FK-KMK UGM. Fakultas Kedokteran, Kesehatan Masyarakat, dan Keperawatan Universitas Gadjah Mada (FK-KMK UGM) terus mendorong penguatan kapasitas riset kesehatan melalui peningkatan pemahaman metodologi penelitian, khususnya dalam analisis data dengan dua kemungkinan luaran (binary outcomes) yang banyak digunakan dalam penelitian klinis dan kesehatan masyarakat. Upaya ini menjadi bagian dari komitmen FK-KMK UGM dalam mendukung pengembangan penelitian berbasis bukti yang akurat, transparan, dan dapat dipertanggungjawabkan untuk mendukung pengambilan keputusan di bidang kesehatan.
Melalui berbagai kegiatan akademik dan penguatan kapasitas yang dilakukan oleh unit-unit di lingkungan FK-KMK UGM, peneliti, akademisi, mahasiswa, serta tenaga kesehatan didorong untuk memahami konsep dasar analisis data yang menjadi fondasi dalam menghasilkan bukti ilmiah berkualitas. Salah satu materi yang menjadi perhatian adalah analisis data dengan dua kemungkinan luaran, seperti sembuh atau tidak sembuh, hidup atau meninggal, serta mengalami atau tidak mengalami suatu kejadian kesehatan tertentu.
Pemahaman terhadap jenis data tersebut dinilai penting karena berpengaruh langsung terhadap interpretasi hasil penelitian. Dalam proses analisis, peneliti perlu memahami perbedaan mendasar antara risiko (risk) dan odds. Risiko menggambarkan peluang terjadinya suatu kejadian dari seluruh individu yang diamati, sedangkan odds membandingkan jumlah individu yang mengalami kejadian dengan yang tidak mengalami kejadian. Kesalahan dalam memahami kedua konsep tersebut dapat menyebabkan interpretasi hasil yang kurang tepat dan berpotensi memengaruhi rekomendasi yang dihasilkan dari penelitian.
Selain itu, peserta juga diperkenalkan pada berbagai ukuran efek yang umum digunakan dalam penelitian klinis, seperti risk ratio, odds ratio, dan risk difference. Ketiga ukuran tersebut memiliki fungsi yang sama, yakni membandingkan peluang terjadinya suatu kejadian antara kelompok intervensi dan kelompok kontrol, namun masing-masing memiliki pendekatan interpretasi yang berbeda. Risk ratio dan odds ratio menggambarkan perbandingan secara relatif, sedangkan risk difference menunjukkan selisih risiko secara absolut. Pemahaman yang baik terhadap ukuran efek membantu peneliti menyampaikan hasil penelitian secara lebih jelas dan mudah dipahami oleh pembaca maupun pengambil kebijakan.
Dalam praktik telaah sistematis dan meta-analisis, penyajian hasil penelitian juga perlu disertai ukuran ketidakpastian, seperti confidence interval. Kehadiran confidence interval memungkinkan pembaca memahami tingkat kepastian suatu estimasi efek sehingga hasil penelitian dapat ditafsirkan secara lebih komprehensif. Pendekatan ini menjadi bagian penting dalam menjaga transparansi dan integritas ilmiah karena setiap hasil penelitian selalu memiliki unsur variasi dan ketidakpastian.
Penguatan kapasitas ini juga menekankan pentingnya kualitas pengumpulan data. Untuk luaran dengan dua kemungkinan, data yang diperlukan umumnya berupa jumlah peserta yang mengalami kejadian dan jumlah total peserta pada masing-masing kelompok penelitian. Namun demikian, ketika data tersebut tidak tersedia secara langsung, peneliti masih dapat memanfaatkan informasi lain yang dilaporkan dalam publikasi ilmiah, seperti persentase kejadian maupun estimasi efek yang disertai informasi pendukung yang memadai.
Kemampuan menganalisis dan menginterpretasikan data secara tepat menjadi salah satu keterampilan penting dalam mendukung evidence-based medicine. Ketika data dianalisis menggunakan metode yang sesuai, hasil penelitian dapat menjadi dasar yang lebih kuat dalam penyusunan rekomendasi klinis, pengembangan kebijakan kesehatan, maupun perancangan intervensi kesehatan masyarakat yang efektif dan aman.
Kegiatan penguatan kapasitas ini turut mendukung pencapaian SDG 3: Kehidupan Sehat dan Sejahtera melalui peningkatan kualitas bukti ilmiah yang menjadi dasar pengambilan keputusan klinis dan kebijakan kesehatan yang lebih efektif. SDG 4: Pendidikan Berkualitas tercermin dari upaya peningkatan kompetensi peneliti, mahasiswa, akademisi, dan tenaga kesehatan dalam memahami metode analisis penelitian yang tepat dan bertanggung jawab. Selain itu, SDG 10: Berkurangnya Kesenjangan didukung melalui penyediaan bukti ilmiah yang lebih akurat dan inklusif sehingga keputusan kesehatan dapat diterapkan secara lebih adil bagi berbagai kelompok masyarakat. (Kontributor: Grace Sandy Br Barus).
