BIAS DAN CONFOUNDING UJI KLINIK Hotlina Nainggolan
BIAS DAN CONFOUNDING UJI KLINIK
Hotlina Nainggolan
Jenis Error dalam Penelitian
Systematic Error
Kesalahan yang disebabkan peneliti dan/atau subjek
penelitian, disengaja atau tidak, yang menyebabkan
distorsi penaksiran parameter populasi sasaran
Random Error
Kesalahan yang disebabkan peran peluang, yang
mengakibatkan ketidaktepatan penaksiran parameter
populasi sasaran
Errors Affecting Validity
Consider:
Chance (Random Error)
Bias (Systematic Errors )
Selection bias
Information bias
Confounding (Imbalance in Other Factors)
Chance vs Bias
Chance disebabkan “random error” (kesalahan
random)
Chance mengarah pada ketidaktepatan hasil
Bias disebabkan oleh “systematic error”(kesalahan
sistematis)
Bias mengarah pada ketidakakuratan hasil
What is Bias?
Kesalahan sistematis yang mengakibatkan distorsi
penaksiran parameter sasaran berdasarkan
parameter sampel
Karakteristik Bias
Bias muncul pada desain dan pelaksanaan studi.
Terjadi ketika menggunakan kriteria yang berbeda
dalam prosedur seleksi subyek.
Besar dan arahnya seringkali tidak dapat
diperkirakan.
Bias bisa dievaluasi tetapi tidak bisa diperbaiki pada
tahap analisa.
Bias sekali terjadi tidak dapat dikendalikan
melainkan hanya dapat dicegah.
Type of Bias
Selection Bias sampel tidak representatif
Information/misclasification Bias kesalahan dalam
pengukuran paparan
Confounding Bias distorsi atau penyimpangan
hubungan antara paparan-penyakit oleh faktor lain
(confounder/perancu)
Source of Bias
1. Proses seleksi atau partisipasi subyek ( bias
seleksi)
2. Proses pengumpulan data ( bias informasi)
3. Tercampurnya efek pajanan utama dengan efek
faktor risiko eksternal lainnya ( kerancuan/
confounding)
Selection Bias
Jenis:
Bias Deteksi/Unmasking Bias
Bias Berkson (Admission bias)
Bias Non-responden
Bias Insidensi-Prevalensi Neyman
Bias Pekerja Sehat (Healthy worker bias)
Kesalahan sistematik dalam pemilihan subyek, di mana pemilihan
subyek menurut status penyakit dipengaruhi oleh status paparannnya
(studi kasus-kontrol), atau pemilihan subyek menurut status paparan
dipengaruhi oleh status penyakitnya (studi kohort retrospektif).
a. Bias Deteksi/Unmasking Bias
bias yg disebabkan perbedaan intensitas surveilans
dalam memilih kasus dan non-kasus sedemikian rupa
sehingga peneliti cenderung lebih mudah mendeteksi
kasus terpapar dan non-kasus tak terpapar
menyebabkan overestimasi
b. Bias Berkson (Admission bias)
bias yang disebabkan perbedaan probabilitas antara
kasus dan kontrol, dan perbedaan itu berhubungan
dengan status paparan
Jenis Bias Seleksi
Jenis Bias Seleksi
c. Bias Non-responden
bias yang disebabkan penolakan responden
untuk berpartisipasi, sehingga mempengaruhi tingkat
partisipasi kasus dan kontrol, atau terpapar dan tidak
terpapar
d. Bias Insidensi-Prevalensi Neyman
bias yang disebabkan penggunaan data prevalensi
sebagai pengganti insidensi
e. Bias Pekerja Sehat
bias yang terjadi akibat dari penggunaan para pekerja
sehat sebagai kelompok kasus atau kelompok terpapar
di satu pihak, atau penggunaan populasi umum sebagai
kelompok kontrol atau kelompok tidak terpapar di pihak
lain.
Avoiding Bias Selection
Once it’s in the study, you can’t fix it.1. Sedapat mungkin menggunakan data insiden2. Pada studi kasus kontrol, pilihlah kontrol dari populasi asal
yang aktual (actual base population) darimana kasus studitersebut muncul
3. Pada studi kasus kontrol yang tidak berbasis padapopulasi, dapat dipertimbangkan untuk menggunakan lebihdari 1 jenis populasi kontrol
4. Terapkan kriteria kelayakan yang sama untuk memilihsemua subyek studi..
5. Usahakan agar semua subyek potensial menjalaniprosedur diagnostik yang sama dan mendapat peluangdeteksi dan pelaporan kasus yang sama.
6. Minimalkan non-respons atau non-partisipasi dan loss to follow-up.
7. Kumpulkan sebanyak mungkin informasi tentang riwayatpajanan, termasuk waktu dan alasan perubahan status pajanan.
8. Upayakan agar penyakit didiagnosis tanpa pengaruh daripengetahuan tentang status pajanan (secara blind)
Information/misclasification Bias
Jenis:
Bias Mengingat kembali (Recall bias)
Bias Pewawancara (Interviewer bias)
Bias Follow-up (Loss to follow-up bias)
Efek Hawthorne (Hawthorne effect bias)
Kesalahan sistematik dalam mengamati, memilih
instrumen, mengukur, membuat klasifikasi, mencatat
informasi, dan membuat interpretasi tentang paparan
maupun penyakit.
Jenis Bias Informasi
a. Bias Recall
bias yang terjadi karna perbedaan akurasi antarakasus dan kontrol dalam mengingat dan melaporkanpaparan, atau perbedaan akurasi antara kelompokterpapar dan tidak terpapar dalam melaporkanperistiwa yang dialami
b. Bias Pewawancara
bias yang terjadi karna pewawancaramengumpulkan, mencatat dan menginterpretasikaninformasi tentang paparan atau subyek penyakitsecara berbeda antara kasus dan kontrol(dipengaruhi status paparan),atau berbeda antaraterpapar dan tidak terpapar(dipengaruhi oleh status penyakit)
Jenis Bias Informasi
c. Bias Follow-up
Follow Up bias dapat terjadi jika subjek menjalani
langkah yang berbeda setelah muncul dugaan status
penyakit
d. Bias Efek Hawthorne
Terjadi bila ada perubahan psikologi pada subjek
penelitian karena menjadi partisipan penelitian,
sehingga akan terjadi perubahan perilaku pada
subjek
Avoiding Bias Information
1. Berusaha menjamin obyektifitas dari penelitidan subyek penelitian selama prosespengumpulan data. Untuk menjaminobyektifitas, maka beberapa pendekatan dapatdipakai, seperti penggunaan kriteria ataudefinisi penyakit dan pajanan yang ketat dandibenarkan (justified), menggunakanpendekatan blinding ketika mengumpulkaninformasi tentang pajanan dan/atau penyakit, menggunakan placebo dalam desainexperimental, pendekatan restriksi dalamseleksi subyek
2. Berusaha menjamin dan memelihara tingkatkesahihan (measurement validity) dankehandalan (reliability) dari instrumen/ tes studi
Confounding
Distorsi dalam menaksir pengaruh paparan terhadap
penyakit, akibat tercampurnya pengaruh sebuah
atau beberapa variabel luar.
Suatu kondisi bias dalam mengestimasi efek
paparan terhadap kejadian penyakit/masalah
kesehatan, akibat perbandingan yang tidak
seimbang antara kelompok exposed dan non
exposed
Confounder (Perancu)
Confounder = Variabel Luar (Ketiga)
Karakteristik Confounder
Berhubungan dengan paparan/faktor resiko yang
diteliti
Berhubungan dengan penyakit/outcome
Bukan merupakan konsekuensi dari paparan (tidak
terletak diantara E & D/variabel antara)
Example
Mengontrol Confounding/Perancu
Mengontrol Perancu
Kerangka Teoritis yang Baik
Kerangka Konsep yang Baik
Hubungan antar Variabel Benar
Avoiding counfounding
Dengan desain (by design)
Dengan analisis statistik
(by statistical analysis)
1
2
Mengontrol dengan desain
Restriksi (membuang, dengan kriteria
inklusi atau eksklusi)
Matching
(mencocokkan, menyamakan)
1
2
3Randomisasi
(pengacakan)
Restriksi/Spesifikasi
Tentukan nilai variabel perancu potensial
eksklusikan semua calon subjek dengan nilai
berbeda
Keuntungan
Mudah
Terfokus
Kerugian
Membatasi generalisasi
Besar sampel sulit dipenuhi
Macthing
Pemasangan (matching) antara kasus dan kontrol
dapat dilakukan.
Dilakukan pada beberapa variabel yang berpotensi
sebagai confounder, dengan tujuan mengurangi
resiko confounding
Keuntungan dan Kerugian Macthing
Keuntungan:Mengeliminasi pengaruh perancu kuat (usia, jenis kelamin)
Mengeliminasi pengaruh variabel perancu yang sulit diukuratau didefinisikan faktor sosial kompleks, pajanan lingkunanmultipel, keadaan saat masa kecil
Dapat digunakan saat jumlah kasus terbatas (pajanan jarangatau keluaran jarang) meningkatkan presisi karenakeseimbangan jumlah kasus-kontrol
Kekurangan:Sulit, mahal, makan waktu
Ireversibel, rentan terhadap hilangnya data (hilang satu, matidua)
Faktor pasangan tidak dapat dianalisis
Teknik analisis khusus pasangan
Analisis sulit saat muncul faktor baru
Overmatching
Randomisasi
Cara amat efektif untuk menghilangkan pengaruhconfounding
Confounding terbagi seimbang antara kelompokpenelitian
Berlaku juga bila confounding tidak diketahuisebelum penelitian dilakukan
Syarat:
Randomisasi dilakukan dengan benar
Jumlah subjek cukup besar, misal > 100 per kelompok
Keuntungan dan Kerugian Randomisasi
Keuntungan
Menghasilkan grup yang serupa, termasuk bagi variabel-
variabel yang tidak diantisipasi, didefinisikan, ataupun
diukur
Bila setelah randomisasi terjadi pajanan variabel lain,
asalkan probabilitas untuk kedua grup sama, maka tidak
banyak berpengaruh
Kerugian :
Apabila jumlah di dalam setiap grup relatif kecil (di bawah
100), setiap grup dapat masih bervariasi akibat
probabilitas/kemungkinan
Keuntungan hanya apabila analisis bersifat
manajemen/intention to treat, bukan eksplanatori
Mengontrol confounding
dengan analisis statistik
Stratifikasi
Analisis multivariat
1
2
Stratifikasi
Dipakai luas untuk mengontrol perancu
Berdasarkan faktor yang dicurigai perancu
Interaksi/modifikasi efek
Asosiasi antara prediktor dan keluaran bervariasi pada
berbagai tingkat faktor ketiga
Effect modifier tidak perlu disingkirkan seperti perancu,
namun perlu dielaborasi atau diperjelas maknanya
Mengontrol confounding dengan
analisis statistik
CHD (+) CHD (-) Total Odds Ratio
A. All Subject
Coffee 40 26 66 40x36 /
18x26
No coffee 18 36 54 = 3,08
Jumlah 58 62 120
B. Smoking
Coffee 22 15 37 22x20 / 6x15
No coffee 6 20 26 = 4.89
Jumlah 28 35 63
C. No Smoking
Coffee 18 11 29 18x16 /
12x11
No coffee 12 16 28 = 2,18
Jumlah 30 27 57
Keuntungan dan Kerugian Stratifikasi
Keuntungan
Mudah dimengerti
Fleksibel sejumlah analisis berstrata mana perancu, mana bukan
Reversibel setelah pengumpulan data
Kerugian
Jumlah variabel yang dapat dikontrol secara simultan terbatas
Terlalu banyak strata: ada kelompok tanpa kasus/kontrol
Strata terlalu luas tidak dapat mengontrol semua perancu (tidakmenjamin)
Misal: kebiasaan yang berubah seiring pertambahan usia
Metode Multivariat
Model matematika yang menggambarkan asosiasi
antar variabel untuk mengisolasi efek prediktor
terhadap keluaran
Dalam penelitian klinis, yang sering dipakai adalah
regresi multipel dan regresi logistik
Dapat diketahui asosiasi antara variabel dengan
menyingkirkan variabel lain (variabel lain ‘dibuat’
sama/tetap)
Analisis multivariat
Variabel bebas-1
Variabel bebas-2
Variabel bebas-3
Variabel tergantung1
Variabel tergantung-1
Variabel tergantung-2
Variabel tergantung-3
Variabel bebas2
Keuntungan dan Kerugian Multivariat
Keuntungan
Mampu mengatur pengaruh banyak perancu secara simultan
Penggunaan informasi dalam variabel kontinyu (tidak perludibagi dikotom)
Fleksibel dan reversibel
Kerugian
Interpretasinya sering sulit
Sulit digeneralisasi (tidak natural)
Hasil sangat dipengaruhi pemilihan variabel
Model tidak sesuai
Kontrol perancu kurang (model perancu-keluaran tidak tepat)
Estimasi efek inakurat (model prediktor-keluaran tidak tepat)
Conclusion
Studi harus memiliki validitas internal dan eksternal:
hasilnya harus baik benar dan mampu untuk
ekstrapolasi populasi.
Dengan melakukan cheklist sederhana terhadap
bias (seleksi, informasi, dan confounding) maka ada
kesempatan yang dapat membantu pembaca
menguraikan laporan penelitian.
Ketika sebuah asosiasi statistik muncul dalam
penelitian, pedoman penilaian asosiasi dapat
membantu pembaca memutuskan apakah hubungan
tersebut bersifat palsu, tidak langsung, atau nyata.
Referensi
Hulley BS, Cummings RS, Browber SW, Grady GD
and Newman Bthomas. Designing Clinical Researh.
3th Edition.
http://sphweb.bumc.bu.edu
http://moodle.yds.edu
http://ocw.jhsph.edu
http://medicine.ucsf.edu
Terimakasih