الانتقال إلى المحتوى
العودة إلى نتائج البحث

معايير إعداد التقارير الإحصائية: الإبلاغ الشفاف عن التحليلات

قدّمه
Statistical and methodological literature; emphasized by Cumming (2013), ICMJE, and replication crisis discussions
السنة
2005
النوع
Guideline
العائلة
results-reporting

هذا النص ترجمة آلية ولم تتم مراجعته بعد. اقرأ النص الأصلي بالإنجليزية

حجم الخط

ماذا تفعل؟

يعد الإبلاغ الشفاف عن النتائج الإحصائية - بما في ذلك أحجام التأثير وفترات الثقة وقيم الاحتمال (p-values) والافتراضات - أمرًا ضروريًا للنزاهة العلمية وقابلية التكرار. العديد من الدراسات المنشورة تقدم قيم الاحتمال بمعزل عن أحجام التأثير أو فترات الثقة، مما يجعل من المستحيل على القراء تقييم حجم النتائج. تتطلب معايير الإبلاغ الإحصائي، التي أكد عليها كامينغ (2013) وجمعية الإحصاء الأمريكية ولجنة المحررين الطبيين الدوليين (ICMJE)، أحجام التأثير وفترات الثقة ومناقشة عدم اليقين. يمكّن هذا القراء من الحكم على ما إذا كانت النتائج ذات أهمية عملية (وليس فقط أهمية إحصائية) ومقارنة أحجام التأثير عبر الدراسات في التحليلات التلوية. الإبلاغ الإحصائي الضعيف يهدر البحث ويمنع التوليف السليم للأدلة.

الفكرة الحدسية وراء الطريقة

يُساء فهم قيم الاحتمال (p-values) على نطاق واسع: قيمة p < 0.05 لا تعني أن النتيجة 'مهمة' أو أن فرضية العدم 'خاطئة'. إنها ببساطة تعني أن البيانات المرصودة ستحدث أقل من 5% من الوقت إذا كانت فرضية العدم صحيحة. يمكن أن يكون للتأثير التافه (مثل، فرق 0.1%) قيمة p < 0.001 مع عينة كبيرة؛ وعلى العكس من ذلك، قد لا يصل تأثير مهم سريريًا (مثل، انخفاض 50% في الأعراض) إلى قيمة p < 0.05 مع عينة صغيرة. تعالج أحجام التأثير وفترات الثقة هذه المشكلة: فهي تقيس حجم التأثير ونطاق القيم المحتملة. فترة ثقة 95% [2.1، 2.3] تعني أننا واثقون بنسبة 95% من أن التأثير الحقيقي يقع بين 2.1 و 2.3؛ إذا كانت فترة الثقة تتضمن الصفر أو قيمة التأثير الصفري، فإن النتيجة ليست ذات دلالة إحصائية. هذه المعلومات الإضافية - الغائبة عن قيم الاحتمال وحدها - تمكّن القراء من تفسير النتائج بشكل هادف.

التاريخ

تطورت معايير الإبلاغ الإحصائي من نقد استمر لعقود لسوء استخدام قيم الاحتمال في العلم. في عام 1992، اشتركت مجلة Epidemiology في تقديم فترات الثقة جنبًا إلى جنب مع قيم الاحتمال؛ تبعتها مجلات أخرى. قدمت ورقة كامينغ (2013) المؤثرة 'الإحصاء الجديد' حجة لصالح أحجام التأثير وفترات الثقة باعتبارها متفوقة على عتبات قيم الاحتمال. في عام 2019، نشرت جمعية الإحصاء الأمريكية إرشادات تحذر من قيمة p < 0.05 كعتبة عالمية لـ 'الدلالة'. تتطلب المجلات الكبرى (JAMA، Lancet، إلخ) الآن أحجام التأثير. تؤكد توصيات ICMJE (المحدثة في عام 2023) على الإبلاغ عن أحجام التأثير وعدم اليقين. يعكس هذا التحول الدروس المستفادة من أزمة التكرار: فشلت العديد من النتائج المنشورة بقيمة p < 0.05 في التكرار لأن أحجام التأثير كانت صغيرة، وهي حقيقة أخفتها قيم الاحتمال وحدها.

متى تُستخدم

قم بالإبلاغ عن الإحصائيات بشفافية في جميع الأبحاث التجريبية: الدراسات الرصدية، التجارب، المسوحات، التجارب السريرية، التحليلات التلوية. ينطبق هذا على التحليلات الأولية وتحليلات الحساسية/التحليلات الفرعية. بالنسبة للدراسات الوصفية التي لا تتضمن اختبارات فرضيات (مثل، المسوحات الوصفية)، قم بالإبلاغ عن الإحصائيات الوصفية والنطاقات والنسب المئوية بوضوح. بالنسبة للبحوث النوعية، لا ينطبق الإبلاغ الإحصائي، ولكن صف العينة وطريقة التحليل بشفافية. بالنسبة لدراسات النمذجة أو المحاكاة، قم بالإبلاغ عن أحجام التأثير وفترات الثقة حول النتائج الرئيسية.

الحدود والاعتبارات

  • يتطلب مساحة: الإبلاغ الإحصائي الشامل (حجم التأثير، فترة الثقة، قيمة الاحتمال، الافتراضات) يتطلب مساحة أكبر من 'p<0.001' وحدها؛ قد تضغط حدود المجلة على محتوى آخر.
  • التعقيد: قد يجد القراء غير المطلعين على أحجام التأثير أن الإبلاغ الشامل صعب التفسير؛ هناك حاجة إلى التعليم.
  • غموض التفسير: يعتمد حجم التأثير 'الهادف' على السياق (d=0.2 صغير في بعض المجالات، كبير في مجالات أخرى)؛ لا يوجد معيار عالمي.
  • المقارنات المتعددة تضخم الإيجابيات الكاذبة: حتى مع التصحيحات، فإن العديد من اختبارات الفرضيات تزيد من خطأ النوع الأول؛ الإبلاغ الشامل لا يحل هذه المشكلة، بل يوثقها فقط.

لا تغني شروط المصدر عن المراجعة العلمية المستقلة أو التحقق بواسطة محرك تحليل.

نقاط القوة

  • يمكّن من تفسير الحجم: يرى القراء ليس فقط 'فرقًا ذا دلالة' ولكن 'الفرق هو d=0.47' (تأثير متوسط)، وهو أمر بالغ الأهمية للحكم على الأهمية العملية.
  • يسهل التحليل التلوي: تسمح أحجام التأثير بدمج الدراسات؛ قيم الاحتمال وحدها غير كافية للتحليل التلوي.
  • يقلل من تحيز التلاعب بقيم الاحتمال (p-hacking): عند الإبلاغ عن أحجام التأثير، يمكن للقراء رؤية متى تكون التأثيرات تافهة على الرغم من أن p < 0.05، مما يقلل من حافز درجات حرية الباحث.
  • يحسن قابلية التكرار: تمكّن فترات الثقة وفحص الافتراضات القراء من تقييم حساسية وصلاحية النتائج.
  • يدعم تحليل القوة اللاحق: تسمح أحجام التأثير المبلغ عنها بحساب القوة الإحصائية، مما يكشف عما إذا كانت الدراسات ذات القوة غير الكافية قد أدت إلى نتائج صفرية.

التطبيقات

  • كتابة مقال بحثي: خطط للإبلاغ الإحصائي قبل التحليل؛ قم بالإبلاغ عن أحجام التأثير وفترات الثقة جنبًا إلى جنب مع قيم الاحتمال؛ قم بتنظيم النتائج حسب الفرضية.
  • إجراء تحليل تلوي: تسمح أحجام التأثير المستخرجة من الدراسات الأولية بالتجميع؛ الأوراق التي تقدم قيم احتمال فقط يصعب تضمينها.
  • مراجعة مخطوطة: تحقق من أن الإحصائيات مبلغ عنها بشكل شامل؛ اطلب أحجام التأثير وفترات الثقة إذا كانت مفقودة.
  • إعداد مقترح منحة: تحليل القوة الإحصائية (الذي يستخدم أحجام التأثير) هو معيار في مراجعات منح المعاهد الوطنية للصحة وغيرها؛ أظهر الإلمام بالإبلاغ عن حجم التأثير.

كيف يعمل

كيف يعمل

1

قم بالإبلاغ عن الإحصائيات بهذا الترتيب والتنسيق: (1) الإحصائيات الوصفية: المتوسط ± الانحراف المعياري (أو الوسيط والمدى الربيعي للبيانات المنحرفة) لكل مجموعة. مثال: 'مجموعة العلاج (M=45.2, SD=8.3) مقابل مجموعة التحكم (M=42.1, SD=7.9)'. (2) اسم الاختبار الإحصائي ونتيجته: حدد الاختبار (اختبار t، مربع كاي، تحليل التباين، إلخ)، إحصائية الاختبار، درجات الحرية، قيمة الاحتمال (p-value)، وحجم التأثير. مثال: 't(98)=2.34, p=.021, d=0.47'. (3) فترة الثقة: قم بتضمين فترة ثقة 95% للفرق أو حجم التأثير. مثال: '95% CI [0.52, 3.21]'. (4) حجم التأثير: قم بالإبلاغ عن حجم التأثير المناسب لاختبارك. للنتائج المستمرة: حجم كوهين (d) (فرق المتوسطات المعياري)، معامل ارتباط بيرسون (r)، أو إيتا التربيعية (η²) (نسبة التباين المفسر). للنتائج الثنائية: المخاطر النسبية، نسبة الأرجحية، العدد اللازم للعلاج. لمقارنات المتوسطات: قم بالإبلاغ عن الفرق المطلق مع الوحدات. (5) الافتراضات المختبرة: اذكر ما إذا تم استيفاء الافتراضات (مثل، 'تم تقييم الاعتدالية باستخدام اختبار شابيرو-ويلك، W=0.98, p=.45، مما يشير إلى أن البيانات طبيعية تقريبًا'). (6) تصحيحات المقارنات المتعددة: إذا كنت تجري اختبارات متعددة، فقم بالإبلاغ عن طريقة التصحيح المستخدمة (بونفيروني، معدل الاكتشاف الخاطئ، إلخ) وعتبة قيمة الاحتمال المعدلة. مثال: 'تصحيح بونفيروني α=0.05/3=0.017'. (7) البيانات المفقودة: صف كيفية التعامل مع البيانات المفقودة (الحذف، طريقة الاستكمال). قم بتنظيم النتائج حسب الفرضية أو سؤال البحث؛ قم بتجميع الإحصائيات ذات الصلة. استخدم الجداول للنتائج الرقمية التفصيلية.

2

يلبي الإبلاغ الإحصائي الجيد هذه المعايير: (1) الاكتمال: يتم الإبلاغ عن قيم الاحتمال (p-values) وأحجام التأثير وفترات الثقة؛ لا توجد قيم احتمال 'عارية'. (2) الدقة: القيم صحيحة ومتسقة مع التحليل الموصوف في قسم المنهجية. (3) الشفافية: يتم تسمية الطريقة الإحصائية بوضوح (مثل، 'اختبار t المزدوج' وليس مجرد 'اختبار t')؛ يتم تناول الافتراضات. (4) حجم التأثير: يتم اختيار حجم التأثير المناسب للاختبار (d لمقارنات المجموعتين، r للارتباطات، إلخ). (5) الدقة: يتم الإبلاغ عن القيم بالأرقام المعنوية المناسبة (قيم الاحتمال إلى 2-3 منازل عشرية، مثل، p=.021، وليس p<.05). (6) الاتساق: يتم تنسيق النتائج المتشابهة بشكل متطابق؛ سلسلة من اختبارات t تقدم جميعها t، ودرجات الحرية، و p، و d. (7) الوضوح: يتم تقديم النتائج في نص أو جداول بترتيب أسئلة البحث المذكورة في المقدمة. يجب أن يكون القراء قادرين على التحقق من النتائج بالنظر إلى الجداول والتدقيق المتقاطع مع النص.

3

يقوم المراجعون الخبراء والمحررون بفحص التقارير الإحصائية للتأكد من الشفافية والامتثال لمعايير المجال. تؤدي أحجام التأثير المفقودة، أو الادعاءات غير المدعومة بـ 'الدلالة'، أو الإحصائيات المبلغ عنها بشكل خاطئ إلى طلبات مراجعة. يتم تقليل تحيز النشر عند الإبلاغ عن أحجام التأثير وفترات الثقة: يمكن للمراجعين والقراء تقييم الحجم الحقيقي للنتائج، وليس فقط ما إذا كانت p < 0.05. في التحليلات التلوية، يتم تجميع أحجام التأثير من جميع الدراسات؛ يجب استبعاد الدراسات التي تقدم قيم احتمال فقط بدون أحجام تأثير أو تقديرها لاحقًا من إحصائيات أخرى، مما يؤدي إلى خطأ. بالنسبة للمؤلفين، يزيد الإبلاغ الإحصائي الشفاف من قابلية التكرار، ويمكّن من التوليف السليم، ويظهر الدقة.

الأخطاء الشائعة

  • الإبلاغ عن قيم الاحتمال بدون أحجام التأثير: 'p=.021' يخبر القراء أن النتيجة 'ذات دلالة' ولكن ليس ما إذا كان التأثير تافهًا (مثل، d=0.1) أو كبيرًا (d=1.5). قم دائمًا بالإبلاغ عن حجم التأثير.
  • الخلط بين الدلالة الإحصائية والعملية: تشير p=.001 إلى دليل قوي ضد فرضية العدم، ولكن إذا كان التأثير غير ذي صلة سريريًا (مثل، فرق 0.1 ملم زئبق في ضغط الدم)، فإنه ليس ذا أهمية عملية. ناقش كليهما.
  • انتقاء قيم الاحتمال (Cherry-picking): الإبلاغ فقط عن قيمة الاحتمال التي هي < 0.05 مع إخفاء النتائج غير الهامة (p-hacking). قم بالتسجيل المسبق للفرضيات والإبلاغ عن جميع الاختبارات، سواء كانت هامة أم لا.
  • الإبلاغ عن 'اتجاه نحو الدلالة' لقيمة p=.10 أو 'اقتراب من الدلالة' لقيمة p=.06: هذه عبارات غير رسمية ومضللة. إما أن النتيجة تلبي عتبتك أو لا؛ ناقش النتائج غير الهامة بصدق.
  • الإبلاغ الخاطئ عن فترات الثقة: فترة ثقة 95% ليست النطاق الذي يحتوي على 95% من البيانات؛ إنها النطاق الذي نحن واثقون بنسبة 95% من أنه يحتوي على المعلمة الحقيقية. اشرح بشكل صحيح لتجنب الارتباك.
  • إغفال الإحصائيات الوصفية الأساسية: لا يمكن للقراء تقييم ما إذا كانت المجموعات قابلة للمقارنة أو العينات ممثلة إذا لم يتم الإبلاغ عن البيانات الديموغرافية/الأساسية.

الأسئلة الشائعة

ما هو حجم التأثير الذي يجب أن أبلغ عنه؟

اختر حجم التأثير المناسب لاختبارك الإحصائي: لاختبارات t (مقارنة مجموعتين): حجم كوهين (d) (فرق المتوسطات المعياري) أو الفرق الخام بالوحدات. لتحليل التباين (ANOVA): إيتا التربيعية (η²) أو إيتا التربيعية الجزئية (η²p). للارتباط: معامل ارتباط بيرسون (r) أو r التربيعية (R²). للنتائج الثنائية (مثل، نجاح العلاج): نسبة الأرجحية (OR)، المخاطر النسبية (RR)، أو فرق المخاطر المطلق. للبيانات المزدوجة: حجم كوهين (d) أو حجم هيدج (g) (مشابه لـ d، يستخدم في التحليلات التلوية). إذا كنت غير متأكد، استشر معايير المجال أو إرشادات الإبلاغ الخاصة بالمجال (شبكة EQUATOR).

هل يكفي الإبلاغ عن قيمة الاحتمال فقط؟

لا. قيمة الاحتمال وحدها غير كافية لأنها لا تخبرك بحجم التأثير. يمكن لقيمة p=.001 أن تعكس تأثيرًا تافهًا (إذا كانت العينة كبيرة) أو تأثيرًا ضخمًا (إذا كانت العينة صغيرة). قم دائمًا بالإبلاغ عن حجم التأثير وفترة الثقة 95%. يمنح الجمع بين قيمة الاحتمال + حجم التأثير + فترة الثقة القراء الصورة الكاملة.

ماذا لو كان لدي العديد من الاختبارات والعديد من قيم الاحتمال 'قريبة من الدلالة' (مثل، p=.06)؟

قم بالإبلاغ عنها بصدق. قيمة p=.06 ليست ذات دلالة إحصائية عند α=0.05؛ لا تصبح ذات دلالة بمجرد تسميتها 'اتجاهًا'. ناقش ما تعنيه النتيجة غير الهامة في السياق (نقص القوة؟ تأثير صفري حقيقي؟). إذا أجريت اختبارات متعددة، فقم بالإبلاغ عن كيفية التحكم في خطأ النوع الأول (بونفيروني، FDR، إلخ). قم بالتسجيل المسبق للفرضيات للتمييز بين التحليلات التأكيدية والاستكشافية.

كم عدد المنازل العشرية التي يجب أن أستخدمها لقيم الاحتمال؟

منزلتان إلى ثلاث منازل عشرية هو المعيار (مثل، p=.021، p<.001). لا تبلغ عن p=.050000. يُفضل استخدام قيم الاحتمال الدقيقة بدلاً من المتباينات (p=.021 بدلاً من p<.05) عندما تكون القيمة الدقيقة متاحة من برنامجك الإحصائي. استخدم 'p<.001' فقط إذا قام البرنامج بتقريب القيم الأصغر أو إذا كان الاختبار أحادي الجانب بعتبة صغيرة جدًا.

هل يجب أن أبلغ عن فترة ثقة 95% أو مستويات ثقة أخرى؟

استخدم فترة ثقة 95% ما لم يكن لمجالك اتفاقية مختلفة (استخدم بعض الأدبيات الطبية القديمة 90% أو 99%). فترة الثقة 95% هي المعيار لأنها تتماشى مع α=0.05. إذا قمت بالإبلاغ عن فترة ثقة 90%، فاذكر صراحة 'CI90%' لتجنب الارتباك. لا تخلط بين مستويات الثقة في نفس الورقة.

طرق ذات صلة

المصادر

  1. Cumming, G. (2013). The new statistics: Why and how. Psychological Science, 25(1), 7–29.

    افتح مرجع DOI
    تم النسخ.
  2. Fidler, F., Thomason, N., Cumming, G., Finch, S., & Leeman, J. (2005). Editors can lead researchers to confidence intervals, but can't make them think: Statistical reform lessons from medicine. Psychological Science, 15(2), 119–126.

    افتح مرجع DOI
    تم النسخ.
  3. International Committee of Medical Journal Editors (2023). Recommendations for the Conduct, Reporting, Editing, and Publication of Scholarly Work in Medical Journals.

    افتح مرجع المنشور
    تم النسخ.