أظهرت دراسة أن المدن التي بها عدد أكبر من الصيدليات لديها أعلى معدلات وفيات.
هل الاستنتاج أن الصيدليات تسبب الوفاة؟
كلا. المدن الأكبر تضم صيدليات أكثر وسكانًا أكثر، وبطبيعة الحال وفيات أكثر.
المتغير المربك (confounder) متغير خفي يجعلنا نرى علاقة غير موجودة، أو يخفي علاقة موجودة فعلًا.
ما المقصود بالمتغير المربك تحديدًا؟
المتغير المربك (Confounding Variable) متغير يتميز بما يلي:
- ارتباطه بالتعرض (المتغير المستقل)
- ارتباطه بالمتغير الناتج (المتغير التابع)
- عدم وجوده على المسار السببي بين الاثنين
المثال الكلاسيكي: العلاقة بين الشعر الرمادي وأمراض القلب؛ المتغير المربك هنا هو العمر — الذي يؤثر في كليهما.
لماذا يشكل التربك (Confounding) خطرًا على بحثك؟
لأنه قد يدفع إلى استنتاجات معاكسة للحقيقة.
في علم الأوبئة (epidemiology)، يعد التربك السبب الأول للنتائج المضللة في الدراسات الرصدية (observational studies).
مفارقة سيمبسون (Simpson's Paradox): تنعكس النتيجة عند تقسيم البيانات حسب متغير ثالث — مثال حي على أثر التربك.
كيف يتحكم الانحدار في المتغيرات المربكة؟
الانحدار متعدد المتغيرات (multivariable regression) هو الأداة الأساسية للتحكم في المتغيرات المربكة في الدراسات الرصدية.
الفكرة: بدل قياس العلاقة بين التدخين وسرطان الرئة منفردة، تُدخل في النموذج العمر والجنس والتعرض للمواد الكيميائية والتاريخ العائلي؛ فيثبت الانحدار تأثير المتغيرات المربكة ويعطيك أثر التدخين "المنقّى".
الخطوات العملية
1. حدد المتغيرات المربكة المحتملة نظريًا قبل التحليل
استنادًا إلى الأدبيات ومنطق العلاقات البيولوجية أو الاجتماعية.
2. أدخلها في النموذج كمتغيرات مصاحبة (Covariates)
في الانحدار اللوجستي تتحول إلى نسبة أرجحية معدّلة (adjusted OR)، وفي الانحدار الخطي إلى معامل معدّل (adjusted coefficient).
3. قارن التقديرات الخام (Crude) والمعدّلة (Adjusted)
إذا تغيرت نسبة الأرجحية أكثر من 10٪ بعد إضافة المتغير المربك، فهذا دليل على وجود تربك فعلي.
4. أبلغ عن النتائج المعدّلة (Adjusted Results)
النتائج الخام (غير المعدّلة) وحدها غير كافية في الدراسات الرصدية.
حدود الانحدار في التعامل مع التربك
يتحكم الانحدار في المتغيرات المربكة المقيسة فقط؛ فالمتغيرات غير المقيسة (التربك المتبقي Residual Confounding) قد تبقى قائمة.
لهذا السبب لا تُثبت الدراسات الرصدية — حتى مع نموذج انحدار جيد — السببية كما تفعل التجارب العشوائية المضبوطة (RCT).
التعامل الصحيح مع التربك يقلّله ولا يلغيه تمامًا.
ماذا تفعل الآن؟
في دراستك الرصدية، أعد قائمة بالمتغيرات المربكة المحتملة قبل التحليل، وتأكد من الإبلاغ عن النتائج المعدّلة مع ذكر المتغيرات التي تحكمت فيها.
يتخصص فريق Analysez AI في تحليل الدراسات الرصدية — بما في ذلك التعامل الصحيح مع التربك وكتابة النتائج بصيغة مقبولة للنشر.