Anda di halaman 1dari 21

PELUANG DAN

KAUSA
BY : ELWITRI SILVIA

Pendahuluan
Inferensi kausa dalam epidemiologi adalah
hubungan statistik dengan asosiasi kausal
yang harus dijelaskan dala pengertian
probabilistik, yaitu bahwa keberadaan faktor
A (pajanan) akan meningkatkan peluang
terjadinya faktor B (timbulnya penyakit)
Peluang kemungkinan terjadinya sesuatu

Pendahuluan
Klinisi sering berhadapan dengan bias dan
peluang (chance)
Kesalahan pengambilan sampel acak
(random error) tidak dapat dihindarkan
Variasi acak timbul dari proses pengukuran
atau fenomena biologis
Pentingnya faktor peluang dan
membandingkannya dengan bias

Faktor Kausa

Sebuah Pajanan harus memenuhi berbagai


persyaratan untuk dapat dinyatakan sebagai faktor
kausal bagi suatu penyakit, diantaranya yang
terpenting adalah asosiasi temporal yaitu pajanan
harus ada mendahului terjadinya penyakit

Sifat Kausa
a. Kausa Cukup (Sufficient Cause)
Kausa cukup tidak selalu harus ada untuk
menimbulkan penyakit, namun jika kausa
cukup ada penyakit pasti akan timbul
b. Kausa Perlu (Necessary Causa)
Kausa perlu harus ada untuk menimbulkan
penyakit, namun jika kausa perlu ada pun
penyakit tidak selalu timbul
Agar dapat dinyatakan sebagai faktor kausal
sebuah penyakit, sebuah pajanan harus
merupakan kausa cukup maupun kausa perlu
bagi penyakit tersebut

Sifat Kausa

PENYIMPANGAN ACAK
(RANDOM ERROR)
Penyimpangan
Sesungguhnya
Kesimpulan
Uji Statistik

Ada

Tidak Ada

Ada
Perbedaan

Benar

Tidak Benar
(Penyimpanga
n Tipe I/alfa)

Tidak Ada
Perbedaan

Tidak Benar
(Penyimpanga
n Tipe II/

Benar

Penyimpangan
Penyimpangan / tipe I false positive
Penyimpangan / tipe II false negative
Kemungkinan penyimpangan akibat variasi
random dihitung dengan statistik inferensial

Signifikan Secara Statistik &


Kepentingan Klinik
Perbedaan signifikan secara statistik tidak
berarti penting secara klinik
Nilai p bermakna hanya menentukan bahwa
perbedaan itu benar-benar ada
Kenyataannya, perbedaan yang memiliki
signifikansi tinggi didapat dari sampel yang
besar

Uji Statistik
Digunakan untuk memperkirakan
kemungkinan penyimpangan
Menggambarkan derajat hubungan antar
variabel
Pernyataan hubungan antar variabel :
Korelasi Pearson untuk data interval
Korelasi Spearman untuk data Ordinal
Uji Signifikansi One tailed dan Two Tailed

Kausa
Banyak sekali peristiwa sebab akibat yang
dihadapi klinisi
Kausa sesuatu yang akan memberikan
akibat atau hasil
Kausa sangat penting bagi dokter dalam hal
pencegahan diagnosis dan pengobatan
Kausa bersifat tunggal atau jamak

Lima definisi Kausal (Weed,


2001)

Produksi

Kausa
diperlukan
dan Kausa
Mencukupi

Kausal
Probabilistic

Sufficient
Component
Causa

Kontra Factual

Pendekatan Kausa Ke Akibat


Kepadatan
Penduduk
Malnutrisi

Host
yang
rentan
Vaksinasi
Genetik

Paparan
Micobacteriu
m

Infeksi

Invasi ke
Jaringan

TB

Interaksi Kausal Multiple


Lebih dari satu kausa yang berperan
efeknya tidak selalu aditif
Menjelaskan faktor penyebab lebih sulit bila
banyak kausa
Interaksi kausa bisa saling menambah atau
saling meniadakan

Contoh Interaksi Multikausal


Kejadian timbulnya penyakit dalam
pandangan Epidemiologi Modern merupakan
sebuah proses yang bersifat multikausal, yaitu
sebagai pengaruh sejumlah faktor risiko dan
faktor preventif beserta interaksi antar
masing-masing faktor tersebut

Contoh Interaksi Multikausal


Sebelum era pembuktian hubungan antara kebiasaan
merokok dengan kejadian kanker paru, sudah ada dugaan
kemungkinan hubungan antara keduanya, namun ada pula
yang menduga bahwa proses karsinogenesis disini berawal
pada peristiwa infeksi paru pada masa anak

Mencari Kausa
Penelitian pada individu
Tidak mungkin membuktikan hubungan
kausal secara jelas
Melalui penelitian empirik kausa bisa
didapatkan
Sebaliknya, bukti yang menentang dapat
dibatasi

Kriteria Bukti Sebab Akibat


Temporal kausa mendahului efek
Kekuatan risiko relatif yang besar
Respon terhadap dosis makin besar
paparan terhadap kausa diikuit peninggian
kejadian penyakit
Reversibilitas Penurunan paparan
terhadap kausa diikuti penurunan kejadian
penyakit
Konsistensi Kejadian berulang pada
pengamatan orang lain, di tempat lain, dan

Kriteria Bukti Sebab Akibat


Masuk Akal Secara Biologis sesuai dengan
pengetahuan biologi
Spesifitas Satu penyebab menimbulkan
satu efek
Analogi Hubungan sebab akibat sudah
terbukti untuk penyebab/penyakit yang
serupa

Tipe Pembuktian

Kekuatan

Desain

Hasil

Kuat

Clinical Trial

Hubungan
Temporal

Kohort

Kekuatan

Kasus-Kontrol

Reversibilitas

Cross-Sectional

Respon-dosis

Risiko Agregasi

Konsistensi

Serial Kasus

Kesesuaian Biologik

Laporan Kasus

Analogi

Lemah

TERIMA KASIH