IKGM 3 TOPIK

BIAS AND CONFOUNDING

Studi epidemiologi mengukur karakteristik populasi.

Parameter yang menarik seperti tingkat penyakit, prevalensi paparan, atau lebih sering
disebut dengan beberapa ukuran hubungan antara paparan dan penyakit

Karena penelitian dilakukan pada orang dan semua memiliki kendala praktis dan etika yang
menyertainya, mereka hampir selalu tunduk pada bias

BIAS SELEKSI
Bias didefinisikan sebagai setiap kecenderungan yang mencegah pertimbangan pertanyaan
yang tidak berprasangka atau tidak diprediksi jawabannya

Dalam penelitian, bias terjadi ketika "kesalahan sistematis dimasukkan ke dalam

pengambilan sampel atau pengujian dengan memilih atau mendorong satu hasil atau jawaban
atas yang lain"

Bias dapat terjadi pada setiap fase penelitian, termasuk desain studi atau pengumpulan data,
serta dalam proses analisis dan publikasi data.

Bias bukan variabel dikotomis

Bias seleksi terjadi ketika subjek penelitian tidak mewakili populasi sasaran tentang
kesimpulan yang harus diambil.

Syarat estimator:
• Konsisten
• Efisien
• Efisien
• SEM (Standar Error of Mean)
Sumber utama bias dalam penelitian klinis

PRGRESI PERCOBAAN
Bias pra-percobaan Bias
• desain studi yang cacat
• pemilihan Bias
• penyaluran Bias

implementasi uji coba → bias selama uji coba

• interviewer Bias
• kronologis Bias
• recall Bias
• transfer
• Kesalahan klasifikasi paparan hasil
• Kinerja bias

Analisis/publikasi data→ bias setelah uji coba

• sitasi bias
• Confounding

Tipe bias Cara menghindari bias

Pretrial bias
Desain penelitian yang cacat Mendefinisikan resiko dan hasil dengan
jelas, sebaiknya dengan metode yang
objektif atau divalidasi. Standarisasi dan
pengumpulan data yang transparant
Seleksi bias Pilih pasien dengan menggunakan kriteria
yang ketat utnuk menghindari hasil yang
memingungkan. Pasienharus berasal dari
populasi yang saa. Dirancang dengan
baik,prospektif studi membantu untuk
menghindari bias seleksi, karena hasil tidak
diketahui pada saat pendaftaran
Channeling bias Penetapan pasien untuk mempelajari kohort
menggunakan kriteria yang ketat
Bias During Trial (Selama percobaan bias)
Interviewer bias Standarisasi interaksi pewaeancara dengan
pasien. Pewawancara buta terhadap status
Chronology bias Studi prospektif dapat menghilangkan bias
kronologis. Hindari menggunakan control
historis (dibingungkan oleh tren sekuler)
Recall bias Gunakan sumber data objektif bila
memungkinkan. Saat menggunakan dumber
data subjektif, dikuatkan dengan rekam
medis. Melakukan studi prospektif karena
hasilnya tidak diketahui pada saat
pendaftaran pasien

Tipe Bias Cara Menghindari Bias

Selama percobaan bias
Transfer bias
Paparan kesalahan klasifikasi
Kesalahan hasil klasifikasi
Setelah percobaan bias
Merancang rencana dengan hati-hati untuk
pasien yang mengikuti sebelum penelitian
Mendefinisikan eksposur dengan jelas
sebelum penelitian. Hindari penggunaan
proxy eksposur.
Gunakan studi diagnostic objektif atau
ukuran yang divalidasi sebagai hasil utama
 Sitasi Bias Daftarkan uji coba dengan register uji klinis
yang diterima. Periksa registrasi untuk uji
coba yang serupa sebelum atau yang sedang
berlangsung di publikasikan
confounding Pembaur yang diketahui dapat dikontrol
dengan desain studi (desain kasus control
atau pengacakan) atau selama analisis data
(regresi). Pembaur yang tidak diketahui
dapat hanya dikontrol dengan pengacakan.

Contoh: Dalam penelitian epidemiologi khas pada asosiasi gaya hidup-pnyakit, pembaur
dijelaskan oleh hubungan yang digambarkan pada gambar berikut

EROR:
- Kesalahan pengukuran dan bias erbeda
- Kesalahan pengukuran tidak selalu penyebab bias
- Tanpa kesalahan pengukuran, bias dapat terjadi

Sumber Kesalahan Penukuran Terbagi Menjadi 2 Kategori:

- Sistematik eror
- Random eror

Random Eror
Efek dari random eror dapat diperkirakan:
- Kesalahan acak menyebabkan nilai perkiraan menyimpang dari nilai sebenarnya karena
kebetulan saja
- Kesalahan tersebut menyebabkan pengukuran yang tidak tepat dengan cara yang tidak dapat
diprediksi, menghasilkan kesimpulan yang kurang pasti
- Kesalahan acak diasumsikan menyebabkan prediksi nilai berfluktuasi di atas dan di bawah
nilai sebenarnya pada tingkat yang sama
- Ini berarti bahwa perkiraan tendensi sentral seperti mean atau median tidak terpengaruh,
tetapi kesalahan acak yang lebih besar meningkatkan variabilitas tentang mean
- Metode dengan kesalahan acak yang lebih kecil menghasilkan nilai yang lebih dekat
bersama-sama; ini dikenal sebagai ketepatan metode

Contoh kesalahan acak dalam penelitian diet, aktivitas fisik dan pengukuran antropometri
meliputi, namun tidak terbatas pada, kesalahan yang dihasilkan dari:
̶ Penjelasan yang tidak memadai atau membingungkan dari para penyelidik
̶ Perubahan perilaku karena prosedur pengukuran
̶ Kesalahan pengkodean diet
̶ Kesalahan peserta dalam memperkirakan ukuran porsi
̶ Keterbatasan dalam database nutrisi
̶ Kalibrasi instrumen yang tidak tepat
̶ Penempatan instrumen yang tidak konsisten pada tubuh
̶ Terjemahan yang salah atau pengkodean data hasil

Mengontrol kesalahan acak (Controlling random error)

̶ Kesalahan acak umumnya mempengaruhi metode reliability. Kesalahan acak dapat
dikurangi atau
̶ dikompensasi dengan cara:
̶ Meningkatkan jumlah pengukuran yang dilakukan per peserta
̶ Meningkatkan ukuran sampel atau lamanya tindak lanjut dalam studi kohort
̶ Sering melakukan Kalibrasi instrumen
̶ Menggabungkan kontrol kualitas dan jaminan dalam proses penilaian:
 Prosedur operasi standar yang ketat
Manual prosedur
Pelatihan yang ketat dan konsisten yang distandarisasi dari pekerja lapangan /
pewawancara yang melakukan penilaian
Pemeriksaan keandalan inter dan intra observer
̶ Studi percontohan, terutama ketika merancang kuesioner baru

CONFOUNDING