Penelitian observasional merupakan penelitian dimana peneliti hanya melakukan observasi, tanpa memberikan intervensi pada variabel yang akan diteliti. Secara garis besar, studi desain observasional ada 3 jenis: potong lintang (cross sectional), kohort (cohort), dan kasus kontrol (case-control). Perbedaan secara umum terletak pada faktor paparan (exposure factors) dan kejadian penyakit (disease). Studi desain potong lintang, faktor paparan dan kejadian penyakit terjadi pada masa sekarang secara bersamaan (in the present); studi desain kasus-kontrol, faktor paparan terjadi dimasa lalu dan kejadian penyakit terjadi pada masa sekarang; sedangkan studi desain kohort, faktor paparan terjadi dimasa sekarang, kemudian diselidiki apakah kejadian penyakit akan terjadi di masa depan(1, 2).
Istilah-Istilah Penting dalam Telaah Kritis Penelitian Observasional Epidemiologi
Dua tipe utama penyebab error dalam studi epidemiologi adalah kesalahan acak (random error) dan kesalahan sistematik (sistematics error). Pada penyusunan sebuah penelitian, seorang ahli Epidemiologi mencoba untuk mengurangi kedua sumber kesalahan tersebut. Ada cara yang sederhana untuk membedakan antara kesalahan acak dan sistematik. Bayangkan bahwa studi yang dilakukan, sampelnya bisa ditingkatkan ukurannya sampai tak terbatas. Ada beberapa tingkat kesalahan yang bisa dikurangi sampai titik maksimal jika sebuah penelitian memiliki sampel yang sangat besar; hal–hal tersebut adalah kesalahan acak atau random error. Jadi, semakin besar jumlah sampel, akan semakin mewakili populasi yang diteliti sehingga kesalahan dalam pemilihan subjek sampel dapat diminimalisir, dengan kata lain 95% derajat kepercayaan akan semakin presisi. Sedangkan kesalahan yang tidak dipengaruhi dengan peningkatan jumlah responden dalam penelitian disebut dengan kesalahan sistematik (systematic error) atau dikenal dengan istilah bias(3).
Bias terdiri dari bias seleksi, bias informasi dan bias recall (mengingat kembali). Sebuah penelitian bisa menjadi bias pada saat memilih subjek–subjek penelitian (bias seleksi) disebabkan kesalahan dalam mengelompokkan responden (kelompok kasus atau kontrol). Bias dapat juga terjadi karena informasi yang salah, atau disebabkan kesalahan mengingat informasi pada kedua kelompok yang berbeda. Cara mengukur variabel pada penelitian, atau faktor perancu yang tidak dikendalikan dengan baik dapat meningkatkan bias pada penelitian(3).
Bias Seleksi
Bias seleksi adalah kesalahan sistematik pada sebuah studi yang berasal dari prosedur-prosedur yang digunakan untuk memilih subjek–subjek dan faktor–faktor yang mempengaruhi keikutsertaan responden dalam penelitian. Bias tersebut terjadi ketika hubungan antara paparan dan penyakit yang membedakan antara orang–orang yang berpartisipasi dengan orang yang tidak berpartisipasi pada sebuah studi. Karena hubungan antara paparan dan penyakit diantara yang tidak berpartisipasi tidak diketahui, keberadaan bias seleksi biasanya diduga dan dapat diobservasi.
Bias seleksi juga bisa timbul dari beberapa pilihan yang dibuat langsung oleh peneliti. Sebagai contoh, banyak penelitian tentang pekerja yang membandingkan laju kematian antara pekerja – pekerja pada pekerjaan khusus terhadap populasi umum. Perbandingan ini menjadi bias karena populasi umum terdiri dari orang yang tidak bisa bekerja dikarenakan sakit. Akibatnya, keseluruhan dari laju kematian dari pekerja sering lebih rendah daripada populasi pada umumnya, dan petunjuk perbandingan dari kedua kelompok tersebut menjadi bias. Bias seleksi ini sering disebut sebagai efek dari pekerja sehat. Sebuah cara untuk mencegah bias tersebut akan menjadi perbandingan pada pekerja dengan pekerjaan khusus dan pekerja dengan pekerjaan lainnya yang membedakan paparan atau hazard dalam pekerjaan mereka. Jika semua subjek terlibat pada perbandingan adalah pekerja, maka peneliti bisa menghindari bias dari efek pekerja sehat.
Bias Informasi
Bias informasi merupakan kesalahan sistematik dalam sebuah penelitian yang bisa muncul karena informasi yang dikumpulkan tentang atau dari subjek penelitian yang salah (tidak tepat). Informasi sering dimaksudkan menjadi salah klasifikasi jika variabel yang diukur pada sebuah kategori yang mutlak dan kesalahan yang mengakibatkan seseorang ditempatkan pada sebuah kategori yang salah. Sebagai contoh, kesalahan klasifikasi jika seorang perokok berat dikategorikan sebagai perokok ringan. Khususnya, dua variabel utama dalam penelitian epidemiologi menghubungkan paparan dan penyakit, bisa menimbulkan asosiasi yang kurang tepat. Salah satu yang termasuk dalam bias informasi adalah bias recall.
Bias recall adalah sebuah kesalahan sistematik dalam responden mengingat dan melaporkan faktor risiko/paparan yang telah dia alami. Responden yang mengalami suatu kondisi kesehatan seperti melahirkan anak yang mengalami down syndrome akan lebih mengingat ataupun sebaliknya tentang obat-obatan yang dia konsumsi selama kehamilannya daripada ibu yang melahirkan anak normal. Klasifikasi yang berbeda–beda karena informasi tentang faktor paparan salah diklasifikasi dengan cara berbeda – beda untuk subjek yang dengan atau tanpa penyakit. Sama halnya dengan kesalahan pengkategorian (differential misclassification) yaitu kesalahan dalam hal follow up responden (biased follow up) dimana orang–orang yang tidak terpapar terdiagnosis penyakit lebih banyak dari pada orang–orang yang terpapar. Sebagai contoh, seorang peneliti menggunakan studi kohort untuk mengukur akibat dari merokok terhadap kejadian penyakit Empisema. Pada penelitian tersebut ingin diketahui kejadian empisema. Terdapat pertanyaan yang menanyakan tentang diagnosis medis (terkait empisema) tetapi tidak dilakukan pemeriksaan untuk memastikan diagnosis tersebut. Diagnosis tersebut (menggunakan kuesioner) mungkin menyatakan terjadinya empisema. Diagnosis yang salah lebih sering terjadi pada perokok daripada bukan perokok. Karena pada perokok, terdapat komplikasi penyakit pernapasan yang menyerupai empisema.
Faktor Perancu
Faktor perancu atau confounding factors adalah distorsi dalam memprediksi hubungan atau asosiasi antara faktor eksposur dan outcome (hasil) sehingga asosiasi sebenarnya tidak tampak atau ditutupi oleh faktor lainnya. Pengaruh faktor perancu bisa memperbesar atau memperkecil hubungan sebenarnya. Jadi, suatu variabel mungkin sebenarnya bisa faktor protektif terhadap suatu kondisi kesehatan atau penyakit, tetapi hasil penelitian menunjukkan variabel tersebut bisa menjadi faktor risiko terhadap suatu kondisi kesehatan atau penyakit atau hubungan. Dalam setiap penelitian, faktor-faktor perancu akan selalu diidentifikasi sehingga dalam pengolahan data, hasil asosiasi yang lebih akurat dapat diperoleh setelah dikontrol oleh faktor perancu[(1, 4). Misal, faktor perancu bisa ditemukan pertama pada umur sebagai faktor perancu terhadap hubungan merokok dan risiko kematian, dan kedua aktifitas fisik mendistorsi hubungan antara asupan energi dan risiko terkena penyakit jantung (lebih jelas lihat di Bab Faktor Perancu).
Pedoman Pelaporan Studi Desain Operasional
Banyak penelitian biomedis adalah observasional. Pelaporan penelitian tersebut sering tidak memadai, yang menghambat penilaian kekuatan dan kelemahan serta generalisasi suatu penelitian. Penguatan pelaporan studi desain observasional pada Epidemiologi atau The Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) merupakan salah satu inisiatif dalam pengembangan rekomendasi tentang apa yang harus disertakan dalam laporan yang akurat dan lengkap dari studi observasional(5).
Tujuan dan penggunaan pernyataan STROBE adalah sebagai daftar poin-poin yang harus dilengkapi dalam pelaporan artikel tiga desain studi utama epidemiologi analitis yaitu kohort, kasus kontrol, dan studi potong lintang. Tujuannya semata-mata untuk memberikan panduan tentang bagaimana melaporkan penelitian observasional dengan baik, tanpa membatasi peneliti dalam melakukan ataupun merancang studinya. Pernyataan STROBE dikembangkan untuk membantu penulis saat penulisan studi observasional analitik, untuk membantu editor dan tim penelaah (reviewer) ketika akan mempertimbangkan penelitian tersebut untuk publikasi, dan untuk membantu pembaca saat mengkritisi atau menilai artikel yang dipublikasi(5).
Pernyataan STROBE adalah sebuah daftar periksa yang terdiri dari 22 item yang dianggap penting untuk pelaporan yang baik dari sebuah studi observasional (Tabel 1). Item ini terdiri dari judul artikel dan abstrak (item 1), pengenalan (item 2 dan 3), metode (item 4-12), hasil (item 13-17), bagian diskusi (item 18-21), dan informasi lainnya (item 22 pada pendanaan). Terdapat delapan belas item yang umum untuk semua desain (cohort, case control, dan cross sectional), sedangkan empat item lainnya (item 6, 12, 14, dan 15) adalah diperuntukkan untuk desain tertentu, dengan versi yang berbeda untuk seluruh atau sebagian dari item tersebut. Untuk beberapa item (ditandai dengan tanda bintang), informasi harus diberikan secara terpisah untuk kasus dan kontrol dalam studi case-control, dan kelompok terpajan pada kohort dan studi cross-sectional. Meskipun disajikan di sini sebagai daftar tunggal, daftar periksa terpisah untuk masing-masing tiga desain studi di situs web Strobe http://www.strobe-statement.org/index.php?id=strobe-publications(5). Berikut pernyataan STROBE daftar item yang harus ditelaah dalam laporan studi observasional.
DAFTAR PUSTAKA
- Webb P, Bain C, Pirozzo S. Essential Epidemiology, An Introduction for Students and Health Professionals. New York: Cambridge University Press; 2005.
- Bonita R, Baeglehole R, Kjellstorm T. Basic of Epidemiology. Switzerland: WHO Press; 2006 [cited. Available from: http://whqlibdoc.who.int/publications/2006/9241547073_eng.pdf.
- Rothman KJ. Epidemiology, An Introduction. New York: Oxford University Press; 2002.
- Last JM. A Dictionary of Epidemiology. Edition F, editor. New York: Oxford University Press; 2001.
- Vandenbroucke J, P, et al. Strengthening the Reporting of Observational Studies in Epidemiology (STROBE): Explanation and Elaboration. PLoS Medicine. 2007;4(10):1628-54.
