BIAS

BIAS adalah kesalahan sistematik dalam studi epidemiologis yang menyebabkan terjadinya kesalahan dalam mengestimasai hubungan antara E (eksposure) dan D (desease)

Sumber-sumber bias Proses seleksi atau partisipasi subyek ( bias seleksi)  Proses pengumpulan data ( bias informasi)  Tercampurnya efek pajanan utama dengan efek faktor risiko eksternal lainnya ( kerancuan/ confounding

Konvensi tentang arah bias Menjauh, mendekat dan melewati nilai null (=1.0 Positif atau negatif relatif terhadap nilai parameter efek (pada base population)

Menjauh dari null  overestimate dari efek Mendekat ke null  underestimate Melewati null  perubahan efek kearah yang sebaliknya (kausatif  protektif)

BIAS INFORMASI Terjadi bila terdapat kesalahan pada saat mengumpulkan informasi E atau D pada sampel penelitian Bisa terjadi pada saat analisa data : kesalahan pada coding, kesalahan metoda statistik untuk menguji hipotesa Disebut juga : Observation bias atau Misclasification bias Jenis : Non diferensial dan diferensial

Misclasification Non diferensial Bila probabiliti misklasifikasi status penyakit tidak berbeda berdasarkan status eksposure atau Bila probabiliti misklasifikasi status eksposure tidak berbeda berdasarkan status penyakit Arah bias misklasifikasi non-differential ini biasanya mendekati nilai null

Misclasification diferensial sensitifitas dan/atau spesifisitas dari variabel pajanan atau penyakit berbeda untuk setidaknya 2 kategori dari variabel lainnya (yaitu penyakit atau pajanan). Sayangnya untuk bias jenis ini, arahnya tidak dapat diperkirakan, bisa mendekati, menjauh atau melampaui nilai null.

Bias overestimate ini mungkin terjadi karena sebagian penderita Ca yang kadang-kadang merokok (10%), merasa/ menganggap dan melaporkan diri mereka sebagai perokok, sementara sebagian kontrol (orang sehat) yang sebenarnya perokok (10%), tidak melaporkan diri mereka sebagai perokok

Bias Informasi pada saat pengumpulan data Kohort prospektif Misklasifikasi diferensial terjadi bila: Peneliti mengetahui status E pengambil data mengetahui hipotesa studi dan status E dari subyek penelitian. Contoh : penentuan D pada subjek tang exposed akan dilakukan lebih teliti daripada subyek non-eksposed

b. Kelompok ter-exposed mungkin akan lebih teliti memonitor penyakit (D), terutama bila E yang dipelajari diketahui/dicurigai berhubungan dengan D (misal : mereka yang tinggal/bekerja di lingkungan yang udaranya terpolusi akan bekerja lebih cermat memantau penyakit saluran nafas dibandingkan dengan mereka yang tinggal didaerah tanpa polusi udara)

Bias Informasi pda pengumpulan data Kohort prospektif Misklasifikasi Non-diferensial terjadi bila: Instrumen yang dipakai mengukur  tidak mengukur yang seharusnya, misal : pertanyaan yang ada sangat ambigous atau menyatakan kira2/rata2. Info yang diambil seluruhnya dari death certificate Definisi D yang inkonsisten

Bias Informasi pda pengumpulan data 2. Kohort retrospektif Hampir seluruh bias yang terjadi adalah Non-diferensial karena info diambil dari masa lalu Hati-hati bila dalam MR tertulis pasien mendapat resep obat tertentu, belum tentu bahwa pasien tersebut memang benar2 meminum resep tersebut

Bias Informasi pda pengumpulan data 3. Studi Kasus Kontrol Misklasifikasi difernsial ; Dari Investigator: bisa terjadi interviewer mengetahui status D dan hipotesa studi. Interviewer mungkin melakukan probing pada kasus tetapi tidak pada kontrol B. Dari subjek penelitian : - Pada studi dengan kasus dari RS dan kontrol dari populasi: kontrol, akan ogah2an menjawab E dibandingkan kasus

C. Stimulus yang berbeda : misal ibu dari bayi yang congenital malformation akan memberikan info yang lebih akurat mengenai E drpd ibu dari bayi yang sehat D. Memakai interviewer atau instrumen dan sumber iiformasi yang berbeda untuk kasus dan kontrol. Memungkinkan terjadinya misklasifikasi diferensial E. Bila periode waktu antara eksposure timbul dengan saat wawancara berbeda antara kausu dan kontrol, keakuratan mengingat pada 2 kelompok tersebut bisa berbeda F. Kasus biasanya mengetahi riwayat penyakit keluarga lebih teliti daripada kontrol

Efek dari bias informasi Misklasifikasi differensial Menyebabkan bias pada hubungan asosiasi, bisa mendekati atau menjauhi null value, tidak dapat diduga Misklasifikasi Non-differensial akan mengunderestimate hubungan antara E dan D

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 kelompok-kelompok yang diperbandingkan.

3 karakteristik penting bias seleksi Terjadi ketika menggunakan kriteria yang berbeda dalam prosedur seleksi subyek Besar dan arahnya seringkali tidak dapat diperkirakan Bias ini, sekali terjadi tidak dapat dikendalikan, melainkan hanya dapat dicegah.

Self-selection bias Bias ini dapat terjadi jika kelompok subyek yang terpapar atau mendapat perlakuan diambil dari sekelompok orang yang memang secara sadar memilih untuk terpapar atau mendapat perlakuan sebelum mereka terpilih kedalam studi. Bias ini juga dapat terjadi sebagai akibat tingkat partisipasi yang berbeda antara kelompok studi (pada studi kros-seksional atau kasus kontrol) setelah mereka terpilih. Bentuk bias semacam ini yang muncul jika kelompok subyek yang berpartisipasi berbeda secara sistematik dengan yang menolak/tidak berpartisipasi disebut juga non-response atau non-participation bias.

Mis: - Tingkat keabsenan kelompok alkoholik yang ikut program pengobatan diperbandingkan dengan alkoholik yang tidak ikut. Rendahnya tingkat keabsenan belum tentu karena efek program melainkan juga bisa karena motivasi yang lebih besar dari peserta program untuk sembuh dari alkoholisme. - Pada studi Kasus Kontrol atau Kros-seksional; E yang terpilih mau berpartisipasi sedang NE terpilih menolak berpartisipasi sementara status D berhubungan dengan partisipasi kelompok NE.

Healthy-worker effect Fenomena Healthy-worker effect sering ditemukan dalam riset-riset epidemiologi kesehatan kerja (occupational epidemiology). Bias ini terjadi karena membandingkan kelompok pekerja yang terpajan (exposed) dengan pajanan (exposure) akibat pekerjaan tertentu dengan kelompok yang tidak terpajan dari populasi umum atau populasi yang tidak berkerja atau populasi yang pekerjaannya berbeda. Kelompok masyarakat pekerja condong lebih sehat dibandingkan kelompok yang tidak bekerja. Orang yang yang memiliki masalah kesehatan cenderung tidak diterima atau keluar dari angkatan kerja.

Mis: Membadingkan populasi pekerja mebel di North Carolina dengan penduduk lainnya mungkin bias karena kelompok pekerja mebel mungkin lebih sehat.

Selective loss to follow-up (withdrawal bias) Bias yang pada studi longitudinal ini dapat terjadi karena subyek-subyek yang terpilih menghilang secara tidak proporsional selama periode follow-up. Ada banyak sebab dari kehilangan subyek dalam studi follow-up, misalnya karena subyek menderita masalah kesehatan tertentu, meninggal, mengundurkan diri dari penelitian, pindah rumah, dll.