Oleh Marie Johnston dan Derek Johnston, Universitas Aberdeen, Skotlandia

Para praktisi seringkali menginginkan jawaban untuk masalah yang terkait dengan satu orang, satu tim kesehatan, satu rumah sakit, atau satu daerah, dll. Sebagai contoh, mungkin sangat penting untuk mengetahui seberapa sering seseorang yang gemuk makan camilan (ngemil), kapan dan di mana ia ngemil, dan apakah stres membuatnya ngemil lebih banyak. Atau kamu mungkin ingin tau seberapa sering anggota tim kesehatan lalai membersihkan tangan, apakah perilaku itu memburuk saat mereka kekurangan staf, dan apakah iklan yang dipajang di bangsal bisa meningkatkan perilaku cuci tangan. Atau kamu mungkin ingin meneliti sumber kesalahan klinis (clinical errors), apakah lebih banyak terjadi di bangsal tertentu, atau pada kelompok staff tertentu. Pada level kebijakan, mungkin akan sangat berharga untuk meneliti apakah sebuah peraturan baru, seperti larangan merokok di tempat umum, telah memengaruhi tingkat perilaku merokok.

Kamu mungkin mencoba menjawab pertanyaan-pertanyaan ini dengan bertanya kepada orang-orang mengenai apa yang mereka ingat atau pikirkan, tetapi tentu akan lebih baik untuk bertanya atau melakukan observasi  pada waktu dan tempat yang tepat agar terhindar dari bias dan lupa. Kemajuan teknologi terkini seperti pemantauan digital menggunakan gawai dapat mempermudah kamu melacak apa yang sedang terjadi dalam waktu-nyata (real time); dan studi dengan n=1 memungkinkan untuk menjawab pertanyaan-pertanyaanmu.

Studi dengan n=1 mungkin untuk dilakukan ketika masalah dapat diukur berulang kali untuk melihat perubahan dari waktu ke waktu. Lalu seseorang dapat menggambarkan masalah yang terjadi dan menilai apakah keadaan (yang sedang diukur) tersebut lebih baik atau lebih buruk dalam kondisi yang berbeda-beda. Atau menilai apakah sebuah intervensi atau pengobatan baru memberikan efek seperti yang dipromosikan.

Evaluasi paling sederhana terhadap data yang terkumpul adalah dengan mengamati kecenderungan grafik, seperti pada ilustrasi di bawah. Ini merupakan langkah penting dan memadai dalam analisa n=1. Selain itu, ada pula metode analisa statistik yang dapat digunakan untuk studi n=1. Bahkan metode-metode yang lebih kompleks terus dikembangkan (mis., metode penilaian perubahan dinamis (assessing dynamic change).

Menggunakan studi n=1 untuk menilai masalah

Sebuah studi mungkin saja dilakukan untuk menilai tingkat keparahan, frekuensi, atau pola suatu masalah dari waktu ke waktu. Pada Gambar 1, tingkat kecemasan bervariasi dari waktu ke waktu tetapi sangat mungkin untuk melihat pola yang muncul. Ketika kehadiran karyawan di kantor tercatat, pola menunjukkan perbedaan kecemasan antara akhir minggu dengan hari kerja; dan mengindikasikan kemungkinan bahwa orang tersebut cemas ketika berada di tempat kerja tetapi tidak di rumah. Informasi seperti ini dapat sangat membantu dalam memilih metode perawatan yang optimal bagi pasien. Misalnya mendeteksi suasana hati seorang wanita dan juga waktu terjadinya dapat menunjukkan pola tertentu; pola ini dapat digunakan untuk memperbaiki suasana hati yang tertekan.

Melalui studi n=1, informasi yang dikumpulkan tidak hanya sekedar gambaran masalah dan dapat membantu menjelaskan kondisi yang diamati. Dalam beberapa kasus, dokter atau psikolog mungkin punya teori tertentu tentang apa yang memengaruhi masalah yang terjadi dan sangat mungkin untuk menguji seberapa sesuai teori itu menjelaskan fenomena yang sedang diamati. Dalam kasus wanita sekarat di atas, memantau pikiran dan kegiatan pasien akan mengkonfirmasi teori bahwa suasana hati wanita tersebut dipengaruhi oleh pikirannya,  dan pikiran-pikiran tersebut berkaitan dengan aktivitasnya di pagi hari.

Gambar 1: Menggunakan studi N=1 untuk menggambarkan masalah: menunjukkan tingkat kecemasan (warna biru) dan hari kerja (warna merah) selama 24 hari

Menggunakan studi n=1 untuk menilai apakah suatu peristiwa atau kejadian memperbaiki atau memperburuk masalah

Suatu masalah bisa saja membaik atau memburuk karena kejadian yang terjadi secara alami atau kegiatan yang sudah direncanakan sebelumnya, misalnya kematian keluarga atau pernikahan, siaran media mengenai informasi kesehatan, penutupan tempat kerja, atau bahkan cuaca. Dalam ilustrasi hipotetis pada Gambar 2, konsultasi kondisi medis (misalnya flu) jauh meningkat seminggu setelah ada siaran TV mengenai topik kesehatan tertentu; ini menunjukkan bahwa peningkatan konsultasi kesehatan yang terjadi bukan karena adanya epidemi. Di masa depan, layanan kesehatan dapat mengantisipasi peningkatan konsultasi kesehatan ketika kondisi medis tertentu menjadi berita utama di media. Analisis n=1 pada sebuah rumah sakit di Inggris menunjukkan efek dari acara olahraga – ada peningkatan jumlah pasien serangan jantung yang berkaitan dengan sebuah pertandingan sepak bola selama piala dunia 1998.

Gambar 2: Menggunakan studi n=1 untuk menilai efek dari suatu peristiwa: ada sekitar 40 konsultasi per hari tentang flu sampai pada suatu saat ada siaran TV (panah biru) yang tampaknya menyebabkan peningkatan jumlah konsultasi

Menggunakan studi n=1 untuk menilai apakah intervensi atau pengobatan tertentu memiliki efek yang diharapkan

Metode n=1 dapat dipakai dalam pengembangan intervensi baru, termasuk intervensi klinis dan kebijakan. Dalam contoh hipotetis pada Gambar 3, seorang pasien obesitas mengemil sekitar 7 kali sehari; setelah intervensi yang ditunjukkan oleh panah merah (kemungkinan besar berupa laporan diri), ngemil dengan cepat berkurang menjadi 2 kali per hari.

Metode serupa dapat digunakan untuk mempelajari perilaku merokok di sebuah negara dan menilai dampak perubahan kebijakan seperti larangan merokok di tempat umum, mis., bagaimana kebijakan nasional memengaruhi perilaku merokok.

Sebuah contoh yang baik dari penggunaan praktis metode N=1 untuk mengevaluasi efek intervensi adalah seperti yang dilaporkan oleh dokter di sebuah rumah sakit kabupaten. Mereka mempelajari masalah keterlambatan pelaporan kejadian yang tidak diharapkan (adverse events) dalam periode 2001 hingga 2006 dan menemukan bahwa, meskipun penundaan pelaporan bervariasi, namun hal itu berpengaruh buruk pada program keselamatan pasien dan pelaporan tidak menunjukkan tanda-tanda perbaikan. Pada tahun 2007 dan 2008 diterapkan sebuah program penghargaan kinerja dan menyebabkan berkurangnya penundaan pelaporan pada tahun-tahun berikutnya dan menunjukkan bahwa pengakuan semacam itu dapat meningkatkan pelaporan menjadi tepat waktu. 

Gambar 3: Menggunakan studi n=1 untuk menilai efek intervensi: 15 hari pertama menunjukkan frekuensi ngemil, laporan diri dimulai pada hari ke 16 (panah merah) menunjukkan pengurangan perilaku ngemil

Tantangan

Pengumpulan data bisa sangat menantang. Pengukuran yang sering dan berulang dapat membebani dan mungkin saja menyebabkan ada data yang hilang. Perkembangan pesat teknologi digital dan gawai dengan harga terjangkau termasuk telepon pintar, perangkat yang mudah dipakai, dan sensor membuat pengumpulan data menjadi lebih mudah dan lebih dapat diandalkan.

Rekomendasi Praktis

• Gunakan studi n=1 dalam situasi praktis
  • untuk menggambarkan dan menilai suatu masalah,
  • untuk menilai efek dari suatu intervensi atau peristiwa.
• Menilai masalah atau isu penting yang dapat diukur secara berulang dari waktu ke waktu.
• Menginterpretasi data menggunakan metode deskriptif seperti grafik atau metode statistik.
• Tersedianya aplikasi telepon pintar gratis untuk mengumpulkan data berupa laporan diri.

Diterjemahkan oleh Astin Sokang