Faktor Pengganggu (Confounding), Bias, dan Validitas Studi
Area ini mengumpulkan konsep-konsep yang digunakan para epidemiolog untuk menilai apakah asosiasi paparan-luaran yang diamati mencerminkan efek nyata atau artefak. Ini membedakan kesalahan sistematis — faktor pengganggu, bias seleksi, dan bias informasi — dari kesalahan acak, dan membingkai hasilnya dalam hal validitas internal (apakah estimasi benar untuk populasi studi?) dan gagasan terkait modifikasi efek (apakah efeknya berbeda di antara subkelompok?).
Definition
Faktor pengganggu, bias, dan validitas studi bersama-sama menamai kerangka kerja di mana epidemiologi mengevaluasi apakah asosiasi yang terukur adalah estimasi yang valid dari efek kausal, memisahkan kesalahan sistematis (faktor pengganggu, bias seleksi, bias informasi) dari kesalahan acak dan dari variasi efek yang asli di antara subkelompok (modifikasi efek).
Scope
Area ini adalah gambaran umum yang mengarahkan tentang ancaman terhadap validitas dalam studi epidemiologi dan kosakata yang digunakan untuk menalar tentangnya. Ini menghubungkan entri topik terperinci tentang faktor pengganggu, bias seleksi, bias informasi, modifikasi efek dan interaksi, serta validitas internal. Ini adalah referensi metodologis dan tidak memberikan panduan klinis atau perawatan individual.
Sub-topics
Core questions
- Apakah asosiasi yang diamati dijelaskan oleh penyebab umum paparan dan luaran (faktor pengganggu)?
- Apakah cara subjek masuk atau tetap dalam studi mendistorsi asosiasi (bias seleksi)?
- Apakah paparan atau luaran diukur atau dilaporkan secara berbeda di antara kelompok (bias informasi)?
- Apakah efeknya benar-benar berbeda di antara subkelompok (modifikasi efek), dan apakah itu berbeda dari faktor pengganggu?
- Secara keseluruhan, apakah estimasi valid secara internal untuk populasi yang benar-benar diteliti?
Key concepts
- Kesalahan sistematis versus acak
- Faktor pengganggu
- Bias seleksi
- Bias informasi (pengukuran)
- Modifikasi efek dan interaksi
- Validitas internal
- Validitas eksternal (generalisabilitas)
- Diagram kausal (DAG)
Mechanisms
Asosiasi yang terukur dapat menyimpang dari efek kausal yang sebenarnya karena beberapa alasan yang berbeda. Faktor pengganggu muncul ketika faktor ketiga adalah penyebab umum dari paparan dan luaran, mencampur efeknya dengan efek yang sedang diteliti. Bias seleksi muncul ketika prosedur yang membawa subjek ke dalam analisis — dan mempertahankan mereka di sana — bergantung secara bersamaan pada paparan dan luaran, mendistorsi asosiasi dalam sampel yang dianalisis. Bias informasi muncul ketika paparan atau luaran salah diklasifikasikan, dan salah klasifikasi tersebut dapat bersifat non-diferensial (mengaburkan estimasi ke arah nol) atau diferensial (menggesernya ke salah satu arah). Kesalahan sistematis ini secara konseptual terpisah dari kesalahan acak, yang mencerminkan variabilitas pengambilan sampel dan diringkas oleh interval kepercayaan. Modifikasi efek sama sekali bukan kesalahan: ini menggambarkan variasi nyata dalam efek di seluruh tingkatan variabel ketiga. Diagram kausal (grafik asiklik terarah) memberikan bahasa umum untuk membedakan faktor pengganggu dari bias seleksi dan untuk memutuskan apa yang harus disesuaikan.
Clinical relevance
Konsep-konsep ini sangat penting untuk menilai bukti yang mendasari pengetahuan kesehatan. Apakah asosiasi yang dilaporkan antara paparan dan penyakit harus dipercaya bergantung pada seberapa baik suatu studi mengendalikan faktor pengganggu dan bias serta apakah estimasinya valid secara internal. Area ini menjelaskan bagaimana bukti dinilai, bukan apa yang harus dilakukan individu tentang diagnosis atau perawatan.
Epidemiology
Penalaran tentang faktor pengganggu dan bias adalah bagian dari setiap studi observasional dan dibangun ke dalam standar pelaporan seperti pernyataan STROBE, yang meminta penulis untuk menjelaskan penanganan mereka terhadap ancaman ini. Kerangka kerja ini diterapkan di seluruh desain kohort, kasus-kontrol, dan potong lintang dan semakin banyak melalui metode diagram kausal eksplisit.
Evidence & guidelines
Pernyataan STROBE (von Elm et al., 2007) adalah pedoman pelaporan yang diadopsi secara luas yang mengharuskan studi observasional untuk mengatasi sumber-sumber bias, pengendalian faktor pengganggu, dan keterbatasan yang berkaitan dengan validitas internal dan eksternal.
History
Kosakata bias dan faktor pengganggu mengkristal selama abad kedua puluh seiring dengan matangnya epidemiologi observasional, menarik perdebatan tentang inferensi kausal dari data non-eksperimental. Sejak akhir abad kedua puluh, model kausal formal — luaran potensial dan grafik asiklik terarah — memberikan definisi yang tepat yang menyatukan gagasan faktor pengganggu dan bias seleksi yang sebelumnya terpisah dan memperjelas perbedaannya dari modifikasi efek.
Debates
- Apakah faktor pengganggu dan bias seleksi merupakan satu fenomena atau dua?
- Penjelasan diagram kausal menunjukkan faktor pengganggu (penyebab umum paparan dan luaran) dan bias seleksi (pengkondisian pada efek umum, atau kolider) sebagai hal yang secara struktural berbeda, meskipun keduanya menghasilkan asosiasi non-kausal; beberapa perlakuan klasik mengelompokkannya secara lebih longgar.
Key figures
- Sander Greenland
- James Robins
- Judea Pearl
- Kenneth Rothman
- Miguel Hernán
Related topics
Seminal works
- greenland-pearl-robins-1999
- grimes-schulz-2002-bias
- delgado-rodriguez-2004
Frequently asked questions
- Apa perbedaan antara bias dan faktor pengganggu?
- Keduanya adalah kesalahan sistematis, tetapi faktor pengganggu adalah pencampuran efek dari penyebab umum paparan dan luaran, sedangkan bias di sini mengacu pada distorsi yang diperkenalkan oleh cara subjek dipilih (bias seleksi) atau cara variabel diukur (bias informasi).
- Apakah modifikasi efek merupakan jenis bias?
- Tidak. Modifikasi efek menggambarkan variasi asli dalam efek di antara subkelompok; ini adalah fitur dari hubungan yang sedang dipelajari, bukan kesalahan yang harus dihilangkan seperti faktor pengganggu atau bias.