📊 statistics

E-values for Adaptive Clinical Trials: Anytime-Valid Monitoring in Practice

تُعد هذه الورقة بمثابة دليل منهجي عملي لتطبيق قيم "e" الصالحة في أي وقت (anytime-valid e-values) في التجارب السريرية التكيفية، حيث تُبين من خلال الدراسات العددية وحزمة "R" مفتوحة المصدر `evalinger` كيف توفر هذه القيم تحكماً قوياً في خطأ النوع الأول تحت المراقبة المستمرة، مع تقديم بديل قابل للتطبيق للمنهجيات التقليدية للتسلسل المجموعاتي والمنهجيات البايزية.

المؤلفون الأصليون: Alexandra Sokolova, Vadim Sokolov

نُشر 2026-02-09

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Alexandra Sokolova, Vadim Sokolov

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك قاضٍ يشرف على محاكمة طويلة الأمد لمعرفة ما إذا كان دواء جديد يعمل بشكل أفضل من الدواء الوهمي (placebo). في الأيام الخوالي، كان الإحصائيون يقولون: "انتظر حتى النهاية تماماً، احسب جميع المرضى، ثم اتخذ قراراً نهائياً واحداً". لكن في الحياة الواقعية، لا تسير التجارب السريرية بهذا الشكل؛ فالأطباء ولجان السلامة يريدون إلقاء نظرة على البيانات فور ورودها لإيقاف التجربة مبكراً إذا كان الدواء مذهلاً (لإنقاذ الأرواح) أو إذا كان يفشل بوضوح (لوقف هدر الموارد).

المشكلة في "الاستراق" (peeking) هي أنها تشبه رمي حجر نرد مراراً وتكراراً. إذا رميت النرد وظهر الرقم ستة مرة واحدة، فهذا مجرد حظ. أما إذا ظهر الرقم ستة عشر مرة متتالية، فقد تظن أن النرد مغشوش. ولكن إذا استمررت في رمي النرد حتى يظهر لك الرقم ستة في النهاية، فستخدع نفسك وتظن أنك وجدت نمطاً بينما لم يكن الأمر سوى ضجيج عشوائي. في الإحصاء، يُسمى هذا "خطأ النوع الأول" (Type I error)، أو الإنذار الكاذب.

تقدم هذه الورقة أداة جديدة تسمى قيم-E (E-Values أو قيم الأدلة) لحل هذه المشكلة. وإليك كيف تعمل باستخدام تشبيهات بسيطة:

1. لعبة المراهنة (الفكرة الجوهرية)

تخيل أنك مقامر تراهن ضد فكرة أن الدواء الجديد لا يفعل شيئاً (الفرضية الصفرية).

الإعداد: تبدأ بـ 1 دولار. في كل مرة ينتهي مريض من التجربة، يحق لك المراهنة بجزء من مالك على ما إذا كان الدواء قد نجح أم لا.
القاعدة: إذا كان الدواء لا يعمل (أي أن الفرضية الصفرية صحيحة)، فستكون اللعبة عادلة. في المتوسط، لن تربح ولا تخسر مالاً؛ بل سيتذبذب ثرائك صعوداً وهبوطاً لكنه سيظل قريباً من 1 دولار.
الفوز: إذا كان الدواء يعمل بالفعل، فستبدأ رهاناتك في الربح. وسيبدأ ثرائك (الذي يمثل "قيمة-E" الخاصة بك) في النمو.
العتبة: تقرر مسبقاً: "إذا نما ثرائي ليصل إلى 40 دولاراً، فسأعلن أن الدواء منتصر".

لماذا هذا مميز؟
في الإحصاء التقليدي، إذا كنت تتحقق من حسابك البنكي كل يوم، يجب عليك خفض عتبة الربح في كل مرة تنظر فيها، وإلا ستصبح محظوظاً بالصدفة وتظن أنك فزت بينما لم تفعل.
مع "قيم-E"، يمكنك التحقق من حسابك البنكي بقدر ما تشاء. حتى لو نظرت إليه كل ثانية، فإن الرياضيات تضمن أنه إذا كان الدواء مزيفاً، فلن يصل ثرائك أبداً إلى 40 دولاراً. إنها تشبه "رهاناً سحرياً" يظل عادلاً بغض النظر عن عدد مرات استراقك للنظر.

2. المتنافسون الثلاثة

تقارن الورقة بين ثلاث طرق مختلفة لإدارة هذه التجربة:

النهج "الساذج" (المقامر المتهور): وهو التحقق من البيانات والقول: "مهلاً، الأرقام تبدو جيدة!" دون أي رياضيات خاصة. تُظهر الورقة أن هذا النهج خطير؛ فإذا استطلعت البيانات 20 مرة، ستعلن عن فوز كاذب في حوالي 15% من الحالات (عندما يكون الدواء في الواقع عديم الفائدة).
نهج "التسلسل الجماعي" (المحاسب الصارم): وهو المعيار الحالي. أنت تخطط بدقة متى ستنظر إلى البيانات (على سبيل المثال، عند 25%، 50%، و75% من التجربة). لديك ميزانية صارمة لـ "المخاطرة" التي يمكنك استهلاكها عند كل نظرة.
- المزايا: هو فعال جداً (جيد في إيجاد العلاجات الحقيقية) إذا التزمت بالخطة.
- العيوب: إذا غيرت الخطة أو نظرت إلى البيانات في أوقات غريبة، فإن الرياضيات تنهار، وعليك البدء من جديد.
نهج "قيمة-E" (الحارس المرن): وهو محور تركيز الورقة. يستخدم لعبة المراهنة الموصوفة أعلاه.
- المزايا: يمكنك النظر إلى البيانات متى شئت (حتى بشكل مستمر، مثل البث المباشر). لا تحتاج إلى جدول زمني محدد مسبقاً. إنه "صالح في أي وقت".
- العيوب: لكي يكون آمناً بما يكفي للسماح بالاستراق غير المحدود، فهو أقل "قوة" قليلاً من "المحاسب الصارم" عندما تلتزم بجدول ثابت. إنه يستغرق وقتاً أطول قليلاً للوصول إلى عتبة الـ 40 دولاراً.

3. ماذا تقول الأرقام؟

أجرى المؤلفون آلاف المحاكاة الحاسوبية لمعرفة أداء هذه الطرق:

الجدول الثابت: إذا خططت للنظر 20 مرة بالضبط، فإن "المحاسب الصارم" (التسلسل الجماعي) يجد الحقيقة في حوالي 86% من الحالات. أما "الحارس المرن" (قيمة-E) فيجدها في حوالي 72% من الحالات. "قيمة-E" أبطأ قليلاً، لكنه لا يزال جيداً جداً.
المراقبة المستمرة: إذا نظرت إلى البيانات في كل مرة ينتهي فيها مريض (وهو أمر مستحيل بالنسبة لـ "المحاسب الصارم" دون كسر القواعد)، فإن قوة "المحاسب الصارم" تنهار إلى 10% (يصبح خائفاً جداً من إعلان الفوز). بينما يظل "الحارس المرن" (قيمة-E) قوياً بنسبة 75%.
فحص "عدم الجدوى" (Futility): توضح الورقة أيضاً كيف يمكن استخدام هذا لإيقاف التجربة مبكراً إذا كان الدواء يفشل. إذا بدأ ثراء الرهان في التضاؤل أو البقاء منخفضاً، فأنت تعلم أن الدواء لا يعمل، ويمكنك التوقف لتوفير المال وحماية المرضى.

4. البرمجيات والمستقبل

لم يكتفِ المؤلفون بكتابة النظرية؛ بل بنوا حزمة برمجية مجانية تسمى evalinger (وموقع إلكتروني) تتيح للأطباء والإحصائيين إجراء محاكاة المراهنة هذه بأنفسهم.

كما نظروا في "المشهد التنظيمي" (مثل هيئة الغذاء والدواء الأمريكية FDA). وأشاروا إلى أنه بينما تحب الهيئة أساليب "المحاسب الصارم" القديمة، إلا أنها تفتح الباب أمام الأساليب الجديدة. وتجادل الورقة بأن "قيم-E" تتناسب جيداً مع مسودة توجيهات عام 2026 الجديدة للهيئة، لأنها توفر ضماناً رياضياً واضحاً بأنك لا تزييف النتائج، حتى لو غيرت رأيك بشأن موعد النظر في البيانات.

ملخص

فكر في "قيم-E" كأنها "مقياس الحقيقة العالمي" للتجارب السريرية.

الطريقة القديمة: يجب أن تعد بدقة متى ستتحقق من المقياس، وإلا ستصبح القراءة غير موثوقة.
الطريقة الجديدة (قيم-E): يمكنك التحقق من المقياس متى شئت، وبأي عدد من المرات، والقراءة مضمونة بأن تكون صادقة.

تخلص الورقة إلى أنه على الرغم من أن "قيم-E" قد تكون أبطأ قليلاً في إيجاد علاج في تجربة مخططة بدقة مثالية، إلا أنها الأداة الأفضل للواقع الفوضوي للتجارب السريرية، حيث تتغير الخطط، وتصل البيانات متأخرة، وتحتاج لجان السلامة إلى استراق النظر كلما دعت الضرورة.

ملخص تقني: قيم e (E-Values) للتجارب السريرية التكيفية

بيان المشكلة

تعتمد التجارب السريرية التكيفية بشكل متزايد على التحليلات المرحلية، وقواعد التوقف المرنة، وتعديلات التصميم المعتمدة على البيانات لتحسين الكفاءة الأخلاقية والسرعة التشغيلية. ومع ذلك، فإن هذه الميزات تعقد الضمانات الإحصائية. تتطلب الطرق التكرارية الكلاسيكية (Frequentist)، مثل تصميمات التسلسل المجموعاتي (Group Sequential Designs)، جدول مراقبة محدد مسبقاً ودالة إنفاق لـ ألفا (Alpha-spending function) للتحكم في خطأ النوع الأول؛ حيث يؤدي الفحص المتكرر لإحصاءات الاختبار ذات الأفق الثابت دون هذه التصحيحات إلى تضخم كبير في الخطأ. وبالمثل، بينما توفر التصميمات التكيفية البايزية (Bayesian) مرونة من خلال الاحتمالات البعدية والتنبؤية، فإن قواعد العتبة القياسية (مثل $P(\text{effect} > 0) > 0.975$ ) لا تتحكم تلقائياً في خطأ النوع الأول التكراري تحت التوقف الاختياري، وتتطلب معايرة مكثفة قائمة على المحاكاة لكل تصميم على حدة.

هناك حاجة لمنهجية توفر استدلالاً صالحاً في أي وقت (Anytime-valid)—أي ضمانات إحصائية تظل صالحة بغض النظر عن وقت أو وتيرة فحص البيانات، دون الحاجة إلى حجم عينة محدد أو قاعدة توقف محددة مسبقاً.

المنهجية

تقترح الورقة استخدام قيم e (e-values) وعمليات e (e-processes) كبديل عملي للمراقبة المرحلية.

التعريفات: قيمة e هي إحصاء غير سالب $E$ بحيث يكون $E_{H_0}[E] \le 1$ . وعملية e هي تسلسل من قيم e (أي $E_1, E_2, \dots$ ) يتم حسابها مع تراكم البيانات.
بناء المارتينجال القائم على المراهنة (Betting-Martingale Construction): بالنسبة للتجارب العشوائية المحكومة (RCTs) ذات النهايات الثنائية، يستخدم المؤلفون إطار "الاختبار عن طريق المراهنة"؛ حيث يبدأ المراهن بثروة قدرها 1 ويراهن ضد الفرضية الصفرية ( $H_0: p_T = p_C$ ) عند كل زوج من المرضى. يتم اختيار كسر المراهنة $\lambda$ بناءً على البديل التصميمي (حجم التأثير المتوقع). عملية الثروة $E_n = \prod_{i=1}^n (1 + \lambda D_i)$ ، حيث $D_i$ هو فرق النتائج، تشكل مارتينجال غير سالب تحت الفرضية الصفرية $H_0$ .
الصلاحية في أي وقت (Anytime-Validity): بموجب متباينة فيل (Ville's inequality)، إذا كان $(E_t)$ عبارة عن سوبر-مارتينجال (Supermartingale) غير سالب تحت $H_0$ ، فإن $P_{H_0}(\sup_t E_t \ge 1/\alpha) \le \alpha$ . وهذا يعني أن رفض $H_0$ عندما تكون $E_t \ge 1/\alpha$ يتحكم في خطأ النوع الأول عند المستوى $\alpha$ لأي زمن توقف، سواء كان مخططاً له أو غير مخطط.
التوسعات:
- النهايات المتعلقة بالبقاء (Survival Endpoints): تستخدم الورقة "اختبار لوغ-رانك الآمن" (Safe Logrank Test)، الذي يبني عملية e عبر نسبة الاحتمال المختلطة فوق نسبة المخاطر (Hazard Ratio)، مما يوفر استدلالاً صالحاً تحت التوقف الاختياري.
  بناءً على آلية (1) عكس عملية e لتوليد تسلسل ثقة (Confidence Sequence) صالح في أي وقت، والتوقف إذا انخفض الحد الأعلى عن الحد الأدنى للفرق السريري الهام (MCID)؛ و(2) بناء عملية e "عكسية" لاختبار الفرضية العكسية (أن التأثير يساوي على الأقل MCID).
تجارب المنصة (Platform Trials): تدعم قيم e التحكم في تعدد الاختبارات عبر المتوسطات الحسابية (للفرضيات المعتمدة) أو النواتج (للفرضيات المستقلة)، مما يتيح التحكم في معدل الاكتشاف الخاطئ (FDR) باستخدام إجراءات مثل e-BH.

المساهمات الرئيسية

تعمل الورقة كدليل منهجي للممارسين، وتقدم المساهمات المحددة التالية:

بناءات عملية: تطوير صريح لعمليات e القائمة على المارتينجال للمراهنة لتجارب ذات ذراعين ونهايات ثنائية ونهايات بقاء، بما في ذلك التوجيه حول اختيار كسر المراهنة $\lambda$ "الأمثل للنمو" (GROW-optimal) لتعظيم القدرة (Power) تحت بديل تصميمي.
مقارنة عددية: دراسة محاكاة شاملة تقارن بين خمس قواعد مراقبة في تجربة RCT ثنائية الذراع:
- قيم p المتكررة الساذجة (Naive repeated p-values).
- التسلسل المجموعاتي المعاير (على غرار O'Brien–Fleming).
- عملية e القائمة على مارتينجال المراهنة.
- عتبة البايزية الساذجة (Naive Bayesian posterior threshold).
- عتبة البايزية المعايرة (المضبوطة بالمحاكاة).
محاكاة موسعة: تحليل فجوة القدرة (Power Gap) بين تصميمات التسلسل المجموعاتي وطرق قيم e عبر جداول مراقبة مختلفة (ثابتة، غير منتظمة، ومستمرة) ومعلمات التصميم.
إطار الفشل (Futility Framework): تنفيذ وتقييم مراقبة الفشل عبر تسلسلات الثقة وعمليات e العكسية.
توضيح ببيانات حقيقية: إعادة تحليل تجربة "نوفيك (1965)" للقرحة، ومقارنة مسارات قيم e مقابل التحليلات الكلاسيكية والبايزية الأصلية.
التنفيذ البرمجي: إصدار حزمة R المسماة evalinger وتطبيق ويب تفاعلي (Shiny). تنفذ هذه الأدوات بناء عمليات e، ومعايرة GROW-optimal، والمراقبة في الوقت الفعلي، وتسلسلات الثقة، وتحليل الفشل، والمقارنات الهجينة مع طرق التسلسل المجموعاتي والطرق البايزية.

النتائج

أسفرت الدراسة العددية (50,000 محاكاة، 20 نظرة مرحلية، $\alpha=0.025$ ) عن النتائج التالية:

التحكم في الخطأ: أدت قيم p المتكررة الساذجة وعتبات البايزية الساذجة (مثل $>0.975$ ) إلى تضخم خطأ النوع الأول ليصل إلى حوالي 13-15%. في المقابل، نجحت كل من طرق التسلسل المجموعاتي المعايرة، والطرق البايزية المعايرة، وطرق قيم e في التحكم في خطأ النوع الأول (عند أو أقل من 2.5%).
مقارنة القدرة (الجدول الثابت): تحت جدول ثابت مكون من 20 نظرة:
- التسلسل المجموعاتي المعاير: 86.1% قدرة.
- قيمة e (المراهنة): 72.3% قدرة.
- البايزية المعايرة: 68.8% قدرة.
  كانت طريقة قيمة e أكثر تحفظاً من التسلسل المجموعاتي ولكنها أقل تحفظاً من قاعدة البايزية المعايرة في هذا التصميم المحدد.
حساسية جدول المراقبة: تعتمد فجوة القدرة بشكل كبير على جدول المراقبة. تحت المراقبة المستمرة (لكل زوج من المرضى)، انهارت قدرة التسلسل المجموعاتي إلى 10% (بسبب الحاجة إلى تحفظ شديد للحفاظ على خطأ النوع الأول)، بينما ارتفعت قدرة قيمة e إلى 75%. تحت الجداول غير المنتظمة، حافظت قيم e على قدرة مستقرة دون الحاجة لإعادة المعايرة، بينما تطلبت حدود التسلسل المجموعاتي إعادة معايرة لكل جدول تم تحققه.
حساسية المعلمات: ضاقت الفجوة بين قيم e وطرق التسلسل المجموعاتي عند أحجام التأثير الكبيرة (مثلاً فجوة 2% لـ $\delta=0.20$ )، لكنها اتسعت عند التأثيرات الصغيرة مع معدلات أساس متوسطة (تصل إلى 29% فجوة لـ $\delta=0.10$ ).
الفشل (Futility): كانت عملية e العكسية أكثر حساسية لاكتشاف الفشل (معدل اكتشاف 53.5%) مقارنة بنهج تسلسل الثقة (14.2%) في سيناريو ذي تأثير دون السريري.
البيانات الحقيقية (Novick 1965): تراكمت عملية e الأدلة ( $E \approx 15.3$ ) لكنها لم تتجاوز عتبة الرفض ( $E \ge 40$ )، وهو ما يتوافق مع التحليل التسلسلي الكلاسيكي الأصلي الذي لم يجد فرقاً معنوياً. وقد تباين هذا مع التحليل البايزي الأصلي الذي سجل مصداقية بعدية قدرها 0.98، مما يسلط الضوء على "ثمن الصلاحية في أي وقت" حيث تتطلب قيم e أدلة أقوى للرفض في ظل التوقف الاختياري.

الأهمية والادعاءات

تضع الورقة قيم e كإطار عمل مبدئي للاستدلال الصالح في أي وقت يعالج الواقع التشغيلي للتجارب التكيفية.

السياق التنظيمي: يضع المؤلفون المنهجية ضمن سياق مسودة إرشادات FDA لشهر يناير 2026 بشأن المنهجية البايزية. ويجادلون بأن قيم e تتوافق طبيعياً مع مسار "معايرة خطأ النوع الأول" الوارد في الإرشادات، مما يوفر ضماناً تحليلياً للتحكم في الخطأ يتجنب عبء المحاكاة المكثف المطلوب لطرق العتبة البعدية. كما يقترحون أن قيم e يمكن أن تعمل كـ "طبقة أمان تكرارية" (Frequentist safety layer) أو سجل أدلة بجانب قواعد القرار البايزية.
المنفعة العملية: تدعي الورقة أن قيم e هي الأكثر ملاءمة عندما:
- تكون النظرات المرحلية غير منتظمة، أو انتهازية، أو مستمرة.
- يكون الاستمرار الاختياري (تمديد التجربة لما بعد الأفق المخطط له) احتمالاً واقعياً.
- يكون ضمان الصلاحية الموحد زمنياً (Time-uniform validity) مطلباً أساسياً قابلاً للتدقيق.
القيود: يقر المؤلفون بتواضع بأن قيم e ليست بديلاً عالمياً. ويشيرون إلى وجود عقوبة في القدرة (Power penalty) مقارنة بتصميمات التسلسل المجموعاتي المثلى عندما يكون جدول المراقبة ثابتاً ومعروفاً مسبقاً. كما يوضحون أن بناء عمليات e قوية للنهايات المعقدة (مثل المخاطر غير المتناسبة) لا يزال يمثل آفاقاً بحثية، وأن المنهجية تتطلب ضبطاً دقيقاً لكسر المراهنة لتجنب ضعف القدرة.

في الختបញ្ចប់، تدعو الورقة إلى نهج هجين: استخدام الاحتمالات التنبؤية البايزية لاتخاذ القرارات التشغيلية، وحدود التسلسل المجموعاتي للتحليل التأكيدي المحسن للقدرة عند النظرات المخطط لها، وعمليات e كـ "سجل أدلة" قوي وصالح في أي وقت يظل صالحاً بغض النظر عن وتيرة المراقبة أو تغير الجداول الزمنية.