CONFOUNDING

Def : CONFOUNDING (F)

Adalah faktor lain yang tersembunyi, dimana faktor ini dapat mempengaruhi atau mengganggu proses penilaian pada waktu membuat perhitungan atau analisis data mengenai asosiasi antara 2 variabel .Contoh pembahasan table silang/ dummy table atau table 2 x 2

E+ E-D+ 55 30D- 4945 4970TOTAL 5000 5000

CONTOH BAHASAN CONFOUNDING

Pada studi prospektif cohort yang mempelajari hubungan antara “Coffee Drinker” (E) dengan kejadian Coroner Heart Disease (CHD) = (D) dengan menggunakan table 2 x 2

CRR = Crude Relative Risk

8.15000/305000/55

CCR

Sementara disimpulkan ada perbedaan risk antara kelompok “Coffee Drinker” dibanding kelompok “Non Coffee Drinker”

Pada kejadian CHD (D+) dan kita ketahui ada banyak faktor yang dapat mempengaruhi kejadian CHD. Bagaimana faktor merokok pengaruhnya pada CHD ? Kita buat starta data tersebut dengan kategori smoker (F) dan non smoker (F)

SMOKER (F) NON SMOKER Cofffe Non Coffee Cofffe Non Coffee

D : 45 8 10 22Total : 3000 500 2000 4500

F

KITA DAPATKAN :

RR e-d

RR e-d

Bila kita bandingkan hasil analisis univariate (crude RR analisis) dengan Rred/ dan RRe-d / hasilnya sebagai berikut :

F F

9.0500/83000/45

FAMONG

0.14000/222000/10

FAMONG

* RR / e-d = 1.8* RR / e-d / F = 0.9* RR / e-d / F = 1.0

Crude RR estimasi menghasilkan RR lebih besar dibandingkan hasil rata-rata (Rred/F) dan (RR-ed/ ) F

RR 1.8 terjadi upward bias yaitu bias yang lebih besar

20.19.0

Maka kita buat strata lain :coffee NON coffee smoker Non

smoker smoker Non

smoker D : 45 10 8 22Total : 3000 2000 500 4500

0.32000/103000/45

EAMONGdfRR

2.345000/22500/8

EAMONGdfRR

F

Tampak bahwa RR f-d/E RR f-d/

Lebih besar ± 3 kaliE

COFFEE DRINKER F NON COFFEE DRINKER

F (Smoker) : 3000 (60%) 500 (10%)F (Non Smoker) : 2000 (40%) 4500 (90%)TOTAL : 5000

Bandingkan :RR f-d/E = 0.9 Rata-rata 1.9/2 = 0.9RR f-d/ = 1.0E

RR f-d/E = 3.0 Rata-rataRR f-d/ = 3.2E

1.322.30.3

Kita lihat bagaimanakah hubungan antara Smoker dan Coffee Drinker

E

Ternyata :60% Among Coffee Drinker adalah smoker

vs 10% Among Non Coffee Drinker adalah Smoker Bila kita lihat kembali asosiasi antara Coffee Drinker dengan CHD (Crude Analisis) / Analisis Univariate :

Dan bila kita kaitkan dengan faktanya adalah dengan RR E/D = 1,8 terdapat 60% Smoker Among Coffee Drinker dan hanya 10% Among Non Coffee Drinker

RR-E-D = 1.8

FE E

Dan bila kita tinjau kembali hasil :

Tampak bahwa Coffee Drinker (E) bukanlah Risk Faktor CHD sebab ke 2 RR E/D baik pada F dan adalah kurang dari 1Jadi nilai 1,8 adalah disebabkan oleh karena adanya faktor lain, yaitu faktor merokok yang tersembunyi sebelum dikontrol

F

E E

9.0/

FDERR 0.1/

FDERR

F

CONFOUNDING DAN CASE CONTROL

Hipotesa :Bagaimanakah hubungan antara penggunaan Oral Contrasepsi dengan kejadian Myocard Infark pada Wanita

Dengan menggunakan metoda Case control diperoleh data sebagai berikut :

Oral Contrasepsi (E)

Oral Contrasepsi ( )

Case : 40 114 = 154Control

: 23 154 =

E

Question :Faktor apakah yang berpotensial sebagai Confounding “

1142315440

/ xxOR DE

3.2/ DEOR

Umur < 40 Umur > 40OC OC OC OC

D : 22 26 18 88D : 16 59 7 95

Apakah faktor umur merupakan confounding ?Kita buat strata umur sebagai (F) = Counfounding

OR E/DAmong F = 3.1

OR E/DAmong = 2.8F

Kita dapatkan :

* CRUDE OR E/D = 2.3

1,3FE/DOR*

8,2FE/DOR*

OR = 2.3 ≠ 2.8 – 3.1

Dengan melakukan control umur, maka Crude ORE/D adalah Under Estimates Crude ORE/D mengalami bias, yaitu “Down Ward” Bias artinya bias yang lebih kecil dari yang semestinya

Faktor “Umur” merupakan faktor penganggu pada proses asosiasi hubungan antara OC Use (E) dengan kejadian MI (D) pada wanita

OC Use merupakan Risk Faktor dengan Crude RRED = 2,33.1

FE/DRR

2.8FE/DRR

COHORT STUDY :Research Question : Apakah BBLR merupakan Risk faktor terhadap kejadian kejang demam ?

Data yang diperoleh sebagai berikut :E

LBW (LOW BIRTH

WEIGHT)

ENBW

(NORMAL BIRTH WEIGHT)

D+ 180 90TOTAL 3000 3000

Crude RR E/D = 2.0

Bila diketahui SES (Socio Ec Status) berasosiasi dengan LBW (Law Birth Weight) : (Banyak LBW pada Low SES dibanding Mid / High SES.Apakah SES merupakan counfounding

LBW LBW

Low SES : 2000 67% 1500 50%High SES : 1000 33% 1500 50%TOTAL : 3000 3000 100%SES adalah Counfounding ? BENAR SESMempunyai distribusi yang berbeda pada kelompok LBW (E) dibandingkan kelompok NBW (E) terdapat status Low-SES 67% dan High-SES (33%) pada LBW.Sedangkan pada NBW terdapat 50% Status Low-SES, dan 50% High-SES

Tahap berikutnya :Kita buat datanya dengan membuat strata Low-SES dan High-SES

LOW SES F HIGH SES LBW E+ NBW-E LBW E+ NBW-E

D+ : 120 45 165 60 45 105

TOTAL : 2000 1500 :

3500 1000 1500 : 2500

= 2.0 = 2.045/1500120/2000

FEDRR

45/150060/1000

FEDRR

Dengan melakukan controlling SES tidka merubah asosiasi terjadi LBW (E) dengan kejadian demam (D)Tidak terjadi bias estimasi RRTidak ada confounding dengan mengontrol SES

Mengapa dikatakan demikian ?

Sebab Crude RRE/D = 2, dan setelah dilakukan kontrol

pada SES hasilnya adalah dan 2

FRR E/D 2

FRR E/D

Dapat disimpulkan bahwa :Walaupun SES berhubungan dengan status LBW, namun SES itu sendiri bukan merupakan RISK FAKTOR untuk kejadian “Kejang Demam” (D) pada kelompok NBW

MEMBUAT STRATA BERAT BADAN

LBW (E) NBW (E)F F F F

LOW SES High SES LOW SES High SES D : 120 60 45 45TOTAL 2000 1000 1500 1500

0,160/1000120/2000

EF/DRR 0,1

45/150045/1500

EF/DRR

0,160/1000120/2000

EF/DRR

0,145/150045/1500

EF/DRR

Bila keadaan datanya demikian, maka dapat kita katakan bahwa :SES (F) bukan merupakan independent risk faktor pada kejadian (D) = Kejang demam, hal ini dapat dilihat RR-SES pada

kelompok LBW nilainya sama dengan RR-SES pada kelompok NBW, yaitu = 1,0

Q III : Apakah ada asosiasi antara SES (F) dengan kejadian kejang demam (D)

Maka kita buat data tersebut pada strata SES yaitu LOW-SES dan High-SESKita dapatkan strata sebagai berikut :

LOW SES HIGH SES D : 165 105Total 3500 00

Kita coba buat strata lain :

Bila kita bandingkan :

2.12500/1053500/165/ DFRRCrude

0.11000/602000/120/ EAmongDFRRCrude

0.11500/451500/45/ EAmongDFRRCrude

Ada kenaikan RR yang bersifat marginal; Mengapa ?

Kita Ingat bahwa ada :

“Mixing Effect” What ?

“Mixing Effect” “Berat Badan”

Sebab dengan hanya membuat STRATA menurut SES saja. Kita tidak mengetahui disitu ada faktor lain yang tersembunyi, yaitu :

Adanya perbedaan distribusi “Berat Badan” dalam strata SES saja, maka Birth Weight merupakan Confounding Faktor dalam hal kita mempelajari hubungan kejang demam (D) dengan SES (E)

Dari pembahasan analisis dengan cara analisis STRATA Hubungan antara Kejang Demam (D) dengan 2 variabel independent yakni :

I.Birth Weight II.Status Sosio Ekonomi

1)Low Birth Weight (LBW)Adalah merupakan variabel risk faktor pada

kejadian kejang demam (Risk 2x) 2 Fold Increase in Risk 2) Dalam Hubungan (LBW kejang)

SES tidak merupakan faktor confounding (Not Confounding by SES)3)SES tidak merupakan independent risk faktor terhadap kejadian kejang demam (RR = 1,0)

QIV : Apakah ada faktor lain yang potensial sebagai faktor Confounding ? Hal ini tergantung

pada interest peneliti