Dalam penelitian epidemiologi, sangat penting untuk menghindari bias, untuk mengontrol confounding dan untuk melakukan replikasi akurat. Bias, confounding dan variasi random adalah alasan non-kausal untuk hubungan antara eksposur dan hasil. Validitas internal penelitian harus selalu dianggap sebagai alternatif penjelasan dalam penafsiran. Bias adalah kesalahan dari peneliti; confounding dapat dikendalikan; replikasi ditentukan oleh peneliti.
Bias didefinisikan sebagai 'segala kesalahan sistematis dalam studi epidemiologi yang menghasilkan perkiraan yang salah dari hubungan antara eksposure dan risiko penyakit.
Dua kelas utama bias adalah:
1. Bias seleksi
2. Observasi / informasi (kesalahan klasifikasi) bias
Bias seleksi merupakan masalah penting dalam kasus kontrol dan penelitian kohort retrospektif. Bias seleksi tidak dapat sepenuhnya dikecualikan dalam penelitian case kontrol karena nonparticipation antara kasus dan kontrol mungkin berbeda. Jenis-jenis utama bias dalam pengamatan grup:bias meliputi recall bias, interviewer bias, follow-up bias dan misclassification bias.
Confounding kadang-kadang disebut sebagai kelas utama ketiga bias. Ini adalah fungsi dari hubungan yang kompleks antara berbagai eksposur dan penyakit. Confounding dapat dikontrol dalam desain (random, pembatasan dan matching) dan dalam analisis (stratifikasi, analisis multivariabel dan matching).
Bias dan confounding tidak terpengaruh oleh ukuran sampel, tetapi kesempatan efek (acak variasi) berkurang sebagai ukuran sampel semakin besar. Nilai P kecil dan rasio odds yang sempit / risiko relatif adalah tanda-tanda meyakinkan terhadap efek kesempatan yang sama, tetapi tidak dapat dikatakan untuk bias dan confounding.
Jenis bias.
Bias seleksi/selection bias (pengetahuan tentang pengaruh status pemaparan identifikasi berpenyakit dan non-subyek studi berpenyakit) dan bias mengingat/recall bias (pengetahuan tentang status penyakit pengaruh paparan penentuan status) yang paling penting. Dalam penelitian kohort, bias akibat loss to follow-up(karena gesekan) akan menjadi bahaya terbesar (seleksi bias dalam studi retrospektif). Potensi kesalahan klasifikasi hadir dalam semua jenis studi epidemiologi. Terlepas dari semua upaya pencegahan, bias harus selalu dipertimbangkan di antara penjelasan alternatif dari sebuah temuan.
Harus diingat bahwa bias:
- Mungkin topeng asosiasi
- Dapat menyebabkan lebih dari atau meremehkan dari ukuran efek
Meningkatkan ukuran sampel tidak akan menghilangkan bias. Sebuah studi yang menderita dari prasangka tidak memiliki validitas internal.
Kebanyakan simplistically, ada tiga jenis bias: (1) bias seleksi, (2) informasi / kesalahan klasifikasi bias, (3) confounding bias. Klasifikasi dasar ini berasal dari studi oleh Miettinen pada 1970-an (Miettinen & Cook, 1981).
Efek potensial sumber bias dapat:
DAFTAR PUSTAKA
Armitage P & Colton T. Encyclopedia of Biostatistics. Volumes 1-8. John Wiley & Sons, 2005 (Bias in Observational Studies section by HA Hill & DG Kleinbaum)
Davey Smith G & Ebrahim S. Data dredging, bias, or confounding. BMJ 2002;325: 1437–8
Vineis P & McMichael AJ. Bias and confounding in molecular epidemiological studies. Carcinogenesis 1998;19:2063-7
Bias didefinisikan sebagai 'segala kesalahan sistematis dalam studi epidemiologi yang menghasilkan perkiraan yang salah dari hubungan antara eksposure dan risiko penyakit.
Dua kelas utama bias adalah:
1. Bias seleksi
2. Observasi / informasi (kesalahan klasifikasi) bias
Bias seleksi merupakan masalah penting dalam kasus kontrol dan penelitian kohort retrospektif. Bias seleksi tidak dapat sepenuhnya dikecualikan dalam penelitian case kontrol karena nonparticipation antara kasus dan kontrol mungkin berbeda. Jenis-jenis utama bias dalam pengamatan grup:bias meliputi recall bias, interviewer bias, follow-up bias dan misclassification bias.
Confounding kadang-kadang disebut sebagai kelas utama ketiga bias. Ini adalah fungsi dari hubungan yang kompleks antara berbagai eksposur dan penyakit. Confounding dapat dikontrol dalam desain (random, pembatasan dan matching) dan dalam analisis (stratifikasi, analisis multivariabel dan matching).
Bias dan confounding tidak terpengaruh oleh ukuran sampel, tetapi kesempatan efek (acak variasi) berkurang sebagai ukuran sampel semakin besar. Nilai P kecil dan rasio odds yang sempit / risiko relatif adalah tanda-tanda meyakinkan terhadap efek kesempatan yang sama, tetapi tidak dapat dikatakan untuk bias dan confounding.
Jenis bias.
Bias seleksi/selection bias (pengetahuan tentang pengaruh status pemaparan identifikasi berpenyakit dan non-subyek studi berpenyakit) dan bias mengingat/recall bias (pengetahuan tentang status penyakit pengaruh paparan penentuan status) yang paling penting. Dalam penelitian kohort, bias akibat loss to follow-up(karena gesekan) akan menjadi bahaya terbesar (seleksi bias dalam studi retrospektif). Potensi kesalahan klasifikasi hadir dalam semua jenis studi epidemiologi. Terlepas dari semua upaya pencegahan, bias harus selalu dipertimbangkan di antara penjelasan alternatif dari sebuah temuan.
Harus diingat bahwa bias:
- Mungkin topeng asosiasi
- Dapat menyebabkan lebih dari atau meremehkan dari ukuran efek
Meningkatkan ukuran sampel tidak akan menghilangkan bias. Sebuah studi yang menderita dari prasangka tidak memiliki validitas internal.
Kebanyakan simplistically, ada tiga jenis bias: (1) bias seleksi, (2) informasi / kesalahan klasifikasi bias, (3) confounding bias. Klasifikasi dasar ini berasal dari studi oleh Miettinen pada 1970-an (Miettinen & Cook, 1981).
Efek potensial sumber bias dapat:
- Positif bias: ukuran yang diamati efek (misalnya, rasio odds) adalah lebih besar daripada ukuran sebenarnya efek (berlaku untuk kedua perlindungan dan asosiasi risiko).
- Bias negatif: ukuran yang diamati efek yang lebih kecil daripada ukuran sebenarnya efek
- Menuju nol: ukuran yang diamati efek yang lebih dekat menjadi 1,0 daripada ukuran sebenarnya efek (hasil dari kesalahan diferensial non-pengamatan / klasifikasi dan membuat asosiasi yang sudah ada lebih lemah).
- Jauh dari nol: ukuran yang diamati efek yang lebih jauh dari 1,0 daripada ukuran sebenarnya efek (hasil dari kesalahan diferensial pengamatan / klasifikasi dan menciptakan asosiasi palsu kalau tidak ada).
DAFTAR PUSTAKA
Armitage P & Colton T. Encyclopedia of Biostatistics. Volumes 1-8. John Wiley & Sons, 2005 (Bias in Observational Studies section by HA Hill & DG Kleinbaum)
Davey Smith G & Ebrahim S. Data dredging, bias, or confounding. BMJ 2002;325: 1437–8
Vineis P & McMichael AJ. Bias and confounding in molecular epidemiological studies. Carcinogenesis 1998;19:2063-7
Tidak ada komentar:
Posting Komentar