Oleh

Ida Bagus Subanada
Bagian/SMF Ilmu Kesehatan Anak
FK Unud/RSUP Sanglah Denpasar

2. Mhs diharapkan bisa menyebutkan sumber- sumber hubungan semu antara variabel bebas dan variabel tergantung. Mhs diharapkan bisa menyebutkan ciri-ciri contributory cause.Luaran yang diharapkan: 1. Mhs diharapkan bisa membedakan antara association dan causation. Mhs diharapkan bisa membedakan contributory cause dan necessary cause. 4. . 3.

“menimbulkan”. Padajurnal kedokteran. Hubungan (association) bukanlah menyatakan penyebab (causation). kita kadang-kadang bertemu dengan frase:“berhubungan dengan”. “berkaitan dengan”. seperti pada kalimat berikut: [1]merokok menyebabkan kanker paru. atau “bertalian dengan”. Penulis menghindari pernyataan-pernyataan dogmatis seperti: “menyebabkan”. [2]pil KB menimbulkan trombosis vena. .

Bukanlah berarti bahwa penganggur adalah pelaku kriminalitas. Ini analoginya: sebuah kota dengan pengangguran dan kriminalitias yang tinggi. kita masih berfikir bahwa ada beberapa faktor risiko yang tidak dicurigai menyebabkan penyakit atau sebuah ko- intervensi yang tidak disadari bertanggung jawab terhadap efek pengobatan.  Di lain pihak sekalipun kita yakin bahwa kita berhasil menunjukkan dengan tepat penyebab yang bertanggung jawab. .

Contributory cause Pada kebanyakan fenomena kedokteran. . Sebuah faktor risiko mungkin sebagai contributory cause. tidak ada penyebab tunggal untuk suatu penyakit. Misal: Merokok sebagai salah satu faktor risiko kanker paru. Merokok adalah contributory cause karena tidak semua penderita kanker paru adalah perokok.Ada 2 konsep causation: 1.

2. tuberkulosis penyakit tuberkulosis. tifi penyakit demam tifoid. S. . Misal: M. Necessary cause Suatu mikroorganisme dikatakan sebagai penyebab penyakit bila memenuhi postulat Koch (selalu ditemukan pada penyakit tsb).

harus memenuhi 3 kriteria berikut: 1. RO=4. .5).001). sedangkan kemaknaan secara statistik ditentukan oleh nilai P (misal. Association (hubungan) Apakah peneliti mendapatkan hubungan yang kuat dan bermakna secara statistik dengan memberikan bukti yang meyakinkan bahwa efek terjadi lebih sering pada kelompok yang ada penyebab daripada oleh karena faktor peluang saja.Untuk menetapkan sebagai contributory cause. P=0. Kuatnya hubungan dicerminkan oleh effect size (misal.

Prior association Pada penelitian. .2. apakah penyebab mendahului efek (akibat). Hal ini dapat dijawab dengan desain penelitian yang tepat seperti kasus-kontrol atau kohort.

. Perubahan penyebab akan mengubah efek (akibat). Apakah peneliti dapat menetapkan bahwa merubah/memodifikasi penyebab akan merubah/memodifikasi efek? Masalah ini dapat dijawab dengan uji klinis.3.

Konsisten Hasilnya konsisten tanpa memandang desain penelitian. . 3. Dose response relationship Risiko menderita penyakit meningkat dengan meningkatnya paparan.Beberapa ciri-ciri lain contributory cause: 1. 2. Biologic plausibility Masuk akal Harus dapat diterangkan dengan teori yang ada sekarang.

. Misal: Hasil penelitian pada manusia sama dengan hasil pada binatang.4. Experimental confirmation Ada kesamaan dengan hasil penelitian lain.

Apakah hubungan sebab-akibat yang didapat. . nyata atau semu? Hubungan semu dapat terjadi melalui 3 mekanisme: 1. Peluang Terjadi karena sampling variation. Sampling variation karena random error. Untuk mengatasi: pemilihan sampel secara random (random sampling).

2. b. atau analisis. Selection bias shg karakteristik dasar subjek tidak sama. kesalahan saat melakukan penelitian. Performance bias shg kelompok subjek yang diteliti menerima perlakuan yang tidak sama selain intervensi yang diberikan atau terjadi ketidakpatuhan terhadap intervensi yang diberikan. Kesalahan desain. Misal: a. .

Semua bias di atas dapat diatasi dengan alokasi random dan dilakukan secara tersamar (blind). . Tranfer bias Terjadi oleh karena sampel hilang atau keluar dari penelitian. Detection bias Terjadi bila luaran tidak diamati secara seimbang pada semua kelompok yang diteliti. Diatasi dengan intention-to treat analysis.c. d.

ttp variabel tsb tdk teridentifikasi.3. Dalam hal ini merokok merupakan perancu karena peminum kopi umumnya perokok. antara minum kopi dengan IMA. Perancu (confounding) Terjadi bila ada variabel yang berhubungan dengan variabel bebas dan variabel tergantung. antara minum kopi dengan IMA padahal merokoklah yang berhub. Misal: Penelitian bertujuan mencari hub. bukan minum kopi. dg IMA. . bisa didapat hub. Bila merokok tidak diidentifikasi.

dll. Randomisasi. Stratifikasi. Analisis multivariat. sama jenis kelamin. Dipasangkan (matching). . c. Dikontrol dengan desain: a.Cara mengatasi perancu: 1. b. 2. misal dg Mantel-Haenszel. b. Misal: sama kelompok usia. Restriksi/eksklusi. Dikontrol dengan analisis: a.