VALIDITAS DAN BIAS
Accuracy (Keakuratan)
1. Presisi (Precision)
•
Concerns random error
•
•
•
Random error: a difference between any estimate
computed from the study data and the effect measure
actually being estimated
Precision reflects sampling variability
Precision concerns statistic inferences about the parameter
of the population actually being aimed at
2. Validitas (Validity)
•
Concerns systematic error
•
•
Systematic error: a difference between what an estimator is
actually estimating and the effect measure of interest
Validity does not consider statistic inference, but rather
methodologic imperfections of the study design or analysis
A Hierarchy of Population
A Hierarchy of Population
Populasi Eksternal
Validitas Eksternal
Populasi Target
Validitas Internal
Populasi Aktual/Sumber
Inferensi Statistik
Populasi studi (sampel)
A Hierarchy of Population
Sampel:
• Kumpulan individu/subyek yang datanya
dikumpulkan peneliti. Disebut "sampel" jika yang
dipilih sebagai subyek adalah sebagian dari
anggota populasi yang lebih besar.
Populasi aktual:
• Kumpulan individu/subyek yang memenuhi
persyaratan menjadi subyek dan digunakan
sebagai sumber dari populasi studi. Sampel
diharapkan terpilih mewakili populasi actual.
A Hierarchy of Population
Populasi target/sasaran:
• Kumpulan individu/subyek dengan karakteristik terbatas,
yang sebagian anggota populasinya telah terpilih
sebagai sampel dan merupakan populasi dimana
peneliti ingin menarik kesimpulan kausal
(causalinference) dari fenomena hubungan yang
menjadi tujuan penelitian.
Populasi eksternal:
• Kumpulan individu/subyek di luar populasi target, tanpa
batasan tertentu, dimana peneliti masih dapat
melakukan generalisasi atas fenomena hubungan yang
menjadi tujuan penelitian.
BIAS
• A bias in an epidemiologic study can be defined
quantitatively in terms of the target parameter of
interest and measure of effect actually being
estimated in the study population
• A study that is not internally valid is said to have
bias
• Bias measures the extent that study results are
distorted from the correct results that would have
been found from a valid study
• Bias occurs if an estimated measure of effect for
the study population differs systematically from
the value of the target parameter
Sumber-sumber 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)
Bias seleksi
• Distorsi efek berkaitan dengan cara
pemilihan subyek kedalam populasi studi
• Bisa terjadi bila status penyakit pada studi
kohort (retrospektif), atau status exposure
pada kasus kontrol atau kedua-duanya
pada studi kros-seksional mempengaruhi
pemilihan subyek pada kelompokkelompok yang diperbandingkan
3 karakteristik penting bias seleksi
1. Terjadi ketika menggunakan kriteria yang
berbeda dalam prosedur seleksi subyek
2. Besar dan arahnya seringkali tidak dapat
diperkirakan
3. Bias ini, sekali terjadi tidak dapat
dikendalikan, melainkan hanya dapat
dicegah.
Beberapa jenis bias seleksi
1.
2.
3.
4.
5.
6.
7.
Self-selection bias
Healthy-worker effect
Selective loss to follow-up (withdrawal bias)
Selective survival
Detection bias
Diagnostic bias
Berkson’s Bias/ Berkson’s Paradox/ Hospital
admission bias
8. Reporting bias
9. Inclusion/exclusion bias
10. Kemenduaan temporal (temporal ambiguity)
11. Protopathic bias
12. Neyman fallacy (Prevalence-incidence bias)
Bias informasi
• Bias informasi (information bias) atau bias
observasi (observation bias) atau bias
pengukuran (measurement bias) adalah bias
yang terjadi karena perbedaan sistematik dalam
mutu dan cara pengumpulan data
• (misalnya karena menggunakan kriteria atau
metode pengukuran yang tidak sahih) tentang
pajanan atau penyakit/masalah kesehatan dari
kelompok-kelompok studi.
Ada 3 sumber bias informasi
•
•
•
Kesalahan pengukuran, khususnya ketika terjadi misklasifikasi
penyakit dan/ atau misklasifikasi pajanan yang dapat menilbulkan
apa yang disebut sebagai bias misklasifikasi (misclassification
bias).
Kecenderungan kesalahan pengukuran pertama (pada variable
berskala kontinyu) yang menghasilkan nilai ekstrim, untuk
bergeser ke nilai tengah pada pengukuran berikutnya.
Kecenderungan ini dapat menimbulkan bias yang disebut regresi
kenilai tengah (regression to the mean).
Penggunaan kelompok (agregat) sebagai unit analisis pada
penelitian-penelitian yang dirancang untuk mengambil kesimpulan
kausal tentang fenomena (timbulnya penyakit/masalah
kesehatan) pada tingkat individu. Situasi ini dapat mengundang
potensi bias ekologi (ecologic bias/ ecological fallacy). Bias jenis
ini sering terjadi pada rancangan studi korelasi/ ekologi.
Bias informasi
•
Bias lainnya yg terkait dengan kesalahan pengukuran
yg dapat berujung pada misklasifikasi penyakit atau
pajanan adalah:
–
–
–
Recall bias (bias mengingat kembali) dari subyek penelitian yg
terjadi karena misalnya kemampuan pasien mengingat
informasi pajanan berbeda pada kelompok kasus dan kontrol.
Interviewer bias (bias pewawancara) terjadi karena
subyektifitas atau sugesti pewawancara dalam proses
pengumpulan data.
Clever Hans effect yg terjadi karena subyek merubah respons
agar sesuai dengan apa yg (dianggap oleh subyek)
menyenangkan peneliti/ pewawancara. Bias ini mirip dg
Hawthorne effect, yaitu perubahan status pajanan karena
pengaruh studi.
Penanggulangan Bias Seleksi
1. sedapat mungkin menggunakan data insiden
2. pada studi kasus kontrol, pilihlah kontrol dari
populasi asal yang aktual (actual base
population) darimana kasus studi tersebut
muncul
3. pada studi kasus kontrol yang tidak berbasis
pada populasi, dapat dipertimbangkan untuk
menggunakan lebih dari 1 jenis populasi
kontrol
4. terapkan kriteria kelayakan yang sama untuk
memilih semua subyek studi.
Penanggulangan Bias Seleksi
5. Usahakan agar semua subyek potensial
menjalani prosedur diagnostik yang sama dan
mendapat peluang deteksi dan pelaporan
kasus yang sama.
6. Minimalkan non-respons atau non-partisipasi
dan loss to follow-up.
7. Kumpulkan sebanyak mungkin informasi
tentang riwayat pajanan, termasuk waktu dan
alasan perubahan status pajanan.
8. Upayakan agar penyakit didiagnosis tanpa
pengaruh dari pengetahuan tentang status
pajanan (secara blind)
Penanggulangan Bias Informasi
1.
2.
Berusaha menjamin obyektifitas dari peneliti dan
subyek penelitian selama proses pengumpulan data.
Untuk menjamin obyektifitas, maka beberapa
pendekatan dapat dipakai, seperti penggunaan kriteria
atau definisi penyakit dan pajanan yang ketat dan
dibenarkan (justified), menggunakan pendekatan
blinding, ketika mengumpulkan informasi tentang
pajanan dan/atau penyakit, menggunakan placebo
dalam desain experimental, pendekatan restriksi
dalam seleksi subyek
Berusaha menjamin dan memelihara tingkat
kesahihan (measurement validity) dan kehandalan
(reliability) dari instrumen/ tes studi