BIAS

Bias adalah kesalahan sistematik yang mengakibatkan kesalahan menarik kesimpulan parameter/variabel populasi berdasarkan pemilihan sampel atau hasil pengukuran pada sampel. Kesalahan dapat berupa kesalahan dalam memprediksi ukuran frekuensi penyakit atau hubungan sebab-akibat penyakit atau masalah kesehatan lainnya. Sebagai contoh terdapat studi kasus kontrol yang menunjukkan bahwa orang yang tidak menggunakan kelambu berinsektisida akan berisiko sebesar 5 kali untuk terinfeksi malaria dibandingkan dengan kelompok yang menggunakan kelambu berinsektisida. Jika terjadi kesalahan pada penentuan kelompok kasus dan kontrol atau pada pengukuran instrumen, akan memberikan hasil perhitungan yang berbeda akibat adanya bias. 

Pada dasarnya, bias dibagi menjadi dua kelompok/kategori besar yaitu bias seleksi dan bias informasi. Bias seleksi adalah kesalahan sistematik dalam pemilihan subyek/sampel, dimana pemilihan subyek/sampel menurut status paparan dipengaruhi oleh status penyakit (studi kohort retrospektif) atau pemilihan subyek menurut status penyakit dipengaruhi oleh status paparan (studi kasus kontrol) sehingga mengakibatkan kesalahan penaksiran pengaruh paparan terhadap penyakit.  Bias seleksi sering terjadi pada studi kohort retrospektif, karena penyakit telah terjadi dan diketahui peneliti tatkala ia memilih subyek terpapar dan subyek tidak terpapar. Demikian juga bias seleksi mudah terjadi pada studi kasus kontrol, sebab status paparan telah terjadi dan dapat diketahui pada saat peneliti memilih subyek sebagai kasus dan kontrol. Kesimpulannya adalah bias seleksi terjadi karena adanya kesalahan pemilihan sampel yang sudah terpapar atau terdampak terlebih dahulu sehingga mempengaruhi hasil penaksiran. Bias seleksi dapat dibagi menjadi beberapa kategori seperti :

a.       Bias deteksi

Bias deteksi (unmasking bias) adalah bias yang disebabkan perbedaan dalam memilih kasus dan non-kasus, sedemikian rupa sehingga peneliti cenderung lebih memilih mendeteksi kasus terpapar dan non-kasus tak terpapar. Sederhananya adalah pada penelitian faktor risiko lingkungan terhadap malaria dengan desain case control dimana case group adalah penderita malaria maka kecenderungan peneliti untuk memilih control group adalah orang yang tidak terdiagnosa malaria dengan tidak mempertimbangkan faktor lingkungan. Dalam hal ini pemilihan control group juga mempertimbangkan faktor lingkungan yang sama dengan case group seperti control group adalah orang yang tinggal berdekatan dengan case sehingga pemilihan case group dan control group sama-sama kelompok terpapar dan tidak terpapar. Bias ini menyebabkan penaksiran pengaruh paparan terhadap penyakit yang lebih besar dari pada yang sesungguhnya (overestimasi). Matching bisa dijadikan alternatif cara untuk mengatasi bias ini karena diharapkan memiliki tingkat paparan yang cenderung relatif sama tetapi matching yang terlalu ketat akan mempersulit dalam pemilihan sampel. 

b.      Bias admisi Berkson

Bias berkson (paradoks berkson, admisi berkson) adalah bias yang disebabkan adanya perbedaan peluang seseorang ke rumah sakit karena pertimbangan tertentu yang berakibat mempengaruhi paparan/faktor risiko penyakit. Perbedaan probabilitas masuk rumah sakit antara satu penyakit dengan penyakit lainya disebabkan banyak hal, misalnya : perbedaan beratnya gejala penyakit, akses pelayanan medik, insiden penyakit, aksesibilitas rumah sakit sehingga mempengaruhi banyaknya jumlah kasus. Sebagai contoh kelompok ekonomi menengah ke atas akan cenderung datang ke rumah sakit untuk mendapatkan penanganan penyakit diabetes mellitus tetapi pada kelompok ekonomi menengah kebawah akan memanfaatkan fasilitas kesehatan pemerintah seperti puskesmas. Sehingga jika ingin mengetahui hubungan status ekonomi dengan diabetes mellitus di rumah sakit swasta, akan cenderung mengalami kendala dalam variasi sampel karena sudah cenderung homogen tingkat ekonominya. Akibat bias berkson yang hanya terjadi pada desain kasus kontrol itu dapat memperbesar atau memperkecil pengaruh paparan terhadap penyakit yang sesungguhnya. Salah satu cara mengatasi bias ini adalah dengan membuat perbandingan jumlah kelompok kasus dan kontrol.

c.       Bias prevalensi-insidensi Neyman

Penggunaan data prevalensi dan insidensi yang tidak pada tempatnya dapat mengakibatkan bias yang disebut bias prevalensi-insidensi Neyman. Jika peneliti hendak meneliti pengaruh paparan terhadap kejadian (baru) penyakit, maka seharusnya data yang dipakai adalah insidensi. Penyakit tersebut akan berjalan terus sampai ke fase terminal dimana manifestasinya adalah kesembuhan, penyakit makin berat, cacat dan kematian. 

d.      Bias pekerja sehat

Bias pekerja sehat (healthy worker bias) adalah bias yang terjadi akibat dari penggunaan para pekerja sehat sebagai kelompok kasus atau kelompok terpapar di satu pihak dan penggunaan populasi umum sebagai kelompok kontrol atau kelompok tak terpapar dipihak lain. Biasanya bias ini terjadi pada desain cross sectional dengan kelompok pembanding.

e.       Bias non-responden

Bias seleksi tidak selalu berasal dari pihak peneliti. Subyek penelitian juga dapat mengakibatkan bias non-responden tatkala ia menolak berpartisipasi dalam penelitian. Bias non-responden adalah bias yang disebabkan penolakan responden untuk berpartisipasi sehingga mempengaruhi tingkat partisipasi kasus dan kontrol atau terpapar dan tak terpapar. Apabila penurunan tingkat partisipasi tersebut merata, maka akan mengurangi ukuran sampel dan kuasa statistik, sehingga penaksiran akan cenderung untuk tidak menemukan pengaruh paparan terhadap penyakit. Apabila penurunan tingkat partisipasi berbeda bagi kasus dan kontrol serta bagi terpapar dan tak terpapar, maka pengaruh bias dapat dapat memperbesar atau memperkecil hubungan paparan dan penyakit yang sebenarnya.

Bias informasi adalah kesalahan dalam mengamati, memilih instrumen, mengukur, membuat klasifikasi, mencatat informasi dan membuat interpretasi tentang paparan maupun penyakit. Point penting pada bias kali ini terletak dari informasi yang dihasilkan oleh instrumen penelitian atau dari kemampuan peneliti dalam mengolah data menjadi infomasi sehingga dapat mempengaruhi penaksiran/estimasi pengaruh paparan terhadap penyakit. Bias informasi disebut juga bias pengukuran (measurement bias), bias pengamatan (observation bias) dan bias misklasifikasi (misclassification bias).

a.       Bias mengingat kembali (recall bias)

Bias mengingat kembali (recall bias) adalah bias yang terjadi karena perbedaan akurasi antara kasus dan kontrol dalam mengingat dan melaporkan paparan (studi kasus kontrol) atau perbedaan akurasi antara kelompok terpapar dan tak terpapar dalam melaporkan peristiwa penyakit yang dialami (studi kohort restrospektif).

b.      Bias follow-up (loss to follow-up bias)

Bias follow-up (loss to follow-up bias) terjadi pada studi kohort karena hilangnya anggota kohort selama jangka waktu follow-up. Pada studi kohort, setiap subyek diidentifikasi menurut status paparan, kemudian diikuti terus dalam jangka waktu tertentu untuk dicatat apakah mengalami penyakit yang diteliti atau tidak. Jika selama follow-up ada individu hilang atau berhenti dan berhentinya berkaitan dengan status paparan atau penyakit maka peneliti itu mengalami bias follow-up.

c.       Efek Hawthorne

Suatu perubahan perilaku subyek penelitian yang disesuaikan dengan keinginan peneliti yang kehadiranya diketahui oleh subyek penellitian. Bias ini sering ditemukan pada uji klinik dirumah sakit.

Sendai, 7 Mei 2017