Confounding

CONFOUNDING Nur Zulaikhah Latifah 6411411026 6411411026

CONFOUNDING DEFINISI: Sebuah variabel ketiga (bukan paparan atau variabel hasil kepentingan) yang mendistorsi hubungan yang diamati antara paparan dan hasil. •

•

Confounding adalah efek pembingung yang mengganggu dan harus dikontrol jika mungkin. Umur adalah sumber perancu yang sangat umum.

CONFOUNDING DEFINISI: Sebuah variabel ketiga (bukan paparan atau variabel hasil kepentingan) yang mendistorsi hubungan yang diamati antara paparan dan hasil. •

•

Confounding adalah efek pembingung yang mengganggu dan harus dikontrol jika mungkin. Umur adalah sumber perancu yang sangat umum.

CONFOUNDING KRITERIA UNTUK FAKTOR CONFOUNDING:

1. Harus Harus menjad menjadii fakt faktor or risik risiko o (at (atau au fakt faktor or protektif) protektif) untuk penyakit penyakit dari yang diteliti. 2. Ha Harus rus dik dikai aitk tkan an deng dengan an papar paparan an yang yang penting (misalnya tidak merata antara kelompok exposure). 3. Harus Harus tid tidak ak men menjad jadii lan langk gkah ah mene meneng ngah ah dalam jalur kausal antara paparan dan hasil

CONFOUNDING E

D

Confounding IS present CF

Confounding NOT present

E

?CF

D

CONFOUNDING hipotesis Probabilitas sindrom Down 0.0025

0.002

0.0015

0.001

0.0005

0 1

2

3

4

5

Birth Order of Child Faktor apa yang mungkin mengacaukan hubungan antara urutan kelahiran dan sindrom Down?

CONFOUNDING hipotesis Probabilitas sindrom Down 0.0025

0.002

0.0015

0.001

0.0005

0 1

2

3

4

5

Birth Order of Child Mean Age of Age1 < Age2 < Age3 < Age4 < Age5 Mothers

CONFOUNDING Hipotesis

: konsumsi alkohol tinggi dikaitkan dengan kanker perut (studi kasus-kontrol) D+

D-

E+

62

35

97

E-

68

95

163

130

130

260

OR = (62 / 68) / (35 / 95) OR = 2.47

• Kemungkinan exposure konsumsi alkohol yang tinggi tampaknya 2,47 kali lebih tinggi untuk kasus-kasus kanker perut dibandingkan dengan kontrol • Risiko kanker perut diperkirakan 2,47 kali lebih tinggi pada orang dengan konsumsi alkohol yang tinggi dibandingkan dengan orang tanpa konsumsi alkohol yang tinggi

CONFOUNDING Tapi bagaimana dengan merokok? Mungkin kasus lebih mungkin terjadi pada perokok dibandingkan dengan subjek kontrol karena konsumen berat alkohol kemungkinan juga cenderung menjadi perokok. Dengan kata lain, mungkin konsumsi alkohol yang tinggi tak ada hubungannya dengan risiko kanker perut tergantung dari merokok

CONFOUNDING NON-SMOKERS

SMOKERS

D+

D-

E+

18

20

38

E-

42

80

122

60

100

160

OR = ?????

D+

D-

E+

44

15

59

E-

26

15

41

70

30

100

OR = ?????

Apakah ada bukti bahwa merokok mengacaukan hubungan antara konsumsi alkohol dan kanker perut?

CONFOUNDING NON-SMOKERS

SMOKERS

D+

D-

E+

18

20

38

E-

42

80

122

60

100

160

OR = (18 / 42) / (20 / 80) OR = 1.71

D+

D-

E+

44

15

59

E-

26

15

41

70

30

100

OR = (44 / 26) / (15 / 15) OR = 1.69

Apakah ada bukti bahwa merokok mengacaukan hubungan antara konsumsi alkohol dan kanker perut?

CONFOUNDING CRUDE

STRATA 1

STRATA 2

ORCA = 2.47

ORNS = 1.71

ORSM = 1.69

In g eneral:

If Strata 1 OR < Crude OR > Strata 2 OR or If Strata 1 OR > Crude OR < Strata 2 OR then confounding is present.

CONFOUNDING CRUDE

STRATA 1

STRATA 2

ORCA = 2.47

ORNS = 1.71

ORSM = 1.69

Sebuah cara yang lebih langsung untuk mengevaluasi perancu adalah untuk agregat perkiraan titik-strata tertentu untuk mendapatkan perkiraan standar (disesuaikan)

(Unit # 6)

CONFOUNDING by Indication •

Sering terjadi pada "pharmaco-epidemiologi.“

Ketika mengevaluasi dampak dari obat tertentu, berkali-kali orang-orang yang mengambil obat berbeda dari mereka yang tidak sesuai dengan indikasi medis yang obat yang diresepkan. Ini berarti mungkin ada perbedaan dalam tingkat keparahan penyakit atau faktor risiko lainnya antara kelompok studi, memperkenalkan bias yang dikenal sebagai "perancu dengan indikasi."

CONFOUNDING Hypothesis: Caffeine intake is associated with heart disease Which of the following are likely to be confounding factors?

Factor

Low Intake High Intake

Current Smoker (%)

12%

27%

Age (mean years)

36.3

37.1

Body Mass Index (mean)

28.4

24.3

Regular Exercise (%)

24%

14%

Female Gender (%)

43%

41%

Type A personality (%)

16%

28%

Hypertension (%)

9%

16%

CONFOUNDING

Hypothesis: Caffeine intake is associated with heart disease Which of the following are likely to be confounding factors?

Factor

Low Intake High Intake

Current Smoker (%)

12%

27%

Age (mean years)

36.3

37.1

Body Mass Index (mean)

28.4

24.3

Regular Exercise (%)

24%

14%

Female Gender (%)

43%

41%

Type A personality (%)

16%

28%

Hypertension (%)

9%

16%

Evaluating Associations •

Singkatnya, untuk menyatakan dengan keyakinan bahwa hubungan statistik yang ada "valid" : –

–

–

* Kesempatan harus dianggap sebagai penjelasan yang mungkin untuk temuan * Sumber bias telah dipertimbangkan dan dikesampingkan (atau diperhitungkan) * Confounding telah dievaluasi dan dikesampingkan (atau diperhitungkan)

Evaluating Associations Catatan: Perlu diketahui bahwa bahkan jika kesempatan / chance, bias, dan confounding telah cukup dikesampingkan (atau diperhitungkan), itu tidak berarti bahwa hubungan kausal yang diamati valid.

Asosiasi yang diamati mungkin hanya kebetulan. (yaitu Dalam 10 terakhir, tahun, tingkat insiden untuk kanker prostat telah meningkat, seperti memiliki penjualan SUV dan layar TV plasma).


A "valid" hubungan statistik berarti "Validitas internal" Validitas internal: Hasil pengamatan benar untuk kelompok tertentu yang sedang dipelajari

Bagaimana dengan "validitas eksternal"? Apakah hasil penelitian berlaku ("generalisasi") kepada orang-orang yang tidak di dalamnya (misalnya populasi target)?


Validitas eksternal (generalisasi)

* Beberapa asosiasi yang valid hanya ada dalam subkelompok tertentu * Validitas internal harus selalu menjadi tujuan utama, saat hasil yang tidak  valid tidak dapat digeneralisir * Dengan demikian, validitas internal tidak boleh dikompromikan dalam upaya untuk mencapai generalisasi

Evaluating Causal Associations PENYEBAB : Sebuah konsep filosofis bergabung dengan pedoman praktis

* Kehadiran asosiasi statistik yang valid tidak berarti kausalitas * Sebuah penilaian kausalitas harus dibuat berdasarkan semua informasi yang tersedia, dan dievaluasi ulang dengan setiap temuan baru * Berbagai kriteria dan pandangan filosofis telah diusulkan untuk menilai kausalitas

Evaluating Causal Associations •

Spektrum proposisi kausal:

credibility •

0 <-------------------------------------------------------> 100%

•

0 - 30 credibility

: layak untuk studi penelitian

•

30 - 70 credibility

: layak untuk kebijakan kesehatan masyarakat

•

70 - 90 credibility

: hampir fakta yang mapan

•

> 90 credibility

: fakta yang sudah terbukti

•

Smoking --> lung cancer:

98% credibility

Evaluating Causal Associations Sufficient Cause: Satu set kondisi minimal yang pasti menghasilkan penyakit Component Cause : Penyebab individual penyakit hadir dalam satu atau lebih memadai penyebab Sufficient Cause I

Sufficient Cause II

U A

Sufficient Cause III U

U B

A

E

B

E

Sufficient Cause I

Sufficient Cause II

U A


U B

A

E

B

E

* Factor (penyebab) U adalah "perlu" penyebab karena harus hadir untuk penyakit terjadi

* Individual, baik faktor A, B, atau E yang "diperlukan" menyebabkan karena penyakit dapat terjadi tanpa salah satu dari mereka. * UAB, UAE, dan UBE adalah "cukup" penyebab

EXAMPLE: Sufficient Cause I U A

Sufficient Cause III

Sufficient Cause II

U

U B

Accounts for 50% of dx cases

A

E


B

E


Jika kita dapat mencegah faktor: U = 100% penurunan kejadian penyakit A = 80% penurunan kejadian penyakit B = 70% penurunan kejadian penyakit E = 50% penurunan kejadian penyakit

EXAMPLE: Sufficient Cause I

Sufficient Cause II

U A


U B


A

E


B

E


Hipotesis Contoh: U = Genotipe rentan ("diperlukan") terhadap penyakit A = Paparan agen infeksi B = kondisi kronis lainnya E = Status Psikologis

Sufficient Cause I

Sufficient Cause II

Sufficient Cause III

U

U

U

A

B

A

E

B

E

Untuk efek biologis, kebanyakan dan kadang-kadang semua komponen dari penyebab yang cukup tidak diketahui Dalam ketidaktahuan kita tentang komponen kausal tersembunyi, kita mengklasifikasikan orang berdasarkan indikator risiko penyebab diukur, dan kemudian menetapkan risiko rata-rata yang diamati dalam kelas untuk orang-orang dalam kelas

FILOSOFI BERBEDA DARI PENYEBAB INFERENCE •

•

•

KONSENSUS: (Thomas Kuhn - 1962) Konsensus dari komunitas ilmiah menentukan apa yang dianggap diterima dan apa yang disangkal. FALSIFICATION: (Karl Popper - 1959) Hipotesis ilmiah tidak pernah dapat dibuktikan atau didirikan sebagai benar. Oleh karena itu, ilmu pengetahuan kemajuan dengan proses eliminasi (pemalsuan) INDUKTIF BERORIENTASI KRITERIA (Hill - 1965) Mempekerjakan seperangkat kriteria untuk mencoba untuk membedakan penyebab dari asosiasi non-kausal

HILL’S CAUSAL CRITERIA 1.

Kekuatan asosiasi:

Pro

: Semakin kuat asosiasi, semakin kecil kemungkinan hubungan adalah karena hanya untuk beberapa variabel pengganggu terduga atau tidak terkendali

Con

: Kuat tapi non-kausal asosiasi yang umum Contoh: hubungan Non-kausal antara sindrom Down dan peringkat kelahiran, yang dikacaukan oleh usia ibu

Con

: ukuran Ratio (misalnya RR) mungkin relatif kecil untuk eksposur dan penyakit umum (misalnya merokok dan penyakit kardiovaskular)

HILL’S CAUSAL CRITERIA 2. Kredibilitas biologis hipotesis: Pro : Sebuah mekanisme biologis yang diketahui atau yang didalilkan oleh paparan mungkin cukup mengubah risiko mengembangkan penyakit ini secara intuitif menarik Con Con

: masuk akal sering didasarkan pada keyakinan sebelumnya daripada logika atau data aktual : Apa yang dianggap biologis masuk akal pada waktu tertentu tergantung pada keadaan saat ini pengetahuan

HILL’S CAUSAL CRITERIA 3. Konsistensi temuan Pro

: Karena sifat "eksak" penyelidikan epidemiologi, bukti kausalitas adalah persuasif ketika beberapa studi yang dilakukan oleh peneliti yang berbeda pada waktu yang berbeda menghasilkan hasil yang sama

Con

: Beberapa efek yang dihasilkan oleh penyebab mereka hanya di bawah kondisi yang tidak biasa

Con

: Studi fenomena yang sama dapat diharapkan untuk menghasilkan hasil yang berbeda hanya karena mereka berbeda intheir metode dan dari kesalahan acak.

HILL’S CAUSAL CRITERIA 4. Urutan Temporal Pro : Secara definisi, penyebab penyakit harus mendahului timbulnya penyakit ini. Con : Keberadaan urutan waktu yang tepat bisa sulit untuk membangun (misalnya faktor gaya hidup yang mungkin akan diubah setelah gejala pertama penyakit terjadi). Confounding dengan indikasi juga dapat terjadi karena eksposur sementara.

HILL’S CAUSAL CRITERIA 5. Dosis-Respon Relationship Pro

: Logikanya, eksposur yang paling berbahaya diduga dapat meningkatkan risiko penyakit secara gradien (misalnya jika sedikit buruk, banyak harus lebih buruk)

Con

: Beberapa asosiasi menunjukkan lompatan tunggal (threshold) daripada tren monoton

Con

: Beberapa asosiasi menunjukkan "U" atau "J" berbentuk trend (misalnya konsumsi alkohol dan kematian)

IKHTISAR MENGEVALUASI KAUSALITAS Beberapa filsafat ada untuk mengevaluasi kausalitas. Tidak ada yang definitif. Set kriteria kausal yang ditawarkan oleh Hill yang berguna, tetapi juga dibebani dengan pemesanan dan pengecualian. Selalu menjaga pikiran terbuka ketika mengevaluasi bukti dari studi epidemiologi.

Confounding

Recommend Documents