Bias dan

Confounding dalam
Epidemiologi

Saryono
Introduction
The primary purpose of
research is to conduct a
scientific, or, scholarly
investigation into a
phenomenon, or to answer a
burning question.
Research is defined as a
systematic approach to
Hierarchy of Evidence
1. Systematic reviews & meta-analyses
2. Randomized controlled trials with
definitive results (non-overlapping
confidence intervals)
3. Randomized controlled trails with non-
definitive results (a point estimate that
suggests a clinically significant effect
but with overlapping confident
intervals)
Hierarchy of Evidence
(continued)
4. Cohort studies
5. Case-control studies
6. Cross-sectional surveys
7. Case Reports
Strength of Evidence
TYPE OF ABILITY TO PROVE
STUDY CAUSATION
Randomized Strong
control trials
Cohort Studies Moderate (when well conducted, bias
minimized)
Case-control Moderate (good evidence for causal nature of
studies an association)

Cross-sectional Weak (no direct evidence on time sequence)

studies
Ecological Weak (danger of incorrect extrapolation to
studies individuals from data on regions or countries)
 Choosing the Right Study
Design
+....+++++ indicates the degree of
suitability
- not suitable
(b) If prospective
Ecologic Cross- Case- Cohort
(c) If population based
From WHO
al Sectiona Control
l
Investigation of rare ++++ - +++++ -
disease
Investigation of rare cause ++ - - +++++
Testing multiple effects of + ++ - +++++
cause
Study of multiple ++ ++ ++++ +++
exposures
Measurements of time ++ - +(b) +++++
relationship
Direct measurement of - - +(c) +++++
incidence
Investigation of long latent - - +++ -
Frequency of Epidemiologic
Studies
Cross-sectional (46%)
Cohort studies (29%)
Case-control studies
(6%)
Etc (case studies, etc)
(19%)
Limitations of Research
Based on the Scientific Method
Every research study has
flaws
No single study proves or
disproves a hypothesis
Ethical issues can constrain
researchers
Adequate control is hard to
maintain in a study
Explanations for Artifactual
Associations
Information Bias
Selection Bias
Failure to control for
confounding variables
Ecologic fallacy (keliru)
Sampling variability or
chance
Errors in Epidemiological
Studies
Random Error
Sample Size Calculations
Systematic Error
Selection Bias
Measurement Bias
Confounding
Validity
Internal Validity
External Validity
Random Error
Divergence (beragam), due to chance
alone, of an observation on a sample
from the true population value, leading
to lack of precision in the
measurement of an association
Sources of Random Error
Sampling error
Biological variation
Measurement error
Sample Size
Calculations
Variable to consider
Required level of statistical significance of
the expected result
Acceptable chance of missing the real
effect
Magnitude of the effect under
investigation
Amount of disease in the population
Relative sizes of the groups being
compared
Systematic Error
(Bias)
Occurs when there is a tendency to
produce results that differ in a
systematic manner from the true
values
A study with a small systematic error
is considered highly accurate
Accuracy is not affected by sample
size
Principal biases
Selection Bias
Measurement (Classification) Bias
Confounding
Selection Bias
Occurs when there is a systematic
difference between the characteristics
of the people selected for a study and
the characteristics of those who are
not
Distortion of effect resulting from the
way participants are accepted into
studies
Healthy Worker Effect risk for
certain illnesses in industrial working
populations is lower than in the
Sources of Selection
Bias
Volunteers for studies are almost always
selective
Paid participants may be selectively
different from the general population
Hospital and clinical data are based on a
selective population
Disease or factor under investigation
makes people unavailable for study
Measurement Bias
Occurs when individual measurements or
classifications of disease or exposure are
inaccurate
If occurs equally in groups being
compared (non-differential bias) results
in underestimate of the true strength of
the relationship
Sources:
Quality of laboratory analysis
Recall bias
Confounding
Occurs when another exposure exists in
the study population and is associated
with both the disease and the exposure
being studied
When the effects of two exposures (risk
factors) have not been separated, and
incorrect conclusions are drawn that the
effect is due to one rather than the other
variable
Confounding
(continued)
May create the appearance of a cause-
effect relationship that really does not
exist
For a variable to be a confounder, it must
be a determinant (risk factor) itself of
the disease and the exposure being
studied
Age and social class are common
confounders
Controlling Confounding
through Study Design
Randomization experimental studies
only; sample size must be sufficient to
avoid random maldistribution
Restriction limit study to those with
particular characteristics
Matching case-control studies;
potential confounding variables are
evenly distributed in all study groups
Controlling Confounding
During Analysis
Stratification used in large studies;
measuring the strength of associations
in well-defined and homogenous
categories (strata) of confounding
variable
Statistical (Multivariate) Modeling for
estimating the strength of association
while controlling multiple confounding
variable at the same time
Validity
The degree to which a test is capable of
measuring what it is intended to
measure
Two types
Internal degree to which the
results of an observation are
correct for the particular group
studied
External (generalizability)
extent to which the studys
results can be applied to those
Reliability
Repeatability
Example - Having both Observer A and
Observer B examine subjects from all
study groups, and subjects are randomly
assigned to both observers would ensure
that any errors of the observers would
be spread across the groups. This would
also help avoid spurious results
Ecological Fallacy
The error that occurs by
assuming that because two
or more characteristics
expressed as group indices
occur together, they are
therefore associated
Unless ecologic studies can
create specific rates for
Cohort Effect
When data suggest the possibility that
they are demonstrating the experience
of one particular group (cohort) over
time
Age (Birth) Cohort Effect a nonfatal
persistent birth disorder can be highly
prevalent at birth and persist in that
birth cohort through time (i.e.,
thalidomide babies of the early 60s)
 EXAMPLES OF RANDOM ERROR, BIAS,
MISCLASSIFICATION AND CONFOUNDING
IN THE SAME STUDY:

In a cohort study, babies of women

who bottle feed and women who
breast feed are compared, and it is
found that the incidence of
gastroenteritis, as recorded in medical
records, is lower in the babies who are
breast-fed.
SLIDE 25
 EXAMPLE OF CONFOUNDING
The mothers of breast-fed babies are
of higher social class, and the babies
thus have better hygiene, less
crowding and perhaps other factors
that protect against gastroenteritis.
Crowding and hygiene are truly
protective against gastroenteritis, but
we mistakenly attribute their effects
to breast feeding. This is called
confounding because the observation
is correct, but should be carefully
SLIDE 26
 EXAMPLE OF BIAS

The medical records of bottle-fed

babies only are less complete
(perhaps bottle fed babies go to the
doctor less) than those of breast fed
babies, and thus record fewer
episodes of gastro-enteritis in them
only. This is called bias because the
observation itself is in error.

SLIDE 27
 EXAMPLE OF RANDOM ERROR
By chance, there are more episodes of
gastroenteritis in the bottle-fed group in the
study sample.
EXAMPLE OF RANDOM
MISCLASSIFICATION
Lack of good information on feeding history
results in some breast-feeding mothers
being randomly classified as bottle-feeding,
and vice-versa. If this happens, the study
finding underestimates the true RR.
SLIDE 28
Bias
Any process at any stage of inference which
tends to produce or conclusions that differ
systematically from truth
Kesalahan sistematik yg mengakibatkan
distorsi penaksiran parameter populasi
sasaran berdasarkan parameter sampel.
Pengertian BIAS INFORMASI
Bias Informasi adalah bias dalam cara
mengamati, melaporkan, mengukur, mencatat,
mengklasifikasi dan menginterpretasi status
paparan atau penyakit, sehingga
mengakibatkan distorsi penaksiran pengaruh
paparan terhadap penyakit.
Bias informasi disebut juga bias pengukuran
(measurement bias), bias pengamatan
(observation bias) atau bias misklasifikasi
(misclassification bias).
Penggolongan

Terdapat dua macam bias

misklasifikasi, yaitu :
Bias Misklasifikasi Acak
Bias Misklasifikasi
Diferensial (nir-acak)
Bias misklasifikasi acak
terjadi jika misklasifikasi informasi dialami secara acak oleh kelompok-kelompok studi.

Arah bias mudah diprediksi, sebab selalu menghasilkan penafsiran pengaruh paparan

yang lebih rendah (underestimation) dari pada pengaruh yang sesungguhnya pada
populasi sasaran.
Misklasifikasi acak biasanya timbul karena kesulitan dalam pengukuran variable.

Contoh : dalam penelitian kebiasaan merokok sebagai paparan penyakit, lazimnya status

merokok dibagi dikotomi menjadi :
a. Perokok,
b. Bukan perokok

Cara pengukuran tsb tidak akurat, sebab tidak mendiskriminasikan dengan jelas

apakah perokok masa kini atau perokok masa lalu, lamanya kebiasaan merokok, jumlah
batang rokok yang diisap per hari, merk rokok, pemakaian filter, kandungan tar dan
nikotin, frekuensi pengisapan rokok, dan sebagainya.
Penelitian hubungan merokok dan infark otot jantung (MI), secara biologic , yang
mempengaruhi timbulnya MI adalah kebiasaan merokok pada saat sekarang ini. Dengan
demikian klasifikasi dikotomi status merokok yang lebih tepat adalah :
Merokok saat ini
Tidak merokok atau merokok pada masa lalu.

Penelitian hubungan merokok dan Ca Paru yang lebih penting adalah lamanya merokok

jumlah batang rokok, kandungan tar dan nikotin, dan sebagainya. Dengan demikian
klasifikasi dikotomi status merokok sebagai variable kompleks harus mampu
mengakomodasi sub varibel-variabel tersebut.
Bias Misklasifikasi Diferensial (nir-acak)
Bias misklasifikasi diferensial terjadi jika misklasifikasi informasi dialami secara
berbeda oleh kelompok-kelompok studi.
Misklasifikasi disebut diferensial jika senstivitas dan spesifisitas dalam
mendiagnosis penyakit adalah berbeda diantara kelompok terpapar dan
tak terpapar, atau jika senstivitas dan spesifisitas dalam mengklasifikasi
paparan adalah berbeda antara kelompok sakit dan tak sakit.
Contoh : Sensitivitas pada kelompok sakit = 95, sedangkan pada kelompok tak
sakit adalah 75, Sensitivitas pada kelompok sakit adalah 75, sedangkan pada
kelompok tak sakit adalah 95.
Misklasifikasi disferensial memberikan dampak lebih serius dari pada
misklasifikasi acak, sebab pengaruhnya tidak dapat diprediksi dengan tepat,
yakni dapat memperbesar, memperkecil, maupun meniadakan hubungan
antara paparan dan penyakit yang sebenarnya pada populasi sasaran.
Salah satu jenis bias yang bersifat misklasifikasi disferensial adalah bias
mengingat kembali (recall bias).
Bias ini sering terjadi pada studi kasus control, ketika tingkat akurasi kasus dalam
mengingat riwayat paparan berbeda dengan control.
JENIS BIAS (Hennekens dan Buring,
1987) :

Bias Seleksi
kesalahan sistematik dlm pemilihan subyek , di mana
pemilihan subyek menurut status penyakit
dipengaruhi oleh status paparannya (studi kasus-
kontrol), atau pemilihan subyek menurut status
paparan dipengaruhi oleh status penyakitnya (studi
kohort retrospektif)
Bias Informasi
kesalahan sistematik dlm mengamati, memilih
instrumen, mengukur, membuat klasifikasi, mencatat
informasi, dan membuat interpretasi tentang paparan
maupun penyakit.
JENIS BIAS SELEKSI
a. Bias Deteksi (Unmasking bias)
b. Bias Berkson (Admission bias)
c. Bias Non-responden
d. Bias Insidensi-Prevalensi Neyman
e. Bias Pekerja Sehat (Healthy worker bias)
JENIS BIAS SELEKSI
Bias deteksi
bias yg disebabkan perbedaan intensitas
surveilans dlm memilih kasus & non-kasus,
sedemikian rupa sehingga peneliti cenderung
lebih mudah mendeteksi kasus terpapar & non-
kasus tak terpapar menyebabkan overestimasi
Bias Berkson
bias yg disebabkan perbedaan probabilitas
masuk rumah sakit bagi kasus & kontrol, &
perbedaan itu berhubungan dg status paparan.
JENIS BIAS SELEKSI
Bias Non-responden
bias yg disebabkan penolakan responden utk
berpartisipasi, shg mempengaruhi tk partisipasi kasus
& kontrol, & terpapar & tak terpapar
Bias Insidensi-Prevalensi Neyman
bias yg disebabkan penggunaan data prevalensi
sbg pengganti insidensi
Bias Pekerja Sehat
bias yg terjadi akibat dari penggunaan para pekerja
sehat sbg kelp. kasus atau kelp. terpapar di satu
pihak, & penggunaan populasi umum sbg kelp. kontrol
atau kelp. tak terpapar di pihak lain.
JENIS BIAS INFORMASI
(Bias Pengukuran, Bias Pengamatan, Bias
Misklasifikasi)

a. Bias Mengingat kembali (Recall bias)

b. Bias Pewawancara (Interviewer bias)
c. Bias Follow-up (Loss to follow-up bias)
d. Efek Hawthorne (Hawthorne effect bias)
 Recall Bias
terjadi karena perbedaan akurasi antara kasus dan control dalam mengingat dan
melaporkan paparan (studi kasus control) atau
perbedaan akurasi antara kelompok terpapar dan tidak terpapar dalam melaporkan
peristiwa (penyakit) yang dialami (studi kohort retrospektif).
Bias itu sering sekali terjadi pada desain penelitian case control dan studi
kohort retrospektif, sebab paparan dan penyakit telah terjadi pada saat peneliti
memulai penelitiannya.
Kemungkinan recall bias semakin besar jika paparan sudah berlangsung bertahun-
tahun yang lampau, atau menyangkut sejumlah faktor lainnya yang mirip dengan
faktor penelitian.
Recall bias sering juga terjadi ketika wawancara terpaksa yang dilakukan terhadap
responden pengganti (surrogate) karena responden langsung adalah anak kecil,
sakit berat atau penderita sakit jiwa.
Pengaruh recall bias bisa memperbesar atau memperkecil pengaruh paparan yang
sesungguhnya.
Jikakasus membesar-besarkan riwayat paparan sedang control cenderung mengecilkan arti
paparan, atau jika kelompok terpapar membesar-besarkan gejala yang dialaminya.
Sedangkan kelompok tak terpapar cenderung menganggap ringan gejala-gejala yang
dialaminya, maka bias itu akan memperbesar pengaruh paparan yang sebenarnya.
Sebaliknya jika kasus memperkecil riwayat paparan sedangkan control cenderung
memperbesar arti paparan, atau jika kelompok terpapar memperkecil gejala yang dialaminya
sedangkan kelompok tak terpapar cenderung menganggap serius gejala-gejala yang
dialaminya, maka bias itu akan memperkecil pengaruh paparan yang sebenarnya.
Bias Pewawancara (interviewer bias)
Bias ini terjadi karena pewawancara menginterpretasikan
informasi tentang paparan atau penyakit subjek penelitian
secara berbeda antara kasus dan control, dan perbedaan itu
dipengaruhi oleh status paparan; atau berbeda antara terpapar
dan tak terpapar, dan perbedaan itu dipengaruhi oleh status
penyakit.
Pada studi case control dan studi cohort retrospektif, baik
paparan maupun penyakit sudah terjadi sebelum memulai
penelitiannya. Jika dalam menentukan riwayat paparan (case
control) atau dalam menentukan penyakit (studi kohort
retrospektif) pewawancara terpengaruh oleh hipotesis
penelitian yang diketahuinya, maka disini terjadi bias
pewawancara.
Bias pewawancara diatasi dengan menerapkan pembutaan
(blinding), artinya pewawancara dibatasi sedemikian rupa
sehingga tidak mengetahui hipotesis penelitian tentang
hubungan paparan dan penyakit.
Teknik Blinding
Singgle blind (responden tidak tahu)
Double blind (dan peneliti tidak tau)
Triple blind (dan analisator data tidak tau
Bias Follow-up
Bias follow-up (Loss to follow up bias) terjadi pada studi
kohort karena hilangnya anggota kohort selama jangka
waktu follow up.
Jika selama follow up ada individu yang hilang atau
berhenti, dan berhentinya berkaitan dengan status paparan
atau status penyakit, maka penelitian itu mengalami bias
follow up.
Pada studi kohor dan uji klinik, kemungkinan bias follow up
dapat dihindari dengan memilih populasi umum yang
memiliki batasan yang jelas, menggunakan catatan
kependudukan yang teratur dan selalu diperbaharui.
Populasi khusus dapat juga dipergunakan, misalnya para
pekerja pabirk, anggota organisasi profesi, asuransi
kesehatan, para veteran, alumni perguruan tinggi. Namun,
dalam menggunakan populasi khusus perlu dicegah
kemungkinan timbulnya bias pekerja sehat.
Efek Hawthorne
Efek Hawthorne dikemukakan oleh Elton Mayo ketika melakukan penelitian di pabrik
Hawthorne, Chicago(Griffin, 1984).
Dalam eksperimennya, konsultan manajemen dari universitas Harvard itu memanipulasi
tingkat penerangan, untuk peneliti pengaruh lingkungan kerja terhadap produktifitas.
Subjek penelitian menunjukkan peningkatan produktifitas ketika penerangan ditingkatkan
pada mulanya disimpulkan, penerangan yang meningkat itulah penyebab meningkatnya
produktifitas.
Ternyata kemudian kinerja tetap saja tinggi, meskipun penerangan diturunkan sampe
seredup sinar bulan, sehingga kesimpulan penerangan sebagai penyebab meningkatnya
produktifitas terbantahkan.
Setelah penelitian itu diteruskan, Mayo sampai pada kesimpulan :
a. Produktifitas meningkat karena para pekerja mengetahui sedang dievaluasi
b. Produktifitas para pekerja sangat dipengaruhi oleh norma kerja yang berlaku diantara
pekerja.

Dari riset manajemen itu lalu efek hawthorne diadopsi dalam riset epidemiologi
untuk menjelaskan adanya suatu perubahan perilaku subjek penelitian yang
disesuaikan dengan keinginan peneliti yang kehadirannya diketahui oleh subjek
penelitian.
Tidak jarang bias tersebut datang dari pihak peneliti, dengan memberikan
perhatian ekstra kepada subjek kelompok eksperimental (yang mendapat
perlakuan). Bias ini lazim ditemukan pada uji klinik di Rumah sakit.
Efek Hawthorne
Efek Hawthorne sulit diukur, tetapi dapat dicegah dengan
membuat blinding terhadap asisten peneliti atau pasien.
Pada uji efikasi obat, pembutaan dilakukan dengan cara
memberikan placebo kepada kelompok control dalam
jumlah yang sama, cara yang sama dan pada jam yang sama
dengan kelompok eksperimen.

Efek Hawthorne pula dapat diatasi dengan membentuk

kelompok control penyeimbang (attention control group).
Pada studi Psikoterapi, psikoterapis melakukan tatap muka dengan
kelompok control itu, pada frekuensi dan durasi yang sama dengan
kelompok eksperimen.
Perbedaan terletak pada substansi pertemuan, dimana pada
kelompok control bersifat kosong, sedangkan pada kelompok
eksperimen bersifat therapeutik.
Ancaman validitas

Dalam Epidemiologi, ancaman validitas

penelitian pengaruh paparan faktor penelitian
terhadap penyakit pada prinsipnya berasal dari
dua sumber yaitu bias dan kerancuan.
KONFOUNDING (KERANCUAN)
adalah distorsi dalam menaksir pengaruh paparan terhadap penyakit,
akibat tercampurnya pengaruh sebuah atau beberapa variable luar.
Variabel-variabel luar yang menyebabkan kerancuan disebut faktor
perancu (confounding faktor, confounder).
Distorsi oleh faktor perancu dapat memperbesar atau memperkecil
pengaruh paparan yang sesungguhnya.
Distorsi ini terkadang begitu seriusnya sehingga menyelewengkan
pengaruh paparan yang bersifat protektif bagi penyakit menjadi
bersifat risiko; sebaliknya pengaruh yang bersifat risiko diselewengkan
menjadi protektif.
Pengubahan pengaruh yang bersifat kebalikan sedemikian ini disebut
switch-over (Kleinbaum, et al., 1982) sebab melintasi nilai nol.
Yang disebut nilai nol adalah keadaan tidak ada pengaruh paparan
terhadap penyakit. Faktor perancu tidak mengubah pengaruh
paparan dalam arti yang sebenarnya, melainkan menutupi
pengaruh paparan.
Ada dua strategi pengendalian kerancuan yaitu mencegah sebelum data
dikumpulkan dan memperhitungkan pengaruhnya dalam analisis data.
KRITERIA FAKTOR PERANCU

Faktor perancu adalah variable luar yang pengaruhnya

mencampuri pengaruh paparan faktor penelitian
terhadap penyakit.
Tidak semua variable luar dapat diklasifikasikan faktor
perancu. Untuk dapat disebut perancu, maka variable
luar harus memenuhi kriteria berikut (Rothman,
1986; Hennekens dan Buring, 1987) :
Merupakan Faktor Risiko bagi penyakit yang diteliti
Mempunyai hubungan dengan paparan
Bukan merupakan bentuk antara dalam hubungan
paparan dan penyakit

STRATEGI PENGENDALIAN
KERANCUAN
kerancuan adalah distorsi oleh variable-variabel luar yang
mengacaukan perhitungan penaksiran pengaruh paparan
terhadap penyakit.
Kelalaian dan pengabaian peran faktor perancu
mengakibatkan penarikan kesimpulan yang salah tentang
pengaruh paparan terhadap penyakit.
Itulah sebabnya pengaruh buruk faktor perancu harus
dikontrol. Dengan pengontrolan (pengendalian, penyesuaian)
dimaksudkan penilaian hubungan paparan dan penyakit pada
subjek terpapar dan tak terpapar (studi kohort) atau case
control pada tingkat kerancuan yang sama.
Strategi pengendalian kerancuan dapat dibedakan
menjadi dua kategori besar yaitu
pengendalian pada tahap riset (sebelum data dikumpulkan) dan
pengendalian pada tahap analisis data (setelah data dikumpulkan).
Pengendalian pada tahap riset

Randomisasi

Randomisasi adalah metode terbaik dalam

mengontrol pembauran, karena membantu
dalam memastikan bahwa variable tersebut
dikenal (atau bahkan tidak dikenal) karena
variable perancu terdistribusi secara merata
antara kelompok-kelompok studi.
Namun metode ini hanya dapat digunakan
dalam metode penelitian studi intervensi.
Restriksi

Restriksi adalah membatasi penelitian untuk

hal-hal yang serupa dalam kaitannya dengan
perancu tersebut.
Sebagai contoh jika Jenis Kelamin merupakan
suatu perancu, studi dapat dirancang hanya
untuk pria saja atau wanita saja namun
hansilnya juga hanya bisa diterapkan pada pria
atau wanita.
Restriksi dapat dilakukan dengan dua cara yaitu
Analisis berstrata dan analisis multivariate.
Pencocokan (Matching)

Salah satu metode pengendalian

kerancuan adalah memilih subjek
pembanding sedemikian rupa sehingga
memiliki tingkat kerancuan yang sempurna
dengan subjek yang dibandingkan (index).
Biasanya hanya bisa digunakan pada
study case control dengan memastikan
bahwa control yang dipilih mirip dengan
kasus.
pengendalian pada tahap analisis
data
In the design In the analysis
Restriction of the Restriction of the
study analysis
Matching Stratification
Multivariable methods