أنهى باحث سريري تجربة مقارنة دواء خافض لضغط الدم على 20 مريضًا في كل مجموعة، فوجد أن الدواء الجديد خفّض الضغط بمقدار 6 ملم زئبقي مقارنة بالدواء المعتاد، لكن القيمة الاحتمالية ظهرت p = 0.14.
كتب الباحث في استنتاجه: “أثبتت الدراسة أن الدواء الجديد لا يختلف عن الدواء المعتاد”. وعند عرض الورقة على المحكّمين، جاء الرد حاسمًا: “الدراسة لم تثبت غياب الفرق؛ بل إن حجم العينة كان أصغر من أن يكتشف فرقًا ذا أهمية سريرية”.
حساب حجم العينة (Sample size calculation) ليس إجراءً شكليًا لإرضاء لجنة الأخلاقيات؛ بل هو الضمانة العلمية لئلا تخرج دراستك بنتيجة سلبية كاذبة بسبب ضعف القوة الإحصائية، أو تهدر الموارد وتعرّض مرضى أكثر من اللازم لتدخل تجريبي.
لماذا يُحسم حجم العينة قبل جمع البيانات لا بعده؟
عندما تجري دراسة للمقارنة بين مجموعتين، فأنت عُرضة لنوعين من الأخطاء الإحصائية:
- الخطأ من النوع الأول (Type I error — α): أن تعلن وجود فرق بين المجموعتين بينما لا يوجد فرق حقيقي في المجتمع (نتيجة إيجابية كاذبة).
- الخطأ من النوع الثاني (Type II error — β): أن تفشل في رصد فرق موجود فعلًا في المجتمع لأن عينتك صغيرة (نتيجة سلبية كاذبة).
تُعرّف القوة الإحصائية (Statistical power) بأنها مكمل الخطأ من النوع الثاني (1 - β)، أي احتمال أن ينجح اختبارك الإحصائي في رصد الأثر الحقيقي إذا كان موجودًا فعلًا. في الدراسات الطبية والحيوية، جرى العرف المنهجي على ضبط مستوى الدلالة α عند 0.05 (ثنائي الطرف Two-sided)، وضبط القوة الإحصائية عند 80% على الأقل (أي β = 0.20)، أو 90% في التجارب المحورية.
المكونات الأربعة التي تحدد حجم العينة
لحساب عدد المشاركين المطلوب في كل مجموعة قبل بدء الدراسة، تحتاج إلى تحديد أربعة مدخلات أساسية:
1. مستوى الدلالة الإحصائية (α)
العتبة التي تقبل عندها رفض فرضية العدم، ويشيع اعتماد α = 0.05، ما يقابل قيمة معيارية Z_(1-α/2) = 1.96 في الاختبارات ثنائية الطرف.
2. القوة الإحصائية المطلوبة (1 - β)
القدرة المستهدفة لاكتشاف الفرق، وعند اختيار قوة 80% تكون القيمة المعيارية المقابلة Z_(1-β) = 0.8416 (أو تقريبًا 0.84). أما عند اختيار قوة 90% فتكون Z_(1-β) = 1.2816.
3. أصغر فرق ذي أهمية سريرية أو عملية (Δ)
ما أقل فرق بين المتوسطين (أو النسبتين) لو وُجد في الواقع لاعتبرته مهمًا في الممارسة الطبية؟ هذا الرقم لا يُخترع عشوائيًا، بل يُستمد من الخبرة السريرية أو الدراسات السابقة. كلما بحثت عن فرق أصغر، احتجت إلى عينة أكبر لرؤيته.
4. التشتت أو الانحراف المعياري المتوقع (σ)
مقدار تباين المتغير الناتج بين الأفراد في المجتمع، ويُقدّر عادة من الدراسات المنشورة أو من دراسة استطلاعية مصغرة (Pilot study). كلما زاد التشتت بين الأفراد، زادت الضوضاء واحتجت إلى عينة أكبر لعزل الأثر.
(ملاحظة: يُسمى ناتج قسمة الفرق المتوقع على الانحراف المعياري Δ/σ بحجم الأثر المعياري لكوهين Cohen’s d).
مثال رقمي بالمعادلة والخطوات: مقارنة متوسطين مستقلين
لنفترض أنك تخطط لتجربة سريرية تقارن برنامجًا غذائيًا جديدًا بالرعاية المعتادة لخفض ضغط الدم الانقباضي. من الأدبيات السابقة والخبرة السريرية، حددت المعطيات التالية:
- الانحراف المعياري المتوقع لضغط الدم الانقباضي في هذا المجتمع: σ = 10 mmHg.
- أصغر فرق ذي أهمية سريرية نرغب في اكتشافه بين المجموعتين: Δ = 5 mmHg (أي أن حجم الأثر المعياري d = 5 / 10 = 0.5).
- مستوى الدلالة ثنائي الطرف: α = 0.05 ← Z_(1-α/2) = 1.96.
- القوة الإحصائية المستهدفة: 80% ← Z_(1-β) = 0.84.
- توزيع متساوٍ بين المجموعتين (1:1).
المعادلة القياسية لحجم العينة لكل مجموعة (n)
n = (2 · σ² · (Z_(1-α/2) + Z_(1-β))²)/Δ²
التطبيق الحسابي خطوة بخطوة
- حساب مجموع قيمتي Z:
1.96 + 0.84 = 2.80
- تربيع المجموع:
(2.80)² = 7.84
- حساب مربع الانحراف المعياري مضروبًا في 2:
2 · σ² = 2 · (10)² = 2 · 100 = 200
- ضرب البسط كاملًا:
200 · 7.84 = 1568
- حساب المقام (مربع الفرق Δ²):
Δ² = (5)² = 25
- القسمة لإيجاد n لكل مجموعة:
n = 1568/25 = 62.72
بما أنه لا يوجد “جزء من مريض”، نقرّب الرقم دائمًا إلى الأعلى لضمان عدم نزول القوة الإحصائية عن الحد المطلوب، فيصبح العدد المطلوب للتحليل هو 63 مريضًا في كل مجموعة، أي 126 مريضًا في الدراسة كاملة. (ملاحظة فنية: إذا أضفنا تصحيح توزيع t الدقيق بدل التقريب الطبيعي في البرامج الإحصائية، يرتفع الرقم بمقدار مريض واحد تقريبًا ليصبح 64 لكل مجموعة).
كيف تعدّل حجم العينة لحساب التسرب المتوقع (Dropout Inflation)؟
الرقم 63 لكل مجموعة هو عدد المرضى الذين يجب أن يكملوا الدراسة وتتوفر بياناتهم في التحليل النهائي. في الواقع العملي، ينسحب بعض المشاركين أو ينقطعون عن المتابعة.
خطأ شائع: إذا توقعت تسربًا نسبته 20%، يخطئ البعض فيضرب 63 × 1.20 = 75.6 ≈ 76 مريضًا. لو انسحب 20% من 76 مريضًا (76 × 0.20 = 15.2 مريضًا)، سيبقى لديك نحو 61 مريضًا فقط، وهو أقل من الـ 63 المطلوبين!
المعادلة الصحيحة لتعويض التسرب (d_(drop)):
N_(enrolled) = n/(1 - d_(drop))
بتطبيقها على مثالنا مع توقع تسرب قدره 20% (d_(drop) = 0.20):
N_(enrolled) = 63/(1 - 0.20) = 63/0.80 = 78.75 → 79 مريضًا لكل مجموعة
التحقق الحسابي: إذا بدأنا بـ 79 مريضًا وانسحب منهم 20% (79 × 0.20 = 15.8 مريضًا)، يتبقى لدينا 79 - 15.8 = 63.2 مريضًا، وبذلك نحافظ على القوة الإحصائية كاملة. إذن نحتاج إلى تجنيد 79 × 2 = 158 مشاركًا في بداية الدراسة.
لماذا لا تفيد “القوة الإحصائية البعدية” (Post-Hoc Power)؟
عندما تخرج نتيجة الدراسة غير دالة إحصائيًا (p > 0.05)، يطلب بعض المراجعين حساب “القوة الإحصائية الملاحظة” (Observed / Post-hoc power) باستخدام الفرق والانحراف المعياري اللذين ظهرا في العينة نفسها.
تُبيّن الأدبيات الإحصائية أن حساب القوة البعدية اعتمادًا على حجم الأثر الملاحظ في العينة نفسها هو مجرد إعادة صياغة رياضية للقيمة الاحتمالية (p-value) ولا يضيف أي معلومة جديدة:
- إذا كانت p > 0.05، فستظهر القوة البعدية منخفضة، وتكون عادةً أقل من 50% تقريبًا عند α = 0.05.
- وإذا كانت p صغيرة جدًا، فستظهر القوة البعدية مرتفعة.
ما البديل العلمي الصحيح بعد انتهاء الدراسة؟ بدلًا من حساب قوة بعدية على الأثر الملاحظ، انظر إلى فاصل الثقة 95% (95% Confidence Interval) للفرق بين المجموعتين:
- إذا كان فاصل الثقة ضيقًا ويقع بالكامل حول الصفر بعيدًا عن الفرق ذي الأهمية السريرية (مثلًا من -2 إلى +2 mmHg بينما الفرق المهم سريريًا هو 5 mmHg)، فلديك دليل قوي على غياب أثر مهم سريريًا.
- أما إذا كان فاصل الثقة واسعًا ويشمل الصفر ويشمل أيضًا الفرق المهم سريريًا (مثلًا من -1 إلى +8 mmHg)، فالدراسة غير حاسمة (Inconclusive) وتحتاج إلى عينة أكبر.
كيف تكتبها في بحثك
في قسم الطرق الإحصائية (Sample Size Estimation)، اكتب جميع المدخلات بوضوح حتى يتمكن أي قارئ أو محكّم من إعادة حساب رقمك والتحقق منه:
نموذج عربي:
“حُسب حجم العينة مسبقًا استنادًا إلى المتغير الناتج الأساسي (ضغط الدم الانقباضي). وبافتراض انحراف معياري قدره 10 mmHg من الدراسات السابقة، تطلّب رصد فرق ذي أهمية سريرية لا يقل عن 5 mmHg بين المجموعتين (حجم أثر d = 0.50) عند مستوى دلالة ثنائي الطرف α = 0.05 وقوة إحصائية 80% وجود 63 مشاركًا على الأقل في كل مجموعة. ولتعويض نسبة تسرب متوقعة قدرها 20%، رُفع حجم العينة المستهدف عند التجنيد إلى 79 مشاركًا لكل مجموعة (بإجمالي 158 مشاركًا).”
نموذج إنجليزي (APA 7th edition style):
“An a priori sample size calculation was conducted for the primary outcome (systolic blood pressure). Assuming a pooled standard deviation of 10 mmHg based on prior literature, a minimum of 63 participants per group was required to detect a clinically meaningful difference of 5 mmHg (Cohen’s d = 0.50) using a two-sided independent-samples t-test at α = .05 and 80% power. Accounting for an anticipated 20% attrition rate (63 / 0.80), the recruitment target was set at 79 participants per group (N = 158 total).”
وإذا أردت أن تطبّق هذا على بياناتك، جرّبه على analysez.ai.