أثناء مراجعة بيانات دراسة حول وظائف الكلى، لاحظ الباحث أن معظم قراءات الكرياتينين في المصل تتراوح بين 0.7 و1.4 mg/dL، باستثناء قراءتين اثنتين: الأولى كانت 110 mg/dL، والثانية كانت 6.8 mg/dL.
لو تعامل الباحث مع القيمتين بالقرار نفسه — سواء بحذفهما معًا بوصفهما “قيمتين متطرفتين” أو بالإبقاء عليهما معًا دون تدقيق — لوقع في خطأ منهجي؛ لأن القيمة الأولى (110) تبيّن عند الرجوع لملف المختبر أنها خطأ في الفاصلة العشرية أصلها 1.10 mg/dL، بينما القيمة الثانية (6.8) كانت قراءة حقيقية لمريض يعاني من قصور كلوي حاد!
القيمة المتطرفة (Outlier) ليست خطأً يجب مسحه تلقائيًا؛ إنها إشارة تنبيه تطلب منك التمييز بين خطأ الإدخال والظاهرة البيولوجية الحقيقية.
النوعان الأساسيان للقيم المتطرفة: من أين تأتي؟
قبل تطبيق أي معادلة إحصائية، يجب أن تدرك أن القيم البعيدة عن مركز البيانات تنقسم من حيث مصدرها إلى فئتين مختلفتين تمامًا في التعامل:
1. أخطاء القياس أو الإدخال أو الترميز (Data-Entry & Measurement Errors)
- أمثلة شائعة: نسيان الفاصلة العشرية (كتابة الطول 175 مترًا بدل 1.75 متر، أو كتابة الوزن 750 كغ بدل 75.0 كغ)، أو تبديل الوحدات بين المختبرات (mmol/L مقابل mg/dL)، أو ترك رموز القيم المفقودة مثل
999أو-99داخل العمود الرقمي فتحسبها البرمجيات كأرقام حقيقية. - القرار الصحيح: الرجوع إلى السجل الأصلي (Source verification) وتصحيح الرقم فورًا، أو تحويله إلى قيمة مفقودة إذا تعذّر التأكد من أصله وكانت القيمة مستحيلة سريريًا.
2. التطرف البيولوجي أو السريري الحقيقي (True Biological Extremes)
- أمثلة شائعة: مريض في العناية المركزة لديه مستوى إنزيمات كبد يفوق المعدل الطبيعي بعشرة أضعاف، أو مريض استثنائي أقام في المستشفى 45 يومًا بينما أقام البقية 4 أيام.
- القرار الصحيح: لا يجوز حذف المشاهدة الحقيقية لمجرد أنها بعيدة عن المتوسط أو لأنها تُضعف القيمة الاحتمالية (p-value) التي يتمناها الباحث. حذف الحالات الحقيقية المتطرفة دون مبرر علمي مسبق يُعد انتقاءً للبيانات (Cherry-picking) ويشوه تمثيل العينة للمجتمع السريري الفعلي.
ثلاث طرق منهجية لاكتشاف القيم المتطرفة
1. نطاقات المعقولية السريرية (Clinical Plausibility Ranges)
هي خط الدفاع الأول قبل أي إحصاء: تحديد الحدود الفسيولوجية الممكنة للحياة البشرية لكل متغير. فمثلًا درجة حرارة جسم الإنسان الحي لا يمكن أن تكون 12°C أو 65°C، ونسبة التشبع بالأكسجين لا تتجاوز 100%. أي رقم خارج هذه الحدود هو في الغالب خطأ إدخال أو قياس.
2. قاعدة أسياج المدى الربيعي لتوكي (Tukey’s IQR Fences — Boxplot Rule)
وهي طريقة متينة لأنها تعتمد على الربيعيات (Quartiles) التي تتأثر بالقيم المتطرفة أقل بكثير من المتوسط والانحراف المعياري:
- يُحسب الربيع الأول (Q₁: المئين 25) والربيع الثالث (Q₃: المئين 75).
- يُحسب المدى الربيعي (IQR = Q₃ - Q₁).
- السياج الأدنى (Lower fence): Q₁ - 1.5 × IQR.
- السياج الأعلى (Upper fence): Q₃ + 1.5 × IQR. أي قيمة تقع خارج هذين السياجين تظهر كنقطة منفردة في مخطط الصندوق والشاربين (Boxplot) وتُصنّف كقيمة متطرفة محتملة تحتاج إلى فحص، وتسمى متطرفة بشدة (Extreme outlier) إذا تجاوزت Q₃ + 3 × IQR أو نزلت تحت Q₁ - 3 × IQR.
3. الدرجة المعيارية (Z-Score Rule)
تقيس كم انحرافًا معياريًا تبعد المشاهدة عن المتوسط الحسابي:
Zᵢ = (xᵢ - x̄)/s
يشيع استخدام العتبة |Z| > 3.0 (أو |Z| > 2.5 في العينات الأصغر) كإشارة لفحص القيمة. غير أن لهذه الطريقة عيبًا رياضيًا ينبغي الانتباه له: لأن المتوسط x̄ والانحراف المعياري s يدخلان في حساب Z، فإن وجود قيمة شاذة ضخمة جدًا يرفع الانحراف المعياري s نفسه، مما قد يُخفي قيمًا متطرفة أخرى (تأثير القناع Masking effect). لذلك تظل قاعدة المدى الربيعي (IQR) أشد متانة في الكشف الأولي.
مثال رقمي بالحساب الكامل: تطبيق قاعدة IQR والدرجة المعيارية
لنفترض أننا قسنا مستوى بروتين التفاعل الالتهابي (CRP بـ mg/L) لأحد عشر مريضًا، وكانت القراءات مرتبة تصاعديًا كما يلي: 2، 3، 4، 4، 5، 5، 6، 7، 8، 9، 35
أولًا: الكشف باستخدام قاعدة المدى الربيعي (IQR Rule)
عدد المشاهدات n = 11:
- الوسيط (Q₂): هو القيمة السادسة في الترتيب (11 + 1)/2 = 6، وقيمتها 5 mg/L.
- الربيع الأول (Q₁): هو وسيط النصف الأدنى، وعند أخذ المشاهدة رقم (11 + 1)/4 = 3 في الترتيب، نجد أن القيمة الثالثة هي 4 mg/L.
- الربيع الثالث (Q₃): هو المشاهدة رقم 3 × (11 + 1)/4 = 9 في الترتيب، وقيمتها هي 8 mg/L.
- حساب المدى الربيعي (IQR):
IQR = Q₃ - Q₁ = 8 - 4 = 4 mg/L
- حساب السياجين الأدنى والأعلى:
- السياج الأدنى: Q₁ - (1.5 × 4) = 4 - 6 = -2 mg/L.
- السياج الأعلى: Q₃ + (1.5 × 4) = 8 + 6 = 14 mg/L.
- السياج الأعلى للتطرف الشديد (3 × IQR): 8 + (3 × 4) = 20 mg/L.
بالمقارنة: جميع المرضى العشرة الأوائل تقع قراءاتهم بين 2 و9 (داخل النطاق الطبيعي تمامًا)، بينما القراءة الحادية عشرة (35 mg/L) تتجاوز السياج الأعلى (14) بل وتتجاوز عتبة التطرف الشديد (20).
ثانيًا: الكشف باستخدام الدرجة المعيارية (Z-Score) على البيانات نفسها
- مجموع القيم الإحدى عشرة: 2+3+4+4+5+5+6+7+8+9+35 = 88.
- المتوسط الحسابي (x̄): 88 / 11 = 8.0 mg/L.
- انحرافات القيم عن المتوسط (xᵢ - 8): هي (-6، -5، -4، -4، -3، -3، -2، -1، 0، +1، +27).
- مجموع مربعات الانحرافات: 36 + 25 + 16 + 16 + 9 + 9 + 4 + 1 + 0 + 1 + 729 = 846.
- تباين العينة: s² = 846 / (11 - 1) = 84.6 ⇒ الانحراف المعياري s = √(84.6) ≈ 9.20 mg/L.
- الدرجة المعيارية للقراءة 35:
Z = (35 - 8.0)/9.20 = 27.0/9.20 ≈ +2.93
لاحظ كيف أن القراءة 35 وحدها رفعت الانحراف المعياري من نحو 2.21 (للعشرة الأوائل) إلى 9.20، فلم تتجاوز قيمة Z العتبة التقليدية 3.0 رغم تطرفها الواضح! وهذا يبرهن عمليًا على أهمية فحص قاعدة IQR ومخطط الصندوق.
ماذا تفعل بعد اكتشاف القيمة المتطرفة الصحيحة بيولوجيًا؟
إذا تحققت من السجل الأصلي وتأكدت أن القراءة 35 mg/L حقيقية لمريض يعاني من التهاب حاد، فلديك ثلاثة مسارات منهجية سليمة بدل الحذف التعسفي:
استخدام الطرق الإحصائية المتينة أو اللامعلمية (Robust / Non-parametric methods): التعبير عن البيانات بالوسيط والمدى الربيعي بدل المتوسط، واستخدام اختبارات الرتب (مثل Mann–Whitney U أو Wilcoxon) أو الانحدار المتين (Robust regression) الذي يقلل وزن المشاهدات الشاذة رياضيًا دون حذفها.
تحويل المتغير رياضيًا (Data Transformation): في المتغيرات الحيوية الموجبة الملتوية يمينًا (مثل تراكيز السيتوكينات أو CRP)، يساعد التحويل اللوغاريتمي (-transformation) على ضغط الذيل الطويل وتقريب التوزيع من الشكل المتماثل.
إجراء تحليل الحساسية (Sensitivity Analysis): وهو ممارسة أساسية للشفافية العلمية: تُجري التحليل الأساسي بوجود جميع المرضى (كامل العينة)، ثم تعيد تشغيل التحليل نفسه بعد استبعاد القيمة المتطرفة، وتعرض النتيجتين معًا للقارئ. إذا بقيت النتيجة والاتجاه متماثلين في الحالتين، فاستنتاجك العلمي متين (Robust) ولا يعتمد على مريض واحد.
كيف تكتبها في بحثك
الشفافية الكاملة في توثيق أي قرار يخص القيم المتطرفة تحمي ورقتك البحثية من أي تشكيك منهجي:
نموذج عربي:
“فُحصت المتغيرات المستمرة للكشف عن القيم المتطرفة باستخدام مخططات الصندوق (Boxplots) وقاعدة المدى الربيعي (1.5 × IQR) ونطاقات المعقولية السريرية. صُحّحت قيمة واحدة ناتجة عن خطأ إدخال عشري بالرجوع إلى السجل المخبري الأصلي، بينما أُبقي على قراءتين متطرفتين صحيحتين بيولوجيًا في التحليل الأساسي. وأُجري تحليل حساسية (Sensitivity analysis) باستبعاد هاتين القراءتين، فأظهر ثبات دلالة الفروق واتجاهها بين المجموعتين.”
نموذج إنجليزي (APA 7th edition style):
“Continuous variables were screened for outliers using boxplots, Tukey’s interquartile range fences (1.5 × IQR), and predefined clinical plausibility bounds. One transcription error was corrected against source laboratory records, whereas two biologically plausible extreme values were retained in the primary analysis. A sensitivity analysis excluding these two observations yielded consistent effect estimates and statistical significance.”
وإذا أردت أن تطبّق هذا على بياناتك، جرّبه على analysez.ai.