Oleh

Ida Bagus Subanada

Bagian/SMF Ilmu Kesehatan Anak
FK Unud/RSUP Sanglah Denpasar
Luaran yang diharapkan:
1. Mhs diharapkan bisa membedakan antara
association dan causation.
2. Mhs diharapkan bisa membedakan
contributory cause dan necessary cause.
3. Mhs diharapkan bisa menyebutkan ciri-ciri
contributory cause.
4. Mhs diharapkan bisa menyebutkan sumber-
sumber hubungan semu antara variabel
bebas dan variabel tergantung.
 Padajurnal kedokteran, kita kadang-kadang
bertemu dengan frase:berhubungan dengan,
berkaitan dengan, atau bertalian dengan.

Penulis menghindari pernyataan-pernyataan

dogmatis seperti: menyebabkan,
menimbulkan, seperti pada kalimat berikut:
[1]merokok menyebabkan kanker paru, [2]pil KB
menimbulkan trombosis vena.
Hubungan (association) bukanlah menyatakan
penyebab (causation).
 Ini analoginya: sebuah kota dengan
pengangguran dan kriminalitias yang tinggi.
Bukanlah berarti bahwa penganggur
adalah pelaku kriminalitas.

Di lain pihak sekalipun kita yakin bahwa kita

berhasil menunjukkan dengan tepat penyebab
yang bertanggung jawab, kita masih berfikir
bahwa ada beberapa faktor risiko yang tidak
dicurigai menyebabkan penyakit atau sebuah ko-
intervensi yang tidak disadari bertanggung jawab
terhadap efek pengobatan.
Ada 2 konsep causation:
1. Contributory cause
Pada kebanyakan fenomena kedokteran, tidak
ada penyebab tunggal untuk suatu penyakit.

Sebuah faktor risiko mungkin sebagai

contributory cause.
Misal:
Merokok sebagai salah satu faktor risiko kanker
paru. Merokok adalah contributory cause karena
tidak semua penderita kanker paru adalah
perokok.
2. Necessary cause
Suatu mikroorganisme dikatakan sebagai
penyebab penyakit bila memenuhi postulat
Koch (selalu ditemukan pada penyakit tsb).

Misal:
M. tuberkulosis penyakit tuberkulosis.
S. tifi penyakit demam tifoid.
Untuk menetapkan sebagai contributory cause,
harus memenuhi 3 kriteria berikut:

1. Association (hubungan)
Apakah peneliti mendapatkan hubungan yang
kuat dan bermakna secara statistik dengan
memberikan bukti yang meyakinkan bahwa efek
terjadi lebih sering pada kelompok yang ada
penyebab daripada oleh karena faktor peluang
saja.

Kuatnya hubungan dicerminkan oleh effect size

(misal, RO=4,5), sedangkan kemaknaan secara
statistik ditentukan oleh nilai P (misal, P=0,001).
2. Prior association

Pada penelitian, apakah penyebab

mendahului efek (akibat).

Hal ini dapat dijawab dengan desain

penelitian yang tepat seperti kasus-kontrol
atau kohort.
3. Perubahan penyebab akan mengubah efek
(akibat).

Apakah peneliti dapat menetapkan bahwa

merubah/memodifikasi penyebab akan
merubah/memodifikasi efek?

Masalah ini dapat dijawab dengan uji klinis.

Beberapa ciri-ciri lain contributory cause:
1. Konsisten
Hasilnya konsisten tanpa memandang
desain penelitian.
2. Dose response relationship
Risiko menderita penyakit meningkat
dengan meningkatnya paparan.
3. Biologic plausibility
Masuk akal Harus dapat diterangkan
dengan teori yang ada sekarang.
4. Experimental confirmation
Ada kesamaan dengan hasil penelitian lain.

Misal:
Hasil penelitian pada manusia sama dengan
hasil pada binatang.
Apakah hubungan sebab-akibat yang didapat,
nyata atau semu?

Hubungan semu dapat terjadi melalui 3

mekanisme:
1. Peluang
Terjadi karena sampling variation.
Sampling variation karena random error.

Untuk mengatasi: pemilihan sampel secara

random (random sampling).
2. Kesalahan desain, kesalahan saat melakukan
penelitian, atau analisis.

Misal:
a. Selection bias shg karakteristik dasar
subjek tidak sama.
b. Performance bias shg kelompok subjek
yang diteliti menerima perlakuan yang
tidak sama selain intervensi yang diberikan
atau terjadi ketidakpatuhan terhadap
intervensi yang diberikan.
c. Detection bias
Terjadi bila luaran tidak diamati secara seimbang
pada semua kelompok yang diteliti.

Semua bias di atas dapat diatasi dengan alokasi

random dan dilakukan secara tersamar (blind).

d. Tranfer bias
Terjadi oleh karena sampel hilang atau keluar dari
penelitian.

Diatasi dengan intention-to treat analysis.

3. Perancu (confounding)
Terjadi bila ada variabel yang berhubungan
dengan variabel bebas dan variabel tergantung,
ttp variabel tsb tdk teridentifikasi.

Misal:
Penelitian bertujuan mencari hub. antara minum
kopi dengan IMA. Dalam hal ini merokok
merupakan perancu karena peminum kopi
umumnya perokok. Bila merokok tidak
diidentifikasi, bisa didapat hub. antara minum
kopi dengan IMA padahal merokoklah yang
berhub. dg IMA, bukan minum kopi.
Cara mengatasi perancu:
1. Dikontrol dengan desain:
a. Dipasangkan (matching).
Misal: sama kelompok usia,
sama jenis kelamin, dll.
b. Restriksi/eksklusi.
c. Randomisasi.
2. Dikontrol dengan analisis:
a. Stratifikasi, misal dg Mantel-Haenszel.
b. Analisis multivariat.