok dan memplotkannya
pada histogram. Inspeksi grafik atau histogram adalah
cara paling sederhana untuk menilai apakah asumsi
distribusi Anda valid. Penyimpangan dari distribusi
normal dapat menyebabkan kemencengan atau kurtosis
yang signifikan. Gambar 14.3 menunjukkan histogram
untuk data yang mengikuti distribusi normal atau
memiliki distribusi miring positif atau negatif, dan
Gambar 14.4 menunjukkan bagaimana data dapat
menyimpang dari kurva 'berbentuk lonceng' klasik
yang terlihat pada distribusi normal dan menunjukkan
kurtosis. Kurtosis berkaitan dengan bentuk distribusi
dan dapat berdampak pada analisis statistik yang Anda
pilih untuk dilakukan pada data Anda. Jika kurtosis
sangat ekstrem, tes non-parametrik harus digunakan.
Perlu dicatat bahwa untuk data yang terdistribusi
normal sempurna, nilai rata-rata, median, dan modus
semuanya sama, sedangkan untuk data yang condong
ke kanan, nilai rata-rata cenderung lebih besar
daripada median, dan sebaliknya untuk data yang
condong ke kiri. Ketika meringkas data yang miring,
sering kali lebih baik mengutip median dan rentang
interkuartil daripada mean dan standar deviasi yang
umumnya digunakan untuk meringkas data yang
terdistribusi normal. Cara menghitung statistik
ringkasan ini dijelaskan pada bagian berikutnya.
Dalam beberapa kasus, akan sangat membantu jika
Anda mengubah data yang miring menjadi variabel
lain yang dapat diasumsikan mengikuti distribusi
normal (ini disebut transformasi). Sebagai contoh, data
yang miring secara positif sering kali dapat
dimanipulasi menjadi

295
 Pengumpulan dan penyajian data

Frekuensi Frekuensi Frekuensi

A B C

Gambar 14.3 - Histogram yang mewakili kemiringan data. (A) Kecondongan negatif (median > rata-rata). (B) Terdistribusi
secara normal (median = mean = modus). (C) Miring secara positif (median < mean).

Frekuensi Frekuensi Frekuensi

A B C

Gambar 14.4 - Histogram yang merepresentasikan kurtosis data. Lepto-kurtik (berekor panjang). (B) Meso-kurtic
(terdistribusi normal). (C) Platy-kurtic (berekor pendek).

format yang lebih berdistribusi normal dengan

Tabel 14.1 Statistik ringkasan dan metode presentasi
mentransformasikannya ke dalam skala log; uji-t
yang umum untuk menggambarkan data
kemudian dapat digunakan pada data yang telah
ditransformasikan ke dalam log. Terdapat cara-cara
Tipe data Statistik ringkasan Presentasi
yang lebih formal untuk menguji asumsi Anda
mengenai distribusi normal, seperti plot normal dan uji Kuantitatif Mean atau rata-rata, Plot sebar
Shapiro-Francia atau Shapiro-Wilk, namun cara-cara atau deviasi standar, Plot garis
ini harus digunakan secara hati-hati dan, jika ada kontinu varians, kesalahan Kotak dan
keraguan, Anda harus kembali menggunakan metode standar, interval plot
non-parametrik. kepercayaan, kumis
modus, median, Histogram
rentang, rentang
Pengumpulan data dan presentasi interkuartil
Ada banyak cara untuk menjumlahkan dan menyajikan Kategorikal, Mode Histogram
data, dan pilihannya tergantung pada jenis data. Bagian ordinal, Persentase atau Diagram
sebelumnya telah mendefinisikan berbagai jenis data atau risiko Peluang lingkaran
dan distribusi yang sering diasumsikan untuk biner Diagram
menganalisisnya. Tabel 14.1 menunjukkan beberapa batang
metode umum untuk meringkas dan menyajikan Hasil acara Nilai Tabel hidup
berbagai jenis data. Semua paket perangkat lunak Bahaya (contoh
yang atau Kaplan-
statistik akan melakukan analisis untuk statistik
bergantung khusus untuk Meier
pada waktu pemodelan kurva
294 Cox)
 Statistik dan perawatan kesehatan HALAMAN 14
berbasis bukti
ringkasan, tetapi contoh sederhana berikut ini
menunjukkan bagaimana statistik dasar dapat dihitung
untuk satu set data.

295
 Pengumpulan dan penyajian data

Contoh
Sebuah penelitian dilakukan untuk menyelidiki
berbagai aspek tekanan darah sistolik (SBP),
pengobatan dan kelangsungan hidup pada sampel 20
orang yang direkrut selama 1 tahun dan diikuti selama
5 tahun. Data diberikan pada Tabel 14.2, disusun
berdasarkan urutan SBP.
Varians
Ini merupakan indikasi variabilitas pengamatan. Setiap
pengamatan dikurangi dari rata-rata, dikuadratkan,
dijumlahkan, dan dibagi dengan jumlah pengamatan,
dikurangi 1.
Contoh: Varians tekanan darah sistolik = [(105
2 + (107 -144.35)2 + ... + (190 -144.35)2 +

(199 -144,35)2 ]/(20 -1) = 804,66 mmHg

Berarti Demikian pula, varians usia = 136,36 tahun.

Ini adalah jumlah semua pengamatan dibagi dengan Standar deviasi (SD)
jumlah pengamatan.
Contoh: Tekanan darah sistolik rata-rata = (105 + Ini juga merupakan indikasi variabilitas pengamatan
107 + karena merupakan akar kuadrat dari varians.
107 + ... + 190 + 199)/20 = 144,35 mmHg
Demikian pula dengan usia rata-rata = 71,55 tahun.

Tabel 14.2 Ringkasan kumpulan data untuk menyelidiki berbagai aspek tekanan darah sistolik, pengobatan dan kelangsungan hidup

Usia saat Jenis Kelompok etnis Tekanan darah Diobati untuk Mati atau Lama waktu
memulai Kelamin sistolik pada hipertensi hidup pada hingga
studi awal penelitian akhir studi kematian atau
(tahun) (mmHg) akhir studi
(bulan)
56 Laki-laki Putih 105 Ya. Mati 1
74 Laki-laki Afro-Karibia 107 Tidak. Hidup 50
83 Perempu Putih 107 Ya. Mati 55
an
77 Laki-laki Putih 109 Tidak. Mati 46
59 Laki-laki Putih 115 Ya. Hidup 50
80 Laki-laki Asia 122 Tidak. Hidup 49
67 Laki-laki Putih 132 Tidak. Mati 6
55 Laki-laki Asia 133 Tidak. Hidup 59
80 Laki-laki Putih 136 Ya. Hidup 51
75 Perempu Putih 144 Tidak. Hidup 55
an
64 Perempu Afro-Karibia 148 Ya. Mati 55
an
64 Perempu Putih 155 Tidak. Mati 32
an
51 Perempu Putih 155 Tidak. Mati 13
an
91 Laki-laki Putih 156 Ya. Hidup 49
87 Laki-laki Asia 160 Ya. Hidup 53
56 Laki-laki Putih 167 Tidak. Hidup 60
76 Laki-laki Afro-Karibia 167 Ya. Hidup 58

296
78 Perempu Putih 180 Tidak. Hidup 66
an
77 Laki-laki Putih Statistik
190dan perawatanTidak.
kesehatan Hidup HALAMAN
65 14
berbasis bukti
81 Laki-laki Afro-Karibia 199 Tidak. Mati 33

297
 Pengumpulan dan penyajian data

Misalnya: Standar deviasi tekanan darah sistolik Median

= 804.66 = 28,37 mmHg
Demikian pula, standar deviasi usia = 11,68 tahun. Median adalah titik tengah dari semua pengamatan,
mengindikasikan bahwa 50% dari pengamatan berada
di atas dan 50% berada di bawah median. Kadang-
Kesalahan standar dari rata-rata (SEM) kadang lebih tepat untuk mengutip median daripada
mean karena kurang sensitif terhadap nilai yang besar.
Kesalahan standar digunakan untuk menunjukkan Demikian pula, ketika data miring, umumnya lebih baik
seberapa baik pengukuran rata-rata sampel mewakili mengutip median daripada mean.
nilai rata-rata populasi yang sebenarnya. Kesalahan Contoh: Median untuk tekanan darah berada di
standar digunakan untuk menghitung interval tengah-tengah antara pengamatan ke-10 dan ke-11
kepercayaan (lihat bagian selanjutnya). ketika disusun dalam urutan peringkat, yaitu 146
Contoh: Kesalahan standar dari rata-rata tekanan mmHg
darah sistolik = deviasi standar dibagi dengan akar Demikian pula, usia rata-rata adalah 75,5 tahun.
kuadrat 20
dari jumlah pengamatan = 28,37 =
6,34 mmHg. Jangkauan
Demikian pula, kesalahan standar untuk usia rata- nilai yang paling umum, misalnya bi-modal, tetapi hal ini tidak
rata adalah akan dibahas lebih lanjut di sini.
2,61 tahun. Contoh: Modus untuk kelompok etnis adalah kulit putih, modus
untuk pengobatan hipertensi adalah tidak ada dan modus untuk
jenis kelamin adalah laki-laki.
Interval kepercayaan untuk rata-rata
Sebelumnya dalam bab ini, karakteristik distribusi
normal telah dibahas dan sifat-sifat ini merupakan inti
dari konstruksi interval kepercayaan. Interval
kepercayaan yang paling umum ditetapkan pada 95%
karena hal ini sesuai dengan nilai p sebesar 0,05.
Setelah kesalahan standar dihitung, interval
kepercayaan 95% untuk tekanan darah rata-rata dapat
dibuat dengan menggunakan pengali 1,96 yang
dijelaskan pada halaman 292. Dengan demikian,
estimasi titik dengan interval kepercayaan 95% untuk
tekanan darah rata-rata adalah 144,35 ± (1,96 × 6,34) =
131,0
hingga 157,6 mmHg
Demikian pula, interval kepercayaan 95% di sekitar
usia rata-rata adalah 66,1 hingga 77,1 tahun.
Jika Anda ingin lebih ketat dengan data Anda, Anda
dapat menetapkan ambang batas nilai p untuk
signifikansi statistik pada 0,01, bukan 0,05 karena ini
sesuai dengan interval kepercayaan 99%. Dalam hal
ini, angka 1,96 meningkat menjadi 2,58. Atau, ambang
batas yang lebih longgar adalah nilai p sebesar 0,1 di
mana nilai 1,96 diturunkan menjadi 1,65 untuk
menghasilkan interval kepercayaan 90%.

Mode
Ini adalah nilai yang paling umum dalam kumpulan
data. Biasanya digunakan dengan data kategorikal dan
ordinal, tetapi juga dapat digunakan untuk data
kontinu. Modus dapat menjadi parameter yang lebih
rumit ketika distribusi data memiliki lebih dari satu

298
Ini adalah rentang total nilai antara
pengamatan terbesar dan terkecil. Ini Statistik dan perawatan kesehatan HALAMAN 14
menunjukkan seberapa luas variasi data berbasis bukti
dan sering dikutip dengan median.
Contoh: Kisaran tekanan darah adalah
105-199 mmHg Demikian pula, kisaran
usia adalah 51-91 tahun.

Rentang interkuartil
Hal ini mirip dengan median meskipun
nilai yang lebih rendah menunjukkan
bahwa 25% dari pengamatan berada di
bawahnya dan nilai yang lebih tinggi
menunjukkan bahwa 25% dari pengamatan
berada di atasnya. Dengan demikian, ini
mewakili kisaran 50% nilai tengah dan
biasanya dikutip dengan median dan sering
digunakan untuk meringkas data yang
miring.
Contoh: Kisaran interkuartil untuk
tekanan darah adalah 188,5-163,5 mmHg
Demikian pula, kisaran interkuartil
untuk usia adalah 61,5-80 tahun.

Proporsi dan risiko

Tabel 14.3 menunjukkan hasil jenis
kelamin berdasarkan pengobatan
hipertensi pada awal penelitian. Dengan
status pengobatan hipertensi yang tidak
berubah selama masa tindak lanjut,
persentase tersebut dapat digunakan untuk
mewakili tingkat pengobatan pada masing-
masing jenis kelamin,
yaitu 6/14 laki-laki dirawat (43%)
dibandingkan dengan 2/6 perempuan
(33%). Risiko dan persentase tidak dapat
digunakan

Tabel 14.3 Hasil jenis kelamin dan pengobatan

hipertensi pada awal

Pengobata Tidak ada Total

n hipertensi pengobatan
hipertensi
Laki-laki 6 8 14
Perempua 2 4 6
n
Total 8 12 20

299
 Pengumpulan dan penyajian data

untuk data yang bergantung pada waktu, kecuali jika Variabel ini terdiri dari dua jenis, yaitu variabel yang
semua subjek telah diikuti untuk jangka waktu yang menggambarkan keberadaan atau perkembangan
sama. penyakit atau pengobatan yang dianggap dapat
menyembuhkan atau memperlambat perkembangan
Peluang penyakit) dan variabel hasil (variabel yang
menggambarkan apakah penyakit tersebut ada atau
Peluang dihitung sebagai rasio jumlah subjek yang seberapa parah penyakit tersebut dalam hal gejala atau
diklasifikasikan dalam satu kategori dengan jumlah kejadian yang didefinisikan). Pada titik ini, ada
subjek yang diklasifikasikan dalam kategori lain. baiknya untuk mendefinisikan secara formal perbedaan
Sekali lagi, dengan menggunakan Tabel 14.3, peluang antara prevalensi dan insiden suatu penyakit karena
pengobatan hipertensi pada masing-masing jenis keduanya biasanya digunakan sebagai ukuran hasil
kelamin adalah 6/8 = 0,75 untuk laki-laki dan 2/4 = 0,5 dalam epidemiologi.
untuk perempuan. Peluang tidak boleh digunakan
untuk data yang bergantung pada waktu kecuali jika Prevalensi
semua subjek telah diikuti untuk jangka waktu yang
sama. Alasan untuk menggunakan peluang daripada Ini mengacu pada jumlah individu dengan penyakit
risiko berkaitan dengan batasan matematis yang pada satu titik waktu sebagai proporsi dari jumlah total
membuatnya lebih tepat dalam situasi analisis tertentu. individu dalam populasi yang diminati pada titik waktu
yang sama. Dengan demikian, prevalensi mewakili
Nilai 'snap-shot' dari proporsi orang dengan hasil yang
diinginkan pada titik waktu tertentu dan oleh karena itu
Dalam banyak situasi, subjek diikuti selama periode tidak berdimensi dalam hal waktu. Oleh karena itu,
waktu tertentu untuk melihat apakah peristiwa tertentu prevalensi berhubungan dengan risiko hasil.
terjadi, misalnya kematian, intervensi bedah,
kehamilan, dll. Jika peristiwa ini terjadi pada tingkat Insiden
yang stabil dari waktu ke waktu, jumlah
peristiwa yang terjadi dibagi dengan jumlah waktu
subjek yang telah diikuti akan menghasilkan angka Ketika menyelidiki hubungan antara penyebab dan
kejadian. Orang-tahun adalah cara yang paling umum pengobatan penyakit, akan berguna untuk berbicara
untuk menghitung jumlah tindak lanjut dalam sebuah dalam hal paparan (faktor-faktor yang dianggap
penelitian dan ini adalah jumlah dari lamanya waktu berhubungan
setiap subjek telah berkontribusi pada penelitian.
Untuk contoh yang diberikan pada Tabel 14.2, terdapat
delapan kematian selama total 906 bulan, yang setara
dengan 906/12 = 75,7 tahun. Dengan demikian, tingkat
kematian = 8/75,5 = 0,106 kematian per orang-tahun
meskipun lazimnya mengutip hasil per 100 orang-tahun
= 10,6. Hal ini dapat diartikan bahwa, jika Anda
mengikuti 100 subjek selama 1 tahun, 10,6 kematian
akan terjadi, tetapi ini adalah ringkasan yang sangat
kasar karena mengasumsikan bahwa kematian terjadi
pada tingkat yang konstan sepanjang tahun, dan ini
mungkin tidak terjadi. Perhitungan angka kasar dengan
cara ini membuat banyak asumsi tentang frekuensi
kejadian dari waktu ke waktu dan metode alternatif
sering digunakan seperti kurva Kaplan-Meyer untuk
presentasi dan pemodelan Cox untuk menghasilkan
rasio bahaya sebagai ukuran hasil antar kelompok.
Perlu juga dicatat dalam contoh ini bahwa jika kita
menghitung risiko kematian sebagai 8/20 (40%), hal
ini akan melebih-lebihkan angka kematian dalam
penelitian ini, oleh karena itu, angka yang digunakan
harus selalu digunakan ketika subjek telah diikuti
dalam jangka waktu yang berbeda.

Ukuran hasil, paparan, dan efek

300
Ini didefinisikan sebagai jumlah kasus baru suatu
penyakit yang berkembang pada sekelompok individu
yang berisiko selama periode waktu tertentu. Statistik
Dengandan perawatan kesehatan HALAMAN 14
berbasis bukti
demikian, seiring berjalannya waktu, kejadian
kumulatif penyakit akan meningkat dan hal ini
tergantung pada lamanya penelitian dan berhubungan
dengan laju penyakit.
Sebelumnya dalam bab ini, risiko, peluang dan
tingkat telah didefinisikan dan ini biasanya digunakan
sebagai ukuran hasil. Rasio dan perbedaan untuk hasil-
hasil ini dapat digunakan sebagai ukuran efek antara
kelompok yang terpapar dan yang tidak terpapar.
Ukuran efek ini harus selalu dikutip dengan interval
kepercayaannya dan semua paket perangkat lunak
statistik akan menghitungnya untuk Anda, tetapi
metodologi yang menjelaskan bagaimana melakukan
hal ini terlalu rinci untuk diberikan di sini. Namun,
interpretasi dari jenis-jenis hasil ini dapat
diilustrasikan dengan menggunakan data pada Tabel
14.2 dengan menyelidiki hubungan antara pengobatan
hipertensi, jenis kelamin dan kematian.

Pertanyaan 1 - Apakah ada perbedaan

dalam penggunaan terapi hipertensi
antara pria dan wanita?
Hal ini dapat diselidiki dengan menghitung risiko atau
rasio peluang.
Rasio risiko (RR) untuk pengobatan hipertensi
antara pria dan wanita = 43%/33% = 1,30 [interval
kepercayaan 95% 0,36 hingga 4,64].
Dengan demikian, estimasi titik menunjukkan
bahwa pria 30% lebih mungkin untuk mendapatkan
pengobatan hipertensi dibandingkan wanita, tetapi,
mengingat ukuran sampel kami, kami 95% yakin
bahwa rasio risiko sebenarnya untuk populasi terletak
di suatu tempat antara 0,36 dan 4,64. Karena interval
kepercayaan 95% kami mencakup rasio risiko yang
sesuai dengan

301
 Ukuran hasil, paparan, dan efek

dengan nilai hipotesis nol 1,0, kami tidak memiliki
bukti yang cukup untuk menolak hipotesis nol dan
menyimpulkan bahwa pria secara signifikan lebih
mungkin untuk m e n j a l a n i pengobatan hipertensi
daripada wanita.
Rasio odds (OR) untuk pengobatan hipertensi antara
pria dan wanita = 0,5/0,75 = 0,67 [95% CI
0,09 hingga 4,93]. Dengan demikian, peluang untuk
mendapatkan pengobatan hipertensi adalah sepertiga
lebih kecil untuk wanita dibandingkan dengan pria,
tetapi sekali lagi, interval kepercayaan mencakup nilai
hipotesis nol 1,0 sehingga tidak ada bukti yang cukup
untuk menunjukkan perbedaan dalam penggunaan
terapi hipertensi.
sekelompok subjek ketika dibandingkan dengan kelompok kontrol
yang tidak terpapar, bagaimana kita dapat memastikan bahwa
perbedaan yang diamati antara kelompok-kelompok tersebut
disebabkan oleh paparan? Jika kelompok perlakuan dan kelompok
kontrol berbeda dalam hal lain selain paparan yang menarik,
misalnya jika terdapat lebih banyak subjek berusia lanjut dalam
kelompok kontrol, maka akan sangat sulit untuk mengetahui
seberapa besar perbedaan antara kedua kelompok tersebut
disebabkan oleh paparan dan seberapa besar perbedaan yang
disebabkan oleh usia yang lebih muda pada kelompok yang
terpapar. Dalam kasus ini, usia adalah perancu dan ini adalah
contoh klasik karena hanya ada sedikit penyakit yang tidak

Pertanyaan 2 - Apakah ada

perbedaan angka kematian antara
pria dan wanita?
Hal ini berkaitan dengan tingkat daripada risiko dan
tingkat kematian kasar dapat diperoleh.
Rasio angka kematian antara pria dan wanita
= 7,7/17,4 = 0,44 [95% CI 0,08 hingga 2,37] di
mana
Angka kematian dihitung sebagai kematian per 100
orang-tahun dengan membagi jumlah kematian pada
masing-masing jenis kelamin dengan jumlah total
tahun masa tindak lanjut pada masing-masing jenis
kelamin dan mengalikannya dengan 100. Dengan
demikian, angka kematian pada pria adalah 7,7 per 100
orang-tahun yang merupakan 0,44 dari angka kematian
pada wanita, tetapi ini juga tidak signifikan karena
interval kepercayaan mencakup rasio angka kematian
untuk tidak ada perbedaan sebesar 1,0. Perlu dicatat
bahwa perhitungan risiko dan peluang kematian tidak
tepat di sini karena subjek telah diikuti dalam jangka
waktu yang berbeda.
Hal ini juga memungkinkan untuk menghitung
perbedaan hasil daripada rasio, namun hal ini
cenderung lebih banyak digunakan dalam bidang
kesehatan masyarakat di mana angka absolut
cenderung lebih relevan.
Perbedaan risiko (risiko yang dapat diatribusikan)
untuk pengobatan hipertensi berdasarkan jenis
kelamin = 43% - 33% = 10% [95% CI
-36% hingga 55%].
Perbedaan dalam kematian antara
jenis kelamin
= 7,7 - 17,4 = -9,7 [95% CI -28,3 hingga 8,9]
kematian per
100 orang-tahun. Kedua selang kepercayaan 95% ini
mencakup nilai hipotesis nol, dan oleh karena itu
sesuai dengan nilai p > 0,05.

Perancu dan interaksi

Jika seseorang mencoba menyelidiki apakah suatu
paparan atau perilaku tertentu mempengaruhi
298
menunjukkan beberapa hubungan dengan
++ -
usia. Untuk menjadi perancu, variabel
tersebut harus dikaitkan dengan hasil dan Statistik dan perawatan kesehatan HALAMAN 14
berbasis bukti
paparan yang menarik. Gambar 14.5
menunjukkan dua contoh klasik di mana Merokok Alkohol
perancu mungkin dan tidak mungkin A +
terjadi. Secara intuitif, kita mungkin
tergoda untuk berpikir bahwa karena
merokok dan tingkat asupan alkohol Kanker
sangat erat kaitannya, maka kita harus paru-paru
selalu menyesuaikan masing-masing
variabel ini ketika menyelidiki efek dari + 0
variabel lainnya. Namun, meskipun hal ini
disarankan untuk penelitian yang
menyelidiki efek merokok dan alkohol
terhadap penyakit jantung, hal ini tidak Merokok Alkohol
selalu diperlukan ketika mempelajari efek B +
merokok dan alkohol terhadap kanker
Gambar 14.5 - Hubungan perancu antara asupan alkohol
paru-paru. Terdapat bukti yang baik yang dan merokok saat menyelidiki faktor risiko penyakit jantung
menunjukkan adanya efek perlindungan dan kanker paru-paru. (A) Perancu. (B) Tidak ada perancu.
dari alkohol (asupan rendah) dan efek
merusak dari alkohol (asupan tinggi)
terhadap kejadian penyakit jantung serta
hubungan yang kuat antara merokok dan
perkembangan penyakit jantung. Juga
diketahui bahwa tingkat asupan alkohol
dan merokok sangat erat kaitannya; oleh
karena itu, ketiga sisi dari segitiga perancu
menunjukkan hubungan yang signifikan.
Sebaliknya, dalam penelitian yang
menyelidiki efek merokok terhadap kanker
paru-paru, seseorang tidak perlu
menyesuaikan asupan alkohol karena
hanya ada sedikit atau bahkan tidak ada
bukti yang menunjukkan bahwa
peningkatan konsumsi alkohol dikaitkan
dengan peningkatan risiko kanker paru-
paru. Dengan demikian, asupan alkohol
merupakan perancu pada Gambar 14.5A
tetapi bukan perancu pada Gambar 14.5B.
Di dunia nyata, mungkin ada banyak
variabel yang memiliki efek pengganggu
pada hasil kami dan banyak di antaranya
tidak akan terlihat jelas bagi kami, itulah
sebabnya mengapa rand

P
e
n
y
a
k
i
t

j
a
n
t
u
n
g
299
 Ukuran hasil, paparan, dan efek
uji coba terkontrol yang terorganisir sangat berharga.
Dengan menugaskan subjek secara acak ke dalam
kelompok perlakuan atau kelompok kontrol, Anda
meminimalkan kemungkinan adanya hubungan antara
semua variabel perancu yang potensial dan keputusan
untuk berada dalam kelompok perlakuan atau
kelompok kontrol. Dengan demikian, satu sisi dari
hubungan trigonometri yang diperlukan untuk
terjadinya perancu tidak ada lagi. Namun, sering kali
pengacakan tidak memungkinkan karena orang tidak
dapat secara acak ditugaskan untuk mengembangkan
penyakit dan penelitian lain diperlukan untuk
menyelidiki situasi ini. Dengan demikian, dalam
perbandingan non-acak, kecenderungan perancu bisa
tinggi dan hal ini sering kali membuat perbandingan
hasil menjadi sangat sulit. Penyesuaian untuk perancu
potensial adalah salah satu cara untuk menilai
keberadaan perancu. Pada contoh penyakit jantung
pada Gambar 14.5, jika Anda menemukan adanya
peningkatan dua kali lipat dalam kejadian penyakit
jantung antara perokok dan bukan perokok, namun
risiko ini menurun menjadi 1,5 jika disesuaikan dengan
asupan alkohol, maka dapat diinterpretasikan bahwa
separuh dari peningkatan risiko penyakit jantung
disebabkan oleh alkohol dan separuhnya lagi
disebabkan oleh kebiasaan merokok, dengan catatan
semua faktor lainnya sama. Contoh ini memunculkan
masalah lain yang sering kali membutuhkan
penyelidikan dan ini disebut interaksi.
Interaksi terjadi ketika dua faktor risiko tidak
bergabung untuk menghasilkan efek yang diharapkan
dalam hasil ketika keduanya ada pada seseorang.
Sebagai contoh, jika Anda merokok dan tidak minum
alkohol, Anda memiliki peningkatan tiga kali lipat
risiko terkena penyakit jantung.
300
Jika Anda minum alkohol tetapi tidak merokok, Anda
memiliki peningkatan dua kali lipat dalam risiko
terkena penyakit jantung, maka orang mungkin
mengharapkan individu yang minum dan merokok
memiliki peningkatan enam kali lipat dalam risiko
terkena penyakit jantung dibandingkan dengan individu
yang tidak minum atau merokok. Jika Anda menguji
hipotesis ini dalam sebuah eksperimen dan
menemukan bahwa ada peningkatan 10 kali lipat
dalam risiko penyakit jantung daripada enam kali lipat
yang diharapkan, maka mungkin ada bukti yang
menunjukkan bahwa merokok dan minum-minuman
keras berinteraksi dengan cara tertentu yang
memperburuk risiko penyakit jantung. Sering kali, para
peneliti tergoda untuk menganalisis efek pengobatan
pada subkelompok, misalnya pria dan wanita, tetapi
hal ini tidak disarankan karena merupakan penggunaan
data yang tidak kuat dan tidak efisien, dan pengujian
interaksi lebih direkomendasikan. Ada beberapa cara
formal untuk menguji interaksi, tetapi ini tidak akan
dibahas di sini; deskripsi ini hanya disertakan sebagai
peringatan bagi pembaca bahwa jenis masalah ini
harus dipertimbangkan ketika menafsirkan hasil
penelitian.
Jenis-jenis studi dan desain
eksperimental
Epidemiologi pada dasarnya berkaitan dengan
investigasi kesehatan dan penyakit di seluruh dan di
dalam populasi manusia dan berbagai metode desain
studi telah dikembangkan untuk menganalisis subjek
yang sering kali kompleks ini. Gambar 14.6
merangkum jenis-jenis studi epidemiologi yang paling
umum dan dapat berupa
 Studi epidemiologi
Statistik dan perawatan kesehatan HALAMAN 14
berbasis bukti

Non- Eksperiment
eksperimental al

Individu Diacak
Data agregat Kuasi-
data subjek uji coba eksperimental
terkontrol

Deskriptif Analitis Deskriptif Analitis

Ekologi Penampang Kelom Kasus-kontrol

melintang pok

Gambar 14.6 - Tipe-tipe umum studi epidemiologi.

301
 Ukuran hasil, paparan, dan efek
terlihat bahwa pembagian utama terjadi antara studi
eksperimental dan non-eksperimental. Studi non-
eksperimental pada dasarnya berkaitan dengan
penyebab dan perkembangan penyakit, sedangkan
studi eksperimental umumnya berkaitan dengan
pengobatan atau pencegahan penyakit. Ada juga jenis
penelitian lain yang berkaitan dengan diagnosis dan
pengujian penyakit dan setiap jenis penelitian adalah
subjek utama dalam dirinya sendiri. Bagian selanjutnya
akan merangkum beberapa desain penelitian yang
paling umum dan mendiskusikan pro dan kontra dari
masing-masing desain dalam kaitannya dengan topik
penelitian yang dimaksud, dan secara khusus
mendiskusikan beberapa masalah yang berkaitan
dengan bias. Ada banyak jenis bias, tetapi beberapa
jenis yang paling umum dibahas di bawah ini dan
dampaknya terhadap berbagai jenis penelitian disajikan
pada Tabel 14.4. Perlu juga ditekankan bahwa, untuk
semua penelitian, rangkaian yang berurutan harus
diperoleh setiap kali memungkinkan, dan jika
pengecualian terjadi, mereka harus didokumentasikan
dengan alasan pengecualian sehingga generalisasi hasil
dapat dipertimbangkan.
Jenis-jenis bias
Secara kolektif, sebagian besar jenis bias yang terlihat
dalam penelitian epidemiologi dapat dicakup dalam
istilah bias pengukuran karena berkaitan dengan
klasifikasi pasien yang salah atau pengukuran yang
tidak akurat dari beberapa parameter seperti tekanan
darah. Dua jenis umum yang harus Anda
pertimbangkan ketika merancang dan
menginterpretasikan penelitian adalah bias seleksi dan
bias responden/pengamat.
Bias seleksi
Ketika sampel tidak dipilih secara acak dari populasi,
bias seleksi dapat terjadi. Sebagai contoh, jika Anda
memilih untuk menyelidiki faktor-faktor yang terkait
dengan tekanan darah dan Anda memilih subjek dari
klinik rumah sakit dan bukan dari masyarakat umum,
bias seleksi dapat terjadi dalam dua cara yang berbeda.
Pertama, tekanan darah mungkin lebih tinggi pada
orang yang berada di klinik rumah sakit dibandingkan
dengan orang yang berada di luar rumah sakit, dan
kedua, pasien cenderung berada di rumah sakit karena
mereka sakit dan
Tabel 14.4 Dampak desain penelitian terhadap bias dan perancu
Kemungkinan: Ekologi Penampang
melintang
302
Anda tidak tahu apakah kondisi mereka berhubungan
dengan tekanan darah atau berinteraksi dengan salah
satu faktor yang sedang Anda selidiki. Demikian pula,
jika Anda menggunakan catatan rumah sakit secara
retrospektif untuk menyelidiki kelangsungan hidup
setelah operasi tertentu, Anda harus ingat bahwa
catatan rumah sakit untuk pasien yang telah meninggal
seringkali diarsipkan secara berbeda dengan catatan
pasien yang masih hidup, dan dengan demikian
ketersediaan catatan pasien tidaklah acak, karena hal
ini berkaitan dengan hasil yang menarik dan bias yang
cukup besar dapat merembes ke dalam penelitian
Anda.
Ketika menyelidiki dampak pengobatan terhadap
penyakit, uji coba terkontrol secara acak adalah cara
terbaik untuk mengurangi efek bias seleksi, terutama
dalam uji coba di mana subjek dan dokter dibutakan
terhadap pengobatan yang dialokasikan. Manfaat
utama dari pengacakan adalah 'penyembunyian', yang
berarti bahwa ketika keputusan dibuat untuk
memasukkan subjek ke dalam uji coba, tidak ada yang
tahu apa alokasi pengobatannya. Dengan demikian, uji
coba acak semu, di mana pengobatan diputuskan
berdasarkan beberapa faktor yang tersedia secara
bebas, seperti bulan kelahiran atau alokasi alternatif
untuk pengobatan atau kontrol, tidak cukup untuk
mengurangi tingkat bias seleksi karena dokter mungkin
memilih untuk tidak memasukkan subjek ke dalam uji
coba karena dia tahu apa alokasinya.
Bias responden atau pengamat
Bias pengamat terjadi ketika peneliti mengetahui status
penyakit, kelompok pengobatan atau hasil dari subjek
dan kemampuan mereka untuk mewawancarai subjek,
mengumpulkan atau menganalisis data dengan cara
yang tidak bias. Demikian pula, subjek (responden)
dapat merespons secara berbeda terhadap pertanyaan
yang berkaitan dengan tingkat eksposur mereka jika
mereka telah diklasifikasikan sebagai subjek dengan
atau tanpa penyakit yang diteliti. Contoh klasik dari
yang terakhir ini juga dikenal sebagai bias ingatan dan
d a p a t menjadi sangat bermasalah dalam
penelitian cross-sectional dan studi kasus-kontrol. Hal
ini sering kali dapat diminimalkan dengan menjaga
agar hipotesis penelitian tidak diungkapkan kepada
subjek yang berpartisipasi, meskipun hal ini menjadi
semakin sulit dalam beberapa tahun terakhir karena
persyaratan untuk informed consent cenderung
mengamanatkan penyediaan informasi lengkap.
Kelompok Kasus-kontrol Uji coba acak
Bias seleksi N/A Sedang Rendah Tinggi Rendah
Bias N/A Sedang StatistikRendah Tinggi
dan perawatan kesehatan Rendah (dalam
HALAMANuji 14
responden berbasis bukti coba yang dibutakan)
atau
pengamat
Bias penarikan N/A Tinggi Rendah Tinggi Rendah
kembali
Confounding Tinggi Sedang Rendah (dengan Sedang Sangat rendah
penyesuaian)
Kerugian untuk N/A N/A Tinggi Rendah Sedang
ditindaklanjuti

303
 Ukuran hasil, paparan, dan efek

informasi untuk subjek. Jika memungkinkan, baik aspek kehidupan mereka dan orang-orang tidak selalu
pewawancara maupun subjek harus dibutakan terhadap dapat memperkirakan jenis data ini dengan baik,
perlakuan dan hipotesis yang menarik. misalnya sebagian besar perokok cenderung
meremehkan jumlah rokok yang mereka hisap.
Khususnya, jika Anda meminta orang untuk
Jenis-jenis studi
memberikan rincian tentang riwayat retrospektif
Studi ekologi merokok mereka ketika mereka mengetahui bahwa
Penelitian-penelitian ini cenderung menghasilkan penelitian ini menyelidiki efek merokok, maka mereka
hipotesis daripada memberikan bukti kausal yang kuat. akan
Studi ini berkaitan dengan pengamatan yang dilakukan
pada kelompok populasi yang besar, misalnya,
seseorang dapat mendalilkan bahwa peningkatan
insiden kanker kulit selama 20 tahun terakhir
disebabkan oleh penipisan lapisan ozon di atmosfer yang
menyebabkan paparan radiasi ultraviolet yang lebih
intensif. Namun, hal ini sepenuhnya bersifat spekulatif
dan akan membutuhkan penelitian yang jauh lebih
rinci untuk menyelidiki hipotesis tersebut. Dengan
demikian, kecenderungan untuk terjadinya perancu
sangat tinggi dalam studi ekologi karena ada banyak
faktor lain yang mungkin bertanggung jawab atas
peningkatan insiden kanker kulit dan, kecuali data
dikumpulkan sebagai bagian dari investigasi yang
lebih lengkap, kesimpulan yang dapat diandalkan tidak
dapat ditarik. Namun demikian, jenis penelitian ini
dapat bertindak sebagai petunjuk penting terhadap
bidang kesehatan masyarakat yang mungkin layak
untuk diselidiki lebih lanjut.

Studi cross-sectional
Studi potong lintang sering dipilih karena cenderung
cukup mudah dilakukan dan dengan demikian relatif
murah. Data dikumpulkan dari sampel sub-subjek pada
suatu titik waktu tertentu dan perbandingan dibuat
antara variabel-variabel untuk menyelidiki tingkat
penyakit yang diminati atau untuk menilai pajanan
mana yang mungkin terkait dengan penyakit tersebut.
Dengan demikian, studi ini mewakili 'snap-shot' dalam
waktu dan oleh karena itu prevalensi umumnya
merupakan ukuran hasil utama karena tidak ada
informasi yang diperoleh tentang kejadian penyakit
dari waktu ke waktu. Survei adalah contoh khas dari
studi cross-sectional dan masalah utamanya adalah
bahwa survei tidak memberikan informasi yang baik
tentang kronologi kejadian karena data untuk pajanan
dan penyakit diukur secara simultan. Dengan
demikian, sulit untuk menilai hubungan temporal
antara pajanan dan penyakit karena pajanan harus
selalu mendahului penyakit agar ada bukti hubungan
sebab akibat di antara keduanya. Bias seleksi juga
dapat menjadi masalah karena orang-orang yang
memilih untuk tidak mengisi kuesioner survei sering
kali merupakan orang-orang dengan tingkat paparan
atau penyakit yang paling tinggi dan mereka akhirnya
tidak diikutsertakan dalam analisis. Bias responden
juga dapat terjadi karena banyak survei yang meminta
subjek untuk memberikan rincian tentang berbagai
304
Bias ingatan yang cukup besar dapat masuk ke dalam Penelitian ini juga sangat rentan terhadap bias ingatan
hasil penelitian dan ini harus dipertimbangkan ketika karena subjek
Statistik
merancang penelitian dan memeriksa hasilnya. dan perawatan kesehatan HALAMAN 14
berbasis bukti
Studi kohort
Subjek direkrut ke dalam studi kohort dan diikuti dari
waktu ke waktu untuk menilai kejadian penyakit
tertentu atau perkembangan penyakit jika mereka telah
didiagnosis. Penilaian data awal yang lengkap
dikumpulkan untuk mengetahui faktor risiko potensial
dan paparan lainnya, lalu tindak lanjut dimulai untuk
memantau perkembangan subjek. Dengan demikian,
studi ini jauh lebih informatif daripada studi cross-
sectional karena memberikan informasi tentang
kejadian kejadian dan juga memungkinkan penilaian
temporal untuk dibuat pada apakah paparan
mendahului hasil yang diinginkan. Studi ini sangat
berguna untuk menyelidiki efek paparan yang relatif
jarang terjadi karena klasifikasi terpapar atau tidak
terjadi pada saat awal, dan studi ini juga dapat
digunakan untuk menyelidiki berbagai macam hasil
penyakit yang secara potensial terkait dengan paparan
yang diminati. Sebaliknya, studi kohort tidak terlalu
baik dalam menyelidiki penyakit langka karena sangat
banyak orang yang perlu direkrut untuk mendapatkan
kasus yang cukup untuk dianalisis. Oleh karena itu,
kohort cenderung digunakan ketika penyakit ini umum
terjadi dan efek dari berbagai paparan belum dipahami
dengan baik, dan kohort sangat bermanfaat karena data
dapat dikumpulkan pada banyak variabel perancu yang
potensial dan ini dapat digunakan untuk penyesuaian
dalam analisis akhir pada akhir periode tindak lanjut.
Kerugian utama adalah bahwa kohort memakan
banyak waktu dan sumber daya dan biasanya
membutuhkan jumlah sampel yang besar untuk
mendapatkan kekuatan yang cukup untuk analisis yang
diinginkan. Ada juga kerugian yang cukup besar dalam
hal tindak lanjut karena sering kali sulit untuk
mempertahankan orang-orang yang terlibat dalam
penelitian selama bertahun-tahun.

Studi kasus-kontrol
Seperti yang telah dibahas pada bagian sebelumnya,
studi kohort tidak terlalu berguna untuk menyelidiki
penyakit langka dan studi kasus-kontrol sering kali
dilakukan dalam situasi ini. Kohort dapat dilihat
sebagai studi prospektif yang mengikuti subjek dari
waktu ke waktu, sedangkan studi kasus-kontrol
bersifat retrospektif karena merekrut kasus (subjek
dengan penyakit) dan kemudian menemukan
kelompok kontrol bersamaan (subjek tanpa penyakit)
dan melihat ke belakang melalui waktu untuk
membandingkan eksposur mereka untuk melihat
apakah ada yang berhubungan dengan perkembangan
penyakit. Studi kasus-kontrol cenderung relatif cepat
dan murah untuk dilakukan dan dapat digunakan untuk
menyelidiki sejumlah paparan yang berbeda secara
bersamaan. Kesulitannya sering kali terletak pada
pemilihan kelompok kontrol dan hal ini umumnya
selalu lebih sulit daripada yang terlihat pada awalnya,
oleh karena itu studi kasus-kontrol sering kali
mengalami masalah bias seleksi yang cukup besar.
305
 Ukuran hasil, paparan, dan efek

ditanyai tentang pajanan di masa lalu dengan penyembunyian alokasi perlakuan dan dengan demikian
pengetahuan bahwa mereka adalah kasus atau kontrol meminimalkan bias seleksi dan juga rendahnya kemungkinan
dan hal ini dapat mempengaruhi kemampuan mereka perancu (asalkan penelitian memiliki ukuran dan kekuatan yang
untuk mengingat tingkat pajanan mereka. Hal ini juga memadai). Namun, kelemahan RCT serupa dengan yang terlihat
terjadi pada penyelidik dan bias pengamat yang dapat pada studi kohort, yaitu cenderung memakan waktu yang lama.
dipertimbangkan dapat terjadi. Penelitian ini juga
berbeda dengan penelitian kohort karena tidak baik
untuk menyelidiki paparan yang jarang terjadi karena
sejumlah besar subjek harus direkrut untuk
mendapatkan bukti yang cukup tentang paparan
tersebut. Mereka tidak dapat digunakan untuk
membuat perkiraan untuk kejadian suatu penyakit dan
tidak terlalu membantu dalam upaya menyelidiki
urutan kejadian yang mengarah pada diagnosis
penyakit. Perancu juga dapat menjadi masalah dalam
studi kasus-kontrol dan, dalam beberapa kasus, para
peneliti memilih untuk mencocokkan kasus dan kontrol
untuk variabel-variabel yang dianggap sebagai perancu
potensial, misalnya usia dan jenis kelamin. Hal ini
harus dilakukan dengan sangat hati-hati karena ada
kemungkinan untuk 'mencocokkan secara berlebihan'
kedua kelompok sehingga variabel-variabel yang
penting 'dicocokkan' dari analisis dan hasil yang
berharga bisa terlewatkan. Yang paling penting, jika
kasus dan kontrol dicocokkan dengan cara apa pun,
maka sangat penting bahwa analisis statistik data
memperhitungkan pencocokan ini karena penelitian ini
telah memaksa kasus dan kontrol untuk menjadi lebih
mirip daripada yang seharusnya terjadi pada populasi,
dan dengan demikian, ketepatan estimasi menjadi tidak
tepat. Metode yang lebih sederhana adalah tidak
mencocokkan kasus dan kontrol, tetapi mengumpulkan
data tentang perancu potensial dan menyesuaikan
setiap perbedaan pada tahap analisis.

Uji coba terkontrol secara acak (RCT)

Ini digunakan untuk menyelidiki efek terapi dan
intervensi dalam situasi pengobatan tertentu. Subjek
dengan kondisi tertentu yang memenuhi kriteria masuk
uji coba tertentu dialokasikan secara acak untuk
menerima pengobatan atau suatu bentuk kontrol
(umumnya tanpa pengobatan atau pengobatan 'standar
emas' saat ini). Pengacakan biasanya dilakukan dengan
program komputer dan harus dilakukan secara terpisah
dari pusat-pusat yang berpartisipasi, biasanya dengan
layanan telepon untuk meminta prosedur pengacakan.
Jika memungkinkan, lebih baik bagi subjek dan inves-
tigator untuk dibutakan dengan alokasi acak mereka
dan untuk kelompok kontrol diberikan beberapa bentuk
plasebo. Kelompok-kelompok tersebut kemudian
dihadapkan pada alokasi mereka dan hasil yang
menarik diukur untuk melihat apakah satu kelompok
mengalami manfaat dibandingkan yang lain. Ada
berbagai jenis studi acak, misalnya uji coba silang,
desain faktorial atau uji coba acak kelompok, dan
mereka tidak harus terbatas pada dua kelompok
pembanding. Manfaat utama dari uji coba acak adalah
306
dan mahal serta dapat menimbulkan Efektivitas tes diagnostik tertentu untuk
kerugian yang cukup besar untuk mengkonfirmasi atau mengecualikan diagnosis tertentu
ditindaklanjuti jika infrastruktur tidak dikenal
Statistik dan sebagai
perawatan rasio kemungkinan tes tersebut;
kesehatan seperti
HALAMAN 14
berbasis bukti
yang ditunjukkan Tabel 14.5, rasio ini dihitung dari
tersedia untuk memastikan pengumpulan
data yang baik. rumus sensitivitas/(1
-kekhususan). Rasio kemungkinan dapat dianggap
Prinsip niat untuk mengobati sebagai indeks kegunaan tes diagnostik. Semakin
Setelah Anda melakukan semua upaya tinggi rasio kemungkinan, semakin besar pengaruh
untuk melakukan uji coba terkontrol secara hasil tes positif terhadap keputusan. Rasio
acak, sangat penting bahwa analisis utama kemungkinan dari
Anda menjaga subjek tetap berada dalam 1.0 berarti pasien tidak lebih atau kurang mungkin
kelompok acak mereka terlepas dari memiliki kondisi tersebut dibandingkan sebelum Anda
perlakuan yang mereka terima. Dengan melakukan tes.
tidak melakukan hal ini, Anda akan Studi di Amerika Serikat menunjukkan bahwa
meniadakan sebagian besar manfaat dari setiap wanita usia subur yang datang ke unit gawat
pengacakan subjek dan menjalankan risiko darurat
terjadinya bias seleksi dan perancu. Sangat
jarang 100% subjek akan mematuhi
sepenuhnya alokasi acak mereka dan
peneliti sering merasa dibenarkan untuk
melakukan analisis 'per protokol' atau
'perlakuan yang diterima', yang
mengecualikan subjek yang tidak
menerima perlakuan yang dimaksudkan
atau yang menyeberang ke kelompok acak
lainnya. Hal ini umumnya tidak dianjurkan
dan, dalam kasus-kasus di mana hal ini
dapat dibenarkan, hal ini harus dilakukan
dengan hati-hati dan sebagai analisis
sekunder dari analisis niat-untuk-
mengobati yang utama. Keputusan untuk
melakukan analisis tambahan ini juga harus
dibuat secara apriori sebelum data terlihat.

Studi pengujian diagnostik

Sering kali penting untuk menilai seberapa
baik tes diagnostik tertentu dalam
mendeteksi orang dengan kondisi tertentu.
Tabel 14.5 menunjukkan istilah-istilah
standar yang digunakan untuk
menggambarkan kegunaan tes diagnostik
atau penyaringan, yang dapat diperoleh
dari studi potong lintang tes terhadap
'standar emas' yang diketahui (Gambar
14.7). Seperti yang dapat Anda lihat dari
Tabel 14.5, tes yang sensitif memiliki
tingkat negatif palsu yang rendah (yaitu
berhasil mengidentifikasi sebagian besar
atau semua orang dengan kondisi tersebut),
dan tes yang spesifik memiliki tingkat
positif palsu yang rendah (yaitu berhasil
mengecualikan sebagian besar atau semua
orang yang tidak memiliki kondisi
tersebut). T e s skrining, seperti t e s
Guthrie untuk fenilketonuria pada
neonatus, cenderung memiliki sensitivitas
yang tinggi agar tidak melewatkan kasus
apa pun pada rintangan pertama; tes
diagnostik definitif (dan lebih mahal)
dengan spesifisitas yang tinggi dapat
dilakukan pada semua orang yang
dinyatakan positif pada tes skrining.
307
 Ukuran hasil, paparan, dan efek

Tabel 14.5 Fitur-fitur tes diagnostik yang dapat dihitung dengan membandingkannya dengan 'standar emas' dalam studi validasi

Fitur tes Nama alternatif Pertanyaan yang dijawab oleh fitur ini Formula (lihat Gbr. 14.7)

Sensitivitas Tingkat positif sejati (Positif Seberapa baik tes ini dalam a
dalam Penyakit) mendeteksi orang yang memiliki a+c
kondisi tersebut?
Kekhususan Tingkat negatif yang Seberapa baik tes ini dalam b
sebenarnya (Negatif dalam mengecualikan orang yang tidak memiliki b +d
Kesehatan) kondisi tersebut dengan benar?
Nilai prediksi positif Probabilitas pasca-tes dari Jika hasil tes seseorang positif, berapa aa
tes positif besar kemungkinan ia mengidap kondisi +b
tersebut?
Nilai prediksi negatif Probabilitas post-test dari tes Jika hasil tes seseorang negatif, dc
negatif berapa probabilitasnya bahwa ia tidak +d
memiliki kondisi tersebut?
Akurasi - Berapa proporsi dari semua tes yang telah a+d
diberikan
hasil yang benar (yaitu positif sejati dan a+b+c+d
negatif yang benar sebagai proporsi dari
semua
hasil)?
Rasio kemungkinan - Berapa kali lebih mungkin hasil tes positif Sensitivitas/(1 - spesifisitas)
dari tes positif ditemukan pada seseorang dengan,
dibandingkan dengan tanpa kondisi
tersebut?
Direproduksi dari Greenhalgh T 1997 Cara membaca makalah: dasar-dasar kedokteran berbasis bukti. BMJ, London.

Hasil tes 'standar emas'

Positif penyakit Penyakit negatif

a+c b+d

Tes positif Benar positif Positif palsu

a+b a b
Hasil tes skrining
c+d c d

Uji negatif Negatif palsu Benar negatif

Gambar 14.7 - Notasi tabel 2 × 2 untuk menyatakan hasil studi validasi untuk tes diagnostik atau skrining.
(Direproduksi dari Greenhalgh T 1997 Bagaimana cara membaca makalah: dasar-dasar kedokteran berbasis bukti. BMJ, London).

memiliki kemungkinan 6% untuk hamil, dan mereka morning sickness (rasio kemungkinan: 2,7),
yang merasa dirinya hamil memiliki kemungkinan 40- pembengkakan payudara (rasio kemungkinan: 2,7), dan
60% untuk hamil. Pertanyaan-pertanyaan yang ukuran rahim pada pemeriksaan vagina (rasio
berguna untuk 'memastikan' kehamilan meliputi kemungkinan: 3,7). Sebuah kisah yang tertunda
308
periode menstruasi cukup tidak membantu (rasio
kemungkinan: 1,56) dibandingkan dengan denyut
arteri uterus (rasio kemungkinan: 11). Statistik dan perawatan kesehatan HALAMAN 14
berbasis bukti
Perkiraan numerik ini mengkonfirmasi nilai dari
pemeriksaan vagina oleh dokter kandungan yang
kompeten dalam mendiagnosis kehamilan dini. Dunia
akan menjadi

309
 Persamaan untuk perhitungan daya
dasar
akan lebih sederhana jika semua tes klinis dan
laboratorium aman, mudah direproduksi oleh staf
junior, dan memiliki rasio kemungkinan yang tinggi.
Sayangnya, tanda-tanda klinis sering kali tidak jelas,
investigasi definitif tidak praktis atau
dikontraindikasikan, dan hasil tes terbaik berikutnya
tidak lengkap atau tidak meyakinkan. Ini adalah 'area
abu-abu' yang sering terlihat dalam perawatan primer
dan departemen korban.
Persamaan untuk perhitungan
daya dasar
Untuk hasil yang berkelanjutan
n per kelompok = 2alpha 2 + )2 × � 2 �2
× (Z Zbeta
di mana σ = SD (standar deviasi) dan δ = d (selisih
sementara).
Rumus yang mengintimidasi ini terdiri dari empat
bagian. Untuk variabel kontinu, δ adalah perbedaan
yang berharga dalam nilai rata-rata (misalnya, tekanan
darah). σ adalah estimasi variabilitas; secara khusus,
ini adalah deviasi standar tekanan darah.
Dua elemen lainnya, Zalpha/2 dan Zbeta mengacu pada
tingkat kesalahan tipe I dan tipe II. Huruf Z yang
mendahului alfa dan beta dalam rumus mengacu pada
angka yang berasal dari distribusi normal. Praktik yang
umum dilakukan adalah dengan menggunakan
kekuatan 80% atau 90%, dan tingkat signifikansi 5%.
Dengan demikian, alpha = 5% dan ini menghasilkan
Zalpha/2 = 1,96. Jika beta = 10% (untuk kekuatan 90%),
maka Zbeta = 1,28. Nilai-nilai ini dapat digunakan
sebagai konstanta dalam rumus. Misalkan objek
penilaian adalah sebuah penelitian yang melibatkan
pengobatan untuk hipertensi yang mungkin secara
wajar diharapkan dapat membuat perbedaan 5 mmHg
tekanan darah diastolik (DBP) dibandingkan dengan
plasebo. Ini dapat dianggap sebagai perbedaan yang
berharga untuk dideteksi (δ). Pada populasi yang
diminati, deviasi standar DBP mungkin 10 mmHg - ini
akan menjadi σ. Tujuannya adalah untuk menunjukkan
perbedaan ini signifikan secara statistik pada tingkat
5%.
dengan daya 90%. Dengan demikian:
n per kelompok = 2 × 1.96 + 1.28 )
2
52 = 84.
× 102
Statistik yang disarankan teks
London
Altman DG 1990 Statistik praktis untuk Bland M 2000 Pengantar statistik medis,
penelitian medis. Chapman & Hall, 3rd edn. Oxford University Press,
304
Jika diketahui bahwa penulis penelitian hanya
menyertakan 20 pasien per kelompok, kita akan tahu
bahwa penelitian tersebut kurang kuat.
Untuk hasil kategorikal
Rumus di atas perlu sedikit dimodifikasi jika hasil
yang ingin diketahui adalah sebuah kejadian.
Persentase subjek yang akan mengalami kejadian pada
kelompok kontrol (π1 ) harus terlebih dahulu
diperkirakan, dan juga persentase untuk kelompok
yang menerima perlakuan baru (π2 ). δ sekarang akan
mewakili perbedaan dalam dua persentase ini, = π1 -
π2 .
Namun, pengertian deviasi standar kurang intuitif
untuk variabel yang mewakili suatu peristiwa.
Sebenarnya, alih-alih σ2 , yang dimaksud adalah [π1 ×
(1 - π1 )] + [π2 × (1 - π2 )].
Dengan demikian, seluruh rumus untuk perhitungan daya
ketika hasilnya adalah sebuah peristiwa:
n per kelompok alpha 2 + Zbeta )2 ×
=(Z
[ p1 × (1- p1 ) + p2 × (1- p2 )] �2
Dengan menggunakan contoh tekanan darah lagi, jika
Anda mengharapkan 50% dari kelompok yang diobati
mengalami penurunan DBP sebesar 5 mmHg tetapi
hanya 30% dari kelompok kontrol yang mengalami
penurunan ini, maka persamaan tersebut
mengindikasikan bahwa diperlukan 121 subjek per
kelompok (total 242).
2
n per kelompok = (1,96 + 1,28) ×
[0.5 (1-0.5) + 0.3 (1-0.3)] (0.5 -0.3)2 = 121
Untungnya, bahkan ahli statistik pun jarang sekali
harus menghafal rumus-rumus seperti itu, tetapi jika
Anda merencanakan studi penelitian sendiri, Anda
harus berkonsultasi dengan teks ini atau ahli statistik
sebelum memutuskan berapa banyak subjek yang akan
direkrut! Juga disarankan untuk menerapkan faktor
inflasi pada target rekrutmen Anda untuk
memungkinkan pasien yang 'menyeberang' antar
kelompok dan kehilangan untuk ditindaklanjuti.
Ucapan terima kasih
Bagian pengujian diagnostik dan penghitungan daya
sebelumnya diberikan oleh Trisha Greenhalgh.
Oxford
Greenhalgh T 2006 Bagaimana cara Kirkwood B, Sterne J
membaca makalah: dasar-dasar 2003 Statistik medis
Statistik dan perawatan kesehatan HALAMAN 14
kedokteran berbasis bukti, 3rd edn. esensial, 2nd edn.
berbasis bukti
Wiley-Blackwell, Chichester Wiley- Blackwell,
Chichester

305