peluang & kausa

7/23/2019 Peluang & Kausa

1/16

Gabriela Insani Yonesty1220312005


2/16

PENDAHULUAN

Klinisi sering berhadapan dengan bias dan peluang

(chance)

Kesalahan pengambilan sampel acak (random error)

tidak dapat dihindarkan Variasi acak timbul dari proses pengukuran atau

fenomena biologis

Pentingnya faktor peluang dan membandingkannya

dengan bias


3/16

PENYIMPAGANACAK (RANDOMERROR)

Perbedaan sesungguhnya

Kesimpulan

uji statistik

Ada Tidak ada

Ada perbedaan Benar

Tidak benar

penyimpangan

tipe 1 ()

Tidak ada

perbedaan

Tidak benar

penyimpangan

tipe II ()

Benar


4/16

PENYIMPANGAN

Penyimpangan / tipe I false positive

Penyimpangan / tipe II false negative

Kemungkinan penyimpangan akibat variasi

random dihitung dengan statistik inferensial


5/16

SIGNIFIKANSECARASTATISTIK

& KEPENTINGANKLINIK

Perbedaan signifikan secara statistik tidak berarti

penting secara klinik

Nilai p bermakna hanya menentukan bahwaperbedaan itu benar-benar ada

Kenyataannya, perbedaan yang memiliki signifikansi

tinggi didapat dari sampel yang besar


6/16

UJI STATISTIK

Digunakan untuk memperkirakan kemungkinan

penyimpangan

Menggambarkan derajat hubungan antar variabel

Pernyataan hubungan antar variabel :*Korelasi Pearson untuk data interval

*Korelasi Spearman untuk data ordinal

Uji signifikansi one tailed dan two tailed


7/16

ONETAILED-TWOTAILED


8/16

PENENTUAN KEGAGALANPENGOBATAN

Jumlah kecukupan pasien

Ukuran efek

Alpha error

Beta error Karakteristik data

Interrelasi

Statistical power seusai penelitian


9/16

KAUSA

Banyak sekali peristiwa sebab akibat yang dihadapi klinisi

Kausa ::

sesuatu yang akan memberikan akibat atau hasil

Kausa sangat penting bagi dokter dalam hal pencegahan,diagnosis dan pengobatan

Kausa bersifat tunggal atau jamak


10/16

PENDEKATAN KAUSAKE AKIBAT

Host

yang rentan Infeksi TB

Kepadatan

penduduk

Malnutrisi

Vaksinasi

Genetik

Paparan

Micobakterium

Invasi ke jaringan

dan adanya

reaksi


11/16

INTERAKSI KAUSAL MULTIPEL

Lebih dari satu kausa yang berperan efeknya

tidak selalu aditif

Menjelaskan faktor penyebab lebih sulit bila banyak

kausa

Interaksi kausa bisa saling menambah atau saling

meniadakan


12/16

MENCARI KAUSA

Penelitian pada individu

Tidak mungkin membuktikan hubungan kausal

secara jelas

Melalui penelitian empirik kausa bisa didapatkan Sebaliknya, bukti yang menentang dapat dibatasi


13/16

HUBUNGANDAN KAUSA

Hubungan

Ya Tidak

Mungkin Tidak mungkin

Ya Tidak

Kausa

Bias seleksi dan bias

pengukuran

Peluang (chance)

Pengacau

Kausa


14/16

BUKTI SEBAB-AKIBAT

Kriteria Komentar

Temporal Kausa mendahului efek

Kekuatan Risiko relatif yang besar

Respon terhadap dosisMakin besar paparan terhadap kausa diikuti

peninggian kejadian penyakit

ReversibilitasPenurunan paparan terhadap kausa diikuti

penurunan kejadian penyakit

Konsistensi

Kejadian berulang pada pengamatan orang lain,

di tempat lain, keadaan lain, dan waktu yang

berbeda

Masuk akal secara biologis Sesuai dengan pengetahuan biologi

Spesifisitas Satu penyebab menimbulkan satu efek

AnalogiHubungan sebab dan akibat sudah terbukti untuk

penyebab/penyakit yang serupa


15/16

TIPE PEMBUKTIAN

Kekuatan Desain Hasil

Kuat Clinical Trial Hubungan temporal

Kohort Kekuatan

Kasus-kontrol Reversibilitas

Cross-sectional Respon-dosis

Risiko agregasi Konsistensi

Serial kasus Kesesuaian biologik

Lemah Laporan kasus Analogi


16/16

peluang & kausa

Documents