Bagaimana masalah kesehatan mental berdampak pada kemungkinan ketahanan pangan? Pertanyaan ini sulit dijawab secara empiris karena (setidaknya) dua alasan utama:
- Endogenitas/Faktor yang tidak teramati. Misalnya, karakteristik pribadi, keluarga, dan lingkungan (misalnya stabilitas keluarga, akses terhadap layanan kesehatan, paparan terhadap kekerasan) dapat berdampak pada kesehatan mental dan kemungkinan kerawanan pangan. Selain itu, arah hubungan sebab dan akibat tidak jelas karena masalah kesehatan mental dapat menyebabkan berkurangnya kemungkinan mendapatkan pekerjaan dan pada akhirnya menyebabkan kerawanan pangan; sebaliknya, kerawanan pangan dapat meningkatkan stres dan meningkatkan kemungkinan penyakit mental.
- Kesalahan pengukuran. Banyak penelitian tentang penyakit mental bergantung pada survei dan pengukuran penyakit mental yang dilaporkan sendiri. Hal ini dapat menyebabkan kesalahan pengukuran yang signifikan, terutama karena stigma menyebabkan kesalahan pelaporan kesehatan mental.
Bagaimana kita dapat mengatasi kedua permasalahan ini secara bersamaan? Inilah yang ditulis oleh makalah Jansen dkk. (2023) mencoba menyelesaikannya (lihat juga presentasi di sini). Salah satu solusi yang jelas adalah dengan menggunakan variabel instrumental, namun sulit untuk menemukan instrumen yang valid karena sebagian besar faktor yang berkorelasi dengan penyakit mental juga berkorelasi langsung dengan kerawanan pangan. Selain itu, kesalahan pengukuran akan lebih bermasalah bila variabel paparan utama (dalam hal ini adanya penyakit mental) adalah biner.
Solusi yang penulis gunakan adalah dengan menggunakan metode identifikasi parsial nonparametrik yang dikembangkan di Kreider dan Hill (2009) dan Kreider et al. (2012). Mereka menerapkan metode ini pada data dari Survei Wawancara Kesehatan Nasional (NHIS). Mereka fokus pada pasien yang melaporkan sendiri “tekanan psikologis nonspesifik (NPD)” menurut skala Kessler (K-6).
Dalam model regresi OLS standar (lihat di bawah), mungkin terdapat endogenitas karena “pengobatan” (penyakit mental) mungkin berkorelasi dengan istilah kesalahan. Selain itu, status kesehatan mental (D) diukur dengan ketidakpastian. Misalnya, biarkan D* sama dengan 1 jika individu benar-benar mengalami tekanan mental dan 0 jika sebaliknya. Namun peneliti hanya mengamati Dyang merupakan kesusahan yang dilaporkan sendiri.
Cara utama para peneliti memecahkan masalah ini adalah dengan menggunakan metode identifikasi parsial. Tujuannya adalah untuk memperkirakan efek pengobatan rata-rata (ATE) berikut:
Dalam persamaan ini, kamu (D* = 1) mewakili potensi hasil ketahanan pangan jika orang dewasa berada dalam kesulitan; kamu(D* = 0) mewakili hasil ketahanan pangan jika orang dewasa tidak berada dalam kesusahan.
Memperkirakan persamaan ini bermasalah. Untuk mengetahui alasannya, mari kita uraikan nilai-nilai ini. Mari kita asumsikan itu P(Y=1|D*=1)=P(Y(1)=1|D*=1)*P(D*=1). Jika kemungkinan sebenarnya dari tekanan mental–P(D*=1)–diketahui, jumlah ini dapat diperkirakan. Namun istilahnya P(Y(1)=1|D*=0)karena pendekatan ini memperkirakan kontrafaktual yang tidak teramati dalam data (yaitu, tingkat ketahanan pangan yang akan dimiliki oleh individu tanpa penyakit mental jika mereka memang menderita penyakit mental).
Masalah kedua adalah kita tidak benar-benar mengamati D*jadi suku pertama tidak dapat diperkirakan. Penulis memecah istilah ini menjadi sesuatu yang dapat diperkirakan (yaitu, P(Y=1,D=1)) dan istilah kesalahan pengukuran. Karena sering kali terdapat sigma seputar penyakit mental, penyakit mental cenderung tidak terdiagnosis secara berlebihan, bukannya berlebihan. Penulis mengklaim bahwa sekali dapat berasumsi bahwa tidak ada hasil positif palsu θ1+=θ0+=0. Para penulis juga berasumsi bahwa rasio penyakit mental non-spesifik yang sebenarnya dan yang teramati secara proporsional sama dengan yang dilaporkan untuk semua jenis penyakit mental. Mereka menggunakan data yang dilaporkan dari SAMHSA untuk ini.
Mereka juga menerapkan 3 jenis asumsi berbeda:
- Pemilihan pengobatan monoton (MTS). Artinya, individu yang benar-benar mengidap penyakit mental mempunyai kemungkinan (yang lemah) lebih kecil untuk memiliki ketahanan pangan dibandingkan mereka yang sebenarnya tidak mengidap penyakit mental.
- Variabel instrumental monoton (MIV). Di sini mereka berasumsi bahwa masyarakat yang tinggal di daerah dengan persediaan makanan yang lebih sedikit akan mempunyai kemungkinan (yang lemah) lebih kecil untuk memiliki ketahanan pangan.
- Respon pengobatan monoton (MTR). Rata-rata tekanan psikologis tidak akan meningkatkan ketahanan pangan.
Dengan menggunakan pendekatan ini, penulis menemukan bahwa:
Dengan menerapkan asumsi monotonisitas yang relatif lemah pada hasil laten ketahanan pangan, kami menemukan bahwa pengurangan SMI akan meningkatkan tingkat ketahanan pangan setidaknya sebesar 9,5 poin persentase, atau 15%.
Anda dapat membaca makalah lengkapnya di sini dan ada dek slide ringkasan yang bermanfaat (yang banyak saya pinjam) di sini.
