Kriteria Kausalitas Menurut Bradford Hill dan Ukuran-ukuran Frekuensi

Kriteria Kausalitas

Menurut Bradford Hill

Kriteria untuk kesimpulan kausal dalam epidemiologi

Kriteria untuk kesimpulan kausal menjadi isu yang penting dan kontroversial dengan dibentuknya Advisory Comitte pertama untuk Surgeon General on Health Consequences of Smoking. Pada laporan lembaga ini di tahun 1964, komite ini memperlihatkan daftar “kriteria epidemiologis untuk kausalitas” yang mana oleh Sir Austin Bradford Hill kemudian diurai lagi dalam tulisan klasiknya tahun 1965 President Address to the newly formed Section of Occupational Medicine dari Royal Society. Kriteria yang dibuat Hill secara luas diketahui sebagai basis untuk menyimpulkan kausal-kausal.

Kriteria Bradford Hill

A.   Kekuatan asosiasi

Semakin kuat asosiasi, maka semakin sedikit hal tersebut dapat merefleksikan pengaruh dari faktor-faktor etiologis lainnya. Kriteria ini membutuhkan juga presisi statistik (pengaruh minimal dari kesempatan) dan kekakuan metodologis dari kajian-kajian yang ada terhadap bias (seleksi, informasi, dan kekacauan).

Ø  ekses-ekses yang telah diketahui sebelumnya dari penyakit dan diasosiasikan dengan bukaan

Ø  besaran dari rasio kejadian bukaan terhadap kejadian tidak ada bukaan

Ø  seberapa kuatkah “kuat” itu?

Contoh :

Resiko relatif	“Arti”
1.1-1.3	Lemah
1.4-1.7	Agak kuat
1.8-3.0	Rata-rata
3-8	Kuat
8-16	Sangat kuat
16-40	Dramatis
40+	Tidak dapat ditangani

Asosiasi yang kuat tampak kurang menjadi hasil dari faktor-faktor etiologis lainnya dibanding dengan asosiasi yang lemah.

B.   Konsistensi

Replikasi dari temuan oleh investigator yang berbeda, saat yang berbeda, dalam tempat yang berbeda, dengan memakai metode berbeda dan kemampuan untuk menjelaskan dengan meyakinkan jika hasilnya berbeda.

Asosiasi telah “diamati berulang kali oleh orang yang berbeda, tempat yang berbeda, keadaan dan waktu yang berbeda pula”Konsistensi membantu dalam perlindungan dari munculnya kesalahan atau artefak. Tetapi hasil yang diobservasi dengan konsisten tidak langsung bebas dari bias, terutama dalam sejumlah kecil kajian, dan hasil dalam populasi yang berbeda akan sama sekali berbeda jika hubungan kausal dipengaruhi oleh ada atau tidak adanya variabel-variabel pemodifikasi.

C.   Spesifisitas dari asosiasi

Ada hubungan yang melekat antara spesifisitas dan kekuatan yang mana semakin akurat dalam mendefinisikan penyakit dan penularannya, semakin kuat hubungan yang diamati tersebut. Tetapi, fakta bahwa satu agen berkontribusi terhadap penyakit-penyakit beragam bukan merupakan bukti yang melawan peran dari setiap penyakit.

Hubungan antara bukaan dan penyakit adalah spesifik dalam beragam cara-penyakit spesifik terhubung dengan bukaan yang spesifik pula, tipe spesifik dari bukaan lebih efektif, dan seterusnya. Ada hubungan dekat antara spesifisitas dan kekuatan dimana didefinisikan lebih akurat untuk penyakit dan bukaan, akan semakin kuat resiko relatif yang diobservasi. Misalnya., Schildkraut dan Thompson (Am J Epidemiol 1988; 128:456) mempertimbangkan bahwa pengumpulan familial yang mereka amati untuk kanker rahim tampaknya bukan karena bias informasi keluarga sebab dari spesifisitas hubungan dalam kontrol-kasus berbeda dalam sejarah keluarga,

 (a) melibatkan penularan tetapi tidak merupakan batas penyakit

 (b) lebih besar kemungkinan untuk rahim dibanding untuk kanker.

Tetapi adanya fakta bahwa satu agen berkontribusi terhadap banyak penyakit bukan merupakan bukti yang menyanggah perannya dalam setiap penyakit. Sebagai contoh, rokok dapat menyebabkan banyak penyakit.

D.   Temporalitas

Kemampuan untuk mendirikan kausa dugaan bahkan pada saat efek sementara diperkirakan

Pertama adalah bukaan, kemudian penyakit. Terkadang sangat sulit untuk mendokumentasikan rangkaian, terutama jika ada tundaan yang panjang antara bukaan dan penyakit, penyakit subklinis, bukaan (misalnya perlakuan) yang membawa manifestasi awal dari penyakit.

E.   Tahapan biologis

Perubahan yang meningkat dalam konjungsi dengan perubahan kecocokan dalam penularan verifikasi terhadap hubungan dosis-respon konsisten dengan model konseptual yang dihipotesakan.

F.    Masuk akal

Kami lebih siap untuk menerima kasus dengan hubungan yang konsisten dengan pengetahuan dan keyakinan kami secara umum. Telah jelas bahwa kecenderungan ini memiliki lubang-lugang kosong, tetapi akal sehat selalu saja membimbing kita. Apakah asosiasi masuk akal secara biologis. Misalnya, estrogen dan kanker endometrial, estrogen dan kanker payudara, kontrasepsi oral dan kanker payudara.

G.   Eksperimen

Demonstrasi yang berada dalam kondisi yang terkontrol merubah kausa bukaan untuk hasil yang merupakan nilai yang besar, beberapa orang mungkin, mengatakannya sangat diperlukan, untuk menyimpulkan kausalitas.

Bukti-bukti eksperimental adalah :

Beberapa tipe desain kajian dapat memberikan bukti yang lebih meyakinkan dibanding desain kajian jenis lainnya. Kajian-kajian intervensi dapat menyediakan dukungan yang terkuat, terutama ketika bukaan dapat dilakukan secara acak. Karena tidak etis dan/atau tidak praktis untuk menentukan banyak bukaan sebagai kajian epidemiologis. Satu alternatif yang mungkin adalah dengan menghilangkan bukaan dan melihat apakah penyakit menurun, kecuali jika proses kausal dianggap tidak dapat lagi dibalikkan. Contoh : pellagra, kudis, HDFP, LRC-CPPT, MRFIT.

H.   Analogi

Kami lebih siap lagi untuk menerima argumentasi-argumentasi yang menyerupai dengan yang kami dapatkan.

Ukuran-ukuran Frekuensi

Cara mengukur frekuensi masalah kesehatan yang dapat dipergunakan dalam epidemiologi sangat beraneka ragam, karena tergantung dari macam masalah kesehatan yang ingin di ukur atau di teliti. Secara umum ukuran-ukuran dalam epidemiologi dapat di  bedakan menjadi :

1.         Untuk mengukur masalah penyakit (angka kesakitan/morbiditas)

Morbiditas merupakan derajat sakit, cedera atau gangguan pada suatu populasi/suatu penyimpangan dari status sehat dan sejahtera atau keberadaan suatu kondisi sakit juga bisa mengacu pada angka kesakitan yaitu jumlah orang yang sakit dibandingkan dengan populasi tertentu yang sering kali merupakan kelompok yang sehat atau yang berisiko.

Di dalam epidemiologi ukuran utama morbiditas adalah angka insiden dan prevalensi dan berbagai ukuran turunan dari kedua indikator tersebut.

Setiap kejadian penyakit, kondisi gangguan atau kesakitan dapat di ukur dengan angka insidens (incidence rate) dan angka prevalensi (prevalence rate).

a.    Insidensi adalah gambaran tentang frekuensi penderita baru suatu penyakit yang ditemukan pada suatu waktu tertentu di satu kelompok masyarakat. Untuk dapat menghitung angka insidensi (incidence rate) suatu penyakit, sebelumnya harus diketahui dahulu tentang :

Ø  Data tentang jumlah penderita baru

Ø  Jumlah penduduk yang mungkin terkena penyakit baru (population at risk)

Secara umum angka insiden ini dapat dibedakan menjadi 3 macam, yaitu :

(1)  Incidence Rate yaitu jumlah penderita baru suatu penyakit yang ditemukan pada suatu jangka waktu tertentu (umumnya 1 tahun) di banding dengan jumlah penduduk yang mungkin terkena penyakit baru tersebut pada pertengahan jangka waktu yang bersangkutan.

Rumus :

Incidence Rate :

jumlah penderita baru dibagi jumlah penduduk yang mungkin terkena penyakit tersebut pada pertengahan tahun dikali K

Manfaat Incidence Rate adalah :

·         Mengetahui masalah kesehatan yang dihadapi

·         Mengetahui risiko untuk terkena masalah kesehatan yang dihadapi

·         Mengetahui beban tugas yang harus diselenggarakan oleh suatu fasilitas pelayanan kesehatan.

Insiden kumulatif merupakan salah satu modifikasi dari nilai rate insiden kumulatif dan disebut juga dengan proporsi.

(2)  Attack Rate yaitu jumlah penderita baru suatu penyakit yang ditemukan pada suatu saat dibandingkan dengan jumlah penduduk yang mungkin terkena penyakit tersebut pada saat yang sama.

Manfaat Attack Rate adalah :

·         memperkirakan derajat serangan atau penularan suatu penyakit, diman makin tinggi nilai AR, maka makin tinggi pula kemampuan Penularan Penyakit tersebut.

Rumus :

Attack Rate :   jumlah penderita baru dalam satu saat dibagi jumlah penduduk yang mungkin terkena penyakit tersebut pada waktu yang sama dikali K

(3)  Secondary Attack Rate adalah penderita baru suatu penyakit yang terjangkit pada serangan kedua dibandingkan dengan jumlah penduduk dikurangi orang/penduduk yang pernah terkena penyakit pda serangan pertama.

Manfaat Secondary Attack Rate adalah

·         menghitung suatu penyakit menular dan dalam suatu populasi kecil (misalnya dalam satu keluarga).

Rumus :

Secondary Attack Rate: jumlah penderita baru pada serangan kedua dibagi jumlah penduduk yang terkena serangan pertama  dikali  K

b.    Prevalensi adalah gambaran tentang frekuensi  lama dan baru yang ditemukan pada suatu jangka waktu tertentu di sekelompok masyarakat tertentu. Pada perhitungan angka prevalensi digunakan jumlah seluruh penduduk tanpa memperhitungkan orang/penduduk yang kebal atau penduduk dengan resiko (Population At Risk), sehingga dapat dikatakan bahwa angka prevalensi sebenarnya bukanlah suatu Rate yang murni, karena penduduk yang tidak mungkin terkena penyakit juga dimasukan dalam perhitungan.Secara umum nilai prevalensi dibedakan menjadi 2, yaitu:

i.     Periode Prevalence Rate yaitu jumlah penderita lama dan baru suatu penyakit yang ditemukan pada suatu jangka waktu dibagi dengan jumlah penduduk pada pertengahan jangka waktu yang bersangkutan.

Nilai periode prevalens rate hanya digunakan untuk penyakit yang sulit diketahui saat munculnya, misalnya pada penyakit kanker dan  kelainan jiwa.

Rumus :

Period Prevalence Rate : jumlah penderita lama dan jumlah penderita baru saat itu dibagi jumlah penduduk saat itu  dikali  K

ii.   Point Prevalence Rate adalah jumlah penderita lama dan baru suatu penyakit pada suatu saat di bagi dengan jumlah penduduk saat itu. Dapat digunakan untuk mengetahui mutu pelayanan kesehatan yang diselenggarakan.

Rumus :

Point Prevalence Rate:   jumlah penderita lama dan jumlah penderita baru saat itu dibagi jumlah penduduk saat itu  dikali  K

2.      Untuk mengukur masalah kematian (angka kematian/mortalitas)

Mortalitas merupakan istilah epidemiologi dan data statistik vital untuk kematian. Di kalangan masyarakat kita, ada 3 hal umum yang menyebabkan kematian, antara lain :

1)    Degenerasi vital dan kondisi terkait

2)    Status penyakit

3)     Kematian akibat lingkungan atau masyarakat (bunuh diri, kecelakaan, pembunuhan, bencana alam, dsb)

Macam-macam/ jenis angka kematian (mortality rate/mortality ratio) dalam epidemiologi antara lain :

a)    Angka Kematian Kasar (Crude Death Rate)

b)     Angka Kematian Perinatal (Perinatal Mortality Rate)

c)    Angka Kematian Bayi Baru Lahir (Neonatal Mortality Rate)

d)    Angka Kematian Bayi (Infant Mortality Rate)

e)    Angka Kematian Balita (Under Five Mortality Rate)

f)     Angka Kematian Pasca Neonatal (Postneonatal Mortality Rate)

g)    Angka Lahir Mati/Angka Kematian Janin (Fetal Death Rate)

h)    Angka Kematian Ibu (Maternal Mortality Rate)

i)       Angka Kematian Spesifik Menurut Umur (Age Specific Mortality Rate)

j)       Cause Specific Mortality Rate (CSMR)

k)     Case Fatality Rate (CFR)