confounder
Iwan Ariawan
Error dalam penelitian eksperimen
Error (ketidak tepatan pengukuran) pada eksperimen
memiliki 2 komponen
Random error
Fluktuasi hasil pengukuran yg terjadi secara acak
Bias
Kesalahan sistematik yg terjadi tidak secara acak & bukan
akibat kebetulan belaka
Kedua komponen error harus diminimalisasi dalam
penelitian eksperimen
Random error
Terjadi karena proses pengambilan sampel
Kesalahan akan saling meniadakan sehingga kesalahan
total menjadi mendekati nol
Minimalisasi random error dapat dilakukan dengan:
Menambah jumlah sampel meningkatakan presisi &
kekuatan uji (power of the test)
Stratifikasi mengelompokkan subyek yang homogen
memperkecil simpang baku & simpang galat
Bias
Any trend in the collection, analysis, interpretation,
publication or review of data that can lead to
conclusions that are systematically different from the
truth (Last, 2001)
A process at any state of inference tending to
produce results that depart systematically from the
true values (Fletcher et al, 1988)
Systematic error in design or conduct of a study
(Szklo et al, 2000)
Jenis Bias
Bias seleksi
Sampel tidak representatif untuk populasi
Bias informasi (misklasifikasi)
Kesalahan dalam pengukuran pajanan penyakit, risiko terjadinya
kecil pada eksperimen
Bias confounding
Distorsi hubungan pajanan – keluaran akibat faktor/variable lain
Bias seleksi
Perbedaan seleksi pasien antara kelompok intervensi &
kelompok plasebo dampak pd hub. Intervensi dg
keluaran
Jenis bias seleksi
Publicity bias
Keikutsertaan pasien akibat publikasi obat/keluaran (yg berlebihan)
Healthy patient effect
Pasien yg lebih sehat cenderung untuk tetap dalam penelitian
Withdrawal bias
Loss of follow up yg berbeda antara pasien di kelompok obat &
kelompok plasebo
Withdrawal bias
Pada uji klinik sering sekali terjadi loss of follow up
dpt mempengaruhi hasil
Missing data akibat loss of follow up (drop out)
Missing completely random (MCAR)
Drop out pasien tidak berhubungan dg keadaannya yg
sudah terukur & keadaannya yg akan datang
Missing at random (MAR)
Drop out pasien berhubungan dg keadaannya yg sudah
terukur tetapi tidak tergantung keadaannya yg akan datang
Missing not at random (MNAR)
Drop out pasien berhubungan dg keadaannya yg akan
datang
Withdrawal bias & analisis uji klinik
Intention to treat (ITT) atau analysis as randomized
Analisis berdasarkan alokasi acak yg diberikan tanpa perduli
apakah subyek berhenti/tidak taat makan obat
Mengukur efektivitas obat
Saat ini paling banyak digunakan
Adherers only method
Analisis hanya pada subyek yang taat pada alokasi obat yg asli
Tidak mengikutsertakan subyek yg crossover (berganti obat)
Mengukur efikasi
Treatment received method
Analisis pasien menurut intervensi yg diterima
Bias informasi
Metode pengumpulan informasi kurang baik
menghasilkan kesalahan sistematik pd pengukuran pajanan
atau keluaran
Jika misklasifikasi pajanan atau keluaran tidak terkait
dengan keluaran atau pajanan, maka misklasifikasinya non
differential
Jika misklasifikasi pajanan atau keluaran terkait dengan
keluaran atau pajanan, maka misklasifikasinya differential
Distorsi hubungan pajanan - keluaran
Bias informasi
Sumber bias informasi:
Variasi subyek
Variasi pengamat
Kelemahan alat ukur
Kesalahan teknis pengukuran
Confounder
Distorsi hubungan pajanan/intervensi dg keluaran akibat
adanya variabel lain yg distribusinya tidak seimbang pada
kelompok intervensi & kelompok pembanding
Kemungkinan subyek untuk mengalami keluaran pada
kelompok intervensi & kelompok pembanding sudah
berbeda sejak sebelum intervensi diberikan
E D
C
Contoh Confounder
Contoh Confounder
Contoh Confounder
Kesimpulan dari contoh confouder
Status gizi merupakan confounder dari efek obat
kesembuhan memodifikasi hubungan
obatsembuh
Status gizi merupakan confounder karena:
Status gizi merupakan prediktor kesembuhan
Distribusi status gizi tidak sama pada kelompok obat &
kelompok plasebo
Tanpa pengontrolan, status gizi memodifikasi hubungan obat
sembuh sehingga efek yg terlihat bukan efek sebenarnya
Minimalisasi efek confounder
Distribusi variabel yg diduga confounder sama pada
kedua kelompok gunakan randomisasi blok,
stratifikasi
Variabel confounder ikut diukur saat pengamatan
Teknik analisis yg mengontrol confounder
multivariat