VALIDITAS DAN BIAS

Renti Mahkota, SKM, M.Epid

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

Populasi Target

Populasi Aktual/Sumber

Populasi studi (sampel)

Validitas Eksternal

Validitas Internal

Inferensi Statistik

A Hierarchy of PopulationSampel: • 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 PopulationPopulasi 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 kelompok-kelompok 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. Self-selection bias2. Healthy-worker effect3. Selective loss to follow-up (withdrawal bias)4. Selective survival 5. Detection bias6. Diagnostic bias7. Berkson’s Bias/ Berkson’s Paradox/ Hospital

admission bias8. Reporting bias9. Inclusion/exclusion bias10. Kemenduaan temporal (temporal ambiguity)11. Protopathic bias12. 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 insiden2. 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 Seleksi5. 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. 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

2. Berusaha menjamin dan memelihara tingkat kesahihan (measurement validity) dan kehandalan (reliability) dari instrumen/ tes studi