Balancing Evidentiary Value and Sample Size of Adaptive Designs with Application to Animal Experiments

ملخص تقني: موازنة القيمة الاستدلالية وحجم العينة للتصاميم التكيفية مع التطبيق على التجارب الحيوانية

بيان المشكلة
في الأبحاث الحيوانية، تدعو ركيزة "التقليل" (Reduce) ضمن مبادئ الـ 3Rs (الاستبدال، التقليل، التحسين) إلى تقليل عدد الوحدات التجريبية مع الحفاظ على استدلالات إحصائية موثوقة. يركز اختبار الفرضيات الإحصائية القياسي عادةً على التحكم في معدل خطأ النوع الأول ($\alpha$) وتعظيم القوة الإحصائية، وغالباً ما يتجاهل حجم العينة المتوقع أو يعامله كقيد ثابت. وهذا يخلق تحدياً عند مقارنة التصاميم التجريبية المختلفة، لا سيما التصاميم التكيفية (مثل التصاميم المتسلسلة المجموعاتية) التي تسمح بالتوقف المبكر من أجل الفعالية أو عدم الجدوى. تؤدي هذه التصاميم إلى أحجام عينات عشوائية، مما يجعل المقارنات المباشرة بين القوة ومعدلات الخطأ أمراً صعباً، خاصة عندما تمتلك التصاميم معدلات مختلفة لخطأ النوع الأول أو أحجام عينات متوقعة مختلفة. تفشل مقاييس الأداء الحالية غالباً في مراعاة تباينات حجم العينة أو تتطلب أوزاناً تعسفية للمكونات. تعالج الورقة الحاجة إلى مقياس موحد يوازن بين خطأ النوع الأول، والقوة الإحصائية، وحجم العينة لقياس القيمة الاستدلالية لوحدة تجريبية واحدة.

المنهجية
يقترح المؤلفون مقياساً جديداً يسمى مؤشر معلومات الوحدة التجريبية (EUII). تعتمد المنهجية على الخطوات المنطقية التالية:

1. نسب الاحتمال التشخيصي: يكيّف المؤلفون مفاهيم الاختبار التشخيصي لتطبيقها على اختبار الفرضيات الإحصائية. حيث يعرّفون نسب الاحتمال الموجبة والسالبة ($LR_+$ و $LR_-$) لنتيجة الاختبار:

   • $LR_+ = \text{القوة} / \text{معدل خطأ النوع الأول}$
   • $LR_- = (1 - \text{القوة}) / (1 - \text{معدل خطأ النوع الأول})$
     تربط هذه النسب بين احتمالات صحة الفرضية البديلة ($H_1$) بناءً على نتيجة ذات دلالة إحصائية أو غير ذات دلالة.

2. نسبة الأرجحية التشخيصية (DOR): تُعرَّف نسبة الأرجحية التشخيصية بأنها نسبة نسب الاحتمال هذه ($DOR = LR_+ / LR_-$). وهي تقيس قدرة الاختبار على التمييز بين $H_1$ و $H_0$، ويمكن تفسيرها كنسبة احتمالات الدلالة تحت $H_1$ مقابل $H_0$ (من منظور تكراري) وكنسبة الاحتمالات البعدية لـ $H_1$ في حالة وجود نتيجة ذات دلالة مقابل عدم وجود دلالة (من منظور بايزي).

3. التطبيع لحجم العينة (EUII): لمراعاة عدد الوحدات التجريبية ($n$)، يقترح المؤلفون أخذ الجذر النوني $n$ لنسبة الأرجحية التشخيصية:
   $$EUII = DOR^{1/n} = \frac{(LR_+)^{1/n}}{(LR_-)^{1/n}}$$
   ويمثل هذا المتوسط الهندسي لمساهمة وحدة تجريبية واحدة في القيمة الاستدلالية الإجمالية. الاختبار المفيد هو الذي يكون فيه $EUII > 1$.

4. التوسع ليشمل التصاميم التكيفية: بالنسبة للتصاميم التكيفية حيث يكون حجم العينة $N$ عشوائياً، يقوم المؤلفون بتعميم الـ EUII. وبما أن نسب الاحتمال تعمل بشكل ضربي على الاحتمالات، يتم تعريف المؤشر باستخدام متوسط مقلوب أحجام العينات المتوقعة للنتائج ذات الدلالة ($N_+$) والنتائج غير ذات الدلالة ($N_-$):
   $$EUII = (LR_+)^{E(1/N_+)} / (LR_-)^{E(1/N_-)}$$
   يأخذ هذا الصيغة في الاعسب تباين حجم العينة (عبر معامل الاختلاف) ويتطلب مدخلاً للاحتمال القبلي للفرضية البديلة، $Pr(H_1)$، لوزن متوسط مقلوب أحجام العينات تحت فرضية العدم والفرضية البديلة.

المساهمات الرئيسية والنتائج

• الخصائص النظرية: تشتق الورقة القيمة التقاربية لـ EUII لأحجام العينات الثابتة. بالنسبة لاختبار $z$ لعينة واحدة، $\lim_{n \to \infty} EUII = \exp(\delta^2/2)$، حيث $\delta$ هو حجم الأثر المعياري. وبالنسبة لاختبار عينتين، الحد هو $\exp(\delta^2/8)$. وهذا يوضح أن القيمة الاستدلالية التقاربية تعتمد فقط على حجم الأثر المفترض تحت الفرضية البديلة.
• دراسة حالة محفزة (Bonapersona et al., 2021): أعاد المؤلفون تحليل 2,738 تجربة حيوانية في مجالي العلوم العصبية والتمثيل الغذائي. ومن خلال محاكاة التحليلات المرحلية، أظهروا أن التصاميم المتسلسلة المجموعاتية مع التوقف بسبب عدم الجدوى يمكن أن توفر أعداداً كبيرة من الحيوانات (على سبيل المثال، تصميم Pocock مع التوقف بسبب عدم الجدوى وفر حوالي 13,500 حيوان في مجموعة البيانات) مع الحفاظ على معدلات رفض معقولة.
• مقارنة التصاميم المتسلسلة المجموعاتية: في عمليات المحاكاة التي قارنت بين تصاميم Pocock و O'Brien-Fleming و Haybittle-Peto (مع وبدون التوقف بسبب عدم الجدوى)، كشف الـ EUII أن:
  • التصاميم التكيفية تحقق عموماً قيم EUII أعلى من التصاميم ذات حجم العينة الثابت.
  • أظهر منهج Pocock باستمرار أعلى قيم EUII، لا سيما عند دمجه مع التوقف بسبب عدم الجدوى. ويعزى ذلك إلى مستويات الدلالة الاسمية الثابتة، والتي تسمح بالتوقف المبكر تحت فرضية العدم، مما يقلل من حجم العينة المتوقع للنتائج غير ذات الدلالة.
  • يتأثر الـ EUII بالاحتمال القبلي $Pr(H_1)$، وإن ظل الترتيب النسبي للطرق مستقراً في الغالب.
• تقييم "تعزيز العينة المقيد" (N-hacking): قيمت الورقة طريقة "تعزيز العينة المقيد" لـ Reinagel (2023)، والتي تتضمن إضافة بيانات إذا لوحظ "اتجاه نحو الدلالة"، بشرط تطبيق التوقف بسبب عدم الجدوى إذا كانت $p > 0.1$.
  • بينما يؤدي هذا الأسلوب إلى تضخم معدل خطأ النوع الأول، أظهر تحليل EUII أنه يمكن أن يحقق قيمة استدلالية عالية لكل وحدة، وغالباً ما يتفوق على طرق التسلسل المجموعاتي القياسية بدون التوقف بسبب عدم الجدوى.
  • ومع ذلك، عندما يتم تجهيز طرق التسلسل المجموعاتي القياسية (مثل Pocock) أيضاً بالتوقف بسبب عدم الجدوى (بناءً على القوة التنبؤية)، فإنها غالباً ما تضاهي أو تتجاوز EUII الخاص بنهج Reinagel، خاصة بالنسبة لأحجام الأثر الكبيرة.

الأهمية والادعاءات
تدعي الورقة أن الـ EUII يوفر "مقياساً للقيمة الاستدلالية لوحدة تجريبية واحدة" مما يسمح بالمقارنة المباشرة بين التصاميم الإحصائية ذات معدلات خطأ النوع الأول ومستويات القوة وأحجام العينات المتوقعة المختلفة.

• الفائدة العملية: يرى المؤلفون أن الـ EUII مفيد بشكل خاص في الأبحاث الحيوانية حيث الهدف هو تعظيم المعلومات لكل حيوان. فهو يقدم مقيساً واحداً لموازنة المقايضات بين معدلات الخطأ وكفاءة حجم العينة.
• اختيار التصميم: تشير النتائج إلى أن التصاميم المتسلسلة المجموعاتية ذات عتبات الدلالة الثابتة (مثل Pocock) المدمجة مع التوقف بسبب عدم الجدوى هي غالباً الأمثل، لأنها تقلل من حجم العينة المتوقع تحت فرضية العدم دون التضحية بالقيمة الاستدلالية.
• النطاق المحدود: يقر المؤلفون بأن الـ EUII يعتمد على تحديد الاحتمال القبلي $Pr(H_1)$ وحجم الأثر المفترض. ويشيرون إلى أنه في الممارسة العملية، غالباً ما يتطلب الـ EUII التقدير عبر المحاكاة. لا تدعي الورقة أن الـ EUII هو بديل لحسابات القوة، بل هو مقياس تكميلي لاختيار التصميم وتحسينه، لا سيما في سياق مبادئ الـ 3Rs.

تخلص الورقة إلى أن الـ EUII ينجح في دمج معدلات الخطأ التكرارية والاحتمالات البعدية البايزية في مقياس معدل بحجم العينة، مما يوفر إطاراً قوياً لتقييم وتحسين التصاميم التجريبية التكيفية في الأبحاث قبل السريرية.