الدليل الكامل: كيفية الإبلاغ عن نسب الأرجحية

تُعد نسب الأرجحية (Odds Ratios – OR) إحدى أهم وأوسع مقاييس حجم الأثر (Effect Size) استخداماً في البحوث الطبية، والوبائية، والعلوم السلوكية والاجتماعية والنفسية المعاصرة. تكمن القوة التحليلية لنسب الأرجحية في قدرتها الفريدة على تلخيص طبيعة وقوة واتجاه العلاقة الارتباطية بين المتغيرات التنبؤية (سواء كانت فئوية أو متصلة) والنتائج الثنائية (Binary Outcomes) مثل: الإصابة بالمرض مقابل السلامة منه، أو النجاح في برنامج علاجي مقابل الإخفاق، أو الاستمرار في الدراسة مقابل التسرب. ومع التحول المنهجي المتسارع في المجتمع الأكاديمي الدولي بعيداً عن الاعتماد الحصري والمضلل أحياناً على القيم الاحتمالية (p-values)، برزت نسب الأرجحية كركيزة لا غنى عنها لتقييم الأهمية العملية والإكلينيكية للنتائج التجريبية والارتباطية على حد سواء.

وعلى الرغم من شيوع استخدام هذا المؤشر الإحصائي، إلا أن كتابة التقارير العلمية حول نسب الأرجحية وتفسيرها يمثلان أحد أبرز التحديات المنهجية التي يواجهها الباحثون وطلاب الدراسات العليا والمحللون الإحصائيون. فالخلط المفاهيمي بين “الأرجحية” (Odds) و”الاحتمال” (Probability)، أو إغفال تحديد الفئات المرجعية (Reference Categories)، أو القصور في صياغة فترات الثقة (Confidence Intervals)، وقراءة التحويلات اللوغاريتمية، يؤدي في كثير من الأحيان إلى استنتاجات خاطئة تماماً قد تترتب عليها قرارات علاجية أو تربوية مضللة. من هذا المنطلق، يهدف هذا الدليل الشامل والمفصل إلى تزويد الباحث العربي بمرجع أكاديمي متكامل يغطي كافة الجوانب النظرية والتطبيقية لحساب، وتوثيق، وتفسير، والإبلاغ عن نسب الأرجحية وفق أرقى المعايير الدولية المعتمدة من قبل جمعية علم النفس الأمريكية (APA Style 7th Edition).

يتناول هذا الدليل بالتشريح الدقيق كافة المستويات التحليلية: بدءاً من الأسس الرياضية البسيطة لجداول التوافق الرباعية، مروراً بنماذج الانحدار اللوجستي الثنائي، والمتعدد، والترتيبي، وصولاً إلى التحويلات المتقدمة لحجم الأثر في دراسات التحليل التلوي (Meta-Analysis)، وكيفية استخراج وتوثيق النتائج خطوة بخطوة عبر الحزم الإحصائية المتقدمة مثل SPSS و R و Stata و JASP و Jamovi. كما يُفرد الدليل مساحة واسعة لمعالجة الأخطاء الشائعة وتقديم نماذج وقوالب جاهزة للصياغة باللغتين العربية والإنجليزية، ليكون دليلاً مرجعياً رصيناً لكل باحث يسعى للتميز والنشر في المجلات العلمية المحكمة ذات معامل التأثير المرتفع.

1. المدخل المفاهيمي لنسب الأرجحية (Odds Ratios) وأسسها في القياس النفسي والإحصائي

1.1 الفرق الجوهري بين الأرجحية (Odds) والاحتمال (Probability)

يمثل التمييز الدقيق بين مفهومي “الاحتمال” (Probability) و”الأرجحية” (Odds) حجر الزاوية الرياضي والمنهجي لفهم كافة التحليلات الإحصائية المبنية على النماذج اللوجستية. يُعرَّف الاحتمال الرياضي الكلاسيكي، والذي يُرمز له غالباً بالحرف (P)، بأنه نسبة عدد مرات وقوع حدث معين مقسوماً على إجمالي عدد الحالات أو الأحداث الممكنة كافة. وتتراوح قيمة الاحتمال دائماً في المجال المغلق بين الصفر المطلق (0)، والذي يشير إلى استحالة وقوع الحدث، والواحد الصحيح (1.0)، والذي يعبر عن حتمية ويقين وقوع الحدث. فعلى سبيل المثال، إذا كان لدينا عينة سريرية قوامها 100 مريض نفسي، وتم تشخيص 20 مريضاً منهم باضطراب الاكتئاب الجسيم، فإن احتمال اختيار مريض مكتئب عشوائياً من هذه العينة يُحسب بالمعادلة: P = 20 / 100 = 0.20 (أو 20%).

في المقابل، تُعرَّف الأرجحية (Odds) بأنها النسبة المباشرة بين احتمال وقوع الحدث إلى احتمال عدم وقوع ذلك الحدث ذاته. وبمعنى آخر، هي نسبة تكرار الحالات الإيجابية مقارنة بالحالات السلبية داخل نفس المجتمع الإحصائي. ويُعبر عنها رياضياً بالصيغة: الأرجحية = P / (1 – P). وبالعودة إلى المثال السريري السابق، فإن أرجحية تشخيص مريض بالاكتئاب في تلك العينة تُحسب على النحو التالي: الأرجحية = 0.20 / (1 – 0.20) = 0.20 / 0.80 = 0.25 (أو 1 إلى 4). وهذا يعني رياضياً أنه مقابل كل مريض مكتئب واحد، يوجد أربعة مرضى غير مكتئبين. ولا تتقيد الأرجحية بالمدى (0 إلى 1) كما هو الحال في الاحتمال، بل تمتد قيمها من الصفر (0) إلى ما لا نهاية الإيجابية (+∞).

تظهر أهمية هذا التمييز الرياضي في إمكانية التحويل المتبادل بين القيمتين بدقة تامة؛ فإذا كانت الأرجحية معلومة ولتكن (O)، يمكن استرجاع قيمة الاحتمال عبر المعادلة العكسية: P = O / (1 + O). إن عدم استيعاب هذا الفارق الجوهري يقود الباحثين في العلوم النفسية والتربوية إلى ارتكاب خطأ منهجي فادح يتمثل في تفسير الأرجحية على أنها احتمال مباشر أو نسبة مئوية للمخاطر، وهو ما يضخم حجم التأثير الظاهري للعلاقات الارتباطية المدروسة بشكل خادع، لا سيما عندما تكون الظاهرة قيد البحث ذات معدل انتشار مرتفع داخل المجتمع.

1.2 التعريف الرياضي والإحصائي لنسبة الأرجحية (Odds Ratio – OR)

تُعد نسبة الأرجحية (Odds Ratio)، والتي تُختصر بـ (OR)، مقياساً إحصائياً يقارن بين أرجحيتي وقوع حدث معين في مجموعتين مختلفتين؛ وعادة ما تكون إحداهما مجموعة تجريبية أو معرضة لمتغير مستقل، والأخرى مجموعة ضابطة أو مرجعية. يتم استخراج هذه النسبة بصورة تقليدية من جداول التوافق الرباعية (2×2 Contingency Tables)، حيث يمثل المحور الأفقي تصنيف المتغير المستقل (مثل: التدخين: نعم / لا)، بينما يمثل المحور الرأسي المتغير التابع الثنائي (مثل: الإصابة بالقلق الحاد: نعم / لا). إذا رمزنا للخلايا الأربع بالحروف (A, B, C, D)، حيث A تمثل المعرضين الذين وقع لهم الحدث، و B المعرضين الذين لم يقع لهم الحدث، و C غير المعرضين الذين وقع لهم الحدث، و D غير المعرضين الذين لم يقع لهم، فإن المعادلة الرياضية لنسبة الأرجحية تأخذ الصيغة التالية:

OR = (A / B) / (C / D) = (A × D) / (B × C)

تُعرف هذه الصيغة بحاصل الضرب التقاطعي (Cross-Product Ratio). وتكمن الدلالة الإحصائية لهذه القيمة في مقارنتها بالقيمة المرجعية المحايدة (Null Value) وهي الرقم واحد الصحيح (1.0). يمثل الرقم 1 فرضية العدم الرياضية، ويعني أن أرجحية وقوع الحدث في المجموعة الأولى مساوية تماماً لأرجحية وقوعه في المجموعة الثانية، أي أنه لا يوجد أي ارتباط أو تأثير للمتغير المستقل على المتغير التابع.

عندما تكون قيمة OR أكبر من 1.0 (OR > 1)، فإن هذا يشير إلى أن وجود المتغير المستقل (أو التعرض له) يزيد من أرجحية وقوع الحدث المستهدف مقارنة بالمجموعة المرجعية. على سبيل المثال، فإن قيمة OR = 2.50 تشير إلى أن أرجحية وقوع الحدث لدى المجموعة المعرضة تفوق أرجحية وقوعه لدى المجموعة المرجعية بمقدار 2.5 مرة. وعلى العكس تماماً، عندما تكون قيمة OR أقل من 1.0 وأكبر من الصفر (0 < OR < 1)، فإن هذا يعكس تأثيراً وقائياً أو سلبياً يقلل من أرجحية وقوع الحدث؛ فمثلاً قيمة OR = 0.40 تعني أن أرجحية وقوع الحدث تنخفض بنسبة 60% لدى المجموعة المفحوصة مقارنة بالمجموعة المرجعية.

1.3 أهمية نسب الأرجحية كحجم أثر (Effect Size) في العلوم السلوكية

شهدت منهجية البحث في العلوم السلوكية والنفسية خلال العقدين الأخيرين ثورة إبستمولوجية تركز على تقييم “الأهمية العملية” (Practical Significance) إلى جانب “الدلالة الإحصائية” (Statistical Significance). وقد قادت منظمات كبرى مثل الرابطة الإحصائية الأمريكية (ASA) حملات مكثفة للحد من الاستخدام الأعمى للقيم الاحتمالية (p-values)، نظراً لأن الأخيرة تتأثر بشدة بحجم العينة، حيث يمكن لأي أثر بالغ الضآلة أن يصبح ذا دلالة إحصائية (p < .05) بمجرد تضخيم العينة، دون أن ينطوي على أي قيمة إكلينيكية حقيقية.

هنا تبرز نسبة الأرجحية بوصفها واحداً من أقوى مقاييس حجم الأثر غير المعلمية والبارامترية المعتمدة لتقييم قوة الارتباط بين المتغيرات الفئوية. وتتميز نسب الأرجحية بأنها لا تعتمد على حجم العينة في حساب قيمتها النقطية، وتوفر تقديراً كمياً مباشراً وقابلاً للمقارنة عبر مختلف الدراسات والمجتمعات البحثية. يتيح استخدام نسب الأرجحية لعلماء النفس والمعالجين السريريين فهماً دقيقاً للمخاطر النسبية (Risk Profiling)، وتحديد العوامل الوقائية (Protective Factors) والعوامل المهيئة للاضطرابات النفسية والسلوكية.

علاوة على ذلك، تُعد نسب الأرجحية العملة الإحصائية القياسية في أبحاث التحليل التلوي (Meta-Analysis) عند تجميع نتائج الدراسات التجريبية والمقطعية التي تعتمد على مخرجات ثنائية. فمن خلال تحويل التقديرات المختلفة إلى نسب أرجحية موحدة، يتمكن الباحثون من حساب حجم الأثر التراكمي الشامل للتدخلات العلاجية، مما يسهم بشكل مباشر في صياغة الأدلة الإرشادية للممارسة الإكلينيكية المبنية على الدليل (Evidence-Based Practice).

2. المكونات الأساسية الثلاثة الواجب تضمينها عند كتابة تقرير نسبة الأرجحية

2.1 العنصر الأول: القيمة النقطية لنسبة الأرجحية (Point Estimate)

يمثل التقدير النقطي (Point Estimate) لنسبة الأرجحية القيمة العددية المفردة المحسوبة من بيانات العينة الفعلية، والتي تُستخدم كأفضل تخمين إحصائي لقيمة نسبة الأرجحية الحقيقية غير المعلومة في المجتمع الأصلي. عند إعداد التقارير الأكاديمية، يجب توثيق هذا العنصر بدقة متناهية عبر استخدام الرمز القياسي المعتمد (OR) مع كتابته بخط مائل وفق إرشادات النشر العلمي. وتقتضي القواعد التحريرية تقريب القيمة النقطية إلى منزلتين عشريتين (مثل: OR = 1.85)، ما لم تتطلب طبيعة البيانات الدقيقة للغاية أو إرشادات المجلة المستهدفة التوثيق بثلاث منازل عشرية.

ولا يكتمل توثيق القيمة النقطية بمجرد ذكر الرقم، بل يجب أن يقترن بالتحديد القاطع والصريح للمجموعة المرجعية (Reference Group / Baseline). إن إغفال تحديد المجموعة المرجعية يجعل من المستحيل على القارئ معرفة اتجاه التأثير؛ فعبارة “كانت نسبة الأرجحية للقلق لدى الإناث 1.50” تظل ناقصة وغامضة ما لم يُذكر بوضوح: “مقارنة بالذكور (كمجموعة مرجعية)”. كما يتعين على الباحث ربط هذه القيمة بالنموذج الإحصائي المولد لها، سواء كان جدول توافق بسيط، أو نموذج انحدار لوجستي ثنائي غير معدل (Unadjusted)، أو نموذج متعدد المتغيرات يتضمن ضوابط إحصائية محددة.

2.2 العنصر الثاني: فترة الثقة (Confidence Interval) ومستواها

نظراً لأن التقدير النقطي مستخرج من عينة واحدة قد تخضع لأخطاء المعاينة العشوائية (Sampling Variability)، فإن تقديم القيمة النقطية وحدها يُعد قصوراً منهجياً جسيماً في التوثيق الإحصائي الحديث. لذا، فإن العنصر الثاني الإلزامي هو فترة الثقة (Confidence Interval – CI)، والتي تُحسب عادة عند مستوى ثقة 95% (95% CI)، على الرغم من إمكانية استخدام مستويات أخرى مثل 90% أو 99% في سياقات بحثية خاصة ومبررة نظرياً.

تُعبر فترة الثقة 95% عن المدى الذي يحتوي على القيمة الحقيقية لنسبة الأرجحية في المجتمع الأصلي بدرجة ثقة تصل إلى 95% تحت فرضية التكرار اللانهائي للتجربة. تُكتب حدود فترة الثقة بصيغة قياسية داخل قوسين معقوفين، مفصولين بفاصلة ومسافة، على النحو التالي: [الحد الأدنى، الحد الأعلى]؛ ومثاله: 95% CI [1.20, 2.45]. يخدم اتساع فترة الثقة غرضاً تقييمياً بالغ الأهمية؛ فالمدى الضيق لفترة الثقة يشير إلى دقة إحصائية عالية وقوة عينة كافية، بينما يعكس المدى الواسع جداً تشتتاً كبيراً وضعفاً في الدقة الإحصائية ناجماً في الغالب عن صغر حجم العينة أو ندرة الحدث الخاضع للدراسة.

2.3 العنصر الثالث: التفسير السياقي في ضوء الفرضيات البحثية

لا تتوقف مهمة الباحث المتمكن عند سرد الأرقام والمعاملات الصماء، بل تمتد لتشمل صياغة تفسير نصي سياقي يربط النتائج الرياضية بظاهرة البحث النفسية أو التربوية قيد التقصي. يجب أن يترجم هذا التفسير القيمة العددية لنسبة الأرجحية إلى عبارات لغوية سلسة، ودقيقة، ومفهومة لغير المتخصصين في الإحصاء الرياضي. يتضمن هذا التفسير تحديد النسبة المئوية الدقيقة للزيادة أو الانخفاض في الأرجحية؛ فإذا كانت قيمة OR = 1.35، يُصاغ التفسير بأن أرجحية حدوث النتيجة تزداد بنسبة 35%، وإذا كانت OR = 0.70، فإن الأرجحية تنخفض بنسبة 30%.

ويجدر التأكيد هنا على ضرورة الالتزام الصارم بالتفريق بين لغة “الارتباط” ولغة “السببية”. ففي الدراسات المقطعية (Cross-Sectional) والارتباطية، يحظر استخدام ألفاظ جازمة مثل: “أدى التعرض إلى زيادة الإصابة”، ويُستعاض عنها بعبارات منضبطة مثل: “ارتبط التعرض بارتفاع ذي دلالة إحصائية في أرجحية الإصابة”. إن هذا الانضباط اللغوي يحمي البحث من الوقوع في شرك الاستنتاجات المفرطة (Overgeneralization) ويحفظ الأمانة العلمية لتصميم الدراسة.

3. فترات الثقة وقاعدة الرقم 1: معايير الحكم على الدلالة الإحصائية

3.1 القاعدة المحورية لقيمة الحياد (The Value of 1.0)

تستند عملية اختبار الفرضيات الإحصائية لنسب الأرجحية إلى مبدأ مقارنة النتائج التجريبية بقيمة الحياد الفرضية المتمثلة في الرقم واحد الصحيح (1.0). تعكس هذه القيمة غياب أي فرق نسبي بين المجموعات (تساوي الأرجحيتين في البسط والمقام). وبناءً على هذا المبدأ، تمثل العلاقة الهندسية والرياضية بين فترة الثقة والرقم 1 المعيار الحاسم لتحديد ما إذا كانت النتيجة دالة إحصائياً عند مستوى المعنوية المحدد (α = .05) دون الحاجة أحياناً للنظر إلى القيمة الاحتمالية p.

تتفرع عن هذه القاعدة حالتان رئيسيتان:

• حالة اشتمال فترة الثقة على الرقم 1 (Crossing the Null Value): إذا كان الحد الأدنى لفترة الثقة أقل من 1.0 بينما الحد الأعلى أكبر من 1.0 (مثال: 95% CI [0.85, 1.45])، فإننا نفشل في رفض فرضية العدم (Fail to Reject H₀). تعني هذه النتيجة أن البيانات المتاحة لا تقدم دليلاً كافياً على وجود تأثير أو ارتباط دال إحصائياً، حيث تظل احتمالية أن تكون النسبة الحقيقية مساوية للواحد الصحيح قائمة ومعتبرة إحصائياً.
• حالة خلو فترة الثقة من الرقم 1 (Excluding the Null Value): إذا وقعت فترة الثقة بأكملها فوق الرقم واحد (مثال: 95% CI [1.15, 2.80])، أو وقعت بأكملها تحت الرقم واحد (مثال: 95% CI [0.35, 0.82])، تُعد النتيجة ذات دلالة إحصائية مؤكدة عند مستوى p < .05. في الحالة الأولى، نستنتج وجود زيادة ذات دلالة إحصائية في الأرجحية، بينما نستنتج في الحالة الثانية وجود انخفاض ذي دلالة إحصائية في الأرجحية.

3.2 اللاتماثل في فترات ثقة نسب الأرجحية واستخدام التحويل اللوغاريتمي

من الخصائص الرياضية المعقدة لنسب الأرجحية أنها تتبع توزيعاً غير متماثل ومشدوداً بشدة نحو اليمين (Right-Skewed Distribution) على مقياسها الأصلي. فالقيم التي تمثل انخفاضاً في الأرجحية محصورة بالكامل في المجال الضيق بين (0 و 1)، في حين أن القيم التي تمثل زيادة في الأرجحية تمتد بلا حدود من (1 إلى ما لا نهاية). هذا اللاتماثل يجعل من المستحيل حساب فترات الثقة الخطية المعتادة (القيمة ± 1.96 × الخطأ المعياري) مباشرة على نسب الأرجحية، لأن ذلك قد يؤدي إلى استخراج حدود دنيا سالبة، وهو أمر مستحيل رياضياً في عالم الأرجحيات.

لحل هذه المعضلة الحسابية، تعتمد البرمجيات الإحصائية تحويلاً رياضياً عبر اللوغاريتم الطبيعي، يُعرف بمقياس “اللوجت” أو أرجحية اللوغاريتم (Log-Odds / Logit Scale). في هذا المقياس اللوغاريتمي، تصبح الدالة متماثلة تماماً حول الصفر (حيث Log(1) = 0)، وتتبع التوزيع الطبيعي المعياري. يتم حساب الخطأ المعياري لأرجحية اللوغاريتم SE(ln OR)، ثم تُبنى فترة الثقة على المقياس اللوغاريتمي عبر المعادلة:

ln(OR) ± 1.96 × SE(ln OR)

بعد تحديد الحدين الأدنى والأعلى على المقياس اللوغاريتمي، يتم تطبيق التحويل العكسي الأسي (Exponentiation – e^x) لإرجاع القيمتين إلى مقياس نسبة الأرجحية الأصلي. تؤدي هذه العملية الحسابية إلى إنتاج فترات ثقة غير متماثلة حول القيمة النقطية (تكون المسافة بين القيمة النقطية والحد الأعلى أكبر دائماً من المسافة بينها وبين الحد الأدنى)، وهو السلوك الرياضي الصحيح والمعتمد عالمياً.

3.3 المقارنة بين الدلالة الإحصائية والدلالة الإكلينيكية/العملية

يقع كثير من الباحثين المبتدئين في خطأ مساواة الدلالة الإحصائية بالدلالة الإكلينيكية أو العملية (Clinical vs. Statistical Significance). فقد تُظهر دراسة نفسية أجريت على عينة ضخمة قوامها 50,000 مبحوث أن تدخلاً معيناً يرتبط بنسبة أرجحية OR = 1.03 مع فترة ثقة 95% CI [1.01, 1.05] وقيمة احتمالية p = .002. على الرغم من أن النتيجة “دالة إحصائياً” بكل المقاييس، إلا أن الزيادة في الأرجحية البالغة 3% فقط قد تكون عديمة الجدوى تماماً من منظور الممارسة العيادية والتكلفة العلاجية.

وعلى العكس من ذلك، قد تفحص دراسة سريرية تجريبية على اضطراب نفسي نادر عينة صغيرة مؤلفة من 40 مريضاً، وتخلص إلى أن التدخل الجديد حقق OR = 3.50 مع فترة ثقة 95% CI [0.90, 13.60] وقيمة p = .07. هنا، على الرغم من أن النتيجة لم تصل إلى عتبة الدلالة الإحصائية التقليدية (بسبب ضعف القوة الإحصائية وصغر العينة)، إلا أن حجم الأثر الكبير والحد الأعلى الواعد لفترة الثقة يفرضان على الباحثين عدم إهمال هذا التدخل، بل التوصية بإعادة اختباره في عينات أوسع. إن الإبلاغ الشفاف والشامل عن فترات الثقة يمنح القارئ والباحث القدرة على تقييم هذه الأبعاد الإكلينيكية المعقدة بدلاً من الانصياع الأعمى لاختبارات الفرضيات الصفرية الثنائية.

4. معايير دليل النشر لجمعية علم النفس الأمريكية (APA Style) لتوثيق نسب الأرجحية

4.1 الصياغة النصية والترميز المعتمد وفق الإصدار السابع (APA 7th)

يضع دليل النشر العلمي الصادر عن جمعية علم النفس الأمريكية في نسخته السابعة (APA 7th Edition) معايير طباعية وتنسيقية صارمة لتوثيق الإحصاءات الاستدلالية. تتطلب هذه المعايير كتابة الرموز الإحصائية اللاتينية المكونة من أحرف مفردة أو اختصارات مائلة (Italicized) عندما تشير إلى متغيرات أو معالم إحصائية؛ وبالتالي يجب كتابة OR و CI بخط مائل دائماً داخل المتن والجداول التوضيحية، بينما تظل الأرقام والأقواس قائمة (Regular font).

أما بخصوص كتابة فترات الثقة، فيفرض دليل APA استخدام الأقواس المعقوفة المربعة لحصر حدود الفترة، مع إدراج مستوى الثقة قبل القوس مباشرة متبوعاً بالرمز CI، والحرص على وجود مسافة واحدة بعد الفاصلة التي تفصل بين الحد الأدنى والحد الأعلى. كما تنص القواعد على تقريب كافة معاملات نسب الأرجحية وحدود الثقة إلى منزلتين عشريتين. وبناءً على هذه التوجيهات الصارمة، تكون الصيغة المعيارية المعتمدة هي:

الصيغة النموذجية: OR = 2.14, 95% CI [1.32, 3.48]

4.2 التكامل بين نسبة الأرجحية والقيم الاحتمالية ومؤشرات الاختبار

لا يُفضل في الكتابة الأكاديمية المتقدمة تقديم نسبة الأرجحية بمعزل عن الاختبار الإحصائي الأساسي الذي تولدت منه؛ بل يجب أن تتكامل القيمة النقطية وفترة ثقتها مع إحصاء الاختبار المحسوب وقيمته الاحتمالية المرافقة. ففي سياق الجداول التقاطعية، يتم إقران نسبة الأرجحية باختبار مربع كاي للاستقلالية (Chi-Square Test – χ²) ودرجات الحرية المقترنة به وحجم العينة الكلي.

أما في نماذج الانحدار اللوجستي، فيتم تقديم نسبة الأرجحية جنباً إلى جنب مع اختبار فالد (Wald test) أو اختبار النسبة الاحتمالية (Likelihood Ratio Test). وتُكتب القيمة الاحتمالية بدقة حتى منزلتين أو ثلاث منازل عشرية دون وضع صفر قبل الفاصلة (Leading zero) نظراً لأن قيمة p لا يمكن أن تتجاوز الواحد الصحيح رياضياً (مثل: p = .023)، مع استخدام صيغة المتباينة (p < .001) فقط عند هبوط القيمة الحسابية دون هذه العتبة الصغرى.

النموذج التكاملي: χ²(1, N = 240) = 8.64, p = .003, OR = 2.45, 95% CI [1.36, 4.41]

4.3 صياغة الجمل التقريرية باللغتين العربية والإنجليزية للأطروحات العلمية

يتطلب إعداد الأطروحات الجامعية والأوراق البحثية المنشورة صياغة لغوية تلتزم بالسياق الإحصائي دون ركاكة أسلوبية. فيما يلي نماذج لجمل تقريرية معيارية معدة للنشر المباشر:

النموذج الأول: تقرير فروق دالة إحصائياً (زيادة في الأرجحية):

• باللغة العربية: “أظهرت نتائج تحليل الانحدار اللوجستي الثنائي أن الطلاب الذين يعانون من مستويات مرتفعة من قلق الاختبار كانت لديهم أرجحية أعلى بمرتين ونصف للرسوب في الاختبار النهائي مقارنة بأقرانهم ذوي المستويات المنخفضة من القلق، وهو تأثير دال إحصائياً، OR = 2.50, 95% CI [1.45, 4.31], p = .001.”
• باللغة الإنجليزية: “Binary logistic regression indicated that students with high test anxiety had significantly higher odds of failing the final examination compared to those with low anxiety, OR = 2.50, 95% CI [1.45, 4.31], p = .001.”

النموذج الثاني: تقرير تأثير وقائي دال إحصائياً (انخفاض في الأرجحية):

• باللغة العربية: “ارتبطت ممارسة اليقظة الذهنية بانخفاض ذي دلالة إحصائية في أرجحية التعرض للاحتراق النفسي المهني بمقدار 45% مقارنة بالمجموعة الضابطة، OR = 0.55, 95% CI [0.38, 0.79], p = .002.”
• باللغة الإنجليزية: “Mindfulness practice was associated with a significant 45% reduction in the odds of experiencing occupational burnout compared to the control group, OR = 0.55, 95% CI [0.38, 0.79], p = .002.”

النموذج الثالث: تقرير غياب الدلالة الإحصائية:

• باللغة العربية: “لم يرتبط المستوى التعليمي بارتفاع دال إحصائياً في أرجحية طلب الاستشارة النفسية، OR = 1.15, 95% CI [0.88, 1.51], p = .312.”
• باللغة الإنجليزية: “Educational level was not significantly associated with the odds of seeking psychological counseling, OR = 1.15, 95% CI [0.88, 1.51], p = .312.”

5. الإبلاغ عن نسب الأرجحية في الانحدار اللوجستي الثنائي (Binary Logistic Regression)

5.1 معامِلات الانحدار (B) والتحويل إلى نسب الأرجحية (Exp(B))

في نموذج الانحدار اللوجستي الثنائي، المتغير التابع هو متغير فئوي ثنائي (Y = 0 أو 1). لا يقوم النموذج بالتنبؤ بالاحتمال مباشرة بطريقة خطية، بل يتنبأ باللوغاريتم الطبيعي لأرجحية وقوع الحدث (Log-Odds)، والتي تُعرف بمتغير اللوجت (Logit). وبناءً على ذلك، فإن معامل الانحدار غير المعياري المباشر، والذي يُرمز له بالحرف (B)، يمثل مقدار التغير في لوغاريتم الأرجحية لكل وحدة تغير واحدة في المتغير المستقل.

نظراً لصعوبة التفسير العملي لمقياس اللوجت اللوغاريتمي، يتم تطبيق التحويل الأسي على معامل الانحدار عبر رفع الأساس الطبيعي e للقوة B، وهو ما يُشار إليه في مخرجات البرامج الإحصائية بالرمز Exp(B). يمثل هذا المقدار المتحول نسبة الأرجحية المضبوطة (OR). عند كتابة التقارير الإحصائية، يجب تضمين كل من معامل الانحدار اللوغاريتمي B، والخطأ المعياري المقترن به (SE)، وإحصاء فالد (Wald χ²)، ودرجات الحرية (df)، والقيمة الاحتمالية (p)، ونسبة الأرجحية Exp(B) مع فترة الثقة 95% CI الخاصة بها لضمان الشفافية التحليلية الكاملة.

5.2 نسب الأرجحية للمتغيرات المستقلة الفئوية (Categorical Predictors)

عند إدخال متغير مستقل فئوي في نموذج الانحدار اللوجستي (مثل: الحالة الاجتماعية: أعزب، متزوج، مطلق، أرمل)، يتعين على المحلل استخدام أسلوب الترميز الوهمي (Dummy Coding) أو ترميز المؤشرات (Indicator Coding). يتطلب هذا الإجراء الرياضي اختيار إحدى الفئات لتكون “الفئة المرجعية” (Reference Category)، والتي يُفترض أن معامل انحدارها ونسبة أرجحيتها تساوي القيمة المحايدة (B = 0, OR = 1.00).

تتم بعد ذلك مقارنة كل فئة متبقية من فئات المتغير المستقل بهذه الفئة المرجعية بشكل منفصل ومستقل. عند كتابة التقرير، يجب تحديد الفئة المرجعية بدقة بالغة؛ كأن يُذكر: “تم اختيار فئة غير المتزوجين كفئة مرجعية”. وتُفسر نسبة الأرجحية الناتجة لكل فئة كأرجحية نسبية لوقوع الحدث لدى أفراد تلك الفئة المحددة مقارنة بالفئة المرجعية حصراً، مع تثبيت أثر كافة المتغيرات الأخرى الداخلة في النموذج الإحصائي.

5.3 نسب الأرجحية للمتغيرات المستقلة المتصلة (Continuous Predictors)

يختلف تفسير نسبة الأرجحية للمتغيرات المستقلة المتصلة (مثل: العمر بالسنوات، أو درجات الذكاء IQ، أو درجات مقياس بيك للاكتئاب BDI) بصورة جوهرية عن المتغيرات الفئوية. تعبر قيمة Exp(B) في حالة المتغير المتصل عن مقدار التغير المضاعف في أرجحية وقوع الحدث التابع مقابل كل زيادة مقدارها وحدة قياس واحدة في المتغير المتصل، بافتراض ثبات بقية المتغيرات.

ومع ذلك، تواجه الباحثين معضلة تفسيرية عندما تكون وحدة القياس الواحدة ضئيلة جداً سريرياً، كما في المقاييس النفسية الممتدة من (0 إلى 100). ففي هذه الحالات، قد تكون نسبة الأرجحية لوحدة واحدة قريبة جداً من الواحد الصحيح (مثل OR = 1.02 لكل درجة إضافية)، مما يوحي بصرياً بضعف التأثير. ولتجاوز هذا القصور الإيضاحي، يمكن للباحث حساب وإبلاغ نسب الأرجحية لقفزات معيارية ذات معنى سريري (مثل زيادة بمقدار 5 أو 10 درجات) باستخدام المعادلة الرياضية التحويلية:

OR_Δk = e^{(k × B)} = (OR₁)^k

حيث تمثل k عدد الوحدات المستهدفة (مثلاً k = 10). فإذا كان OR للدرجة الواحدة 1.05، فإن OR لزيادة 10 درجات على مقياس الاكتئاب يُحسب كالتالي: (1.05)¹⁰ = 1.63، مما يعني أن زيادة 10 درجات على المقياس ترفع أرجحية الاضطراب بنسبة 63%، وهو ما يمنح النتيجة وزناً إكلينيكياً بالغ الوضوح.

6. الإبلاغ عن نسب الأرجحية في النماذج اللوجستية المتقدمة والمتعددة

6.1 الانحدار اللوجستي المتعدد (Multinomial Logistic Regression)

يُستخدم نموذج الانحدار اللوجستي المتعدد عندما يكون المتغير التابع فئوياً اسمياً يتألف من أكثر من مستويين غير مرتبين (مثل: نوع التدخل المفضل: علاج دوائي، علاج معرفي سلوكي، علاج بالقبول والالتزام). في هذا النموذج المعقد، يختار الباحث إحدى فئات المتغير التابع لتكون “الفئة المرجعية للنتيجة” (Baseline Outcome Category)، ويقوم النموذج بإنشاء سلسلة من معادلات الانحدار اللوجستي الثنائية المتزامنة لمقارنة كل فئة متبقية بالفئة المرجعية الأساسية.

تُعرف معاملات الأثر في هذا النموذج بنسب أرجحية المخاطر النسبية (Relative Risk Ratios – RRR) أو نسب الأرجحية المتعددة (Multinomial Odds Ratios). عند كتابة التقارير، يجب تقديم جدول تحليلي مفصل يُفرد قسماً مستقلاً لكل مقارنة زوجية بين فئة الهدف والفئة المرجعية، مع ضرورة الإشارة في متن التقرير إلى الفئة المرجعية المختارة للمتغير التابع، وتفسير نسب الأرجحية في إطار الخيارات المتمايزة للمفحوصين.

6.2 الانحدار اللوجستي الترتيبي (Ordinal Logistic Regression)

يُطبق نموذج الانحدار اللوجستي الترتيبي عندما يتخذ المتغير التابع صفة الترتيب التدريجي (مثل: شدة الاضطراب النفسي: خفيف، متوسط، شديد؛ أو مستويات الرضا: منخفض، متوسط، مرتفع). يعتمد النموذج القياسي الأكثر شيوعاً على لوجت الأرجحيات التراكمية (Cumulative Odds Model). ويفترض هذا النموذج مبدأً رياضياً صارماً يُعرف بافتراض “الاحتمالات النسبية” أو “الخطوط المتوازية” (Proportional Odds / Parallel Lines Assumption).

يفترض هذا المبدأ أن تأثير المتغير المستقل ثابت ومتطابق عبر كافة العتبات والنقاط الفاصلة للمتغير الترتيبي (أي أن نسبة الأرجحية للانتقال من “خفيف” إلى “متوسط أو شديد” هي ذاتها نسبة الأرجحية للانتقال من “خفيف أو متوسط” إلى “شديد”). يتعين على الباحث قبل كتابة تقرير نسب الأرجحية التراكمية التحقق من هذا الافتراض عبر اختبار برانت (Brant test) أو اختبار فالد المعمم؛ فإذا ثبتت صحة الفرضية (p > .05)، يتم الإبلاغ عن نسبة أرجحية تراكمية موحدة (Cumulative OR) تمثل الانتقال عبر كافة المستويات الترتيبية المتصاعدة للمتغير التابع.

6.3 نسب الأرجحية المعدلة (Adjusted Odds Ratios – aOR) في النماذج متعددة المتغيرات

في الأبحاث النفسية والوبائية الواقعية، نادراً ما تعمل المتغيرات المستقلة بمعزل عن غيرها؛ إذ غالباً ما تتداخل المتغيرات المربكة (Confounding Variables) لتشوه العلاقة الحقيقية بين المنبئ والنتيجة. من هنا يبرز الفارق الجوهري بين نسب الأرجحية الخام (Crude / Unadjusted OR) المستخرجة من التحليلات أحادية المتغير، ونسب الأرجحية المعدلة (Adjusted Odds Ratios – aOR) المستخرجة من نماذج الانحدار اللوجستي المتعددة التي تضبط وتثبت إحصائياً تأثير المتغيرات الديموغرافية والسريرية المربكة (مثل: العمر، والجنس، والمستوى الاجتماعي والاقتصادي).

عند إعداد التقرير النهائي، تقتضي الأمانة العلمية عرض كل من نسب الأرجحية الخام والمعدلة جنباً إلى جنب داخل جدول النتائج الرئيسي، مع توثيق القائمة الكاملة لكافة المتغيرات التي تم إدخالها كضوابط في النموذج النهائي في الهامش السفلي للجدول. يتيح هذا العرض المقارن للقارئ ملاحظة كيف تغير حجم الأثر واتجاهه عقب التحكم في العوامل الدخيلة؛ كأن تنخفض نسبة الأرجحية الخام من cOR = 2.80 إلى aOR = 1.40 بعد ضبط العمر والتعليم، مما يكشف عن أن جزءاً كبيراً من التأثير الظاهري الأولي كان مدفوعاً بالمتغيرات المربكة وليس بالعامل المستقل الأساسي.

7. أمثلة تطبيقية ونماذج تقارير في سياقات البحث النفسي والتجريبي

7.1 السيناريو الأول: تقييم فاعلية برنامج تدريبي أو تدخلي (حالة وجود دلالة إحصائية)

وصف الدراسة: أجريت دراسة شبه تجريبية لتقييم فاعلية برنامج تدريبي قائم على “العلاج بالقبول والالتزام (ACT)” في مساعدة مرضى الإدمان على الامتناع التام عن التعاطي لمدة 6 أشهر. تم تقسيم 160 مريضاً بالتساوي إلى مجموعتين: المجموعة التجريبية (تلقت برنامج ACT، n = 80)، والمجموعة الضابطة (تلقت الإرشاد التقليدي المعتاد، n = 80). أظهرت النتائج بعد 6 أشهر أن 52 مريضاً في المجموعة التجريبية حافظوا على الامتناع (نجاح = 65%) مقابل 28 مريضاً فقط في المجموعة الضابطة (نجاح = 35%).

الحسابات الإحصائية:

• أرجحية النجاح في المجموعة التجريبية = 52 / (80 – 52) = 52 / 28 = 1.857
• أرجحية النجاح في المجموعة الضابطة = 28 / (80 – 28) = 28 / 52 = 0.538
• نسبة الأرجحية النقطية: OR = 1.857 / 0.538 = 3.45
• فترة الثقة 95%: 95% CI [1.81, 6.58]
• اختبار الدلالة: χ²(1, N = 160) = 14.40, p < .001

التقرير النصي النموذجي المكتوب وفق معايير APA 7th:

“أشارت نتائج اختبار مربع كاي للاستقلالية إلى وجود علاقة ارتباطية ذات دلالة إحصائية بين نوع البرنامج العلاجي والامتناع عن التعاطي بعد مرور ستة أشهر على التدخل، χ²(1, N = 160) = 14.40, p < .001. وأظهرت تحليلات نسبة الأرجحية أن المرضى الذين شاركوا في برنامج العلاج بالقبول والالتزام (ACT) كانت أرجحية حفاظهم على الامتناع التام تفوق أرجحية أقرانهم في مجموعة الإرشاد التقليدي بما يزيد عن ثلاثة أضعاف، OR = 3.45, 95% CI [1.81, 6.58]. ونظراً لأن فترة الثقة 95% تخلو تماماً من قيمة الحياد (1.0)، فإن هذا يوفر دليلاً إكلينيكياً قوياً على التفوق الملموس للتدخل التجريبي في تعزيز التعافي المستدام مقارنة بالممارسات الإرشادية المعتادة.”

7.2 السيناريو الثاني: دراسة ارتباطية لعامل خطر نفسي (حالة غياب الدلالة الإحصائية)

وصف الدراسة: استهدفت دراسة مقطعية فحص العلاقة بين الحرمان المزمن من النوم (أقل من 6 ساعات يومياً) والإصابة بأعراض الرهاب الاجتماعي لدى عينة من طلاب الجامعة (N = 300). صُنف 100 طالب كمعانين من الحرمان من النوم، و 200 طالب كذوي نمط نوم طبيعي. أظهرت الفحوصات أن 22 طالباً من مجموعة الحرمان يعانون من الرهاب الاجتماعي (22%)، مقارنة بـ 36 طالباً في مجموعة النوم الطبيعي (18%).

الحسابات الإحصائية:

• نسبة الأرجحية: OR = (22 × 164) / (78 × 36) = 3608 / 2808 = 1.28
• فترة الثقة 95%: 95% CI [0.71, 2.32]
• اختبار الدلالة: χ²(1, N = 300) = 0.69, p = .407

التقرير النصي الأكاديمي الرصين:

“كشفت التحليلات الإحصائية عن عدم وجود ارتباط ذي دلالة إحصائية بين الحرمان المزمن من النوم والإصابة بالرهاب الاجتماعي بين أفراد العينة، χ²(1, N = 300) = 0.69, p = .407, OR = 1.28, 95% CI [0.71, 2.32]. وعلى الرغم من أن التقدير النقطي يشير ظاهرياً إلى ارتفاع أرجحية الرهاب الاجتماعي بنسبة 28% لدى فئة المحرومين من النوم، إلا أن اشتمال فترة الثقة 95% على القيمة المحايدة (1.0) وتأرجحها الواسع بين انخفاض محتمل قدره 29% وزيادة محتملة تصل إلى 132% يشير إلى عدم كفاية الأدلة الإحصائية لرفض فرضية العدم. ولا تعني هذه النتيجة بالضرورة انعدام التأثير في المجتمع، بل تعكس الحاجة إلى دراسات تتبعية أوسع تأخذ في الحسبان جودة النوم والمتغيرات النفسية الوسيطة.”

7.3 السيناريو الثالث: تقرير نموذج انحدار لوجستي متعدد في دراسة نفسية واسعة

وصف الدراسة: فحصت دراسة تتبعية واسعة (N = 850) العوامل المنبئة بالالتزام بمواعيد جلسات العلاج النفسي (1 = ملتزم، 0 = متسرب). تضمن النموذج أربعة متغيرات منبئة: التحالف العلاجي (متصل: درجات من 10-70)، شدة الأعراض الأولية (متصل: 0-50)، الجنس (فئوي: 0 = ذكور [مرجع]، 1 = إناث)، والمسافة الجغرافية عن العيادة (فئوي: 0 = قريبة [مرجع]، 1 = بعيدة).

جدول نتائج الانحدار اللوجستي التعددي بصيغة APA Style:

المتغير المنبئ (Predictor)	B	SE	Wald χ²	df	p	Exp(B) [OR]	95% CI for OR
التحالف العلاجي (لكل زيادة بنقطة)	0.08	0.02	16.00	1	< .001	1.08	[1.04, 1.12]
شدة الأعراض الأولية	-0.04	0.01	10.25	1	.001	0.96	[0.94, 0.98]
الجنس (الإناث مقارنة بالذكور*)	0.45	0.18	6.25	1	.012	1.57	[1.10, 2.23]
المسافة (بعيدة مقارنة بالقريبة*)	-0.62	0.20	9.61	1	.002	0.54	[0.36, 0.79]
الحد الثابت (Constant)	-1.20	0.45	7.11	1	.008	0.30	—

ملاحظة: N = 850. جودة توفيق النموذج الكلي: Omnibus χ²(4) = 78.34, p < .001, Nagelkerke R² = .185. تشير العلامة (*) إلى الفئة المرجعية المحددة لكل متغير فئوي.

الفقرة التحليلية والتفسيرية المرافقة للجدول:

“أظهر نموذج الانحدار اللوجستي التعددي قدرة تنبؤية دالة إحصائياً في تفسير الالتزام بجلسات العلاج النفسي، χ²(4) = 78.34, p < .001, Nagelkerke R² = .185. وعند ضبط تأثير كافة المتغيرات المدرجة في النموذج، تبين أن قوة التحالف العلاجي ارتبطت إيجابياً بالالتزام؛ حيث أدت كل زيادة بمقدار درجة واحدة على مقياس التحالف إلى ارتفاع أرجحية الالتزام بالعلاج بنسبة 8% (aOR = 1.08, 95% CI [1.04, 1.12], p < .001). في المقابل، ارتبطت شدة الأعراض النفسية الأولية بانخفاض دال في الالتزام (aOR = 0.96, 95% CI [0.94, 0.98], p = .001)، مما يعني أن كل زيادة بوحدة واحدة في شدة الأعراض تقلل من أرجحية الالتزام بنسبة 4%.

وفيما يتعلق بالمتغيرات الفئوية، كانت أرجحية التزام الإناث بالعلاج أعلى بنسبة 57% مقارنة بالذكور (aOR = 1.57, 95% CI [1.10, 2.23], p = .012). وأخيراً، شكلت المسافة الجغرافية عائقاً ملموساً أمام الاستمرار؛ حيث انخفضت أرجحية الالتزام لدى المرضى القاطنين في مناطق بعيدة بنسبة 46% مقارنة بأولئك المقيمين في مناطق قريبة من العيادة (aOR = 0.54, 95% CI [0.36, 0.79], p = .002).”

8. التحويل بين نسب الأرجحية ومقاييس حجم الأثر الأخرى

8.1 العلاقة والتحويل بين نسبة الأرجحية (OR) ونسبة الخطر (Risk Ratio – RR)

في الدراسات الطبية والوبائية والتجريبية، يُفضل الباحثون أحياناً استخدام مقياس “نسبة الخطر النسبي” (Risk Ratio أو Relative Risk – RR)، والذي يقارن مباشرة بين احتمالي وقوع الحدث في المجموعتين: RR = P₁ / P₀. تتطابق قيمة نسبة الأرجحية (OR) وقيمة نسبة الخطر (RR) أو تتقاربان بشدة فقط وحصرياً عندما تكون النتيجة المدروسة نادرة الحدوث في المجتمع (Rare Disease Assumption)، أي عندما يكون معدل انتشار الحدث أقل من 10% (P < .10).

أما عندما تصبح الظاهرة شائعة الحدوث (Common Outcomes، مثل القلق العام أو التوتر لدى طلاب الجامعات بنسب تتجاوز 30%)، فإن نسبة الأرجحية تتباعد جوهرياً عن نسبة الخطر وتبدأ في تضخيم حجم الأثر؛ فالأرجحية تبالغ في إظهار التأثير الإيجابي (تكون أعلى بكثير من RR إذا كان التأثير > 1) وتبالغ في إظهار التأثير السلبي (تكون أقرب للصفر من RR إذا كان التأثير < 1). يمكن تحويل نسبة الأرجحية إلى نسبة خطر تقريبية باستخدام معادلة تشانغ ويو (Zhang & Yu, 1998):

RR = OR / [ (1 – P₀) + (P₀ × OR) ]

حيث تمثل P₀ معدل انتشار الحدث الأساسي في المجموعة غير المعرضة أو المرجعية. يمنع هذا التحويل الوقوع في خطأ إبلاغ صناع القرار بنسب خطر مبالغ فيها قد تؤدي إلى سوء تقدير الجدوى الاقتصادية والصحية للتدخلات المقترحة.

8.2 التحويل بين نسبة الأرجحية ومؤشر كوهين (Cohen’s d)

في أبحاث التحليل التلوي (Meta-Analysis) في علم النفس والتربية، يواجه الباحث مشكلة منهجية شائعة تتمثل في أن بعض الدراسات المسترجعة تقيس المتغير التابع كمياً بصورة متصلة وتوفر متوسطات وانحرافات معيارية تتيح حساب مؤشر كوهين المعياري للفروق (Cohen’s d أو Hedges’ g)، في حين تقيس دراسات أخرى نفس الظاهرة كمياً بصورة ثنائية (ناجح/راسب، مصاب/سليم) وتوفر نسب أرجحية (OR).

لدمج هذه الدراسات في تحليل تلوي موحد، تم تطوير معادلات تحويلية رياضية رصينة، أبرزها معادلة هاسلبلاد وهيجز (Hasselblad & Hedges, 1995)، والتي تستند إلى تحويل لوغاريتم نسبة الأرجحية إلى مقياس d عبر القسمة على الثابت الرياضي المولد لتوزيع لوجستي معياري (π / √3 ≈ 1.814):

d = ln(OR) × (√3 / π) = ln(OR) / 1.814

كما يمكن التحويل العكسي من مؤشر كوهين إلى نسبة الأرجحية عبر المعادلة:

ln(OR) = d × (π / √3) = d × 1.814 => OR = e^{(d × 1.814)}

وبناءً على هذه المعادلات، فإن قيمة d = 0.20 (أثر صغير) تعادل OR ≈ 1.44، وقيمة d = 0.50 (أثر متوسط) تعادل OR ≈ 2.48، بينما قيمة d = 0.80 (أثر كبير) تعادل OR ≈ 4.27، وهو ما يوفر معياراً كمياً إرشادياً لتقييم حجم الأثر لنسب الأرجحية في العلوم السلوكية.

8.3 التحويل إلى مؤشر الارتباط ثنائي التسلسل وتطبيقات التحليل التلوي

بالإضافة إلى التحويل لمؤشر d، يحتاج الباحثون أحياناً إلى تحويل نسبة الأرجحية إلى معاملات ارتباط كمعامل فاي (Phi Coefficient – φ) أو معامل الارتباط ثنائي التسلسل (Tetrachoric Correlation – r_tet) لدمجها مع مصفوفات معاملات ارتباط بيرسون. يُستخدم التحويل التقريبي المستند إلى دالة الجيب التمامية أو التحويل المباشر عبر المعادلة المعيارية التي تربط معامل الارتباط بمؤشر كوهين المشتق من نسبة الأرجحية:

r = d / √(d² + 4)

تفرض التوجيهات المنهجية العالمية لشبكة كوكرين (Cochrane Collaboration) ومنظمة PRISMA توثيق كافة معادلات التحويل الرياضية المستخدمة في قسم المنهجية بالأوراق العلمية التجميعية بدقة تامة، مع ضرورة إعادة حساب الخطأ المعياري المحول وفترات الثقة المقترنة به لتفادي أي تحيز في أوزان الدراسات (Study Weights) داخل نماذج التأثيرات الثابتة أو العشوائية.

9. الأخطاء المنهجية الشائعة وسوء التفسير عند كتابة تقارير نسب الأرجحية

9.1 الخلط القاتل: تفسير نسبة الأرجحية كنسبة مئوية للمخاطر المباشرة

يُعد تفسير نسبة الأرجحية كنسبة مئوية للمخاطر أو الاحتمالات المباشرة أكثر الأخطاء شيوعاً وخطورة في الأدبيات الطبية والسلوكية المنشورة. يقع هذا الخطأ عندما يكتب الباحث عبارة مثل: “المرضى الخاضعون للبرنامج العلاجي كانوا أكثر عرضة للشفاء بنسبة 3 مرات” بناءً على OR = 3.00. هذه الصياغة خاطئة كلياً؛ لأن عبارة “أكثر عرضة بثلاث مرات” تعني أن الخطر النسبي RR = 3.0 (أي أن نسبة الشفاء زادت بمقدار 200%)، في حين أن OR = 3.00 تعني أن “أرجحية الشفاء إلى عدم الشفاء” هي التي تضاعفت ثلاث مرات.

إذا كان معدل الشفاء التلقائي في المجموعة الضابطة مرتفعاً (مثلاً 50%)، فإن نسبة أرجحية OR = 3.00 تقابل في الواقع نسبة خطر فعلي RR = 1.50 فقط (أي زيادة حقيقية بنسبة 50% في عدد المتعافين وليس 200%). يؤدي هذا التضخيم الوهمي إلى تشويه خطير لنتائج التدخلات النفسية. ولتصحيح هذا الخطأ، يجب الالتزام لغوياً بمصطلح “أرجحية” (Odds) حصراً في الصياغة العربية، أو تحويل القيمة رياضياً إلى خطر نسبي (RR) إذا كان الهدف هو الإبلاغ بلغة الاحتمالات المباشرة للجمهور العام.

9.2 إغفال الاتجاه وتجاهل تحديد الفئة المرجعية

من المزالق التحريرية الشائعة إغفال توضيح المجموعة التي تم وضعها في البسط والمجموعة التي تم وضعها في المقام عند حساب النسبة. فالإبلاغ بأن “نسبة أرجحية النجاح بلغت 0.40 للتدريب السلوكي مقارنة بالمعرفي” قد يربك القارئ إذا لم يُوضح تماماً أن التدريب المعرفي هو الفئة المرجعية (المقام). هذا يعني أن أرجحية النجاح في السلوكي أقل بنسبة 60% من المعرفي، أو بصيغة مقلوبة مكافئة: أرجحية النجاح في المعرفي أعلى بمقدار 2.5 مرة مقارنة بالسلوكي (حيث 1 / 0.40 = 2.50).

وعندما تكون نسب الأرجحية أقل من الواحد الصحيح (تأثيرات وقائية)، يصعب على كثير من القراء استيعاب مغزى الأرقام العشرية الصغيرة (مثل OR = 0.18). في مثل هذه الحالات، يُنصح الباحث منهجياً بتقديم أمرين: أولاً، ذكر النسبة المئوية للانخفاض [ (1 – OR) × 100% ]؛ وثانياً، حساب مقلوب نسبة الأرجحية (Inverted Odds Ratio: 1 / OR) مع تغيير اتجاه المقارنة اللفظية لتبسيط الفهم، كأن يُقال: “انخفضت أرجحية الانتكاس بنسبة 82% في المجموعة التجريبية (OR = 0.18)، مما يعني أن أرجحية الانتكاس لدى المجموعة الضابطة كانت أعلى بـ 5.56 مرة مقارنة بالمجموعة التجريبية”.

9.3 تجاهل فترات الثقة والتركيز الأحادي على القيمة النقطية

ينطوي التركيز المطلق على التقدير النقطي وإغفال فترات الثقة على مخاطر تضليل علمي جسيمة. فكثيراً ما يعمد بعض الباحثين إلى التباهي بنسبة أرجحية مرتفعة ظاهرياً (مثل OR = 4.20) واعتبار التدخل النفسي ذا فاعلية خارقة، متجاهلين تماماً أن فترة الثقة المرافقة تمتد من [0.80 إلى 22.05]. إن هذا التجاهل يخفي حقيقة أن النتيجة غير دالة إحصائياً (لاشتمالها على 1.0)، وأن التقدير النقطي يفتقر إلى الاستقرار الإحصائي بسبب صغر العينة.

يتعين على المراجعين والمحكمين رفض أي تقرير إحصائي يكتفي بذكر التقدير النقطي وقيمة p دون إدراج حدود فترة الثقة. كما يجب فحص اتساع الفترة كمعيار لجودة التخطيط المنهجي للدراسة؛ فالفترات شديدة الاتساع تُعد مؤشراً حاسماً على ضعف القوة الإحصائية (Low Statistical Power) وتستوجب التوصية الصريحة بزيادة حجم العينة في الدراسات المستقبلية بدلاً من بناء استنتاجات قاطعة على نتائج متذبذبة.

10. العرض البصري والجدولي لنسب الأرجحية في المجلات العلمية المحكمة

10.1 تصميم جداول نسب الأرجحية وفق مواصفات النشر الأكاديمي

تتطلب مواصفات الجمعيات العلمية المحكمة، وعلى رأسها دليل APA، تصميماً دقيقاً ونظيفاً للجداول الإحصائية يبتعد عن الخطوط الرأسية المزدحمة ويركز على وضوح المعالم الاستدلالية. يجب أن يشتمل جدول نتائج الانحدار اللوجستي النموذجي على أعمدة إجبارية مرتبة كالتالي: اسم المتغير التنبؤي وفئاته الفرعية، معامل الانحدار غير المعياري (B)، الخطأ المعياري (SE)، إحصاء فالد (Wald χ²)، القيمة الاحتمالية (p)، نسبة الأرجحية النقطية الممثلة بـ OR أو Exp(B)، وأخيراً فترة الثقة 95% مفردة في عمود مخصص أو مدمجة بين قوسين معقوفين.

ويكتسب الهامش السفلي للجدول (Table Footnotes) أهمية قصوى؛ حيث يجب استخدامه لتعريف كافة الرموز والاختصارات، وتحديد الفئات المرجعية للمتغيرات التصنيفية بشكل لا يقبل اللبس، وتوثيق مؤشرات الجودة الكلية للنموذج (مثل: اختبار أومنيبوس، اختبار هوسمر-ليمشو لحسن المطابقة Hosmer-Lemeshow Test، وقيم معاملات التحديد شبه اللوجستية مثل Cox & Snell R² و Nagelkerke R²). كما يُنصح عند مقارنة نماذج متعددة بتنظيم الأعمدة لعرض النماذج الخام (Crude) والنماذج المعدلة (Adjusted) جنباً إلى جنب لتسهيل القراءة المقارنة.

10.2 إنشاء وقراءة مخططات الغابة (Forest Plots) لنسب الأرجحية

تُعد مخططات الغابة (Forest Plots) الأداة البصرية الأرقى والأكثر كفاءة لعرض نسب الأرجحية وفترات الثقة المقترنة بها، سواء في دراسات التحليل التلوي أو في نماذج الانحدار اللوجستي التعددي المعقدة ذات المتغيرات الكثيرة. يتألف مخطط الغابة القياسي من محور أفقي ومحور رأسي وقيم مرسومة هندسياً بدقة:

• خط العدم الرأسي (Vertical Line of Null Effect): يمتد رأسياً بشكل صلب أو متقطع بدقة عند القيمة (OR = 1.0). يمثل هذا الخط المرجع البصري الحاسم؛ فكل تقدير تتقاطع فترة ثقته مع هذا الخط الرأسي يُعد غير دال إحصائياً.
• النقاط التقديرية (Point Estimates): تُرسم القيمة النقطية لنسبة الأرجحية لكل متغير أو دراسة على شكل مربع أو نقطة مصمتة على المحور الأفقي. ويعكس حجم المربع في دراسات التحليل التلوي وزن الدراسة (Study Weight) المتناسب طردياً مع حجم العينة ودقتها.
• الخطوط الأفقية لفترات الثقة (Horizontal CI Lines): يمتد خط أفقي يخترق النقطة التقديرية ليمثل الحدين الأدنى والأعلى لفترة الثقة 95%. إذا تجاوز الخط الأفقي خط العدم الرأسي (1.0)، تتضح للقارئ لا دلالة النتيجة بصرياً في لمح البصر.
• المقياس اللوغاريتمي للمحور الأفقي (Logarithmic Scale): من القواعد التصميمية الجوهرية ضبط المحور الأفقي على مقياس لوغاريتمي (Log scale) وليس مقياساً خطياً منتظماً. يضمن هذا التدرج التماثل البصري؛ حيث تصبح المسافة الهندسية من 0.5 إلى 1.0 مساوية تماماً للمسافة من 1.0 إلى 2.0، مما يلغي التشويه الإدراكي الناتج عن انضغاط القيم الأقل من واحد.

11. خطوات استخراج وكتابة تقارير نسب الأرجحية باستخدام البرمجيات الإحصائية

11.1 استخراج وتوثيق نسب الأرجحية في برنامج SPSS

يُعد برنامج IBM SPSS Statistics من أكثر الحزم الإحصائية انتشاراً في البيئات الأكاديمية العربية. لاستخراج نسب الأرجحية وفترات الثقة عبر نموذج الانحدار اللوجستي الثنائي، يتبع الباحث المسار التحليلي التالي:

1. من القائمة الرئيسية، اختر: Analyze > Regression > Binary Logistic...
2. انقل المتغير التابع الثنائي إلى خانة Dependent، والمتغيرات المستقلة (الفئوية والمتصلة) إلى خانة Covariates.
3. إذا كان النموذج يتضمن متغيرات فئوية، انقر على زر Categorical...، وانقل المتغيرات الفئوية إلى خانة Categorical Covariates، ثم حدد الفئة المرجعية Reference Category (سواء كانت الفئة الأولى First أو الأخيرة Last)، ثم انقر Change ثم Continue.
4. انقر على زر Options...، وضع علامة صح داخل مربع CI for exp(B): وتأكد من ضبط القيمة على 95%. كما يُنصح باختيار Hosmer-Lemeshow goodness-of-fit لتقييم ملاءمة النموذج. انقر Continue ثم OK.

في نافذة المخرجات (Output)، يتجه الباحث مباشرة إلى جدول Variables in the Equation. يحتوي هذا الجدول على كافة المعاملات المطلوبة: يمثل عمود B معاملات الانحدار اللوغاريتمي، وعمود S.E. الخطأ المعياري، وعمود Wald إحصاء فالد، وعمود Sig. القيمة الاحتمالية p، وعمود Exp(B) نسبة الأرجحية النقطية المطلوبة، بينما يقدم العمودان الأخيران 95% C.I. for EXP(B) الحد الأدنى (Lower) والحد الأعلى (Upper) لفترة الثقة. يتم نقل هذه الأرقام وصياغتها بدقة في النص الأكاديمي وفق نسق APA.

11.2 الحساب والتقرير باستخدام لغة R الإحصائية

توفر بيئة الحوسبة الإحصائية R عبر واجهة RStudio مرونة برمجية ودقة متناهية لبناء النماذج اللوجستية وتوثيقها وفق مبادئ البحث العلمي القابل للتكرار (Reproducible Research). يُبنى النموذج الأساسي عبر الدالة المعممة glm() مع تحديد عائلة التوزيع الثنائي family = binomial(link = "logit").

لاستخراج معاملات الانحدار، ونسب الأرجحية، وفترات الثقة، يتم تنفيذ الكود البرمجي التالي:

# 1. بناء نموذج الانحدار اللوجستي الثنائي
model <- glm(outcome ~ predictor1 + predictor2 + factor(gender),
            data = dataset,
            family = binomial(link = “logit”))

# 2. استخراج معاملات B والقيم الاحتمالية
summary(model)

# 3. حساب نسب الأرجحية وفترات الثقة 95% عبر التحويل الأسي
odds_ratios <- exp(coef(model))
conf_intervals <- exp(confint(model)) # Profile-likelihood CIs

# 4. دمج النتائج في مصفوفة موحدة
results_table <- cbind(OR = odds_ratios, conf_intervals)
print(round(results_table, 2))

ولإنشاء جداول نشر أكاديمية احترافية ومعدة مباشرة للنشر في المجلات العالمية بتنسيق APA، يمكن استخدام حزمة gtsummary المتطورة عبر الأمر البسيط:

library(gtsummary)
model %>%
  tbl_regression(exponentiate = TRUE) %>%
  bold_p(t = 0.05) %>%
  as_gt()

11.3 الاستخراج في برمجيات Jamovi و JASP و Stata

تتميز البرمجيات الإحصائية الحديثة المفتوحة المصدر مثل Jamovi و JASP بواجهات رسومية بديهية ومبنية على محرك R، وتوفر مخرجات فورية مهيأة بتنسيق APA Style. في برنامجي Jamovi و JASP، يتجه الباحث إلى قائمة Regression > Logistic Regression > 2 Outcomes. وفي تبويب Model Options، يتم تفعيل خيار Odds Ratios وتحديد خانة Confidence Interval (95%)، ليقوم البرنامج تلقائياً بإنشاء جداول APA التفاعلية التي تتضمن معاملات OR وفترات ثقتها وقيم p وقوة النموذج الكلية بصورة مباشرة تقطع الطريق على أخطاء النقل اليدوي.

أما في برنامج Stata، فيُنفذ التحليل بأسلوب الأوامر السطرية. لاستخراج نسب الأرجحية مباشرة بدلاً من معاملات اللوجت، يستخدم الباحث الأمر logistic متبوعاً بالمتغير التابع والمتغيرات المستقلة، أو يستخدم أمر logit مع إضافة الخيار , or في نهاية السطر:

* استخراج نسب الأرجحية مع فترات الثقة في Stata
logit outcome i.treatment age i.gender, or

تقوم Stata تلقائياً بعرض جدول مخرجات يتضمن عمود Odds Ratio وحدود [95% Conf. Interval] المقابلة، مع وضع مؤشر الفئة المرجعية (base) تلقائياً أمام المتغيرات المصنفة عبر المعامل i.، مما يسهل نقلها المباشر إلى مسودات الأوراق العلمية.

12. صياغة مناقشة النتائج وقيود الدراسة والتوصيات المتعلقة بنسب الأرجحية

12.1 بناء قسم المناقشة (Discussion) في ضوء نسب الأرجحية المحسوبة

يمثل قسم المناقشة في الورقة البحثية البيئة الفكرية التي يُعيد فيها الباحث ربط نسب الأرجحية المكتشفة بالبنية النظرية للدراسة والأدبيات السابقة. لا ينبغي في هذا القسم إعادة سرد الأرقام كما وردت في قسم النتائج، بل التركيز على الأبعاد التفسيرية لحجم الأثر؛ فإذا كانت نسبة الأرجحية لعامل خطر نفسي مرتفعة (مثل OR = 3.20)، يتناول الباحث الآليات السيكولوجية والبيولوجية العصبية الكامنة التي تجعل من هذا العامل منبئاً قوياً بالاضطراب.

كما يتعين على الباحث إجراء مقارنة نقدية بين أحجام الأثر (نسب الأرجحية) المحسوبة في دراسته الحالية وتلك المستخرجة من الدراسات المنشورة محلياً ودولياً. وفي حال وجود تباين ملحوظ في قيم OR (كأن تجد الدراسة الحالية أثراً وقائياً ضعيفاً OR = 0.85 بينما الأدبيات الدولية تشير إلى أثر وقائي قوي OR = 0.40)، يقع على عاتق الباحث تقديم فرضيات تفسيرية لهذا التباين تستند إلى الخصائص الثقافية للعينة، أو الاختلافات في حساسية أدوات القياس السيكومترية، أو التباين في ضبط المتغيرات المربكة.

12.2 الإقرار بالقيود المنهجية والإحصائية المرتبطة بنسب الأرجحية

تقتضي الرصانة الأكاديمية الشفافية المطلقة في تحديد القيود المنهجية التي تحد من تعميم نسب الأرجحية أو التفسير السببي لها. ومن أبرز هذه القيود التي يجب الإقرار بها في متن البحث:

• طبيعة التصميم المقطعي (Cross-Sectional Limitations): يؤدي قياس المتغيرات المستقلة والتابعة في نقطة زمنية واحدة إلى انعدام القدرة على إثبات الأسبقية الزمنية (Temporal Precedence)، مما يحول دون الجزم بأن المتغير المستقل هو الذي سبب تغير أرجحية النتيجة التابعة وليس العكس (السببية العكسية Reverse Causality).
• أخطاء التصنيف الثنائي المصطنع (Artificial Dichotomization): إن تحويل المتغيرات النفسية المتصلة بطبيعتها (مثل درجات القلق أو الاكتئاب) إلى متغيرات ثنائية فئوية (مصاب / سليم) باستخدام نقاط قطع مصطنعة (Cut-off scores) يؤدي إلى فقدان جزء كبير من التباين والبيانات الحقيقية، وقد يسهم في تضخيم أو تقليص نسب الأرجحية بشكل مصطنع.
• انحياز الاختيار والاستجابة (Selection and Non-Response Bias): قد يؤدي تركز عينة الدراسة في بيئة إكلينيكية محددة أو انخفاض معدل الاستجابة للاستبانات إلى تحيز في جداول التوافق، مما يولد نسب أرجحية لا تعكس الواقع الحقيقي لعموم المجتمع المستهدف.

12.3 قائمة التحقق النهائية (Checklist) للمؤلفين والمراجعين قبل تقديم الورقة العلمية

لضمان استيفاء أعلى معايير الجودة الإحصائية والتحريرية وفق نمط APA 7th، يوصى بالرجوع إلى قائمة التحقق التالية ومراجعة مسودة البحث بدقة قبل إرسالها للنشر أو التحكيم النهائي:

الحالة	المعيار المنهجي	الإجراء المطلوب للتأكد
[ ]	التوثيق الثلاثي الإلزامي	هل تم تقديم كل من القيمة النقطية لنسبة الأرجحية (OR)، وفترة الثقة 95% CI، والقيمة الاحتمالية المرافقة (p) لكل متغير؟
[ ]	وضوح الفئة المرجعية	هل تم التحديد الصريح للفئات المرجعية (Reference Categories) لكافة المتغيرات الفئوية المستقلة والتابعة في النص وهوامش الجداول؟
[ ]	التنسيق الطباعي (APA 7th)	هل تم تمييز الرموز بخط مائل (OR, CI, p, B, SE, z) واستخدام الأقواس المعقوفة لفترات الثقة والتقريب لمنزلتين عشريتين؟
[ ]	الانضباط اللغوي والتفسيري	هل تم تجنب تفسير نسبة الأرجحية على أنها “نسبة مخاطر مئوية مباشرة” أو ادعاء علاقات سببية حتمية في التصاميم الارتباطية؟
[ ]	التطابق بين النص والجداول	هل تتطابق الأرقام والكسور العشرية المذكورة في المتن التحليلي تماماً مع الأرقام الواردة في الجداول ومخططات الغابة؟
[ ]	ملاءمة وجودة النموذج	هل تم توثيق اختبارات جودة مطابقة النموذج اللوجستي الكلي (Omnibus Test, Hosmer-Lemeshow, Pseudo R²)؟

خاتمة

تمثل نسب الأرجحية (Odds Ratios) أداة تحليلية واستدلالية بالغة القوة والأهمية في ترسانة الباحث العلمي المعاصر عبر مختلف حقول المعرفة النفسية، والتربوية، والطبية، والاجتماعية. وتتجاوز القيمة الحقيقية لهذا المقياس مجرد كونه ناتجاً رياضياً لتحويلات نماذج الانحدار اللوجستي؛ إذ يُعد جسراً حيوياً يربط الحسابات الإحصائية المجردة بالتطبيقات العملية وصناعة القرارات الإكلينيكية المبنية على الدليل القاطع. إن الإبلاغ العلمي الرصين والمنضبط عن نسب الأرجحية—وفق ما تم تفصيله عبر هذا الدليل—يضمن حماية المجتمع الأكاديمي من الاستنتاجات المضللة، ويرتقي بجودة الإنتاج البحثي العربي ليتوافق مع أرفع المعايير المتبعة في كبريات المجلات العلمية المحكمة عالمياً.

المراجع (References)

• American Psychological Association. (2020). Publication manual of the American Psychological Association (7th ed.). American Psychological Association. https://doi.org/10.1037/0000165-000
• Borenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. (2021). Introduction to meta-analysis (2nd ed.). John Wiley & Sons. https://doi.org/10.1002/9781119558378
• Field, A. (2018). Discovering statistics using IBM SPSS Statistics (5th ed.). SAGE Publications.
• Hasselblad, V., & Hedges, L. V. (1995). Meta-analysis of screening and diagnostic tests. Psychological Bulletin, 117(1), 167–178. https://doi.org/10.1037/0033-2909.117.1.167
• Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied logistic regression (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781118548387
• Norton, E. C., Dowd, B. E., & Maciejewski, M. L. (2018). Odds ratios—Current best practice and use. JAMA, 320(1), 81–82. https://doi.org/10.1001/jama.2018.6971
• Szumilas, M. (2010). Explaining odds ratios. Journal of the Canadian Academy of Child and Adolescent Psychiatry, 19(3), 227–229. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC2938757/
• Wasserstein, R. L., & Lazar, N. A. (2016). The ASA statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. https://doi.org/10.1080/00031305.2016.1154108
• Zhang, J., & Yu, K. F. (1998). What’s the relative risk? A method of correcting the odds ratio in cohort studies of common outcomes. JAMA, 280(19), 1690–1691. https://doi.org/10.1001/jama.280.19.1690