نسبة الأرجحية مقابل الخطر النسبي: ما هو الفرق؟

تُعد النمذجة الإحصائية والاستدلال الوبائي الركيزة الأساسية التي تقوم عليها الأبحاث الإكلينيكية المعاصرة، لا سيما في مجالات الطب النفسي وعلم النفس السلوكي والعلوم العصبية، حيث تسعى هذه الميادين إلى تقييم فاعلية التدخلات العلاجية وتحديد عوامل الخطورة المؤهبة للاضطرابات النفسية بدقة متناهية. وفي قلب هذا التحليل الكمي، يبرز مقياسان رئيسيان لحساب حجم الأثر والعلاقات الارتباطية بين المتغيرات الثنائية: الخطر النسبي (Relative Risk – RR) ونسبة الأرجحية (Odds Ratio – OR). ورغم أن كلا المقياسين يُستخدمان لتحديد قوة واتجاه العلاقة بين عامل معين (سواء كان تدخلاً علاجياً أو تعرضاً بيئياً) ونتيجة صحية محددة، إلا أن الأسس الرياضية، والافتراضات المنهجية، والمفاهيم الإدراكية الكامنة خلف كل منهما تختلف اختلافاً جذرياً يستوجب الفهم المعمق والتطبيق الحذر.

إن الخلط المنهجي والتفسيري بين الخطر النسبي ونسبة الأرجحية لا يمثل مجرد هفوة رياضية أكاديمية عابرة، بل يشكل معضلة إبستمولوجية وسريرية تؤثر بشكل مباشر على القرارات الطبية، والسياسات الصحية العامة، وبروتوكولات العلاج النفسي المبني على الدليل. فعندما يتم تفسير نسبة الأرجحية على أنها خطر نسبي في الدراسات التي تبحث ظواهر شائعة، يؤدي ذلك إلى تضخيم غير واقعي ومبالغ فيه لحجم الأثر، مما قد يقود الممارسين الإكلينيكيين وصناع القرار إلى تبني استنتاجات خاطئة تماماً حول فاعلية دواء نفسي، أو خطورة عامل ضغط بيئي، أو جدوى برنامج وقائي. ومن هذا المنطلق، تفرض معايير الممارسة القائمة على الأدلة على الباحثين والمحللين الإحصائيين استيعاب الفروق الدقيقة بين هذين المؤشرين الإحصائيين لضمان سلامة الاستدلال العلمي.

يهدف هذا الدليل الشامل والمفصل إلى تفكيك البنية الرياضية والمفاهيمية لكل من نسبة الأرجحية والخطر النسبي، وتوضيح كيفية حسابهما انطلاقاً من جداول الاقتران الرباعية (2×2 Contingency Tables)، واستعراض السياقات المنهجية التي تفرض استخدام أحدهما دون الآخر وفقاً لتصميم الدراسة البحثية (سواء كانت تجارب عشوائية منضبطة، أو دراسات أترابية، أو دراسات الحالات والشواهد، أو دراسات مستعرضة). كما يتناول المقال المعالجة المتقدمة لانحرافات نسبة الأرجحية، وآليات تصحيحها، وكيفية دمجها في نماذج الانحدار اللوجستي والتحليلات البعدية (Meta-Analyses)، مدعوماً بأمثلة تطبيقية واقعية من صميم البحوث السريرية والنفسية المعاصرة.

1. المقدمة والمفاهيم الإحصائية الأساسية: التمييز بين الاحتمال والأرجحية

1.1 تعريف الاحتمال الرياضي (Probability) في السياق النفسي والإحصائي

يُعرَّف الاحتمال الرياضي (Probability) في النظرية الإحصائية الكلاسيكية بأنه المقياس الكمي لفرصة وقوع حدث معين، ويُحسب كنسبة مجردة بين عدد مرات حدوث الحدث المستهدف إلى إجمالي العدد الكلي للنتائج الممكنة أو الحالات المعرضة للخطر في فضاء العينة. ويخضع الاحتمال لقاعدة بديهية صارمة تلزمه بأن تنحصر قيمته الرياضية حصراً في النطاق المغلق بين الصفر والواحد الصحيح (0 ≤ P ≤ 1)، أو ما يكافئه بالنسبة المئوية من 0% إلى 100%. فالقيمة (0) تعني الاستحالة المطلقة لحدوث الظاهرة، في حين تشير القيمة (1) إلى الحتمية واليقين التام بوقوعها.

في أبحاث الطب النفسي وعلم النفس الإكلينيكي، يُعد الاحتمال الأداة الأساسية لتقدير معدلات الحدوث التراكمي (Cumulative Incidence) للاضطرابات النفسية والسلوكية بين مجموعات سكانية محددة. فعلى سبيل المثال، إذا تتبعنا عينة طولية تتألف من 1000 مراهق تعرضوا لضغوط حادة، وأصيب 150 منهم بنوبة اكتئاب كبرى خلال سنة المتابعة، فإن احتمال الإصابة بالاكتئاب في هذه العينة يساوي تماماً: 150 مقسوماً على 1000، أي 0.15 أو 15%. يُعبر هذا الرقم عن نسبة الأفراد من إجمالي المعرضين الذين تحولوا من حالة عدم الإصابة إلى حالة التشخيص الإكلينيكي المؤكد.

ومع ذلك، تواجه مقاييس الاحتمال حدوداً مفاهيمية ورياضية واضحة، خصوصاً عند التعامل مع الاضطرابات النادرة جداً (مثل الفصام الطفولي المبكر أو بعض الاضطرابات الانشقاقية المعقدة) أو عند استخدام تصاميم بحثية استرجاعية لا يمكن فيها رصد إجمالي فضاء العينة الحقيقي. في هذه السيناريوهات، تصبح المجموعات السكانية المعرضة للخطر غير قابلة للتحديد المباشر، مما يستدعي التوجه نحو مقاييس رياضية أخرى قادرة على التقاط العلاقات الارتباطية دون اشتراط معرفة إجمالي المجتمع المعرض، وهنا تبرز أهمية مفهوم الأرجحية.

1.2 تعريف الأرجحية (Odds) والأساس النظري لها

تُمثل الأرجحية (Odds) صياغة بديلة ومختلفة جذرياً لقياس فرص وقوع الأحداث؛ إذ تُعرف رياضياً بأنها النسبة بين احتمال وقوع الحدث إلى احتمال عدم وقوعه. فإذا كان الرمز (P) يشير إلى احتمال وقوع الحدث، فإن احتمال عدم وقوعه يُعبر عنه حتماً بـ (1 – P). وبناءً على ذلك، يتم التعبير عن الأرجحية بالصيغة الرياضية التالية: Odds = P / (1 – P). وعلى النقيض من الاحتمال، فإن المدى الرياضي للأرجحية لا يتقيد بنطاق الصفر إلى الواحد، بل يمتد من الصفر (عند استحالة الحدث) إلى ما لا نهاية الإيجابية (+∞) مع اقتراب احتمال الحدث من اليقين المطلق (P → 1).

لتوضيح ذلك بمثال إكلينيكي: إذا كان احتمال تعافي مريض القلق بعد الخضوع للعلاج السلوكي المعرفي هو 0.80 (أي 80%)، فإن احتمال عدم تعافيه هو 0.20 (أي 20%). وعند حساب الأرجحية، نقسم 0.80 على 0.20، لنحصل على أرجحية تعافي تساوي 4.0 (أو تُقرأ 4 إلى 1). يعني هذا الرقم السريري أن لكل مريض واحد لا يستجيب للعلاج، يوجد 4 مرضى يتعافون تماماً. تكتسب الأرجحية أهمية قصوى في الإحصاء الحيوي والنمذجة المتقدمة نظراً لأنها تشكل الأساس التحويلي في نماذج الانحدار اللوجستي (Logistic Regression) من خلال دالة اللوجيت (Logit Function)، حيث يُحول لوغاريتم الأرجحية النطاق المحدود للاحتمال إلى متصل حقيقي غير مقيد يسهل نمذجته خطياً مع متغيرات تنبؤية متعددة.

يتولد التباين الإدراكي والارتباك الذهني الشائع لدى كثير من الأكاديميين والممارسين من استخدام اللغة اليومية لكلمتي “الفرصة” و”الأرجحية” بشكل مترادف، رغم التباين الرياضي الصارم بينهما؛ فالاحتمال يقارن “الجزء بالكل” (الأحداث الإيجابية مقسومة على كل الحالات)، بينما تقارن الأرجحية “الجزء بالجزء المقابل” (الأحداث الإيجابية مقسومة على الأحداث السلبية)، وهو تباين ينبغي استحضاره دوماً عند استقراء النتائج السلوكية.

1.3 أهمية التمييز بين المفهومين في الأبحاث السلوكية والطب النفسي

تتجلى الأهمية البالغة للتمييز الدقيق بين الاحتمال والأرجحية في منع المبالغة المنهجية في تقدير حجم الأثر الإكلينيكي للتدخلات النفسية والدوائية. فعندما يعمد باحث إلى تفسير قيمة أرجحية مرتفعة على أنها تعكس زيادة مباشرة في الاحتمال، فإنه يضخم الفاعلية السريرية للعلاج بصورة زائفة، أو يبالغ في تقدير خطورة عرض جانبي معين، مما يُضلل اللجان الإكلينيكية المعنية بصياغة الأدلة التوجيهية لممارسة الطب النفسي المسند بالبراهين.

إن القرارات السريرية المبنية على الدليل تتطلب تقديراً واقعياً للتغير الحقيقي في المخاطر؛ فالأطباء والمعالجون النفسيون يحتاجون إلى معرفة الاحتمال الفعلي لتحسن المريض أو انتكاسه لاتخاذ خيارات علاجية متوازنة توازن بين المنافع والأضرار المحتملة. إن الخلط بين هذين المفهومين قد يؤدي إلى تخصيص غير عادل للموارد الصحية النادرة، أو الإفراط في وصف عقاقير نفسية ذات تأثيرات جانبية شديدة بناءً على نسب أرجحية مضللة ظاهرياً.

بالإضافة إلى ذلك، تفرض المجلات العلمية المحكمة ذات معامل التأثير المرتفع في مجالات الطب النفسي والعلوم السلوكية (مثل The Lancet Psychiatry و JAMA Psychiatry) معايير صرامة إحصائية لا تقبل اللبس. ويتعين على المؤلفين استيفاء هذه المعايير بدقة من خلال توضيح ما إذا كان القياس المعروض يعتمد على الاحتمالات (كالمخاطر النسبية) أو الأرجحية، مع ربط كل مقياس بالتصميم المنهجي الذي أفرزه لضمان نزاهة وقابلية تكرار النتائج العلمية.

2. بنية جداول الاقتران الرباعية (2×2 Contingency Tables) في البحوث النفسية

2.1 التركيب الهيكلي لمصفوفة 2×2 وتوزيع المتغيرات

تُمثل مصفوفة أو جدول الاقتران الرباعي (2×2 Contingency Table) الأداة الإحصائية المعيارية الأساسية لتحليل التوزيع التكراري المشترك بين متغيرين نوعيين ثنائيي التقسيم (Dichotomous Variables). في سياق الأبحاث النفسية والطبية، يُخصص المحور الأفقي (الصفوف) في العادة لتمثيل حالة “التعرض” (Exposure) أو نوع التدخل، والذي ينقسم إلى فئتين: مجموعة معرضة (Exposed / Treatment Group) ومجموعة غير معرضة أو ضابطة (Unexposed / Control Group). في المقابل، يُمثل المحور الرأسي (الأعمدة) حالة “النتيجة” (Outcome) الصحية أو السلوكية، وتنقسم بدورها إلى فئتين: حدوث النتيجة (Event / Disease Present) وعدم حدوثها (No Event / Disease Absent).

تتألف المصفوفة القياسية من أربع خلايا مركزية يُرمز لها تقليدياً بالحروف اللاتينية (A, B, C, D):

• الخلية A: تُمثل عدد الأفراد الذين تعرضوا للعامل المدروس وظهرت لديهم النتيجة المستهدفة (معرض وإيجابي النتيجة).
• الخلية B: تُمثل عدد الأفراد الذين تعرضوا للعامل المدروس ولكن لم تظهر لديهم النتيجة (معرض وسلبي النتيجة).
• الخلية C: تُمثل عدد الأفراد غير المعرضين للعامل المدروس ومع ذلك ظهرت لديهم النتيجة (غير معرض وإيجابي النتيجة).
• الخلية D: تُمثل عدد الأفراد غير المعرضين للعامل المدروس ولم تظهر لديهم النتيجة (غير معرض وسلبي النتيجة).

تُعد المجاميع الهامشية (Marginal Totals) على أطراف المصفوفة عنصراً حاسماً في التحليل الرياضي؛ حيث يمثل المجموع الهامشي للصف الأول (A + B) إجمالي فضاء العينة للمجموعة المعرضة، بينما يمثل المجموع الهامشي للصف الثاني (C + D) إجمالي فضاء عينة المجموعة غير المعرضة. أما المجاميع الهامشية للأعمدة فتمثل إجمالي المصابين بالنتيجة (A + C) وإجمالي غير المصابين (B + D)، بينما يمثل المجموع الكلي (N = A + B + C + D) إجمالي حجم العينة الخاضعة للدراسة.

2.2 الترميز الرياضي للخلايا وقواعد الجمع والنسب

يتيح الترميز الرياضي لجداول 2×2 استخراج وتفكيك المعدلات الأساسية (Base Rates) للظاهرة قيد البحث. وتتطلب المعالجة الإحصائية الدقيقة تطبيق قواعد جمع ونسب رياضية صارمة تختلف باختلاف ما إذا كان الهدف حساب المخاطر القائمة على الاحتمال الكلي أو حساب الأرجحية القائمة على نسب المقارنة البينية للخلايا.

لحساب معدل الحدوث أو الخطر المطلق في المجموعة المعرضة، نستخدم الكسر التناسبي: Risk_exposed = A / (A + B). يعبر هذا المقياس عن نسبة الحالات الإيجابية منسوبة إلى الفضاء الكلي للمجموعة المعرضة. وبالمثل، يُحسب الخطر المطلق في المجموعة غير المعرضة عبر الكسر: Risk_unexposed = C / (C + D). تُعبر هذه المقادير عن احتمالات محضة محصورة بين 0 و 1.

أما عند الرغبة في استخراج الأرجحية من ذات المصفوفة، فإننا نتجاهل المجاميع الهامشية ونقارن تكرار حدوث الظاهرة بتكرار عدم حدوثها داخل نفس الفئة؛ فتكون أرجحية الحدث في المجموعة المعرضة هي: Odds_exposed = A / B، وتكون أرجحية الحدث في المجموعة غير المعرضة هي: Odds_unexposed = C / D. تُشكل هذه المعادلات اللبنات الأساسية التي تُبنى عليها كافة الاشتقاقات الرياضية اللاحقة لحساب الخطر النسبي ونسبة الأرجحية.

2.3 توظيف جداول 2×2 في تقييم فاعلية العلاجات النفسية

تُستخدم جداول 2×2 بشكل موسع لاختبار الفرضيات الإكلينيكية المتعلقة بفاعلية البرامج العلاجية والتدخلات النفسية السلوكية. على سبيل المثال، في دراسة تجريبية تقارن فاعلية العلاج المعرفي السلوكي (CBT) مقابل قائمة الانتظار (Waitlist Control) في خفض حدة اضطراب القلق العام، يُمثل الصف الأول المرضى الذين تلقوا جلسات الـ CBT، والصف الثاني يمثل مرضى قائمة الانتظار. بينما تُعرف الأعمدة بحالة التحسن السريري الملحوظ (نعم / لا).

تسمح هذه المصفوفة للباحثين بتقييم ما إذا كان التدخل العلاجي يُغير بشكل دال إحصائياً من نسب التحسن. وتتكرر نفس المنهجية عند دراسة مسببات الأمراض (Etiology)؛ مثل تتبع العلاقة بين التعرض لصدمات الطفولة المبكرة (كتغير بيئي في الصفوف) وتطور اضطراب الشخصية الحدية أو اضطراب ما بعد الصدمة (PTSD) في مرحلة الرشد (كنتيجة في الأعمدة). كما تمتد التطبيقات لدراسة الارتباط بين تعاطي القنب عالي الفعالية وحدوث النوبات الذهانية الأولى في أقسام الطوارئ النفسية.

3. الخطر النسبي (Relative Risk – RR): التعريف والمعادلات الرياضية

3.1 المفهوم الإحصائي للخطر النسبي (نسبة المخاطر)

يُعرف الخطر النسبي (Relative Risk – RR)، والذي يُطلق عليه أحياناً “نسبة المخاطر” (Risk Ratio)، بأنه النسبة المباشرة بين احتمال (أو خطر) حدوث النتيجة المستهدفة في المجموعة المعرضة لعامل معين، إلى احتمال حدوث نفس النتيجة في المجموعة غير المعرضة (أو المجموعة الضابطة). يُقدم الخطر النسبي إجابة بديهية ومباشرة للسؤال الإكلينيكي التالي: “كم مرة تزيد أو تنقص احتمالية وقوع النتيجة لدى الأفراد المعرضين مقارنة بغير المعرضين؟”.

يعتمد الخطر النسبي اعتماداً جوهرياً ومباشراً على القدرة على حساب معدل الحدوث التراكمي (Cumulative Incidence) في كلا المجموعتين؛ ولذلك فإنه يتطلب معرفة مسبقة ودقيقة بالعدد الإجمالي للأفراد المعرضين لخطر الإصابة في بداية فترة الملاحظة ومتابعتهم عبر الزمن. بالإضافة إلى ذلك، يرتبط الخطر النسبي ارتباطاً وثيقاً بمقاييس الأثر المطلق، مثل تقليل الخطر المطلق (Absolute Risk Reduction – ARR) والزيادة المطلقة في الخطر (Absolute Risk Increase – ARI)، والتي تشتق من طرح احتمالات المخاطر بدلاً من قسمتها.

3.2 الصيغة الرياضية الدقيقة لحساب الخطر النسبي (RR)

انطلاقاً من بنية جدول الاقتران الرباعي (2×2)، يُصاغ الخطر النسبي عبر المعادلة الرياضية القياسية التالية:

RR = [ A / (A + B) ] / [ C / (C + D) ]

لتفكيك هذه الصيغة وفهم مكوناتها:

• البسط (الخطر في المعرضين): A / (A + B) يمثل احتمال حدوث النتيجة الإيجابية بين جميع الأفراد المعرضين للعامل المدروس.
• المقام (الخطر في غير المعرضين): C / (C + D) يمثل احتمال حدوث النتيجة الإيجابية بين جميع الأفراد غير المعرضين (المجموعة المرجعية).

من الناحية الحسابية، تشترط عملية القسمة ألا تكون قيمة المقام مساوية للصفر (أي C ≠ 0)؛ فإذا كانت نسبة الحدوث في المجموعة الضابطة صفراً، تصبح قيمة الخطر النسبي غير معرفة رياضياً (تؤول إلى ما لا نهاية)، وفي هذه الحالات يتم تطبيق تصحيحات الاستمرارية مثل إضافة قيمة ثابتة صغيرة (مثل 0.5) لجميع الخلايا لتفادي الأخطاء البرمجية والحسابية.

3.3 تطبيقات الخطر النسبي في الدراسات النفسية التتبعية

يجد الخطر النسبي مجاله التطبيقي الأوسع والأكثر متانة في الدراسات الطولية التتبعية (Longitudinal Cohort Studies) والتجارب السريرية العشوائية المحكومة بالطب النفسي. فعلى سبيل المثال، في دراسة تتبعية تمتد لخمس سنوات لتقييم أثر الالتزام بالعلاج الدوائي الوقائي على مرضى الاضطراب الوجداني ثنائي القطب، يمكن مقارنة معدل حدوث الانتكاس الحاد بين المرضى الملتزمين بمثبتات المزاج (المجموعة المعرضة للحماية) مقارنة بالمرضى غير الملتزمين.

إذا أظهرت الحسابات أن خطر الانتكاس بين الملتزمين هو 0.10 (10%)، بينما بلغ خطر الانتكاس بين غير الملتزمين 0.40 (40%)، فإن الخطر النسبي يكون: RR = 0.10 / 0.40 = 0.25. يُفسر هذا الرقم إكلينيكياً بأن الالتزام بالعلاج يُخفض خطر الانتكاس إلى ربع ما هو عليه لدى غير الملتزمين، أو بعبارة أخرى، يقلل الخطر بنسبة 75% (1 – RR = 0.75). كما يُستخدم RR بشكل مكثف لتقييم مخاطر التنمر المدرسي كعامل خطورة لنشوء اضطرابات القلق والاكتئاب اللاحقة لدى المراهقين عبر الدراسات الأترابية الموسعة.

4. نسبة الأرجحية (Odds Ratio – OR): المفهوم النظري وطريقة الحساب

4.1 الأساس النظري لنسبة الأرجحية

تُعرف نسبة الأرجحية (Odds Ratio – OR) بأنها المقياس الإحصائي الذي يُعبر عن حاصل قسمة أرجحية وقوع الحدث في المجموعة المعرضة لعامل معين، على أرجحية وقوع نفس الحدث في المجموعة غير المعرضة. وبالمقارنة مع الخطر النسبي الذي يقارن احتمالات مطلقة، فإن نسبة الأرجحية تقارن نسباً من الأرجحيات المنفصلة.

تتمتع نسبة الأرجحية بخاصية رياضية فريدة تُعرف باسم “التناظر المتبادل” أو الثباتية التبادلية (Invariance Property)؛ وتعني أن قيمة نسبة الأرجحية تظل ثابتة رياضياً بصرف النظر عما إذا كنا ندرس أرجحية النتيجة بالنظر إلى حالة التعرض، أو ندرس أرجحية التعرض بالنظر إلى حالة النتيجة. هذا الاستقلال عن اتجاه التصميم البحثي هو ما يجعل نسبة الأرجحية المقياس الوحيد الصالح رياضياً لتحليل دراسات الحالات والشواهد (Case-Control Studies) التي يتم فيها اختيار العينات بناءً على وجود المرض من عدمه، وليس بناءً على حالة التعرض مسبقاً.

4.2 الصيغة الرياضية وطريقة جداء الطرفين في الوسطين

بناءً على جدول 2×2، تُكتب المعادلة الأساسية لنسبة الأرجحية بالصيغة التناسبية التالية:

OR = [ A / B ] / [ C / D ]

عند إعادة ترتيب هذه المعادلة الجبرية وتبسيطها من خلال ضرب الطرفين في الوسطين، نحصل على الصيغة الشهيرة لحاصل الضرب التبادلي (Cross-Product Ratio):

OR = (A × D) / (B × C)

تتميز هذه الصيغة بجمالها الرياضي وبساطتها الحسابية؛ إذ تعتمد مباشرة على القيم الداخلية للخلايا الأربع دون الحاجة للرجوع إلى المجاميع الهامشية للأعمدة أو الصفوف. وعند إجراء الاستدلال الإحصائي وبناء فترات الثقة ونماذج الانحدار، يتم تحويل نسبة الأرجحية إلى لوغاريتمها الطبيعي ln(OR) أو ما يُعرف بـ (Log Odds)، وذلك لأن توزيع الـ Log Odds يتبع تقريباً التوزيع الطبيعي المتماثل بخطأ معياري محدد يمكن حسابه بسهولة وفق الصيغة: SE(ln(OR)) = √(1/A + 1/B + 1/C + 1/D).

4.3 استخدامات نسبة الأرجحية في علم النفس الإكلينيكي

تُعد نسبة الأرجحية المعيار الذهبي الإحصائي في العديد من فروع علم النفس السريري وعلم الأوبئة النفسية، لا سيما عند دراسة العوامل المؤهبة للاضطرابات النفسية المعقدة ومتعددة العوامل. على سبيل المثال، في دراسات الحالات والشواهد التي تبحث عوامل الخطورة الجينية أو البيئية لاضطرابات طيف التوحد (ASD)، يتم تجنيد مجموعة من الأطفال المشخصين بالتوحد (الحالات) ومجموعة من الأطفال النمائيين (الشواهد)، ومن ثم استرجاع تاريخ تعرض الأمهات لعوامل بيئية معينة أثناء الحمل.

في مثل هذا التصميم، يستحيل حساب معدل الحدوث الكلي لاضطراب التوحد في المجتمع، لكن حساب نسبة الأرجحية عبر صيغة حاصل الضرب التبادلي (A × D) / (B × C) يُعطي تقديراً إحصائياً دقيقاً لقوة الارتباط بين التعرض وتطور الاضطراب. كما تستخدم نسبة الأرجحية بكثافة في الدراسات التي تبحث العلاقة بين الصدمات النفسية الشديدة في مرحلة الطفولة (كالاعتداء الجسدي أو الإهمال العاطفي) وظهور اضطراب الشخصية الحدية أو الميول الانتحارية لدى نزلاء المصحات النفسية ومراكز الرعاية المتخصصة.

5. الفروق الجوهرية الإحصائية والمفاهيمية بين OR و RR

5.1 مقارنة مباشرة بين مقاييس الاحتمال ومقاييس الأرجحية

يكمن الفارق الجوهري بين الخطر النسبي (RR) ونسبة الأرجحية (OR) في طبيعة البسط والمقام لكل منهما. فالخطر النسبي مقياس احتمالي يقارن احتمالات الحدوث الكلية [A / (A+B)] / [C / (C+D)]، مما يجعله مقيداً ومحكوماً بالمجاميع الهامشية للصفوف التي تمثل أحجام المجموعات المعرضة للمخاطر. في المقابل، فإن نسبة الأرجحية مقياس تناسبي يقارن أرجحية الحدث [A/B] / [C/D]، متجاهلاً الفضاء الكلي للعينة ومركزاً على النسبة بين الحالات الإيجابية والسلبية داخل كل مجموعة.

يتضح هذا التباين السلوكي الحاد عند اقتراب نسبة الحدوث الأساسية للظاهرة من القيم القصوى؛ فعندما يكون الحدث نادراً جداً (يقترب احتمال الحدوث P من 0)، تصبح قيمة (1 – P) قريبة جداً من الواحد الصحيح، مما يجعل قيمة الأرجحية متطابقة رياضياً تقريباً مع قيمة الاحتمال، وبالتالي تتطابق قيمة OR مع RR. ولكن عندما تصبح الظاهرة السلوكية أو النفسية شائعة (كأعراض القلق العام أو التوتر الأكاديمي بمعدلات حدوث تتجاوز 20% أو 30%)، يتباعد المقياسان بشدة، وتفقد الأرجحية قدرتها على محاكاة الاحتمال، مما ينتج تبايناً رياضياً ملحوظاً في حجم الأثر المحسوب (Calculated Effect Size).

5.2 ظاهرة المبالغة في تقدير حجم الأثر بواسطة نسبة الأرجحية

واحدة من أخطر القضايا المنهجية في الإحصاء الحيوي والعلوم النفسية هي ظاهرة تضخيم أو المبالغة في تقدير حجم الأثر (Overestimation of Effect Size) الناتجة عن استخدام نسبة الأرجحية عند دراسة نتائج شائعة. من الناحية الرياضية الصارمة، تكون قيمة نسبة الأرجحية (OR) دائماً أبعد عن القيمة المحايدة (1.0) مقارنة بقيمة الخطر النسبي (RR) عندما لا تكون النتيجة نادرة:

• إذا كان التدخل أو التعرض يزيد من الخطر (عامل خطورة، حيث RR > 1)، فإن OR تكون دائماً أكبر بكثير من RR (أي: OR > RR > 1).
• إذا كان التدخل يقلل من الخطر (عامل حماية، حيث RR < 1)، فإن OR تكون دائماً أصغر بكثير من RR (أي: OR < RR < 1).

تنشأ الكارثة التفسيرية عندما يقوم الباحثون أو الإعلاميون بنقل نتائج نسبة الأرجحية وصياغتها لغوياً كما لو كانت تعبر عن خطر نسبي؛ مثل القول بأن “العلاج يُضاعف احتمالية التحسن بمقدار 4 مرات” استناداً إلى OR = 4.0، في حين أن الخطر النسبي الفعلي المحسوب (RR) قد لا يتعدى 1.8 مرة فقط. هذه المبالغة الإدراكية قد تُضلل اللجان المسؤولة عن تمويل البرامج الصحية، وتدفعهم لضخ استثمارات هائلة في تدخلات تأثيرها الفعلي على أرض الواقع متواضع، أو تثير ذعراً مبالغاً فيه إزاء أعراض جانبية شائعة ولكنها غير خطيرة.

5.3 جدول مقارنة يوضح الخصائص الإحصائية لكلا المقياسين

يوضح الجدول المقارن التالي أبرز الخصائص الرياضية، والمنهجية، والإدراكية التي تميز كلاً من نسبة الأرجحية والخطر النسبي في سياق الأبحاث الإكلينيكية والسلوكية:

وجه المقارنة	الخطر النسبي (Relative Risk – RR)	نسبة الأرجحية (Odds Ratio – OR)
الأساس الرياضي	نسبة بين احتمالين مطلقين: [A/(A+B)] / [C/(C+D)]	نسبة بين أرجحيتين منفصلتين: (A × D) / (B × C)
التصاميم المناسبة	الدراسات الأترابية (Cohort) والتجارب المعشاة (RCTs)	دراسات الحالات والشواهد (Case-Control)، والنماذج اللوجستية
الاعتماد على معدل الحدوث	يتطلب معرفة دقيقة ومباشرة بمعدل الحدوث التراكمي	لا يتطلب معرفة معدل الحدوث في المجتمع قيد الدراسة
خاصية التناظر المتبادل	غير متناظر (يختلف باختلاف تعريف النتيجة والتعرض)	متناظر تماماً ومستقل عن اتجاه الفحص في الدراسة
السلوك في النتائج الشائعة	يعكس التغير الفعلي في الاحتمال بدقة واستقرار	يُبالغ في تقدير حجم الأثر ويبتعد عن القيمة المحايدة 1.0
السهولة التفسيرية	بديهي جداً وسهل الفهم للممارسين والمرضى	معقد إدراكياً وغالباً ما يُساء تفسيره على أنه خطر مباشر
الاستخدام في الانحدار	صعب في النمذجة التقليدية، يتطلب نماذج Poisson معدلة	المخرج الطبيعي والمباشر لنماذج الانحدار اللوجستي الثنائي

6. تصاميم الدراسات النفسية وتحديد المقياس المناسب لكل منها

6.1 الدراسات الأترابية (Cohort Studies) والتجارب العشوائية المحكومة (RCTs)

في الدراسات الأترابية (Cohort Studies) والتجارب السريرية العشوائية المحكومة (Randomized Controlled Trials – RCTs)، يبدأ التصميم المنهجي بتحديد المجموعات وفقاً لحالة التعرض أو نوع التدخل العلاجي، ثم يتم تتبع المشاركين مستقبلياً عبر الزمن (Prospectively) لرصد حدوث النتيجة السلوكية أو الإكلينيكية المستهدفة. وبما أن الباحث يتحكم في نقطة البداية ويعرف العدد الكلي للأفراد المعرضين للخطر في كل مجموعة، فإن الحساب المباشر لمعدل الوقوع (Incidence Rate) والخطر التراكمي يصبح ممكناً وصالحاً رياضياً.

في هذه التصاميم، يُعتبر الخطر النسبي (RR) المقياس الإحصائي المفضل والمعياري لتقرير النتائج الأولية؛ نظراً لقدرته على تقديم تفسير احتمالي مباشر يسهل استيعابه سريرياً. ومع ذلك، قد يعمد الباحثون في الدراسات الأترابية الموسعة إلى تقرير كل من OR و RR معاً، لا سيما عندما تتضمن الخطة التحليلية استخدام نماذج الانحدار اللوجستي متعدد المتغيرات لضبط المتغيرات المربكة والمعدلة للتأثير.

6.2 دراسات الحالات والشواهد (Case-Control Studies)

تعتمد دراسات الحالات والشواهد (Case-Control Studies) على استراتيجية بحثية معكوسة زمنياً؛ حيث يختار الباحث مجموعة من الأفراد المصابين باضطراب نفسي معين كـ “حالات” (Cases – مثل مرضى الاكتئاب المقاوم للعلاج)، ويختار مجموعة موازية من الأفراد غير المصابين كـ “شواهد” (Controls)، ثم يقوم بالتقصي بأثر رجعي (Retrospectively) عن تاريخ تعرضهم لعوامل خطورة بيئية أو جينية محددة.

في هذا التصميم الاسترجاعي، يتحكم الباحث بشكل تعسفي في نسبة الحالات إلى الشواهد (مثلاً: حالة واحدة لكل شاهد، أو حالة لكل 4 شواهد لزيادة القوة الإحصائية). ونتيجة لذلك، تصبح نسبة المصابين في العينة الإجمالية لا تعكس بأي حال من الأحوال معدل الانتشار الحقيقي للاضطراب في المجتمع الأصلي، مما يجعل الحساب المباشر للخطر المطلق أو الخطر النسبي مستحيلاً رياضياً وباطلاً منهجياً. في هذا السياق الحصري، تُعد نسبة الأرجحية (OR) المقياس الإحصائي الصالح والوحيد المتاح لتقدير حجم العلاقة بين التعرض والاضطراب، بفضل خاصية التناظر المتبادل التي تجعل أرجحية التعرض بين الحالات مقارنة بالشواهد مساوية تماماً لأرجحية المرض بين المعرضين مقارنة بغير المعرضين.

6.3 الدراسات المستعرضة (Cross-Sectional Studies)

تقوم الدراسات المستعرضة (Cross-Sectional Studies) على قياس حالة التعرض ووجود النتيجة النفسية في نقطة زمنية واحدة محددة (Snapshot)، دون وجود فترة متابعة زمنية تفصل بينهما. ونظراً لغياب البعد الطولي، فإن هذه الدراسات لا تقيس حالات جديدة (Incidence)، بل تقيس حالات قائمة بالفعل في المجتمع، أي معدل الانتشار (Prevalence).

عند تحليل البيانات المستعرضة، يُستخدم مقياسان رئيسيان:

• نسبة أرجحية الانتشار (Prevalence Odds Ratio – POR): وتُحسب بذات صيغة حاصل الضرب التبادلي لجداول 2×2، وتُستخدم بكثرة عند تطبيق الانحدار اللوجستي لتحليل محددات الصحة النفسية.
• نسبة معدل الانتشار (Prevalence Ratio – PR): وتُحسب بذات صيغة الخطر النسبي، وتُفضل عندما تكون الظاهرة شائعة لتجنب تضخيم الأثر المرتبط بـ POR.

يجب التنبيه بحزم إلى أن كلاً من POR و PR في الدراسات المستعرضة يصفان ارتباطات إحصائية آنية، ولا يمكن استخدامهما لتأسيس استنتاجات سببية حاسمة؛ نظراً لمعضلة “البيضة أم الدجاجة” المنهجية وعدم القدرة على إثبات الأسبقية الزمنية للتعرض على حدوث الاضطراب النفسي.

7. تأثير معدل انتشار الظاهرة وفرضية المرض النادر (Rare Disease Assumption)

7.1 شروط تقارب نسبة الأرجحية مع الخطر النسبي

تعتمد مشروعية استخدام نسبة الأرجحية (OR) كبديل تقريبي مباشر للخطر النسبي (RR) على تحقق قاعدة إحصائية وبيولوجية بالغة الأهمية تُعرف باسم فرضية المرض النادر (Rare Disease Assumption). وتنص هذه الفرضية على أنه عندما يكون معدل الحدوث الأساسي للنتيجة منخفضاً جداً في المجتمع قيد الدراسة (تقليدياً: معدل انتشار أو حدوث أقل من 10%، وبشكل مثالي أقل من 5%)، فإن الفروق الحسابية بين OR و RR تتلاشى عملياً وتتقارب قيمهما بشكل شبه تام.

الأساس الرياضي لهذا التقارب البديع مشتق من معادلات جدول الاقتران 2×2؛ فعندما يكون الحدث نادراً، يكون عدد الأفراد المصابين في كل مجموعة (A و C) صغيراً جداً مقارنة بعدد غير المصابين (B و D). ونتيجة لذلك، فإن المجموع الكلي للمعرضين يقترب بشدة من عدد غير المصابين: (A + B) ≈ B، وكذلك المجموع الكلي لغير المعرضين يقترب من: (C + D) ≈ D.

وبالتعويض في معادلة الخطر النسبي:

RR = [A / (A + B)] / [C / (C + D)] ≈ [A / B] / [C / D] = OR

لذا، في دراسات الطب النفسي التي تبحث اضطرابات نادرة الحدوث كالفصام المبكر، أو اضطراب كوتار (Cotard’s Syndrome)، أو الانتحار المكتمل بين فئات عمرية محددة، يُعتبر تقرير نسبة الأرجحية المستخرجة من دراسات الحالات والشواهد تقديراً نقطياً ممتازاً وموثوقاً للخطر النسبي الحقيقي.

7.2 انحراف نسبة الأرجحية مع زيادة شيوع الظاهرة السلوكية

على النقيض من ذلك، عندما يتم تطبيق نسبة الأرجحية على ظواهر نفسية وسلوكية شائعة يتجاوز معدل حدوثها أو انتشارها حاجز 15% أو 20% (مثل اضطرابات النوم، والاحتراق النفسي الوظيفي بين الأطباء، والقلق العام أثناء الأزمات الاقتصادية)، تنهار فرضية المرض النادر تماماً، وتبدأ نسبة الأرجحية في الانحراف والتضخم الهندسي مقارنة بالخطر النسبي.

لتوضيح هذا الانحراف المتسارع بالأرقام: لنفترض دراسة حول فاعلية تدخل إرشادي ضد الاحتراق النفسي حيث بلغت نسبة الإصابة 40% في المجموعة غير المعرضة و60% في المجموعة المعرضة لعامل ضغط:

• الخطر النسبي: RR = 0.60 / 0.40 = 1.50 (زيادة في الخطر بمقدار 50%).
• نسبة الأرجحية: أرجحية المعرضين هي 0.60 / 0.40 = 1.5، وأرجحية غير المعرضين هي 0.40 / 0.60 = 0.67. بالتالي: OR = 1.5 / 0.67 = 2.25 (تضخم ظاهري بنسبة 125%).

نلاحظ هنا أن قيمة OR تضخمت لتصبح 2.25 مقارنة بـ RR البالغة 1.50، أي بزيادة قدرها 50% في حجم الأثر المقدر لمجرد أن النتيجة شائعة، مما يوضح خطورة الاعتماد على OR دون تحذير القارئ في مثل هذه الحالات.

7.3 صيغ تصحيح نسبة الأرجحية لتقريب الخطر النسبي

نظراً لتكرار استخدام نماذج الانحدار اللوجستي في الدراسات الأترابية والمستعرضة التي تكون نتائجها شائعة، سعى علماء الإحصاء الحيوي إلى تطوير صيغ رياضية لتصحيح قيم OR المضخمة وتحويلها إلى قيم تقريبية موثوقة لـ RR. وتُعد صيغة “تشانغ وزهانغ” (Zhang and Yu Formula, 1998) من أشهر هذه المقاربات الرياضية:

RR_approx = OR / [ (1 – P0) + (P0 × OR) ]

حيث تُمثل (P0) معدل الحدوث أو الخطر الأساسي للنتيجة في المجموعة غير المعرضة (أو المجموعة المرجعية). تضمن هذه المعادلة غير الخطية كبح جماح تضخم OR وإرجاعه إلى النطاق الاحتمالي الواقعي لـ RR.

ورغم بساطة معادلة تشانغ وزهانغ وشيوع استخدامها، إلا أنها واجهت انتقادات منهجية واسعة في الأدبيات الإحصائية الحديثة؛ إذ أثبتت الدراسات المحاكية أنها تؤدي إلى تشويه فترات الثقة (Confidence Intervals) المحسوبة وتنتج فترات ثقة ضيقة بشكل زائف تقود إلى أخطاء من النوع الأول (Type I Errors). وبناءً على ذلك، توصي الإرشادات الوبائية الحديثة بعدم الاعتماد على معادلات التصحيح اللاحقة، والتوجه بدلاً من ذلك نحو استخدام نماذج انحدار رياضية متخصصة قادرة على تقدير الخطر النسبي مباشرة مع فترات ثقة دقيقة، مثل انحدار بواسون المعدل (Modified Poisson Regression with Robust Error Variance) أو نماذج لوغ-ثنائية الحدين (Log-Binomial Models).

8. تفسير القيم الإحصائية وفترات الثقة (Confidence Intervals)

8.1 تفسير القيمة المرجعية المحايدة (Null Value = 1.0)

في التحليل الاستدلالي لكل من الخطر النسبي ونسبة الأرجحية، تُمثل القيمة العددية (1.0) نقطة الارتكاز المركزية والقيمة المرجعية المحايدة (Null Value / Value of No Effect). وتستند هذه الدلالة إلى حقيقة أن كلا المقياسين يعتمدان على القسمة الجبرية؛ وبالتالي فإن النتيجة (1.0) تعني بالضرورة تساوي البسط والمقام تماماً.

يتم تفكيك المعنى الإكلينيكي للقيم الإحصائية وفق ثلاثة مسارات رئيسية:

• القيمة = 1.0: تشير إلى انعدام تام للأثر الارتباطي أو السببي (No Association)؛ أي أن احتمالية أو أرجحية حدوث الاضطراب النفسي متطابقة تماماً بين المجموعتين المعرضة وغير المعرضة.
• القيمة > 1.0: تدل على أن التعرض يعمل كـ “عامل خطورة” (Risk Factor) يزيد من احتمالية/أرجحية حدوث الاضطراب. فعلى سبيل المثال، RR = 1.65 تعني زيادة في خطر النتيجة بمقدار 65% لدى المعرضين مقارنة بالمجموعة المرجعية.
• القيمة < 1.0: تدل على أن التعرض يعمل كـ “عامل حماية” (Protective Factor) أو تدخل علاجي فعال يخفض من احتمالية/أرجحية النتيجة السلبية. فعلى سبيل المثال، RR = 0.60 تشير إلى انخفاض الخطر بنسبة 40% (1.0 – 0.60 = 0.40).

8.2 فهم وتفسير فترات الثقة بنسبة 95% (95% CI)

لا يكتمل التقدير الإحصائي النقطي (Point Estimate) لـ OR أو RR دون حساب وتفسير فترات الثقة بنسبة 95% (95% Confidence Intervals). تُعبر فترة الثقة عن النطاق الإحصائي الذي يُتوقع، بدرجة ثقة تصل إلى 95% عبر تكرار التجربة في عينات مماثلة، أن يحتوي على القيمة الحقيقية لحجم الأثر في المجتمع الأصلي.

ترتبط فترة الثقة ارتباطاً وثيقاً بـ الدلالة الإحصائية (Statistical Significance) والقيمة الاحتمالية (P-value)؛ فإذا كانت فترة الثقة بنسبة 95% لا تشتمل على القيمة المحايدة (1.0) — كأن تكون الفترة [1.25 إلى 2.10] أو [0.45 إلى 0.82] — فإن الأثر يُعد دالاً إحصائياً عند مستوى دلالة P < 0.05، ويتم رفض الفرضية الصفرية بثقة. أما إذا اشتملت فترة الثقة على الرقم (1.0) — كأن تكون الفترة [0.85 إلى 1.60] — فإن النتيجة تفقد دلالتها الإحصائية (P ≥ 0.05)، حتى لو كانت القيمة النقطية المحسوبة تبدو كبيرة ظاهرياً.

علاوة على ذلك، تعكس سعة فترة الثقة مدى دقة التقدير الإحصائي (Precision)؛ فالنطاق الضيق (مثال: OR = 1.50; 95% CI [1.42, 1.59]) يشير إلى قوة إحصائية عالية وحجم عينة كبير يمنح يقيناً سريرياً، بينما النطاق المتسع جداً (مثال: OR = 3.50; 95% CI [1.05, 11.67]) يعكس هشاشة في الدقة التقديرية بسبب صغر حجم العينة أو تشتت البيانات، مما يفرض الحذر عند اتخاذ قرارات إكلينيكية حاسمة بناءً على الحد الأعلى أو الأدنى للفترة.

8.3 أمثلة على التفسير الخاطئ والتحيز اللغوي في النتائج

ينتشر التحيز اللغوي والأخطاء التفسيرية بصورة مقلقة في الأدبيات السلوكية؛ ومن أبرز هذه المغالطات صياغة نتائج نسبة الأرجحية بعبارات احتمالية بحتة. فإذا أسفرت دراسة عن أن نسبة الأرجحية للإصابة بالاكتئاب بين مستخدمي وسائل التواصل الاجتماعي بإفراط بلغت OR = 2.50، فإنه من الخطأ الفادح كتابة: “استخدام وسائل التواصل يزيد من احتمالية أو خطر الإصابة بالاكتئاب بمقدار 2.5 مرة”.

الصياغة الأكاديمية المنضبطة تقتضي القول: “إن أرجحية الإصابة بالاكتئاب لدى المستخدمين المفرطين أعلى بمقدار 2.5 مرة مقارنة بالمستخدمين المعتدلين”. إن استبدال كلمة “أرجحية” بـ “احتمالية” ليس ترفاً لغوياً، بل هو حماية من الوقوع في تضليل علمي؛ فالأرجحية 2.5 قد تقابل خطراً نسبياً حقيقياً لا يتجاوز 1.4 إذا كان الاكتئاب شائعاً في تلك الفئة، مما يجعل الادعاء بتضاعف الخطر مرتين ونصف ادعاءً زائفاً لا تدعمه الأرقام الرياضية الفعلية.

9. أمثلة تطبيقية وحسابية خطوة بخطوة من البحوث النفسية والسريرية

9.1 دراسة حالة 1: تقييم برنامج تدريبي لمهارات التركيز لدى الرياضيين

في دراسة تجريبية استهدفت تقييم فاعلية برنامج جديد للتدريب على اليقظة الذهنية والتركيز البصري لدى لاعبي الرماية الرياضية، تم توزيع 200 رياضي عشوائياً إلى مجموعتين متساويتين: مجموعة تجريبية خضعت للبرنامج الجديد (100 رياضي)، ومجموعة ضابطة خضعت للتدريب التقليدي (100 رياضي). وكانت النتيجة المستهدفة هي “اجتياز اختبار الدقة تحت الضغط العالي”.

أظهرت النتائج الميدانية ما يلي:

• في المجموعة التجريبية: نجح 70 رياضياً في اجتياز الاختبار (A = 70)، بينما رسب 30 (B = 30). إجمالي المجموعة: A + B = 100.
• في المجموعة الضابطة: نجح 35 رياضياً في اجتياز الاختبار (C = 35)، بينما رسب 65 (D = 65). إجمالي المجموعة: C + D = 100.

خطوات الحساب الرياضي:

1. حساب الخطر النسبي للنجاح (RR):
   • احتمال النجاح في التجريبية: Risk_exp = 70 / 100 = 0.70
   • احتمال النجاح في الضابطة: Risk_ctrl = 35 / 100 = 0.35
   • الخطر النسبي: RR = 0.70 / 0.35 = 2.00
   • التفسير الإكلينيكي: تضاعفت احتمالية اجتياز اختبار الدقة لدى الرياضيين الخاضعين للبرنامج الجديد مرتين تماماً (زيادة بنسبة 100%) مقارنة بالبرنامج التقليدي.
2. حساب نسبة الأرجحية للنجاح (OR):
   • أرجحية النجاح في التجريبية: Odds_exp = 70 / 30 = 2.333
   • أرجحية النجاح في الضابطة: Odds_ctrl = 35 / 65 = 0.538
   • نسبة الأرجحية: OR = (70 × 65) / (30 × 35) = 4550 / 1050 = 4.33
   • المقارنة التفسيرية: نلاحظ هنا بوضوح أن قيمة OR (4.33) تضخمت بأكثر من الضعف مقارنة بقيمة RR الحقيقية (2.00)، وذلك لأن نتيجة “النجاح” كانت شائعة جداً في العينة (أكثر من 50% إجمالاً). إن القول بأن البرنامج يزيد فرصة النجاح 4.33 مرة يُعد مبالغة تضليلية للأثر الواقعي للتدريب.

9.2 دراسة حالة 2: فاعلية التدخل السلوكي في تقليل نوبات الهلع

أُجريت تجربة إكلينيكية معشاة على عينة من 150 مريضاً يعانون من اضطراب الهلع الحاد لتقييم فاعلية بروتوكول مكثف للتعرض الميداني (Interoceptive Exposure). تم تقسيم المرضى إلى مجموعتين: 75 مريضاً تلقوا العلاج السلوكي المكثف، و75 مريضاً تلقوا تدخلاً وهمياً داعماً (Sham Control). عُرّفت النتيجة الإيجابية بـ “الشفاء السريري وانعدام النوبات تماماً لمدة 6 أشهر”.

توزيع البيانات في مصفوفة 2×2 كان كالتالي:

• المجموعة العلاجية: تعافى 45 مريضاً (A = 45)، ولم يتعافَ 30 مريضاً (B = 30).
• المجموعة الضابطة: تعافى 15 مريضاً (C = 15)، ولم يتعافَ 60 مريضاً (D = 60).

الحسابات الإحصائية:

Risk_treatment = 45 / 75 = 0.60 (معدل الشفاء 60%)
Risk_control = 15 / 75 = 0.20 (معدل الشفاء 20%)
RR = 0.60 / 0.20 = 3.00 (95% CI: 1.83 - 4.91)

أما نسبة الأرجحية فتُحسب عبر الضرب التبادلي:

OR = (45 × 60) / (30 × 15) = 2700 / 450 = 6.00 (95% CI: 2.87 - 12.54)

الاستنتاج والتوصية السريرية: يُظهر التحليل أن المرضى الذين خضعوا للتدخل السلوكي المكثف كانت احتمالية تعافيهم التام ثلاثة أضعاف المجموعة الضابطة (RR = 3.00). بينما أظهرت نسبة الأرجحية قيمة متضخمة بلغت 6.00. يقدم الخطر النسبي هنا الصورة الأدق والأكثر مصداقية للتواصل مع الأطباء وتضمين النتائج في أدلة الممارسة السريرية، مع تجنب الاستخدام الدعائي للقيمة 6.00.

9.3 دراسة حالة 3: دراسة حالات وشواهد حول الصدمات النفسية واضطرابات المزاج

لتقييم العلاقة بين التعرض للانتهاك النفسي الشديد في الطفولة ونشوء الاكتئاب السريري المقاوم في الكبر، صمم باحثون دراسة حالات وشواهد استرجاعية شملت: 200 مريض تم تشخيصهم باكتئاب حاد مقاوم للعلاج في مجمع طبي نفسي (الحالات)، و200 فرد من نفس المجتمع لا يعانون من أي تاريخ مرضي نفسي (الشواهد). تم فحص السجلات والمقابلات لتوثيق التعرض للصدمات المبكرة.

أظهرت البيانات التكرارية:

• بين الحالات المكتئبة: 120 مريضاً ثبت تعرضهم لصدمات مبكرة (A = 120)، بينما 80 لم يتعرضوا (B = 80).
• بين الشواهد الأصحاء: 40 فرداً ثبت تعرضهم لصدمات مبكرة (C = 40)، بينما 160 لم يتعرضوا (D = 160).

التحليل والمناقشة:
نظراً لأن هذه الدراسة هي “حالات وشواهد”، فإن الباحث قام بتحديد حجم العينات بشكل مسبق (200 مقابل 200)، وبالتالي فإن نسبة الاكتئاب في العينة (50%) لا تمثل معدل الانتشار الحقيقي للاكتئاب في المجتمع، مما يمنع تماماً وبشكل قاطع حساب الخطر النسبي (RR)؛ لأن حساب معدل الحدوث الكلي غير ممكن رياضياً.

المقياس الإحصائي الوحيد الصالح للحساب هنا هو نسبة الأرجحية (OR):

OR = (A × D) / (B × C) = (120 × 160) / (80 × 40) = 19200 / 3200 = 6.00
ln(OR) = ln(6.00) = 1.7917
SE(ln(OR)) = √(1/120 + 1/80 + 1/40 + 1/160) = √(0.00833 + 0.0125 + 0.025 + 0.00625) = √0.05208 = 0.2282
95% CI for ln(OR) = 1.7917 ± (1.96 × 0.2282) = [1.3444, 2.2390]
95% CI for OR = [e^1.3444, e^2.2390] = [3.84, 9.38]

التفسير العلمي السليم: “إن أرجحية وجود تاريخ من التعرض لصدمات الطفولة المبكرة بين مرضى الاكتئاب المقاوم للعلاج أعلى بمقدار 6 أضعاف (95% CI: 3.84 إلى 9.38) مقارنة بالأفراد الأصحاء، وهي علاقة ارتباطية دالة إحصائياً بقوة تدعم الفرضية السببية التراكمية للصدمات المبكرة”.

10. الأخطاء الشائعة والمغالطات التفسيرية في الأبحاث النفسية

10.1 مغالطة الخلط بين الأرجحية والاحتمالية في وسائل الإعلام والأوراق العلمية

تُعد مغالطة الخلط بين الأرجحية والاحتمالية (The Odds-Probability Confusion Fallacy) واحدة من أكثر الانزلاقات انتشاراً في الصحافة العلمية والتقارير الطبية. تنشأ هذه المغالطة عندما تُترجم نسبة أرجحية ذات قيمة مرتفعة (مثل OR = 3.0) بصورة تلقائية وغير علمية إلى عبارة تدعي أن التدخل أو السلوك المدروس “يضاعف احتمال الإصابة أو الشفاء بمقدار 3 مرات”.

وقد كشفت العديد من المراجعات المنهجية التي فحصت أوراقاً منشورة في مجلات علم النفس والطب النفسي أن ما يقارب 30% إلى 40% من الدراسات تقع في فخ استخدام صياغات لغوية احتمالية مضللة عند مناقشة نسب الأرجحية المستخرجة من نماذج الانحدار اللوجستي. يمتد التأثير السلبي لهذا التضليل إلى الجمهور العام؛ حيث تساهم العناوين الصحفية المثيرة في نشر الذعر من أدوية نفسية آمنة نسبياً أو الترويج لعلاجات نفسية غير مثبتة بدعوى أنها تحقق “نسب نجاح مضاعفة لعدة مرات”.

10.2 إغفال الخطر المطلق ومعدل الانتشار الأساسي (Base Rate Fallacy)

من الأخطاء الإحصائية الجسيمة الاكتفاء بتقديم المقاييس النسبية (سواء كانت RR أو OR) بمعزل تام عن الخطر المطلق (Absolute Risk) ومعدل الانتشار الأساسي للظاهرة في المجتمع (Base Rate Fallacy). إن تقديم نسب الخطر النسبية وحدها يخلق وهماً بصرياً يضخم من الأهمية الإكلينيكية الحقيقية للأثر.

لتوضيح ذلك: لنفترض أن دراسة وبائية وجدت أن تناول مضاد اكتئاب معين يرتبط بمضاعفة خطر حدوث اضطراب عصبي حركي نادر جداً، حيث بلغت نسبة الخطر النسبي RR = 2.0 (أي زيادة بنسبة 100%). ظاهرياً، يبدو هذا الرقم مفزعاً ويدعو لوقف الدواء فوراً. ولكن عند النظر إلى الخطر المطلق، نجد أن معدل حدوث هذا الاضطراب النادر في الأصل هو حالة واحدة لكل 100,000 مريض (0.001%)، وأن تناول الدواء رفع الخطر المطلق إلى حالتين لكل 100,000 مريض (0.002%).

تتضح الصورة الحقيقية عند حساب المقاييس المطلقة المكملة:

• الزيادة المطلقة في الخطر (Absolute Risk Increase – ARI): 0.00002 - 0.00001 = 0.00001 (0.001%).
• العدد اللازم للإيذاء (Number Needed to Harm – NNH): ويُحسب بـ 1 / ARI = 1 / 0.00001 = 100,000. يعني هذا الرقم الإكلينيكي الحاسم أن الطبيب يحتاج إلى علاج 100,000 مريض بهذا الدواء ليظهر عرض جانبي إضافي واحد فقط!

إن إغفال الخطر المطلق ومعدلات NNT/NNH يحرم المعالجين النفسيين والمرضى من الموازنة الموضوعية بين الفائدة العلاجية الكبرى لمضادات الاكتئاب والأعراض الجانبية النادرة، مما يؤكد ضرورة اقتران المقاييس النسبية بالمقاييس المطلقة دوماً.

10.3 التحيزات المنهجية المؤثرة على نسب المقارنة

تتعرض المقاييس النسبية (RR و OR) لتشوهات وانحرافات خطيرة ناتجة عن التحيزات المنهجية الملازمة لتصميم الدراسات السلوكية والنفسية، ومن أبرز هذه التحيزات:

• تحيز الاختيار (Selection Bias): يحدث عندما لا تمثل عينة الدراسة المجتمع المستهدف بشكل متوازن. في دراسات الحالات والشواهد، إذا تم اختيار الشواهد من داخل المستشفى النفسي بدلاً من المجتمع العام، فقد يحمل الشواهد معدلات تعرض غير طبيعية لعوامل الخطر، مما يؤدي إلى تزييف قيمة OR بالزيادة أو النقصان.
• تحيز التذكر والاسترجاع (Recall Bias): في الدراسات الاسترجاعية التي تعتمد على التقارير الذاتية، يميل مرضى الاكتئاب أو القلق الشديد إلى تذكر واسترجاع أحداث الطفولة السلبية والصدمات بمعدل أعلى وأكثر تضخيماً مقارنة بالأفراد الأصحاء، بدافع البحث عن تفسير لمعاناتهم الحالية، مما يضخم نسب الأرجحية المرصودة بشكل زائف.
• عوامل الإرباك (Confounding Factors): وجود متغيرات وسيطة أو خارجية ترتبط بالتعرض والنتيجة في آن واحد (مثل تعاطي التبغ، والوضع الاقتصادي الاجتماعي، والشدة الأولية للاضطراب). إذا لم يتم ضبط هذه المتغيرات المربكة عبر التحليل الإحصائي التعديلي، فإن قيم RR و OR الناتجة تكون مضللة ولا تعبر عن علاقة سببية حقيقية.

11. التحليل المتقدم: الانحدار اللوجستي والتحليل البعدي (Meta-Analysis)

11.1 لماذا ينتج الانحدار اللوجستي (Logistic Regression) نسب أرجحية حصراً؟

يُمثل نموذج الانحدار اللوجستي الثنائي (Binary Logistic Regression) العمود الفقري للتحليلات الإحصائية متعددة المتغيرات في العلوم الطبية والنفسية عندما يكون المتغير التابع ثنائياً (مثل: مصاب/غير مصاب، تعافى/لم يتعافَ). والسؤال الإحصائي المركزي هنا هو: لماذا يُنتج الانحدار اللوجستي نسب أرجحية (Adjusted Odds Ratios – aOR) ولا يستطيع استخراج الخطر النسبي مباشرة؟

السبب يكمن في البنية الرياضية لدالة الرابط (Link Function). فالاحتمال مقيد بالمدى [0, 1]، وإذا استخدمنا نموذج انحدار خطي عادي، فإن التنبؤات قد تتجاوز هذا النطاق (قيم سالبة أو أكبر من 1). لحل هذه المعضلة، يستخدم الانحدار اللوجستي تحويل “اللوجيت” (Logit Transformation)، وهو اللوغاريتم الطبيعي للأرجحية:

Logit(P) = ln[ P / (1 – P) ] = β0 + β1×X1 + β2×X2 + … + βk×Xk

وعند أخذ الدالة الأسية (Exponentiation) للمعامل الانحداري e^β1، فإن الناتج الرياضي يمثل حصراً نسبة الأرجحية المعدلة (Adjusted OR) للتعرض بعد ضبط وتثبيت تأثير جميع المتغيرات المربكة الأخرى في النموذج. ونظراً لعدم إمكانية تحويل اللوجيت خطياً إلى احتمالات مباشرة دون معرفة قيم المتغيرات التنبؤية، يظل OR هو المخرج الرياضي الحتمي لهذا النموذج.

وللحصول على الخطر النسبي المعدل (Adjusted RR) مباشرة دون الوقوع في تضخيم نسبة الأرجحية، يتجه الإحصائيون المعاصرون إلى استخدام نماذج بديلة أثبتت كفاءة رياضية عالية، مثل انحدار بواسون المعدل مع تباين الخطأ المتين (Modified Poisson Regression with Robust Error Variance) أو نماذج الانحدار اللوغ-ثنائي (Log-Binomial Regression) التي تستخدم دالة ربط لوغاريتمية مباشرة للاحتمال: ln(P) = βX.

11.2 دمج المقاييس في التحليل البعدي للدراسات النفسية (Meta-Analysis)

في المراجعات المنهجية والتحليلات البعدية (Meta-Analyses) — التي تُمثل قمة هرم الطب المبني على الدليل — يواجه الباحثون تحدياً إحصائياً معقداً يتمثل في تباين المقاييس المستخدمة بين الدراسات الأولية المنشورة؛ حيث تقرر بعض الدراسات الأترابية الخطر النسبي (RR)، بينما تقرر دراسات أخرى أو نماذج لوجستية نسبة الأرجحية (OR).

وفقاً للإرشادات الدولية المعيارية مثل دليل كوكرين للمراجعات المنهجية (Cochrane Handbook)، لا يجوز دمج قيم RR مع قيم OR في نموذج تجميعي واحد دون معالجة مسبقة؛ نظراً للاختلاف الرياضي في توزيعاتهما. ويتعين على المحلل الإحصائي اتباع أحد مسارين:

1. إعادة استخراج البيانات التكرارية الخام من جداول 2×2 لكل دراسة أولية، وإعادة حساب مقياس موحد وثابت (إما RR للجميع أو OR للجميع) مع فترات ثقته الموحدة.
2. استخدام التحويلات الرياضية المعيارية المعتمدة لتحويل قيم OR إلى RR (أو العكس) قبل التجميع الإحصائي، لا سيما عند ثبوت انخفاض معدلات الحدوث الأساسية.

كما يلعب اختبار التباين أو عدم التجانس (Heterogeneity Test عبر مقياس I²) دوراً حاسماً في تقييم مدى اتساق نسب الأرجحية المجمعة بين مختلف البيئات الإكلينيكية، لتحديد ما إذا كان نموذج التأثيرات الثابتة (Fixed-effects) أو التأثيرات العشوائية (Random-effects) هو الأنسب للتعبير عن حجم الأثر التجميعي النهائي.

11.3 استخدام البرمجيات الإحصائية لحساب وتعديل المقاييس (SPSS, R, Python)

توفر الحزم والبرمجيات الإحصائية المعاصرة أدوات برمجية دقيقة لحساب واشتقاق فترات الثقة لنسب الأرجحية والخطر النسبي، وتتطلب الممارسة الاحترافية قراءة واعية للمخرجات الرقمية لتجنب أخطاء النقل والتوثيق:

• في برنامج IBM SPSS: يمكن استخراج كلا المقياسين عبر مسار: Analyze → Descriptive Statistics → Crosstabs، وتفعيل خيار Risk من نافذة الإحصاءات. يُنتج البرنامج جدولاً يحمل اسم Risk Estimate يتضمن صفاً لـ Odds Ratio وصفين للمخاطر النسبية (Risk Ratios) باختلاف المجموعة المرجعية. كما يوفر أمر Binary Logistic Regression قيم Exp(B) التي تمثل نسبة الأرجحية المعدلة وفترات ثقتها.
• في لغة R الإحصائية: تُستخدم حزم متخصصة فائقة الدقة مثل حزمة epitools عبر الدالة oddsratio() لحساب نسب الأرجحية بمختلف الطرق (حاصل الضرب التبادلي، أو طريقة الأرجحية القصوى الفلكية لمنع التحيّز)، وحزمة riskratio() لحساب الخطر النسبي. ولتطبيق انحدار بواسون المعدل لاستخراج RR، تُستخدم الدالة glm() مع خيار family = poisson(link = "log") مدعومة بحزمة sandwich لضبط التباين القوي.
• في لغة Python: تُقدم مكتبة statsmodels عبر وحدتي statsmodels.api.Logit و Table2x2 دوال مرنة وشاملة لحساب OR و RR بدقة متناهية مع فترات الثقة 95%، مما يتيح دمج النمذجة الوبائية المتقدمة ضمن مسارات تعلم الآلة والذكاء الاصطناعي في الصحة النفسية.

12. إرشادات عملية وتوصيات منهجية للباحثين والممارسين الإكلينيكيين

12.1 شجرة اتخاذ القرار لاختيار المقياس الإحصائي الأنسب

لتسهيل الممارسة المنهجية وضمان اتخاذ القرارات الإحصائية الصائبة، يوصى باتباع خوارزمية منطقية وشجرة قرار واضحة لتحديد المقياس الأنسب لكل سياق بحثي:

1. ما هو تصميم الدراسة؟
   • إذا كان التصميم دراسة حالات وشواهد (Case-Control Study): الخيار الوحيد الصالح رياضياً هو نسبة الأرجحية (OR). لا تحسب الخطر النسبي إطلاقاً.
   • إذا كان التصميم تجربة عشوائية محكومة (RCT) أو دراسة أترابية تتبعية (Cohort Study): انتقل للسؤال التالي.
   • إذا كان التصميم دراسة مستعرضة (Cross-Sectional): يفضل استخدام نسبة معدل الانتشار (Prevalence Ratio – PR) كبديل للخطر النسبي، أو نسبة أرجحية الانتشار (POR) للنمذجة اللوجستية.
2. ما هو معدل حدوث النتيجة قيد الدراسة في المجموعة المرجعية؟
   • إذا كانت النتيجة نادرة جداً (< 5% إلى 10%): تتقارب قيم OR و RR بشكل شبه تام؛ ويمكن استخدام OR كبديل تقريبي ممتاز ومباشر لـ RR.
   • إذا كانت النتيجة شائعة وغير نادرة (≥ 10% إلى 20%+): يجب تفضيل وتقديم الخطر النسبي (RR) والمقاييس المطلقة (ARR/NNT). تجنب تقديم OR بمفردها، وإذا استُخدم الانحدار اللوجستي، يجب تطبيق نماذج بديلة كـ Poisson المعدل للحصول على RR معدل وتفادي تضخيم الأثر.

12.2 قواعد الشفافية والتقرير وفق معايير النشر الدولية (STROBE و CONSORT)

تفرض المبادئ التوجيهية العالمية لتعزيز جودة ونزاهة التقارير البحثية، مثل بيان STROBE للدراسات القائمة على الملاحظة وبيان CONSORT للتجارب السريرية المعشاة، متطلبات صارمة وشفافة عند الإبلاغ عن النتائج الإحصائية، تتلخص في النقاط الإلزامية التالية:

• التحديد الواضح والصريح لنوع المقياس الإحصائي المستخدم في الملخص ومتن النتائج (ذكر OR أو RR بالاسم الصريح دون تعميم مصطلح “الخطر”).
• إلزامية إرفاق فترات الثقة بنسبة 95% (95% CI) بجانب كل تقدير نقطي، مع ذكر القيمة الاحتمالية الدقيقة (P-value) دون الاكتفاء بعبارة “دال إحصائياً”.
• الجمع الإلزامي بين المقاييس النسبية (RR/OR) والمقاييس المطلقة (مثل معدلات المخاطر الأساسية، وتقليل الخطر المطلق ARR، والعدد اللازم للعلاج NNT)، لتقديم رؤية متكاملة تمنع التحيزات التفسيرية الناتجة عن النسب المجردة.
• الإفصاح المنهجي عن كافة المتغيرات المربكة التي تم إدخالها في النماذج التعديلية، وتوضيح طريقة التعامل مع البيانات المفقودة (Missing Data).

12.3 خلاصة إرشادية لتواصل الممارسين الإكلينيكيين مع المرضى والعملاء

يتحمل الممارسون الإكلينيكيون والأطباء النفسيون مسؤولية أخلاقية ومهنية كبرى في ترجمة هذه المفاهيم الإحصائية المعقدة إلى لغة تواصل سريرية واضحة ومفهومة للمرضى وذويهم أثناء جلسات الاستشارة الطبية وأخذ الموافقة المستنيرة (Informed Consent). إن استخدام الأرقام النسبية المضخمة أو المصطلحات الغامضة كالأرجحية قد يثير قلقاً لا مسوغ له أو يبني توقعات علاجية غير واقعية لدى المريض.

يوصى بالتواصل باستخدام صيغ “الاحتمال الطبيعي والمطلق” (Natural Frequencies)؛ فعوضاً عن القول للمريض: “إن هذا الدواء يخفض أرجحية الانتكاس بنسبة أرجحية 0.50″، أو “يقلل الخطر النسبي بنسبة 50%”، يُفضل صياغتها بالشكل الواقعي التالي: “من بين كل 100 مريض يعانون من نفس حالتك ولا يتناولون العلاج، ينتكس 20 مريضاً خلال عام؛ بينما مع تناول هذا الدواء بانتظام، ينخفض عدد المنتكسين إلى 10 فقط من بين كل 100 مريض”. إن هذه الصياغة الشفافة تمنح المريض فهماً إدراكياً سليماً لحجم الفائدة والمخاطر، وتعزز التحالف العلاجي والثقة المتبادلة القائمة على الفهم الواعي للحقائق العلمية.

خاتمة

في الختام، يُشكل الفهم المنهجي الدقيق للتمايزات الجوهرية بين الخطر النسبي (Relative Risk) ونسبة الأرجحية (Odds Ratio) كفاءة إحصائية وإكلينيكية لا غنى عنها لكل مشتغل في حقول البحث النفسي والطب السلوكي. ورغم أن كلا المقياسين يمتلكان قيمة علمية راسخة عند استخدامهما في سياقاتهما الصحيحة، إلا أن قوة الخطر النسبي تكمن في وضوحه الإدراكي وارتباطه المباشر بالاحتمالات الواقعية في الدراسات التتبعية والتجارب المعشاة، بينما تتجلى قوة نسبة الأرجحية في مرونتها الرياضية الفائقة وملاءمتها الحصرية لدراسات الحالات والشواهد ونماذج الانحدار اللوجستي المتقدمة.

إن الالتزام الصارم بفرضية المرض النادر عند المقارنة بين المقياسين، والامتناع عن تفسير نسب الأرجحية بصياغات احتمالية فضفاضة عند دراسة الظواهر الشائعة، والحرص على إقران المقاييس النسبية بالمؤشرات المطلقة كفترات الثقة والـ NNT، يمثل الدرع الواقي ضد التضليل العلمي والمبالغة السريرية. ومن خلال ترسيخ هذه القواعد المنهجية الشفافة في أروقة الجامعات، والمجلات المحكمة، والممارسات الإكلينيكية اليومية، نرتقي بجودة الاستدلال العلمي ونضمن توجيه القرارات الطبية والسياسات الصحية نحو الرعاية الفضلى المبنية على الدليل الأصدق والأنقى.

References

• Altman, D. G. (1991). Practical statistics for medical research. Chapman and Hall/CRC. https://www.routledge.com/Practical-Statistics-for-Medical-Research/Altman/p/book/9780412276309
• Cochrane Collaboration. (2023). Cochrane Handbook for Systematic Reviews of Interventions (Version 6.4). https://training.cochrane.org/handbook
• Davies, H. T., Crombie, I. K., & Tavakoli, M. (1998). When can odds ratios mislead? BMJ, 316(7136), 989–991. https://doi.org/10.1136/bmj.316.7136.989
• Deeks, J. J. (1998). When can odds ratios mislead? BMJ, 317(7166), 1155–1156. https://doi.org/10.1136/bmj.317.7166.1155
• Hosmer, D. W., Lemeshow, S., & Sturdivant, R. X. (2013). Applied Logistic Regression (3rd ed.). John Wiley & Sons. https://doi.org/10.1002/9781118548387
• Knol, M. J., Le Cessie, S., Algra, A., Vandenbroucke, J. P., & Groenwold, R. H. (2012). Overestimation of risk ratios by odds ratios in trials and cohort studies. Journal of Clinical Epidemiology, 65(3), 238–244. https://doi.org/10.1016/j.jclinepi.2011.07.004
• Rothman, K. J., Greenland, S., & Lash, T. L. (2008). Modern Epidemiology (3rd ed.). Lippincott Williams & Wilkins.
• 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/
• Vandenbroucke, J. P., von Elm, E., Altman, D. G., Gøtzsche, P. C., Mulrow, C. D., Pocock, S. J., Poole, C., Schlesselman, J. J., & Egger, M. (2007). Strengthening the Reporting of Observational Studies in Epidemiology (STROBE): Explanation and elaboration. PLoS Medicine, 4(10), e297. https://doi.org/10.1371/journal.pmed.0040297
• 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
• Zou, G. (2004). A modified poisson regression approach to prospective studies with binary data. American Journal of Epidemiology, 159(7), 702–706. https://doi.org/10.1093/aje/kwh090