Dokumen tersebut membahas mengenai bias dan konfounding dalam uji klinik. Secara singkat, dokumen menjelaskan beberapa jenis error seperti random error dan systematic error yang dapat memengaruhi validitas penelitian. Dokumen juga menjelaskan berbagai jenis bias seperti selection bias, information bias, dan confounding serta berbagai cara untuk menghindari terjadinya bias tersebut seperti desain penelitian yang tepat dan analisis statistik.

1. BIAS DAN CONFOUNDING UJI KLINIK
Hotlina Nainggolan

2. Jenis Error dalam Penelitian
Systematic Error
Kesalahan yang disebabkan peneliti dan/atau subjek
penelitian, disengaja atau tidak, yang menyebabkan
distorsi penaksiran parameter populasi sasaran
Random Error
Kesalahan yang disebabkan peran peluang, yang
mengakibatkan ketidaktepatan penaksiran parameter
populasi sasaran

3. Errors Affecting Validity
Consider:
Chance (Random Error)
Bias (Systematic Errors )
 Selection bias
 Information bias
Confounding (Imbalance in Other Factors)

4. Chance vs Bias
Chance disebabkan “random error” (kesalahan
random)
Chance mengarah pada ketidaktepatan hasil
Bias disebabkan oleh “systematic error”(kesalahan
sistematis)
Bias mengarah pada ketidakakuratan hasil

5. What is Bias?
Kesalahan sistematis yang mengakibatkan distorsi
penaksiran parameter sasaran berdasarkan
parameter sampel

6. Karakteristik Bias
Bias muncul pada desain dan pelaksanaan studi.
Terjadi ketika menggunakan kriteria yang berbeda
dalam prosedur seleksi subyek.
Besar dan arahnya seringkali tidak dapat
diperkirakan.
Bias bisa dievaluasi tetapi tidak bisa diperbaiki pada
tahap analisa.
Bias sekali terjadi tidak dapat dikendalikan
melainkan hanya dapat dicegah.

7. Type of Bias
Selection Bias sampel tidak representatif
Information/misclasification Bias kesalahan dalam
pengukuran paparan
Confounding Bias distorsi atau penyimpangan
hubungan antara paparan-penyakit oleh faktor lain
(confounder/perancu)

8. Source of 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)

9. Selection Bias
Kesalahan sistematik dalam pemilihan subyek, di mana pemilihan
subyek menurut status penyakit dipengaruhi oleh status paparannnya
(studi kasus-kontrol), atau pemilihan subyek menurut status paparan
dipengaruhi oleh status penyakitnya (studi kohort retrospektif).
Jenis:
Bias Deteksi/Unmasking Bias
Bias Berkson (Admission bias)
Bias Non-responden
Bias Insidensi-Prevalensi Neyman
Bias Pekerja Sehat (Healthy worker bias)

10. Jenis Bias Seleksi
a. Bias Deteksi/Unmasking Bias
bias yg disebabkan perbedaan intensitas surveilans
dalam memilih kasus dan non-kasus sedemikian rupa
sehingga peneliti cenderung lebih mudah mendeteksi
kasus terpapar dan non-kasus tak terpapar
menyebabkan overestimasi
b. Bias Berkson (Admission bias)
bias yang disebabkan perbedaan probabilitas antara
kasus dan kontrol, dan perbedaan itu berhubungan
dengan status paparan

11. Jenis Bias Seleksi
c. Bias Non-responden
bias yang disebabkan penolakan responden
untuk berpartisipasi, sehingga mempengaruhi tingkat
partisipasi kasus dan kontrol, atau terpapar dan tidak
terpapar
d. Bias Insidensi-Prevalensi Neyman
bias yang disebabkan penggunaan data prevalensi
sebagai pengganti insidensi
e. Bias Pekerja Sehat
bias yang terjadi akibat dari penggunaan para pekerja
sehat sebagai kelompok kasus atau kelompok terpapar
di satu pihak, atau penggunaan populasi umum sebagai
kelompok kontrol atau kelompok tidak terpapar di pihak
lain.

12. Avoiding Bias Selection
Once it’s in the study, you can’t fix it.
1. Sedapat mungkin menggunakan data insiden
2. 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..
5. 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)

13. Information/misclasification Bias
Kesalahan sistematik dalam mengamati, memilih
instrumen, mengukur, membuat klasifikasi, mencatat
informasi, dan membuat interpretasi tentang paparan
maupun penyakit.
Jenis:
Bias Mengingat kembali (Recall bias)
Bias Pewawancara (Interviewer bias)
Bias Follow-up (Loss to follow-up bias)
Efek Hawthorne (Hawthorne effect bias)

14. Jenis Bias Informasi
a. Bias Recall
bias yang terjadi karna perbedaan akurasi antara
kasus dan kontrol dalam mengingat dan melaporkan
paparan, atau perbedaan akurasi antara kelompok
terpapar dan tidak terpapar dalam melaporkan
peristiwa yang dialami
b. Bias Pewawancara
bias yang terjadi karna pewawancara
mengumpulkan, mencatat dan menginterpretasikan
informasi tentang paparan atau subyek penyakit
secara berbeda antara kasus dan kontrol
(dipengaruhi status paparan),atau berbeda antara
terpapar dan tidak terpapar(dipengaruhi oleh status
penyakit)

15. Jenis Bias Informasi
c. Bias Follow-up
Follow Up bias dapat terjadi jika subjek menjalani
langkah yang berbeda setelah muncul dugaan status
penyakit
d. Bias Efek Hawthorne
Terjadi bila ada perubahan psikologi pada subjek
penelitian karena menjadi partisipan penelitian,
sehingga akan terjadi perubahan perilaku pada
subjek

16. Avoiding Bias Information
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

17. Confounding
Distorsi dalam menaksir pengaruh paparan terhadap
penyakit, akibat tercampurnya pengaruh sebuah
atau beberapa variabel luar.
Suatu kondisi bias dalam mengestimasi efek
paparan terhadap kejadian penyakit/masalah
kesehatan, akibat perbandingan yang tidak
seimbang antara kelompok exposed dan non
exposed

18. Confounder (Perancu)
Confounder = Variabel Luar (Ketiga)

19. Karakteristik Confounder
Berhubungan dengan paparan/faktor resiko yang
diteliti
Berhubungan dengan penyakit/outcome
Bukan merupakan konsekuensi dari paparan (tidak
terletak diantara E & D/variabel antara)

20. Example

21. Mengontrol Confounding/Perancu
Mengontrol Perancu
Kerangka Teoritis yang Baik
Kerangka Konsep yang Baik
Hubungan antar Variabel Benar

22. Avoiding counfounding
Dengan desain (by design)
Dengan analisis statistik
(by statistical analysis)
1
2

23. Mengontrol dengan desain
Restriksi (membuang, dengan kriteria
inklusi atau eksklusi)
Matching
(mencocokkan, menyamakan)
1
2
3
Randomisasi
(pengacakan)

24. Restriksi/Spesifikasi
Tentukan nilai variabel perancu potensial 
eksklusikan semua calon subjek dengan nilai
berbeda
Keuntungan
Mudah
Terfokus
Kerugian
Membatasi generalisasi
Besar sampel sulit dipenuhi

25. Macthing
Pemasangan (matching) antara kasus dan kontrol
dapat dilakukan.
Dilakukan pada beberapa variabel yang berpotensi
sebagai confounder, dengan tujuan mengurangi
resiko confounding

26. Keuntungan dan Kerugian Macthing
Keuntungan:
Mengeliminasi pengaruh perancu kuat (usia, jenis kelamin)
Mengeliminasi pengaruh variabel perancu yang sulit diukur
atau didefinisikan  faktor sosial kompleks, pajanan lingkunan
multipel, keadaan saat masa kecil
Dapat digunakan saat jumlah kasus terbatas (pajanan jarang
atau keluaran jarang)  meningkatkan presisi karena
keseimbangan jumlah kasus-kontrol
Kekurangan:
Sulit, mahal, makan waktu
Ireversibel, rentan terhadap hilangnya data (hilang satu, mati
dua)
Faktor pasangan tidak dapat dianalisis
Teknik analisis khusus pasangan
Analisis sulit saat muncul faktor baru
Overmatching

27. Randomisasi
Cara amat efektif untuk menghilangkan pengaruh
confounding
Confounding terbagi seimbang antara kelompok
penelitian
Berlaku juga bila confounding tidak diketahui
sebelum penelitian dilakukan
Syarat:
Randomisasi dilakukan dengan benar
Jumlah subjek cukup besar, misal > 100 per
kelompok

28. Keuntungan dan Kerugian Randomisasi
Keuntungan
Menghasilkan grup yang serupa, termasuk bagi variabel-variabel
yang tidak diantisipasi, didefinisikan, ataupun
diukur
Bila setelah randomisasi terjadi pajanan variabel lain,
asalkan probabilitas untuk kedua grup sama, maka tidak
banyak berpengaruh
Kerugian :
Apabila jumlah di dalam setiap grup relatif kecil (di bawah
100), setiap grup dapat masih bervariasi akibat
probabilitas/kemungkinan
Keuntungan hanya apabila analisis bersifat
manajemen/intention to treat, bukan eksplanatori

29. Mengontrol confounding
dengan analisis statistik
Stratifikasi
Analisis multivariat
1
2

30. Stratifikasi
Dipakai luas untuk mengontrol perancu
Berdasarkan faktor yang dicurigai perancu
Interaksi/modifikasi efek
Asosiasi antara prediktor dan keluaran bervariasi pada
berbagai tingkat faktor ketiga
Effect modifier tidak perlu disingkirkan seperti perancu,
namun perlu dielaborasi atau diperjelas maknanya

31. Mengontrol confounding dengan
analisis statistik
CHD (+) CHD (-) Total Odds Ratio
A. All Subject
Coffee 40 26 66 40x36 /
18x26
No coffee 18 36 54 = 3,08
Jumlah 58 62 120
B. Smoking
Coffee 22 15 37 22x20 / 6x15
No coffee 6 20 26 = 4.89
Jumlah 28 35 63
C. No Smoking
Coffee 18 11 29 18x16 /
12x11
No coffee 12 16 28 = 2,18
Jumlah 30 27 57

32. Keuntungan dan Kerugian Stratifikasi
Keuntungan
Mudah dimengerti
Fleksibel  sejumlah analisis berstrata  mana perancu,
mana bukan
Reversibel  setelah pengumpulan data
Kerugian
Jumlah variabel yang dapat dikontrol secara simultan terbatas
Terlalu banyak strata: ada kelompok tanpa kasus/kontrol
Strata terlalu luas tidak dapat mengontrol semua perancu (tidak
menjamin)
Misal: kebiasaan yang berubah seiring pertambahan usia

33. Metode Multivariat
Model matematika yang menggambarkan asosiasi
antar variabel untuk mengisolasi efek prediktor
terhadap keluaran
Dalam penelitian klinis, yang sering dipakai adalah
regresi multipel dan regresi logistik
Dapat diketahui asosiasi antara variabel dengan
menyingkirkan variabel lain (variabel lain ‘dibuat’
sama/tetap)

34. Analisis multivariat
Variabel bebas-1
1 Variabel bebas-2
Variabel tergantung
Variabel bebas-3
Variabel tergantung-1
Variabel tergantung-2
Variabel tergantung-3
2 Variabel bebas

35. Keuntungan dan Kerugian Multivariat
Keuntungan
Mampu mengatur pengaruh banyak perancu secara simultan
Penggunaan informasi dalam variabel kontinyu (tidak perlu
dibagi dikotom)
Fleksibel dan reversibel
Kerugian
Interpretasinya sering sulit
Sulit digeneralisasi (tidak natural)
Hasil sangat dipengaruhi pemilihan variabel
Model tidak sesuai
Kontrol perancu kurang (model perancu-keluaran tidak tepat)
Estimasi efek inakurat (model prediktor-keluaran tidak tepat)

36. Conclusion
Studi harus memiliki validitas internal dan eksternal:
hasilnya harus baik benar dan mampu untuk
ekstrapolasi populasi.
Dengan melakukan cheklist sederhana terhadap
bias (seleksi, informasi, dan confounding) maka ada
kesempatan yang dapat membantu pembaca
menguraikan laporan penelitian.
Ketika sebuah asosiasi statistik muncul dalam
penelitian, pedoman penilaian asosiasi dapat
membantu pembaca memutuskan apakah hubungan
tersebut bersifat palsu, tidak langsung, atau nyata.

37. Referensi
Hulley BS, Cummings RS, Browber SW, Grady GD
and Newman Bthomas. Designing Clinical Researh.
3th Edition.
http://sphweb.bumc.bu.edu
http://moodle.yds.edu
http://ocw.jhsph.edu
http://medicine.ucsf.edu

38. Terimakasih