حجم الأثر (Effect Size): من الدلالة الإحصائية إلى الدلالة السريرية

في العقود الأخيرة، تحوّل مفهوم حجم الأثر (Effect Size) من مجرد مؤشر إحصائي ثانوي إلى عنصر محوري في تفسير الدراسات السريرية، خاصة في مجالات العلاج الطبيعي، الطب التأهيلي، وعلوم الحركة. فلم يعد السؤال البحثي يكتفي بـ:

• "هل هناك فرق دال إحصائياً؟"
• بل أصبح يتجاوز ذلك إلى سؤال أكثر عمقاً:
• "ما حجم هذا الفرق؟ وهل هو مهم سريرياً ومؤثر في واقع الممارسة؟"

في هذا السياق، يمثل حجم الأثر إحدى أهم أدوات الانتقال من الدلالة الإحصائية (Statistical Significance) إلى الدلالة السريرية/العملية (Clinical/Practical Significance).

أولاً: ما هو حجم الأثر (Effect Size)؟

حجم الأثر هو مقياس كمي يعبّر عن قوة العلاقة أو حجم الفرق بين المجموعات أو قبل/بعد التدخل، بمعزل نسبي عن حجم العينة.

على خلاف قيمة p-value التي تجيب عن سؤال: "ما احتمال الحصول على هذه النتائج (أو أكثر تطرفاً) إذا لم يكن هناك أثر حقيقي؟"

فإن حجم الأثر يجيب عن: "ما مدى قوة هذا الأثر؟ وما حجمه الحقيقي؟"

بعبارة أخرى:

• p-value تُجيب عن هل يوجد أثر؟
• Effect Size يُجيب عن ما حجم هذا الأثر؟

هذا الفارق جوهري جداً في الممارسة الصحية، لأن تدخلاً علاجياً قد يكون "دالاً إحصائياً" لكن أثره السريري ضئيل جداً ولا يبرر تغييره في البروتوكول العلاجي.

ثانياً: لماذا يُعد حجم الأثر مهماً في الأبحاث الصحية والعلاج الطبيعي؟

1. ربط النتائج بالإفادة السريرية

في العلاج الطبيعي، لا تكفي معرفة أن برنامج تمرين معيّن يقلل الألم أو يحسن المدى الحركي؛ بل يجب أن نعرف:

• هل هذا التحسن ملحوظ من قِبَل المريض؟
• هل يصل إلى مستوى الحد الأدنى من التغير المهم سريرياً (MCID)؟
• هل يترجم إلى تحسن وظيفي حقيقي في أنشطة الحياة اليومية؟

حجم الأثر يساعد في الإجابة عن هذه الأسئلة.

2. المقارنة بين الدراسات والتدخلات

في مجالات مثل:

• برامج التمارين لاضطرابات أسفل الظهر
• بروتوكولات التأهيل بعد السكتة الدماغية
• برامج التوازن لكبار السن

يمكن استخدام حجم الأثر لمقارنة فاعلية تدخلات مختلفة، بل وحتى ترتيبها من حيث القوة.

3. تصميم الدراسات المستقبلية (Power Analysis)

تُستخدم مقاييس حجم الأثر في:

• حساب حجم العينة المطلوب
• تقدير القوة الإحصائية (Statistical Power)

وبالتالي تجنب الدراسات ضعيفة القدرة (Underpowered) أو مُسرفة في العينة أكثر من اللازم (Overpowered).

4. أساس التحليل البعدي التجميعي (Meta-Analysis)

في المراجعات المنهجية والتحليلات البعدية التجميعية، يتم توحيد النتائج المختلفة باستخدام مقاييس موحدة لحجم الأثر (مثل SMD)، مما يجعل حجم الأثر قلب التحليل البعدي التجميعي.

ثالثاً: الأنواع الشائعة لحجم الأثر في الأبحاث الصحية والعلاج الطبيعي

1. Cohen’s d / Standardized Mean Difference (SMD)

يُستخدم عندما تكون:

• المخرجات مستمرة (Continuous)
• والمقارنة بين مجموعتين (تجريبية وضابطة، أو قبل/بعد)

$$d = \frac{\bar{X}_1 - \bar{X}_2}{SD_{pooled}}$$

• ${\stackrel{}{\mathrm{ متوسط\; المجموعتين:\; Xˉ1-Xˉ2}}}_{}$

• ${\mathrm{ \; الأنحراف\; المعياري\; الموحد:SD}}_{pooled}$

في العلاج الطبيعي يمكن استخدامه مثلاً لقياس:

• حجم الفرق في مقياس الألم (VAS) بين مجموعتين
• حجم الفرق في سرعة المشي أو 6MWT
• حجم الفرق في درجات FIM أو Berg Balance Scale

ملاحظة نقدية: التفسير التقليدي (0.2 صغير، 0.5 متوسط، 0.8 كبير) هو إرشادي فقط، ولا ينبغي تطبيقه آلياً دون اعتبار السياق السريري وطبيعة المتغير.

2. Hedges’ g

يشبه Cohen’s d لكنه يتضمن تصحيحًا خاصًا للعينات الصغيرة، وهو الأكثر شيوعًا في التحليل البعدي التجميعي (Meta-Analysis) عند اختلاف أحجام العينات أو صغرها.

يُستخدم كثيراً في المراجعات المنهجية في:

• إعادة التأهيل بعد الإصابات الرياضية
• تأهيل ما بعد السكتة الدماغية
• برامج الألم المزمن

3. معامل الارتباط (r) ومشتقاته

يُستخدم عندما يكون الهدف:

قياس قوة العلاقة بين متغيرين (مثل: قوة العضلات وجودة الحياة، أو مستوى النشاط البدني وشدة الألم)

يمكن تحويل معاملات الارتباط إلى مقاييس حجم أثر تستخدم في التحليل البعدي التجميعي.

4. مقاييس الأثر في الدراسات السريرية الثنائية (Binary Outcomes)

مثل:

• Risk Ratio (RR)
• Odds Ratio (OR)
• Risk Difference (RD)
• Number Needed to Treat (NNT)

في العلاج الطبيعي قد تُستخدم هذه المقاييس في:

• نسبة المرضى الذين حققوا تحسنًا أكبر من MCID في الألم
• نسبة الذين عادوا إلى ممارسة الرياضة بعد برنامج تأهيلي
• نسبة المرضى الذين تجنبوا الجراحة بعد تدخل علاجي محافظ

NNT يعد من أهم المقاييس الإكلينيكية:

كم عدد المرضى الذين يجب علاجهم بهذه الطريقة لنحصل على مريض واحد إضافي يستفيد مقارنة بالعلاج القياسي؟

5. η² و Partial η² في ANOVA

تُستخدم في:

• الدراسات التي تستخدم ANOVA أو التحليل المتعدد المقاييس (Repeated Measures ANOVA)
• لتقدير نسبة التباين في المتغير التابع التي يفسرها المتغير المستقل

مثلاً:

ما نسبة التغير في VO₂max التي يمكن تفسيرها بنوع برنامج التمرين؟

6. Standardized Response Mean (SRM) و Effect Size for Change

مهمة للغاية في:

• الدراسات الطولية
• تقييم استجابة المقياس للتغيير (Responsiveness)

تُستخدم كثيراً مع:

• مقاييس الألم
• مقاييس الوظيفة الحركية
• تقييم نتائج برامج التأهيل

رابعاً: التفسير النقدي لحجم الأثر في السياق السريري

1. حجم الأثر ≠ الأهمية السريرية دائماً

مثال:

برنامج علاج طبيعي يقلل الألم بمقدار 0.5 سم على مقياس VAS في عينة كبيرة (n = 500)، وقد يكون الفرق دالاً إحصائياً، لكن هذا الانخفاض قد لا يصل للـ MCID، وبالتالي لا يشعر به المريض كتحسن حقيقي.

العكس: برنامج يقلل الألم بـ 1.5–2.0 سم (أثر سريري واضح) في عينة صغيرة، قد لا يُظهر دلالة إحصائية بسبب ضعف القوة الإحصائية، لكن حجم الأثر يكون كبيراً وذا مغزى سريري.

إذن:

• الدلالة الإحصائية تتأثر بحجم العينة.
• حجم الأثر يعكس قوة التدخل بغض النظر عن ضخامة العينة.
• القرار السريري يجب أن يدمج الاثنين معاً إضافة إلى MCID، و MDD/MDC.

2. الربط بين Effect Size و MCID و MDC

في العلاج الطبيعي نستخدم:

MCID (Minimal Clinically Important Difference): أقل فرق يشعر به المريض كتحسن ذي معنى.

MDC (Minimal Detectable Change): أقل تغيير يمكن اعتباره حقيقياً وليس ناتجاً عن خطأ القياس.

التحليل المتقدم:

قد يكون حجم الأثر متوسطًا (مثلاً d ≈ 0.5)، لكن إذا كان هذا التحسن أقل من MCID فإن القيمة السريرية للتدخل تصبح محدودة.

لذلك، في الأوراق السريرية عالية الجودة، يُفضل أن يربط الباحث بين:

• متوسط التغير
• حجم الأثر
• نسبة المرضى الذين تجاوزوا MCID
• نسبة من تجاوزوا MDC

3. حجم الأثر في التحليل البعدي التجميعي (Meta-Analysis) في العلاج الطبيعي

في المراجعات المنهجية:

• يتم تحويل النتائج المختلفة إلى مقياس موحّد مثل SMD

تُعرض النتائج كـ:

• SMD مع فاصل الثقة 95%
• أو OR/RR للأعراض/الاستجابة

إشكاليات نقدية مهمة:

• تغاير المقاييس (Heterogeneity of Measures):
• توحيد مقاييس مختلفة (مثلاً VAS، NRS، مقاييس وظيفية) إلى SMD قد يخفي المعنى السريري المباشر.

المبالغة في قراءة حجم الأثر الصغير:

في عينات كبيرة جداً قد يظهر SMD صغير (0.2–0.3) لكنه دال إحصائياً، ويُقدّم أحياناً في الممارسة وكأنه "تأثير مهم"، بينما تأثيره السريري ضعيف.

خامساً: مشكلات وسوء استخدام حجم الأثر في الأبحاث الصحية

1. الاكتفاء بـ p-value دون حجم الأثر

ما زالت كثير من الدراسات:

تذكر المتوسطات و p-value دون ذكر أي مقياس لحجم الأثر وهو قصور منهجي، خصوصاً في الأبحاث السريرية والتدخلية.

2. استخدام حجم الأثر دون فواصل الثقة (Confidence Intervals)

حجم الأثر بدون CI لا يوضح:

• دقة التقدير
• مدى عدم اليقين

وجود CI يتيح فهماً أفضل:

• هل حجم الأثر المُقدّر مستقر؟
• أم قد يكون أصغر أو أكبر بكثير؟

3. الاعتماد الآلي على عتبات Cohen

تفسير d = 0.49 على أنه "متوسط" و d = 0.51 على أنه "كبير" بشكل حرفي هو تبسيط مخل؛ فالتسميات (Small, Medium, Large) سياقية وليست مطلقة.

4. تجاهل طبيعة المتغير

قد يكون:

• فرق صغير في الألم ذو قيمة سريرية عظيمة في حالات معينة (مثل الألم المزمن الشديد).
• بينما فرق أكبر في متغير مثل مدى الحركة أقل أهمية إذا لم ينعكس على الأداء الوظيفي.

سادساً: توصيات عملية للباحثين في العلاج الطبيعي والعلوم الصحية

1. الإبلاغ المزدوج: P-value + Effect Size + CI

في كل دراسة، خاصة التجريبية والسريرية:

• أذكر المتوسطات والانحرافات المعيارية
• قيمة p
• حجم الأثر المناسب (Cohen’s d, SMD, OR, RR, η²…)
• فاصل الثقة 95%

2. ربط حجم الأثر بالمؤشرات السريرية

• وضّح علاقة التغير بـ MCID و MDC
• قدّم نسبة المرضى الذين حققوا تحسنًا ذا معنى سريري

3. استخدام حجم الأثر في تصميم الدراسة

• استخدم تقديرات مبدئية لحجم الأثر (من دراسات سابقة أو دراسة تجريبية Pilot)
• صمّم حجم العينة بناءً على حجم الأثر المتوقّع وليس فقط على "ما هو متوفر من مرضى"

4. توحيد المقاييس بما لا يضر بالمعنى السريري

في المراجعات والتحليلات البعدية التجميعية:

• استخدم SMD عند اضطرارك لذلك
• لكن حاول دائماً تقديم تفسير سريري (مثلاً: هذا يعادل تحسن X نقاط على مقياس VAS).

5. القراءة النقدية للأدبيات

عند تقييم الدراسات:

• لا تنخدع بـ p < 0.05 وحدها
• انظر لحجم الأثر، CI، MCID، ومخرجات وظيفية حقيقية
• قيّم ما إذا كان التغير يستحق تغيير الممارسة السريرية أم لا

خلاصة

يُعد حجم الأثر (Effect Size) أحد الأعمدة الرئيسية للبحث الصحي الحديث، وخصوصاً في العلاج الطبيعي والطب التأهيلي؛ إذ يربط بين التحليل الإحصائي و القرار السريري.

فهم حجم الأثر واستخدامه وتفسيره نقدياً يمكّن الباحث والممارس من الانتقال من سؤال:

"هل هذا التدخل فعّال إحصائياً؟"

إلى سؤال أكثر نضجاً:

"ما مدى فعاليته؟ وهل يستحق أن أغيّر ممارستي من أجله؟ وهل سيشعر المريض فعلاً بفرق في حياته اليومية؟"

بهذا المعنى، لا يُنظر لحجم الأثر كخيار إحصائي إضافي، بل كأداة مفصلية لضمان أن تكون الأبحاث ذات معنى حقيقي، وقابلة للترجمة إلى ممارسة سريرية أفضل.