المهارات الاحصائية في البحث العلمي

د. باسم بن صالح الصاعدي

2024-08-04

نحن نتعرض باستمرار للبيانات عبر الأخبار ووسائل التواصل الاجتماعي. غالبًا ما تكون الادعاءات المقدمة هنا مبالغ فيها أو محرفة لتناسب رواية معينة. التفكير الإحصائي يسمح لنا بفرز كل هذه الادعاءات المتضاربة واتخاذ قراراتنا بناءً على الأدلة.

التفكير الاحصائي

التفكير الإحصائي هو طريقة منهجية للتفكير حول كيفية وصف العالم واستخدام البيانات لاتخاذ القرارات والتوقعات

• يتم ذلك مع مراعاة العدم اليقين الذي يكمن في العالم الحقيقي .

• أسس التفكير الإحصائي تستند بشكل أساسي إلى الرياضيات والإحصاء، ولكنها تستمد أيضًا من علوم الحاسوب وعلم النفس ومجالات دراسية أخرى .

• الإحصاءات: تعني بشكل خاص بجمع وتنظيم وتحليل وتفسير وعرض البيانات .

• التفكير الإحصائي يساعدنا على الإجابة على ذات الأسئلة التي يحاول الحدس البشري الإجابة عليها، لكن الحدس غالبًا ما يخطئ في الإجابة.

• على سبيل المثال، في السنوات الأخيرة، يرى معظم الأمريكيين أن الجرائم العنيفة أسوأ مقارنة بالعام السابق (مركز بيو للأبحاث).

• ومع ذلك، تُظهر تحليلات إحصائية للبيانات الفعلية أن جرائم العنف في الواقع انخفضت بشكل مستمر منذ التسعينيات.

• يفشل الحدس لأننا نعتمد على تخميناتنا الأفضل (التي يشير إليها علماء النفس بأنها “الخوارزميات”)، والتي غالبًا ما تكون غير دقيقة. [بولدراك، 2019]

البشر ي غالبًا الإجابة على ذات الأسئلة التي يمكننا الإجابة عليها باستخدام التفكير الإحصائي، ولكنه في كثير من الأحيان يخطئ في الإجابة. على سبيل المثال، يرى معظم الأمريكيين أن الجرائم العنيفة أسوأ مقارنة بالعام السابق (مركز بيو للأبحاث). لكن التحليل الإحصائي لبيانات الجرائم الفعلية يثبت انها انخفضت بشكل مطرد منذ التسعينيات. يفشل حدسنا لأننا نعتمد على أفضل تخمينات (التي يشير إليها علماء النفس بأنها استدلالات) ويمكن أن تكون خاطئة غالبًا. على سبيل المثال، يقيم البشر غالبًا انتشار حدث ما (مثل الجريمة العنيفة) باستخدام استدلال الإتاحة - أي مدى سهولة تذكرنا بمثال على الجريمة العنيفة. لهذا السبب، قد تكون تقديراتنا لمعدلات الجريمة المتزايدة تعكس بشكل أكبر تغطية الأخبار المتزايدة، على الرغم من الانخفاض الفعلي في معدل الجريمة.

وظائف الاحصاء

1. الوصف: العالم معقد ، نحتاج لوصفه بطريقة ميسره يمكننا فهمها.
2. اتخاذ القرار: نحتاج إلى اتخاذ قرارات استنادًا على البيانات، خاصة في حالة عدم اليقين.
3. التنبؤ: يساعد في التنبؤ بالحالات الجديدة استنادًا على معرفتنا بالحالات السابقة.

كيف نقرر ما هو الأكل الملائم لنا ؟

• هل الدهون المشبعة في نظامنا الغذائي شيء سيء؟

• الطريقة الأولى للإجابة على هذا السؤال (استخدام المنطق). إذا أكلنا الدهون، فإنها ستتحول مباشرة إلى دهون في أجسامنا؟

• طريقة أخرى للإجابة على هذا السؤال هي الاستماع إلى المؤسسات او الشخصيات المختصة. تشير إرشادات النظام الغذائي من إدارة الأغذية والعقاقير الأمريكية إلى أن “نمط الأكل الصحي يقلل من الدهون المشبعة”.

• يبدو أن هذه التوصية بالذات تستند أكثر إلى معتقدات الباحثين في مجال التغذية بدلاً من الأدلة الفعلية.

الطريقة الثالثة هي النهج الإحصائي: ننظر إلى الأبحاث العلمية الفعلية.

دراسة بي يو ار PURE Study

للحصول على هذه الأرقام، قام الباحثون بتقسيم مجموعة المشاركين في الدراسة البالغ عددهم 135,335 (والتي نسميها “العينة”) إلى 5 مجموعات (“خمسية”). تحتوي الخمسية الأولى على 20% من الأشخاص الذين لديهم أقل نسبة تناول، وتحتوي الخمسية الخامسة على 20% من الأشخاص الذين لديهم أعلى نسبة تناول. ثم قام الباحثون بحساب عدد مرات وفاة الأشخاص في كل من هذه المجموعات خلال فترة

إذا كان هذا الرقم أكبر من واحد، فهذا يعني أن الأشخاص في المجموعة أكثر عرضة للوفاة مقارنة بالأشخاص في الخمسية الأدنى. بينما إذا كان أقل من واحد، فهذا يعني أن الأشخاص في المجموعة أقل عرضة للوفاة.

• 135,000مشارك

• 18 دولة

• سعى الباحثون الى تحليل كيفية ارتباط تناول فئات مختلفة من المغذيات الكبرى (بما في ذلك الدهون المشبعة والكربوهيدرات) باحتمال الوفاة خلال الوقت الذي تمت متابعة الأشخاص فيه.

• راقب ولاحظ الباحثين، المشاركين في الدراسة اكثر من 8 سنوات

• الشكل واضح جدًا: الأشخاص الذين تناولوا المزيد من الدهون المشبعة كانوا أقل عرضة للوفاة خلال الدراسة.

• هذا المثال يوضح كيف يمكننا استخدام الإحصائيات لوصف مجموعة بيانات معقدة من خلال مجموعة أرقام أبسط بكثير.

• إذا كان علينا النظر إلى بيانات كل مشارك في الدراسة في نفس الوقت، سنكون مثقلين بالبيانات. سيكون من الصعب أيضًا رؤية النمط الذي يظهر عندما يتم وصفها بشكل أبسط.

• على الرغم من الأرقام في الشكل، نعلم أيضًا أن هناك الكثير من عدم اليقين في البيانات. • هناك بعض الأشخاص الذين توفوا مبكرًا على الرغم من أنهم اتبعوا نظامًا غذائيًا منخفض الكربوهيدرات، وهناك آخرون تناولوا كميات كبيرة من الكربوهيدرات لكنهم عاشوا حتى سن متقدمة. • بالنظر إلى هذا التباين، نريد أن نقرر ما إذا كانت العلاقات التي نراها في البيانات كبيرة بما يكفي بحيث لا نتوقع حدوثها عشوائيًا. • توفر لنا الإحصائيات الأدوات لاتخاذ هذه القرارات. • غالبًا ما يرى الناس من الخارج أن هذا هو الغرض الرئيسي من الإحصائيات. • ولكن كما سنرى من هذه الدورة، فإن الحاجة إلى اتخاذ قرارات واضحة بناءً على أدلة غير واضحة قد قادت الباحثين في كثير من الأحيان إلى الطريق الخطأ. • إذا كانت استنتاجاتنا محدودة بالأشخاص المحددين في الدراسة في وقت معين، فلن تكون الدراسة مفيدة جدًا. • بناءً على البيانات، نود أيضًا إجراء تنبؤات حول النتائج المستقبلية. • على سبيل المثال، قد ترغب شركة تأمين على الحياة في استخدام بيانات حول تناول شخص معين للدهون والكربوهيدرات للتنبؤ بمدة حياته المحتملة. • جانب مهم من التنبؤ هو أنه يتطلب منا التعميم من البيانات التي لدينا بالفعل إلى بعض الحالات الأخرى، غالبًا في المستقبل. • بشكل عام، يجب على الباحثين أن يفترضوا أن عينتهم المحددة تمثل مجموعة أكبر من السكان. • يتطلب ذلك منهم الحصول على العينة بطريقة توفر صورة غير متحيزة عن السكان. • على سبيل المثال، إذا كانت دراسة PURE قد جندت فقط مشاركين نباتيين، فمن المحتمل أننا لن نرغب في تعميم النتائج على غير النباتيين.

الأفكار الرئيسة في الإحصاء

• التعلم من البيانات

• التجميع أو تلخيص المتغيرات

• عدم اليقين

• أخذ عينة صحيحة من مجتمع الدراسة

• السببية والإحصاء

التعلم من البيانات

• إحدى الطرق للتفكير في الإحصائيات هي اعتبارها مجموعة من الأدوات التي تمكننا من التعلم من البيانات.

• في أي موقف، نبدأ بمجموعة من الأفكار أو الفرضيات حول ما قد يكون عليه الحال.

• في دراسة PURE، قد يكون الباحثون قد بدأوا بتوقع أن تناول المزيد من الدهون سيؤدي إلى معدلات وفاة أعلى، نظرًا للمعتقدات السلبية السائدة حول الدهون المشبعة.

• لاحقًا في الدورة، سنقدم فكرة المعرفة السابقة، التي تهدف إلى عكس المعرفة التي نحملها إلى الموقف.

• توفر لنا الإحصائيات طريقة لوصف كيفية استخدام البيانات الجديدة بشكل أفضل لتحديث معتقداتنا

• إحدى الطرق التي يمكننا من خلالها التفكير في الإحصاءات هي أنها مجموعة من الأدوات التي تمكننا من التعلم من البيانات. وفي أي موقف، نبدأ بمجموعة من الأفكار أو الفرضيات حول ما قد يكون عليه الحال.

• توفر لنا الإحصائيات طريقة لوصف كيفية استخدام البيانات الجديدة على أفضل وجه لتحديث معتقداتنا، وبهذه الطريقة توجد روابط عميقة بين الإحصائيات وعلم النفس.

التجميع أو تلخيص المتغيرات

• طريقة أخرى للتفكير في الإحصائيات هي اعتبارها “علم التخلص من البيانات”.

• في مثال دراسة PURE أعلاه، أخذنا أكثر من 100,000 رقم وقمنا بتكثيفها إلى عشرة.

• هذا النوع من التجميع هو أحد أهم المفاهيم في الإحصائيات.

• توفر لنا الإحصائيات طرقًا لتوصيف هيكل مجموعات البيانات، مع أسس نظرية تشرح لماذا يعمل هذا عادةً بشكل جيد.

• ومع ذلك، من المهم أيضًا أن نتذكر أن التجميع يمكن أن يذهب بعيدًا جدًا. في بعض الأحيان، يمكن أن يوفر الملخص صورة مضللة عن البيانات.

• هناك طريقة أخرى للتفكير في الإحصاء وهي “علم التخلص من البيانات”.
  • مثلا في الدراسة السابقة، بي يو ار، تمت دراسة اكثر من 100,000 متغير. لكن تم تجميعها وتلخيصها في النهاية الى 10 متغيرات.

عدم اليقين

• العالم مكان مليء بالشك وعدم ضمان حدوث او عدم حدوث الاشياء.
• نحن نعلم الآن أن تدخين السجائر يسبب سرطان الرئة، لكن هذه العلاقة سببية احتمالية.
• رجل يبلغ من العمر 68 عامًا يدخن علبتين يوميًا لمدة 50 عامًا ويستمر في التدخين لديه خطر بنسبة 15% للإصابة بسرطان الرئة.
• هذه النسبة أعلى بكثير من فرصة الإصابة بسرطان الرئة لدى غير المدخنين.

•   ومع ذلك، هناك العديد من  الأشخاص الذين يدخنون طوال حياتهم ولا يصابون بسرطان الرئة.

• توفر لنا الإحصاءات الأدوات لتوصيف عدم اليقين، واتخاذ القرارات في ظل عدم اليقين، وإجراء التنبؤات التي يمكننا قياس عدم يقينها.
• غالبًا ما يرى المرء الصحفيين يكتبون أن الباحثين العلميين “أثبتوا” بعض الفرضيات.
• لكن التحليل الإحصائي لا يمكنه أبدًا “إثبات” فرضية، بمعنى إثبات أنها يجب أن تكون صحيحة.
• يمكن للإحصاءات أن تزودنا بالأدلة، لكنها دائمًا مؤقتة وخاضعة لعدم اليقين الذي يكون دائمًا حاضرًا في العالم الحقيقي.

• فنحن نعلم الآن أن التدخين يسبب سرطان الرئة، ولكن هذا الارتباط احتمالي.

• الرجل الذي يبلغ من العمر 68 عامًا والذي يدخن علبتين يوميًا على مدار الخمسين عامًا الماضية ويستمر في التدخين لديه خطر بنسبة 15% (1 من 7) للإصابة بسرطان الرئة، وهي نسبة أعلى بكثير من فرصة الإصابة بسرطان الرئة لدى غير المدخن.

أخذ عينة صحيحة من مجتمع الدراسة

• تقول فكرة أخذ العينات أننا نستطيع تلخيص مجتمع بأكمله بناءً على عدد صغير فقط من العينات من المجتمع، طالما تم الحصول على تلك العينات بالطريقة الصحيحة.
  • فمثلا، في دراسة ال بي يو أر، حجم العينة حوالي 135000 شخص، لكن هدفها كان تقديم رؤى حول مليارات البشر الذين يشكلون السكان الذين تم أخذ عينات منهم

• على سبيل المثال، شملت دراسة PURE عينة من حوالي 135,000 شخص.

• لكن هدفها كان تقديم رؤى حول مليارات البشر الذين يشكلون السكان الذين تم أخذ هؤلاء الأشخاص منهم.

• الطريقة التي يتم بها الحصول على عينة الدراسة حاسمة، لأنها تحدد مدى قدرتنا على تعميم النتائج.

• من الأفكار الأساسية الأخرى حول أخذ العينات هو أنه بينما تكون العينات الأكبر دائمًا أفضل (من حيث قدرتها على تمثيل السكان بالكامل بدقة)، هناك عوائد متناقصة كلما كبرت العينة.

• في الواقع، يتبع معدل انخفاض فائدة العينات الأكبر قاعدة رياضية بسيطة، حيث ينمو بمقدار الجذر التربيعي لحجم العينة.

• فمن أجل مضاعفة جودة بياناتنا، نحتاج إلى مضاعفة حجم عينتنا أربع مرات.

السببية والإحصاء

• يبدو أن دراسة PURE قدمت أدلة قوية إلى حد ما على وجود علاقة إيجابية بين تناول الدهون المشبعة والعيش لفترة أطول، ولكن هذا لا يخبرنا بما نريد أن نعرفه حقًا: إذا تناولنا المزيد من الدهون المشبعة، فهل سيؤدي ذلك إلى عيشنا لفترة أطول؟

  • والسبب في ذلك هو أننا لا نعلم ما إذا كانت هناك علاقة سببية مباشرة بين تناول الدهون المشبعة والعيش لفترة أطول.

• على سبيل المثال، قد يتخيل البعض أن الأشخاص الأكثر ثراءً يتناولون المزيد من الدهون المشبعة، وأن الأشخاص الأغنى يميلون للعيش لفترة أطول. لكن طول حياتهم ليس بالضرورة بسبب تناول الدهون — بل قد يكون بسبب الرعاية الصحية الأفضل، أو تقليل الضغط النفسي، أو جودة الطعام ، أو عوامل أخرى.

• الإرتباط لا يعني السببية

• يبدو أن دراسة PURE قدمت أدلة قوية على وجود علاقة إيجابية بين تناول الدهون المشبعة والعيش لفترة أطول.
• ومع ذلك، هذا لا يخبرنا بما نريد معرفته حقًا: إذا تناولنا المزيد من الدهون المشبعة، هل سيؤدي ذلك إلى العيش لفترة أطول؟
• هذا لأننا لا نعرف ما إذا كانت هناك علاقة سببية مباشرة بين تناول الدهون المشبعة والعيش لفترة أطول.
• البيانات تتوافق مع مثل هذه العلاقة، لكنها تتوافق أيضًا مع عوامل أخرى قد تسبب كلاً من زيادة تناول الدهون المشبعة والعيش لفترة أطول.
• على سبيل المثال، من المحتمل أن الأشخاص الأغنياء يتناولون المزيد من الدهون المشبعة ويميلون للعيش لفترة أطول.
• حياتهم الأطول ليست بالضرورة بسبب تناول الدهون.
• قد يكون ذلك بسبب الرعاية الصحية الأفضل، تقليل الضغط النفسي، جودة الطعام الأفضل، أو العديد من العوامل الأخرى.
• حاول محققو دراسة PURE أخذ هذه العوامل في الاعتبار.
• لكن لا يمكننا أن نكون متأكدين من أن جهودهم أزالت تمامًا تأثيرات العوامل الأخرى.
• حقيقة أن العوامل الأخرى قد تفسر العلاقة بين تناول الدهون المشبعة والموت هي مثال على القول بأن “الارتباط لا يعني السببية”.
• على الرغم من أن الأبحاث الرصدية (مثل دراسة PURE) لا يمكنها إثبات العلاقات السببية بشكل قاطع، فإننا نعتقد عمومًا أن السببية يمكن إثباتها باستخدام دراسات تتحكم وتتحكم في عامل معين.
• في الطب، يشار إلى مثل هذه الدراسة بالتجربة العشوائية المضبوطة (RCT).
• لنفترض أننا أردنا إجراء تجربة عشوائية مضبوطة لفحص ما إذا كان زيادة تناول الدهون المشبعة يزيد من العمر.
• للقيام بذلك، سنقوم بأخذ عينة من الناس، ثم نعينهم إما لمجموعة العلاج أو مجموعة التحكم.
• مجموعة العلاج: الأشخاص الذين يُطلب منهم زيادة تناول الدهون المشبعة.
• مجموعة التحكم: الأشخاص الذين يُطلب منهم الاستمرار في تناول نفس الطعام كما كان من قبل.
• من الضروري أن نعين الأفراد لهذه المجموعات بشكل عشوائي.
• وإلا، فإن الأشخاص الذين يختارون العلاج قد يكونون مختلفين بطريقة ما عن الأشخاص الذين يختارون مجموعة التحكم.
• على سبيل المثال، قد يكونون أكثر عرضة للانخراط في سلوكيات صحية أخرى أيضًا.
• سنقوم بعد ذلك بمتابعة المشاركين بمرور الوقت ونرى كم عدد الأشخاص في كل مجموعة ماتوا.
• لأننا قمنا بتوزيع المشاركين بشكل عشوائي على مجموعات العلاج أو التحكم، يمكننا أن نكون واثقين إلى حد ما من عدم وجود اختلافات أخرى بين المجموعات التي قد تشوش تأثير العلاج.
• ومع ذلك، لا يمكننا أن نكون متأكدين لأن التوزيع العشوائي أحيانًا ينتج مجموعات علاج مقابل مجموعات تحكم تختلف في بعض النواحي الهامة.
• غالبًا ما يحاول الباحثون معالجة هذه التشويشات باستخدام التحليلات الإحصائية، لكن إزالة تأثير التشويش من البيانات يمكن أن يكون صعبًا للغاية.
• عدد من التجارب العشوائية المضبوطة قد فحصت مسألة ما إذا كان تغيير تناول الدهون المشبعة يؤدي إلى صحة أفضل وحياة أطول.
• ركزت هذه التجارب على تقليل تناول الدهون المشبعة بسبب العقيدة القوية بين الباحثين في التغذية بأن الدهون المشبعة قاتلة.
• معظم هؤلاء الباحثين ربما جادلوا بأن جعل الناس يتناولون المزيد من الدهون المشبعة ليس أخلاقيًا!
• ومع ذلك، أظهرت التجارب العشوائية المضبوطة نمطًا متسقًا للغاية: بشكل عام، لا يوجد تأثير ملحوظ على معدلات الوفاة من تقليل تناول الدهون المشبعة.

ما هي البيانات؟

• البيانات تتكون من متغيرات، حيث يعكس كل متغير قياسًا فريدًا أو كمية محددة.

البيانات النوعية

بعض المتغيرات هي نوعية، مما يعني أنها تصف جودة بدلاً من كمية عددية. على سبيل المثال، في دورتي في الإحصاء، أجري عادة استبيانًا تمهيديًا للطلاب، للحصول على بيانات للاستخدام في الفصل وللتعرف على المزيد عن الطلاب. أحد الأسئلة التي أطرحها هي “ما هو طعامك المفضل؟”، وكانت بعض الإجابات: العنب الأزرق، الشوكولاتة، التمالي، المعكرونة، البيتزا، والمانجو. هذه البيانات ليست عدديّة بشكل أساسي؛ يمكننا تعيين أرقام لكل إجابة (1=العنب الأزرق، 2=الشوكولاتة، إلخ)، ولكن سنستخدم الأرقام كعلامات بدلاً من أرقام حقيقية. هذا يحدد أيضًا ما يجب أن نفعل بهذه الأرقام؛ على سبيل المثال، لن يكون من المنطقي حساب المتوسط لهذه الأرقام.

البيانات الكمية

قياس البيانات.

أنواع المقاييس؟

• مباشرة

• غير مباشرة

الدليل التشخيصي والإحصائي للاضطرابات النفسية DSM -5

ما الذي يجعل قياس البيانات جيد؟

• الموثوقية (Reliability):

  • يشير إلى قدرة القياس على تكرار النتائج بشكل متسق.
  • يمكن تحقيق الموثوقية من خلال تكرار القياسات ومقارنة النتائج.
  • القياس الموثوق يعطي نفس النتائج عند تكراره في ظروف مماثلة.

• الصحة (Validity):

  • يشير إلى قدرة القياس على قياس ما يفترض أنه يقيسه بدقة.
  • يجب أن يكون القياس صحيحًا للمفهوم أو البنية التي يهدف إلى قياسها.
  • يمكن أن يكون هناك قياس غير صحيح إذا كان الأسئلة غير واضحة أو إذا كانت الظروف غير ملائمة.

• الخطأ (Error):

  • يعتبر الخطأ جزءًا من أي قياس.
  • يمكن تقليل الخطأ عن طريق تحسين جودة القياس أو زيادة عدد المرات التي يتم فيها القياس.
  • القياس الجيد يحقق توازنًا بين دقة القياس والتكلفة والجهد المبذول.

• المعيار الذهبي (Gold Standard):

  • يشير إلى القياس الأكثر دقة واعتمادًا.
  • يستخدم كمعيار لمقارنة القياسات الأخرى.
  • قد يكون أكثر تكلفة أو صعوبة في التنفيذ.

كيف نحدد السؤل البحثي

“التفكير الإحصائي” هو مهارة ضرورية، ليس فقط في العمل ولكن أيضًا في حياتنا الشخصية. في العالم المعاصر هناك زخم في تلقي البيانات من كل ما يحيط بك: الهاتف - التلفاز - الصحف - وسائل التواصل الاجتماعي. ولا يقتضي بالضرورة ان يكون ما يكتب او يقال او يتداول صحسح، فبعضها تحمل ادعاءات كاذبة او محرفة، تهدف لتحقيق غرض ما. يساعدنا التفكير الاحصائي في فرز هذه الادعاءات واتخاذ قرارات بناء على الادلة.

الخطوة الأولى الأكثر أهمية في تنفيذ الإحصاءات هي تحديد سؤال بحث واضح وقابل للإجابة. غالبًا ما لا يتم توثيق أسئلة البحث رسميًا، ولكنها تعد مفتاحًا للتأكد من استخدام البيانات والأساليب المناسبة لتقديم النصائح الأكثر ملاءمة.

يجب تحديد سؤال البحث بشكل كامل قبل جمع أي بيانات أو اتخاذ أي خطط للتحليل. على الرغم من أن هناك أسئلة بحث لا حصر لها يمكن استخدام الإحصاءات للإجابة عليها، يجب أن تحتوي جميعها على عناصر معينة. هذه العناصر هي السكان المستهدف والنتيجة المرغوبة. إذا كان التحليل يتطلب مقارنة بين مجموعات، يجب أن يتم تحديد ذلك أيضًا في سؤال البحث.

طريقة للتأكد من أن سؤال البحث قد تم تحديده بشكل صحيح هي استخدام نهج PICO:

• P (Population ): الفئة السكانية المستهدفة.

• I (Intervention ): أي تدخل يتم دراسته.

• C (Control ): المجموعة المقارنة.

• O (Outcome): النتيجة المرغوبة.

• في النهاية، يساعدنا التفكير الاحصائي على فهم البيانات بشكل أفضل واتخاذ قرارات مستنيرة. 🌟

أمثلة على سؤال البحث

نرغب في إجراء دراسة لاستكشاف ما إذا كانت النظام الغذائي النباتي يقلل من مستويات الكوليسترول في الأشخاص البدينين. قبل أن نلقي نظرة على أي بيانات أو نفكر في نوع التحليل الذي سنستخدمه، يجب تحويل هذا إلى سؤال بحث قابل للإجابة.

PICO

1. Population: هم الأشخاص الذين تزيد أعمارهم عن 18 عامًا ولديهم مؤشر كتلة الجسم أكبر من 30.

2. Intervention: هو النظام الغذائي النباتي.

3. Control: ستكون أي نظام غذائي غير نباتي، أو نظام الغذاء العادي.

4. Outcome: هي التغيير في مستوى الكوليسترول من بداية الدراسة حتى نقطة نهاية معينة. هذا متغير رقمي مستمر يمكن قياسه (إذا كانت الاختبارات اللازمة متاحة) ومقارنته بين المجموعات

المشاكل الشائعة في البيانات او في عملية جمع البيانات

التحيزات

• الانحياز في الاختيار يحدث عندما تكون بعض البيانات أكثر احتمالًا أن تُدرج في عينة ما من البيانات من غيرها. أحد المتطلبات الرئيسية للتحليل الإحصائي أن تكون العينة عشوائية وممثلة للسكان المستهدفين في سؤال البحث. إذا لم يكن الأمر كذلك، قد لا نتمكن من استخلاص استنتاجات حول السكان المستهدفين ولن نكون قادرين على الإجابة على السؤال البحثي.

• الانحياز الذاكري يحدث عندما يُطلب من المشاركين أن يتذكروا أحداثًا أو تجارب سابقة كجزء من الدراسة. قد تختلف دقة واكتمال هذه الذكريات بين المشاركين، مما قد يؤدي إلى انحياز في البيانات

• الانحياز التأكيدي هو الاتجاه لتحليل أو تفسير البيانات بطريقة تدعم الأفكار المسبقة. للأسف، الانحياز التأكيدي جزء من طبيعة الإنسان وقد يكون من الصعب اكتشافه. إنه أيضًا أحد الأسباب التي تجعل التفكير الإحصائي، بدلاً من الاعتماد فقط على غريزتنا، أمرًا مهمًا جدًا. أفضل طريقة لمواجهة الانحياز التأكيدي هي الاعتراف بأي أفكار مسبقة أو توقعات للنتائج قبل النظر في البيانات والبقاء على علم بهذه الأمور طوال العملية.

البيانات المفقودة

الملاحظات التي كان من المفترض جمعها ولكن لم يتم ذلك.

إنها مشكلة واسعة النطاق في مختلف المجالات، بما في ذلك البحث الطبي، والعلوم الاجتماعية، والدراسات البيئية

أنواع البيانات المفقودة

• مفقود بشكل كامل عشوائيًا (MCAR)

• مفقود عشوائيًا (MAR

• مفقود ليس عشوائيًا (MNAR)

• يتخطى أحد المشاركين سؤالاً في الاستبيان عن طريق الخطأ.

• قد تكون بيانات الدخل مفقودة بشكل متكرر بالنسبة للمشاركين ذوي المستويات التعليمية المنخفضة

• قد يكون المرضى الذين يعانون من أعراض أكثر شدة أقل احتمالية لإكمال استطلاعات المتابعة.

تلخيص البيانات

عندما نلخص البيانات، نقوم بضرورة التخلص من. عندما نلخص البيانات، نقوم بضرورة التخلص من المعلومات، ويمكن للشخص أن يعترض على ذلك. كنموذج، دعونا نعود إلى دراسة PURE التي ناقشناها في البداية. أليس من المفترض أن نعتقد أن جميع التفاصيل حول كل فرد مهمة ، بعد تلخيصها في مجموعة البيانات؟ ماذا عن التفاصيل المحددة حول كيفية جمع البيانات، مثل وقت اليوم أو مزاج المشارك؟ يتم فقدان كل هذه التفاصيل عندما نلخص البيانات.

أحد الأسباب التي تجعلنا نلخص البيانات هو أنها توفر لنا وسيلة للتعميم - أي أننا نستطيع القول بشكل عام يتجاوز الملاحظات المحددة. أبرز أهمية التعميم في قصة الكاتب خورخي لويس بورخيس “فيونيس المتذكر”، حيث يصف شخصًا فقد القدرة على النسيان. يركز بورخيس على العلاقة بين التعميم (أي التخلص من البيانات) والتفكير: “التفكير هو نسيان الفرق، هو التعميم، هو التجريد. في عالم فيونيس المكتظ بالتفاصيل، لا يوجد سوى تفاصيل.”

درس علماء النفس طويلاً جميع الطرق التي يكون فيها التعميم مركزيًا للتفكير. مثال على ذلك هو التصنيف: نستطيع التعرف بسهولة على أمثلة مختلفة من فئة “الطيور” على الرغم من أن الأمثلة الفردية قد تكون مختلفة جدًا في ملامحها الظاهرية (مثل النعامة والطائر الأحمر والدجاج). من المهم أن التعميم يتيح لنا إجراء توقعات حول هؤلاء الأفراد - في حالة الطيور، يمكننا التنبؤ بأنها قادرة على الطيران وتناول البذور، وأنها على الأرجح لا يمكنها قيادة سيارة أو التحدث بالإنجليزية. قد لا تكون هذه التوقعات دائمًا صحيحة، ولكنها غالبًا ما تكون كافية لتكون مفيدة في العالم.

1. الوضوح: يجعل تلخيص البيانات من السهل فهمها. بدلاً من التعامل مع الأرقام الخام، تركز على القيم الملخصة الرئيسية.

2. التماثل: يشمل التلخيص قياسات التماثل (مثل المتوسط، والوسيط، والمنوال)، والتي تكشف عن النقطة المركزية في مجموعة البيانات.

3. التشتت: يظهر التلخيص كيفية انتشار البيانات حول المتوسط.

4. التكرار: يشمل تلخيص البيانات الإشارة إلى حجم العينة (عدد القيم).

5. التعميم: من خلال التلخيص، يمكننا إصدار بيانات عامة تتجاوز الملاحظات الفردية، مما يساعدنا في تحديد الاتجاهات والأنماط.

في علم البيانات، يوفر التلخيص الفعّال الوقت ويمكّن اتخاذ قرارات أكثر ذكاءً من خلال استخراج رؤى معنوية من مجموعات البيانات الكبيرة

المسح الوطني للصحة والتغذية (NHANES)

     ID SurveyYr Gender Age AgeDecade AgeMonths Race1 Race3    Education
1 51624  2009_10   male  34     30-39       409 White  <NA>  High School
2 51624  2009_10   male  34     30-39       409 White  <NA>  High School
3 51624  2009_10   male  34     30-39       409 White  <NA>  High School
4 51625  2009_10   male   4       0-9        49 Other  <NA>         <NA>
5 51630  2009_10 female  49     40-49       596 White  <NA> Some College
6 51638  2009_10   male   9       0-9       115 White  <NA>         <NA>
  MaritalStatus    HHIncome HHIncomeMid Poverty HomeRooms HomeOwn       Work
1       Married 25000-34999       30000    1.36         6     Own NotWorking
2       Married 25000-34999       30000    1.36         6     Own NotWorking
3       Married 25000-34999       30000    1.36         6     Own NotWorking
4          <NA> 20000-24999       22500    1.07         9     Own       <NA>
5   LivePartner 35000-44999       40000    1.91         5    Rent NotWorking
6          <NA> 75000-99999       87500    1.84         6    Rent       <NA>
  Weight Length HeadCirc Height   BMI BMICatUnder20yrs   BMI_WHO Pulse BPSysAve
1   87.4     NA       NA  164.7 32.22             <NA> 30.0_plus    70      113
2   87.4     NA       NA  164.7 32.22             <NA> 30.0_plus    70      113
3   87.4     NA       NA  164.7 32.22             <NA> 30.0_plus    70      113
4   17.0     NA       NA  105.4 15.30             <NA> 12.0_18.5    NA       NA
5   86.7     NA       NA  168.4 30.57             <NA> 30.0_plus    86      112
6   29.8     NA       NA  133.1 16.82             <NA> 12.0_18.5    82       86
  BPDiaAve BPSys1 BPDia1 BPSys2 BPDia2 BPSys3 BPDia3 Testosterone DirectChol
1       85    114     88    114     88    112     82           NA       1.29
2       85    114     88    114     88    112     82           NA       1.29
3       85    114     88    114     88    112     82           NA       1.29
4       NA     NA     NA     NA     NA     NA     NA           NA         NA
5       75    118     82    108     74    116     76           NA       1.16
6       47     84     50     84     50     88     44           NA       1.34
  TotChol UrineVol1 UrineFlow1 UrineVol2 UrineFlow2 Diabetes DiabetesAge
1    3.49       352         NA        NA         NA       No          NA
2    3.49       352         NA        NA         NA       No          NA
3    3.49       352         NA        NA         NA       No          NA
4      NA        NA         NA        NA         NA       No          NA
5    6.70        77      0.094        NA         NA       No          NA
6    4.86       123      1.538        NA         NA       No          NA
  HealthGen DaysPhysHlthBad DaysMentHlthBad LittleInterest Depressed
1      Good               0              15           Most   Several
2      Good               0              15           Most   Several
3      Good               0              15           Most   Several
4      <NA>              NA              NA           <NA>      <NA>
5      Good               0              10        Several   Several
6      <NA>              NA              NA           <NA>      <NA>
  nPregnancies nBabies Age1stBaby SleepHrsNight SleepTrouble PhysActive
1           NA      NA         NA             4          Yes         No
2           NA      NA         NA             4          Yes         No
3           NA      NA         NA             4          Yes         No
4           NA      NA         NA            NA         <NA>       <NA>
5            2       2         27             8          Yes         No
6           NA      NA         NA            NA         <NA>       <NA>
  PhysActiveDays TVHrsDay CompHrsDay TVHrsDayChild CompHrsDayChild
1             NA     <NA>       <NA>            NA              NA
2             NA     <NA>       <NA>            NA              NA
3             NA     <NA>       <NA>            NA              NA
4             NA     <NA>       <NA>             4               1
5             NA     <NA>       <NA>            NA              NA
6             NA     <NA>       <NA>             5               0
  Alcohol12PlusYr AlcoholDay AlcoholYear SmokeNow Smoke100 Smoke100n SmokeAge
1             Yes         NA           0       No      Yes    Smoker       18
2             Yes         NA           0       No      Yes    Smoker       18
3             Yes         NA           0       No      Yes    Smoker       18
4            <NA>         NA          NA     <NA>     <NA>      <NA>       NA
5             Yes          2          20      Yes      Yes    Smoker       38
6            <NA>         NA          NA     <NA>     <NA>      <NA>       NA
  Marijuana AgeFirstMarij RegularMarij AgeRegMarij HardDrugs SexEver SexAge
1       Yes            17           No          NA       Yes     Yes     16
2       Yes            17           No          NA       Yes     Yes     16
3       Yes            17           No          NA       Yes     Yes     16
4      <NA>            NA         <NA>          NA      <NA>    <NA>     NA
5       Yes            18           No          NA       Yes     Yes     12
6      <NA>            NA         <NA>          NA      <NA>    <NA>     NA
  SexNumPartnLife SexNumPartYear SameSex SexOrientation PregnantNow
1               8              1      No   Heterosexual        <NA>
2               8              1      No   Heterosexual        <NA>
3               8              1      No   Heterosexual        <NA>
4              NA             NA    <NA>           <NA>        <NA>
5              10              1     Yes   Heterosexual        <NA>
6              NA             NA    <NA>           <NA>        <NA>

[1] 10000    76

تلخيص بجدول

Var1	Freq
female	5020
male	4980

تصوير البيانات

يعد تصور البيانات أحد الخطوات المهمة في عملية تحليل البيانات. هو ليس جزءًا من تحليل البيانات فحسب، بل يمكن اعتباره أيضًا فنًا

تفشي وباء الكوليرا في شارع برود عام 1854

تفشي وباء الكوليرا في شارع برود أو تفشي المربع الذهبي هو تفشي شديد للكوليرا حدث في عام 1854م بالقرب من شارع برود أو برود ستريت «شارع برودويك الآن» في منطقة سوهو في مدينة لندن عاصمة إنجلترا. تُوفّيَ بسبب هذه الجائحة 616 شخصا، واشتهر الطبيب جون سنو «15 مارس 1813 - 16 يونيو 1858» بدراسة أسبابها وله فرضية أن المياه الملوثة، وليس الهواء، كان مصدر الكوليرا، وكان سنو أول من أثبت في القرن التاسع عشر أنه يمكن منع انتقال الكوليرا إلى حد كبير عن طريق توفير مياه الشرب النظيفة للناس.

فلسفة تمثيل أو تصوير البيانات الفن المعرفي

1. إظهار البيانات

2. حث المتلقى على التفكير في المادة العلمية التي أمامه.

3. تلخيص البيانات الكبيرة بحيث يسهل على المتلقى إستيعابها.

4. تصوير البيانات يخدم فكرة واضحة.

The Visual Display of Quantitative Information

تحليل البيانات

إحدى الأنشطة الأساسية في علم الإحصاء هي إنشاء نماذج يمكنها تلخيص البيانات باستخدام مجموعة صغيرة من الأرقام، مما يوفر وصفًا مختصرًا للبيانات

ما هو النموذج الاحصائي

النموذج الإحصائي هو تمثيل رياضي للعلاقات بين المتغيرات المختلفة.

لماذا نستخدم النماذج الإحصائية؟

• التبسيط: يمكن أن تكون الظواهر في العالم الحقيقي معقدة. تساعد النماذج في تبسيط هذه التعقيدات لجعلها مفهومة.

• التنبؤ: تتيح لنا النماذج إجراء تنبؤات حول الأحداث المستقبلية بناءً على البيانات الحالية.

• الرؤية: تساعدنا في فهم العلاقات وتحديد العوامل المهمة التي تؤثر على النتائج.

• data = model + error

• model = \(\widehat{data}\)

• error = data - \(\widehat{data}\)

• مثال : المسح الوطني للصحة والتغذية

• نرغب في بناء نموذج احصائي لأطوال الأطفال

• model = \(\beta_0+\beta_1 x_1\)

• model = \(\beta_0+\beta_1 (age)\)

• \(\beta_1 (age)\)

• \(\beta_0+\beta_1 (age)\)

• \(\beta_0+\beta_1 (age)+\beta_2 (Gender)\)

ما الذي يجعل النموذج “جيدًا”؟

• البساطة وسهولة الفهم والتطبيق

• سهلت التعميم

• دقيقة في التنبؤ

• قابليتها لإعادة التحليل من قبل علماء اخرين ببيانات جديدة

هل ممكن ان تكون النتائج ممتازة جدا ؟

• تكون اذا كانت النتائج غير منطقية

• النموذج الاحصائي	\(R^2\)	MAE	RMSE
  Linear Regression	0.974	0.526	0.526
  Decision Tree regression	0.999	0.568	0.5
  LASSO Regression	0.991	0.556	0.745

• مثال على تقييم النموذج الاحصائي لتوقع نسبة الدهون في جسم الانسان

أدوات التحليل الاحصائي

برامج جداول البيانات

برامج تحليل البيانات المتخصصة

لغات البرمجة لتحليل البيانات

برامج متخصصة في التعامل مع الاستبانات