📊 statistics

A Permutation Test for a Modified Spearman’s Rank Correlation Using Martingale-Residual Ranks Under Right Censoring

تقترح هذه الورقة اختبار تبديل متين لمعامل ارتباط سبيرمان للرتب المعدل الذي يستخدم بقايا مارتينجال أحادية المتغير للتعامل بفعالية مع البيانات المراقبة من جهة اليمين، مما يضمن ضبطاً صحيحاً لخطأ النوع الأول تقاربياً والتحول إلى الاختبار الكلاسيكي عند غياب الرقابة.

المؤلفون الأصليون: Alan D. Hutson, Han Yu

نُشر 2026-08-07

📖 3 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Alan D. Hutson, Han Yu

البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://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 محقق يحاول حل لغز: "هل يحدث هذان الشيئان معاً؟". في عالم الإحصاء، يسمى هذا البحث عن الارتباط (Correlation). عادةً، إذا أردت معرفة ما إذا كان متغيران مرتبطان، فإنك تضعهما في صف واحد لترى ما إذا كانا يسيران بخطى متزامنة. ولكن ماذا يحدث عندما تكون أدلتك ناقصة؟ في عالم الطب وعلم الأحياء، غالباً ما نتتبع المدة التي يستغرقها حدوث شيء ما — مثل تعافي مريض أو تعطل آلة — ولكن أحياناً لا يكون الحدث قد وقع بعد عند انتهاء الدراسة. نحن نسمي هذا "الرقابة" (Censoring). الأمر يشبه مشاهدة سباق حيث لا يزال بعض العدائين على المضمار عندما تنقطع الكاميرا؛ أنت تعلم أنهم كانوا يركضون، لكنك لا تعرف ما إذا كانوا قد أنهوا السباق في المركز الأول أم الأخير.

لعقود من الزمن، كان لدى الإحصائيين أداة مفضلة للتحقق مما إذا كان شيئان مرتبطان دون افتراض علاقة خطية مستقيمة: معامل ارتباط سبيرمان للرتب (Spearman's Rank Correlation). فكر في الأمر كطريقة للقول: "عندما يرتفع شيء ما، هل يرتفع الآخر أيضاً؟" بناءً فقط على ترتيبهما، وليس على أرقامهما الدقيقة. إنها أداة قوية وموثوقة، وتعمل بشكل رائع عندما يكون لديك قائمة كاملة من النتائج. ولكن عندما تدخل "الرقابة" إلى الغرفة — أي عندما تُقطع بعض البيانات — تفشل هذه الأداة الكلاسيكية. فالطرق القديمة إما تستسلم، أو تصبح متحفظة للغاية (فتفقد الروابط الحقيقية)، أو لا تستطيع إخبارك ما إذا كان هناك رابط حقيقي أم أنه مجرد صدفة. لقد ظل العلماء عالقين، بحاجة إلى طريقة جديدة لترتيب هؤلاء العدائين غير المكتملين لمعرفة ما إذا كانوا يركضون بالفعل في تناغم.

تقدم هذه الورقة البحثية أداة كشف ذكية لحل تلك المشكلة تحديداً. يقترح المؤلفان، آلان د. هتسون وهان يو، طريقة تستخدم ما يسمى "بواقي مارتينجال" (Martingale Residuals) لإصلاح نظام الترتيب المعطل. تخيل البيانات الخاضعة للرقابة كأحجية ذات قطع مفقودة. بدلاً من التخمين، تستخدم طريقتهم خدعة رياضية (تعتمد على مُقدّر كابلان-ماير، وهو طريقة قياسية لتقدير معدلات البقاء) لملء القطع المفقودة بأكثر القيم "الشبحية" منطقية. هذه القيم الشبحية، أو البواقي، تعمل كجسر: إذا لم تكن هناك رقابة، فإنها تختفي وتعمل الأداة تماماً مثل اختبار سبيرمان الكلاسيكي. ولكن إذا كانت هناك رقابة، فإنها تعدل الرتب بحيث يمكن مقارنة البيانات غير المكتملة بشكل عادل.

بعد ذلك، أخضع الباحثون هذه الأداة الجديدة لسلسلة صارمة من الاختبارات. لقد قاموا بمحاكاة آلاف السيناريوهات حيث قُطعت البيانات بمعدلات مختلفة — أحياناً كان 50% من البيانات مفقوداً، وأحياناً 67% — ليروا ما إذا كانت طريقتهم ستحدد الرابط بشكل صحيح عندما يكون موجوداً، وتؤكد عدم وجود رابط عندما لا يكون موجوداً. كانت النتائج واعدة: حافظ الاختبار الجديد على "خطأ النوع الأول" (خطر إطلاق إنذار كاذفي وإيجاد اتصال غير موجود فعلياً) تحت السيطرة الوثيقة، حيث ظل عند مستويات 5% أو 1% المتوقعة تماماً. والأهم من ذلك، أنها كانت أفضل بكثير في اكتشاف الروابط الحقيقية من البديل الأفضل السابق (إحصائية كيندال المعدلة)، والتي كانت تميل إلى كونها حذرة للغاية وتفقد الإشارات.

ولإثبات نجاحها في العالم الحقيقي، طبق المؤلفون طريقتهم على مجموعتين من البيانات الطبية الحقيقية. في إحدى الحالتين، بحثوا في المدة التي بقيت فيها الطعوم الجلدية حية لدى مرضى الحروق؛ وفي الأخرى، فحصوا مدى تكرار إصابة مرضى الكلى الذين يستخدمون معدات غسيل الكلى المتنقلة بالعدوى. في كلتا الحالتين، وجد الاختبار الجديد رابطاً إيجابياً ذا دلالة إحصائية، بقيم احتمالية (p-values) بلغت 0.044 و0.031 على التوالي. وهذا يشير إلى أن الطريقة جاهزة لمساعدة الباحثين في فك تشابك البيانات الطبية المعقدة وغير المكتملة، مما يوفر طريقة موثوقة لمعرفة ما إذا كانت أوقات البقاء على قيد الحياة تسير بخطى متزامنة، حتى عندما لا يكون السباق قد انتهى للجميع بعد.

ملخص تقني: اختبار التبديل لـ معامل ارتباط سبيرمان المعدل باستخدام رتب بقايا مارتينجال تحت الرقابة اليمنى

بيان المشكلة
تعد مقاييس الارتباط القائمة على الرتب، ولا سيما معامل ارتباط رتب سبيرمان ( $\rho_s$ )، أدوات أساسية في الإحصاء اللامعلمي لالتقاط العلاقات الرتيبة. ومع ذلك، فإن تطبيقها على بيانات البقاء الخاضعة للرقابة اليمنى يفرض تحديات كبيرة. وبينما اقترحت الأدبيات الحديثة مقدرات لـ "ارتباطات شبيهة بسبيرمان" تقلص إلى المعامل الكلاسيكي في حالة عدم وجود رقابة، إلا أن هذه الطرق تفشل عموماً في توفير اختبار فرضية صالح لـ $H_0: \rho_s = 0$ مع ضبط صحيح لخطأ النوع الأول (Type I error) تحت الرقابة. وتوفر البدائل الحالية، مثل مقاييس التوافق من نوع كيندال (Kendall-type) المكيفة مع الرقابة، اختبارات استقلال ولكنها لا تستهدف $\rho_s وغالباً ما تكون متحفظة للغاية. وبناءً على ذلك، توجد فجوة لمنهجية (1) تحقق ضبطاً صحيحاً تقاربياً لخطأ النوع الأول تحت الرقابة اليمنى، (2) تُطبق عندما تكون إحدى الهوامش أو كلاهما خاضعة للرقابة، و(3) تختزل تماماً إلى اختبار التبديل الكلاسيكي لسبيرمان عند غياب الرقابة. وبحسب علم المؤلفين، لا توجد طريقة حالية تستوفي جميع هذه المعايير الثلاثة في آن واحد.

المنهجية
يقترح المؤلفون إطار عمل قوي لاختبار التبديل يعتمد على بقايا مارتينجال أحادية المتغير (UMRs). تمر المنهجية عبر الخطوات التالية:

تحويل البيانات: بالنسبة لأزواج أوقات الفشل $(S_i, T_i)$ الخاضعة لرقابة يمنى مستقلة $(C_i, D_i)$ ، تكون البيانات المرصودة هي $(X_i, \delta_{Si})$ و $(Y_i, \delta_{Ti})$ . تقوم الطريقة ببناء بقايا UMRs باستخدام مقدرات التراكمي لمخاطر كابلان-ماير ( $\hat{H}_S$ و $\hat{H}_T$ ):
$m_{Si} = \delta_{Si} - \hat{H}_S(X_i), \quad m_{Ti} = \delta_{Ti} - \hat{H}_T(Y_i)$
تعمل هذه البقايا كتحويل مولد للرتب. وعند عدم وجود رقابة، فإنها تختزل إلى تحويلات رتيبة تماماً للبيانات الأصلية. وتحت الرقابة، تدمج معلومات البقاء عبر مقدر كابلان-ماير مع الحفاظ على ترتيب الأوقات المرصودة باحتمالية عالية.
حساب الرتب: يتم ترتيب بقايا UMRs للحصول على رتب مزدوجة $(a_i, b_i)$ .
إحصائية الاختبار: يتم حساب معامل ارتباط رتب سبيرمان المعدل، $r_s(m_S, m_T)$ ، بناءً على هذه الرتب. ولتسهيل اختبار التبديل، يتم إنشاء إحصائية مُطبعة (studentized statistic) $R_s = r_s / \hat{\tau}_n$ ، حيث $\hat{\tau}_n$ هو مقدر التباين المستمد من عزم الرتب.
إطار التبديل: يتم اختبار فرضية العدم $H_0: \rho_s = 0$ عن طريق تبديل رتب المتغير الثاني ( $b_i$ ) مع إبقاء المتغير الأول ثابتاً. ويتم اشتقاق القيمة الاحتمالية (p-value) من توزيع التبديل للإحصائية المُطبعة.

الأسس النظرية
تعتمد صحة الاختبار على عدة شروط انتظام قياسية في تحليل البقاء (توزيع زمني مستقل، رقابة مستقلة، توزيعات مستمرة، واتساق قوي منتظم لتقديرات كابلان-ماير).

التبادل التقاربي (Asymptotic Exchangeability): تحت فرضية العدم $H_0$ ، تتقارب الرتب المعيرة لـ UMRs بشكل شبه مؤكد إلى متغيرات عشوائية منتظمة مستقلة. وهذا يثبت أن التوزيع المشترك للأزواج المرتبة ثابت تقاربياً تحت عمليات التبديل.
صلاحية توزيع التبديل: من خلال الاستفادة من تفكيك هوفدينج (Hoeffding decomposition) للإحصائية وعملية التطبيد (studentization)، يثبت المؤلفون أن توزيع التبديل يقدر باستمرار التوزيع العيني لإحصائية الاختبار.
الضبط التقاربي لخطأ النوع الأول: تضمن الإجراءات أن احتمال الرفض يتقارب إلى مستوى المعنوية الاسمي $\alpha$ مع زيادة حجم العينة.
خاصية الاختزال: في حالة غياب الرقابة، تصبح بقايا UMRs تحويلات رتيبة تماماً للبيانات الأصلية، مما يضمن أن الاختبار يختزل تماماً إلى اختبار التبديل المُطبع الكلاسيكي لمعامل سبيرمان $\rho_s$ .

النتائج
قيم المؤلفون الطريقة من خلال دراسات المحاكاة وتطبيقات البيانات الحقيقية:

دراسات المحاكاة: تم فحص سيناريوهين مع درجات متفاوتة من الرقابة (متوسطة $\approx$ $\approx$ 50% وثقيلة $\approx$ $\approx$ 67%).
- خطأ النوع الأول: أظهر الاختبار المقترح ضبطاً قوياً لخطأ النوع الأول عبر جميع أحجام العينات ومستويات المعنوية ( $\alpha = 0.01, 0.05, 0.10$ ).
- القوة (Power): أظهر الاختبار قوة تنافسية مقارنة باختبار ارتباط بيرسون الكلاسيكي المطبق على البيانات كاملة الملاحظة، حتى في ظل وجود الرقابة.
- المقارنة: تفوقت الطريقة المقترحة بشكل كبير على إحصائية توافق كيندال المعدلة (Oakes, 1987)، والتي وُجد أنها متحفظة للغاية (خطأ النوع الأول $< 0.002$ ) وتمتلك قوة أقل بكثير.
أمثلة من البيانات الحقيقية:
1. بقاء طعم الجلد: كشف تحليل أزواج أوقات البقاء لمرضى الحروق ( $n=11$ ) عن ارتباط إيجابي معنوي ( $p=0.044$ ).
2. تكرار عدوى الكلى: تحليل أوقات تكرار العدوى لمرضى الكلى الذين يستخدمون غسيل الكلى ( $n=38$ ) مع أنماط رقابة مختلطة أظهر ارتباطاً إيجابياً ذا دلالة إحصائية ( $p=0.031$ ).

الأهمية والادعاءات
تدعي الورقة معالجة فجوة منهجية حرجة من خلال توفير اختبار فرضية لـ $H_0: \rho_s = 0$ تحت الرقابة اليمنى يستوفي ثلاثة معايير محددة: الصحة التقاربية، القابلية للتطبيق في حالات الرقابة على هامش واحد أو هامشين، والاختزال الدقيق للاختبار الكلاسيكي عند غياب الرقابة. وبحسب علم المؤلفين، لا توجد طريقة حالية تستوفي هذه المعايير الثلاثة معاً. ويؤكد المؤلفون أن الطريقة "بسيطة وقوية"، مما يوفر أداة موثوقة للتطبيقات الطبية الحيوية حيث تشيع نتائج البقاء المزدوجة. كما تم تسليط الضوء على توافر تنفيذ البرمجيات بلغة R كعامل رئيسي لتسهيل اعتماد هذه المنهجية. ويضع المؤلفون هذا العمل كأساس لتوسعات مستقبلية، مثل اختبارات الاستقلال الدقيقة وارتباطات الرتب المعدلة بالمتغيرات المصاحبة، لكنهم لا يدعون إلى حلول فورية لهذه المشكلات الأوسع.

أبحاث مشابهة