Hubungan Kausal

DASAR TEORI DAN APLIKASI


  1. Teori sebab-akibat dalam epidemiologi
  2. Logika sebab-akibat
  3. Pengujian hipotesis sebab-akibat
  4. Attributable risk, Contoh: merokok, “penyebab beban penyakit”
  5. Teori sebab-akibat dalam epidemiologi

Teori sebab-akibat dalam epidemiologi

Dalam hal ini berkaitan dengan pertanyaan “Apakah penyebab penyakit?”

Selain itu yang tidak dapat dikesampingkan pula adalah:

  1. Yang menimbulkan akibat (outcome) atau berperan penting dalam kejadian penyakit (sanitasi air mencegah penularan polio di Belanda)
  2. Jika bukan penyebab penyakit sama sekali tidak berpengaruh terhadap kejadian penyakit (pemasangan lampu jalan mencegah penularan polio di Belanda?)

Contoh kausa  yang menjadi tolok ukur adalah : tanpa X, penyakit tak terjadi
diketahui bahwa : X menjamin penyakit pasti terjadi.

Tabel . Tolok ukur

Kasus Kategori X is necessary X is sufficient
1 + +
HIV VS AIDS 2 + -
MEROKOK VS 3 - +
KANKER PARU 4 - -

Biasanya suatu faktor masuk dalam kelompok 4:

‘contributory causes’ (Susser) atau  ‘component causes’ (Rothman)

Logika hubungan sebab-akibat dalam epidemiologi selau berkaitan erat dengan :

  1. Teori sebab-akibat epidemiologi
  2. Sumber hubungan yang bukan sebab-akibat

Apa saja?

  1. Chance
  2. Bias
  3. Confounding

Pertanyaan yang muncul adalah :

Adakah hubungan yang tidak semu (true) dan tidak tergantung faktor lain (independent)?

Hubungan non-kausal

Setelah menyingkirkan penjelasan alternatif:

- chance (kebetulan)

- bias

- confounding

Kemungkinan lain?

- kebetulan (walaupun probabilitas rendah)

- bias (tak teridentifikasi)

-confounding residual (tak terukur)

MEMANG HUBUNGAN SEBAB-AKIBAT

Apakah confounder?

Confounder adalah: Faktor-faktor yang berkorelasi (bukan sebagai perantara) dengan faktor paparan maupun dengan akibat

Misalnya: konsumsi alkohol dan hubungan antara merokok dan penyakit jantung iskhemik

Sifat Confounder :

1. Independence

- Berkorelasi dengan kejadian penyakit di antara yang tidak terpapar

- Berkorelasi dengan pemaparan di antara yang tidak menderita sakit

- Tidak terkait dengan causal pathway dari pemaparan sampai kejadian penyakit

2. Positive confounding

  • Melebih-lebihkan korelasi yang sebenarnya, atau
  • Seakan-akan ada korelasi, padahal sebenarnya tidak ada

3. Negative confouding

  • Mungkin mengecilkan, menyembunyikan, atau membalikkan korelasi yang sebenarnya ada

Contoh: merokok, minum alkohol dan serangan jantung

Pemaparan yang diteliti Apakah Confounder ?

Apakah berkorelasi diantara yang tidak sakit ?

Apakah berkorelasi dengan yang tidak terpapar ?

Apakah hubungan bersifat kausal?

Jika alkohol merupakan confounder atas hubungan merokok dan serangan jantung, apakah bersifat positip atau negatip?

Menguji hipotesis hubungan kausal dalam epidemiologi :

  1. ‘Verificationist’ membuktikan berdasarkan pelbagai sumber data, teori, dan jenis bukti.
  2. ‘Refutationist’ menolak hipotesis nihil
  3. ‘Probabilistic’ dengan pemodelan pelbagai faktor atau variabel (termasuk Bayesian)
  4. ‘Hierarchies of evidence’ eksperimen murni menghasilkan bukti paling kuat, tetapi “ceteris paribus”, lain-lainnya sama

Menerapkan Bradford Hill criteria

‘Apakah aspek-aspek yang perlu kita pertimbangkan sebelum menginterpretasikan hubungan kausal’ ?

  1. Strength (kuat hubungan)
  2. Consistency (dapat diperkirakan dari waktu ke waktu)
  3. Specificity (tidak karena sebab-sebab lain)
  4. Temporality (sebab mendahului akibat)
  5. Biological gradient (hubungan dosis dan respons)
  6. Plausibility (masuk akal atau patut diduga)
  7. Coherence (secara teoritis dapat dijelaskan)
  8. Experiment (dengan intervensi atau tanpa intervensi efek berbeda)
  9. Analogy (model hewan atau kemiripan dengan fenomen serupa)

Bradford Hill, 1965

Pertanyaan:

Bradford Hill criteria:

  1. ‘verificationist’ atau ‘refutationist’ ?
  2. Attributable risk pada yang terpapar
  3. ‘Risiko (proporsi) penyakit di antara individu terpapar sebagai akibat pemaparan risiko’ (Last 4ed)
  4. Terkait dengan  ‘Attributable fraction’

Population attributable risk / fraction

Maksudnya adalah :

  1. Pemaparan bukan kategori, tetapi berskala interval atau rasio
  2. Generalising, attributable burden, yaitu :

Perbedaan antara beban yang sekarang ada dan yang terjadi jika distribusi pemaparan berbeda. (bagaimana jika counterfactual exposure dapat dikurangi dibandingkan sekarang?)

Avoidable burden adalah :

Penurunan beban penyakit di masa depan yang diperkirakan terjadi jika pemaparan diubah sampai tingkat counterfactual tertentu

Pemaparan dapat diperkirakan berdasarkan:

  • Binary (kategori dua tingkat)

Misalnya:  current smokers / current non-smokers

  • Stratified (ordinal)

Misalnya: never, ex, light, heavy smokers

  • Continuous (interval atau rasio)

Misalnya:  smokers of 0 to n cigs/d

Hubungan risiko penyakit dan pemaparan dapat bersifat kompleks dan non-linear, misalnya : J (atau L) shaped curve untuk efek minum alcohol.

Cirinya adalah :

  1. Ada confounding dan interaksi (modifikasi efek)
  2. Potential impact fraction (PIF)* untuk strata dengan pemaparan multiple
  3. Potential impact fraction (PIF)* untuk multiple exposure strata
  4. The potential impact fraction (PIF)* for exposures treated as continuous
  5. Attributable burdens tidak dibatasi sampai 100%
  6. Implikasi burden penyakit tak terbatas:
  • Tidak sepenuhnya independent
  • Semua klaim harus diinterpretasikan dengan hati-hati

Counterfactual exposure distributions, termasuk didalamnya adalah :

Theoretical minimum risk : dimaksudkan adalah dengan memperkecil resiko suatu penyakit dengan membatasi factor penyebab.

Contohnya : Tobacco : zero smoking,

Alcohol : 1-2 drinks/d for 100% of middle-
aged

Counterfactual exposure distributions tipe ini  sangat sulit atau hampir tidak mungkin terpenuhi

  • Plausible minimum risk

Dapat dibayangkan masyarakat dengan risiko yang sedemikian kecil, misalnya: yang merokok sangat sedikit, dan jumlah rokok hanya kecil maka yang merokok turun dari 70% menjadi 10%.

Counterfactual exposure distributions tipe lainnya adalah :

  • Feasible minimum risk

Hasil yang pernah tercapai oleh masyarakat, karena itu bersifat fleksibel.

Contoh : Merokok hanya 20% di masyarakat

Distribusi counterfactual

  • Cost-effective ‘minimum’ risk

A distribution of risk after a specified economically and politically feasible control programme. Suatu program dengan biaya yang seminimal mungkin untuk menekan pengaruh/ resiko suatu penyakit sehingga dapat bermanfaat.

Contoh : Tobacco and alcohol: based on overviews of effectiveness of policies including tax and legislative measures. Dengan adanya suatu kebijakan yang menyeluruh dari pemerintah dan pengawasan yang ketat untuk membatasi penggunaan alcohol dan rokok.

Berikan Balasan

Isikan data di bawah atau klik salah satu ikon untuk log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Logout / Ubah )

Twitter picture

You are commenting using your Twitter account. Logout / Ubah )

Facebook photo

You are commenting using your Facebook account. Logout / Ubah )

Google+ photo

You are commenting using your Google+ account. Logout / Ubah )

Connecting to %s

Ikuti

Get every new post delivered to your Inbox.

%d blogger menyukai ini: