Factorial multistratum designs for building, optimising or evaluating multilevel interventions embedded in learning systems: A taxonomy of factorial cluster-randomised trial designs and their variants

تخيل أنك تحاول خبز كعكة مثالية، ولكن بدلاً من مجرد خلط الدقيق والسكر، أنت تحاول إصلاح مخبز كامل. عليك أن تقرر كيفية تدريب الخبازين، وما هي الوصفات التي ستضعها في القائمة، وكيفية ترتيب الأفران. لكن الجزء الصعب هنا هو أنك لا تستطيع اختبار شيء واحد فقط في كل مرة. فإذا قمت بتغيير درجة حرارة الفرن فقط، فقد تفوتك حقيقة أن الخبازين يحتاجون إلى نوع مختلف من المآزر لجعل الكعكة ترتفع. هذا هو عالم "التدخلات المعقدة" في الرعاية الصحية والتعليم. يحاول العلماء معرفة كيفية إصلاح الأنظمة الكبيرة والفوضوية — مثل المستشفيات أو المدارس أو مجتمعات بأكملها — حيث تتفاعل العديد من الأجزاء المختلفة مع بعضها البعض. وللقيام بذلك، يستخدمون أداة خاصة تسمى "التجربة العشوائية المنضبطة"، وهي تشبه التجربة العلمية حيث يتم رمي عملة معدنية لتحديد من يحصل على أي نسخة من المساعدة. ولكن عندما تضطر إلى اختبار العديد من أجزاء النظام في وقت واحد، وكانت هذه الأجزاء تنتمي إلى مجموعات مختلفة (مثل الطلاب داخل الفصول الدراسية، داخل المدارس، داخل المناطق التعليمية)، فإن الرياضيات تصبح معقدة للغاية. الأمر يشبه محاولة حل مكعب روبيك حيث كل طبقة فيه بلون وحجم مختلفين، وعليك اكتشاف أي حركة ستصلح اللغز بأكمله دون كسر القطع الأخرى.

هذه الورقة البحثية هي دليل إرشادي لفك تشابك مكعب روبيك هذا. لاحظ المؤلفون، وهم فريق من الإحصائيين والباحثين، أنه بينما كان العلماء يستخدمون هذه التجارب المعقدة متعددة الطبقات لعقود في الزراعة والمصانع، فإن العاملين في الدراسات الطبية والاجتماعية غالباً ما يصابون بالارتباك بسبب المصطلحات التقنية. إنهم يطلقون على هذه التصاميم اسم "التصاميم العاملية متعددة الطبقات" (factorial multistratum designs)، وهو اسم يبدو معقداً ومثقلاً بالمصطلحات الفنية، ولكنه يعني ببساطة اختبار أشياء عدة في وقت واحد عبر مستويات مختلفة من النظام. هذه الورقة لا تخترع حبة سحرية جديدة أو تدعي أنها حلت كل مشاكل الرعاية الصحية، بل تقترح "تصنيفاً" (taxonomy) جديداً وأكثر وضوحاً — وهي كلمة فخمة تعني نظام تصنيف أو خريطة — لمساعدة الباحثين على وصف هذه التجارب المعقدة. ومن خلال النظر في 44 تجربة من العالم الحقيقي وإنشاء مثال نظري حول محاربة سمنة الأطفال في المدارس، يقترح المؤلفون طريقة معيارية للتحدث عن هذه التصاميم. ويجادلون بأننا إذا استخدمنا لغة مشتركة، فسنتمكن من فهم كيفية بناء وتحسين واختبار التدخلات التي تعمل على مستويات متعددة في آن واحد، بدءاً من المريض الفرد وصولاً إلى السياسة الوطنية.

الصورة الكبيرة: لماذا نحتاج إلى خريطة للأنظمة الفوضوية؟

لنبدأ بالمشكلة. تخيل أنك مدير مدرسة يحاول منع الأطفال من زيادة وزنهم بشكل مفرط. يمكنك ببساطة إخبارهم بأن يأكلوا بشكل أفضل. ولكن ربما المشكلة ليست في الأطفال وحدهم؛ ربما تكون المشكلة في مقصف المدرسة، أو حصة التربية البدنية، أو حتى القواعد التي تضعها المنطقة التعليمية للمدينة بأكملها. "التدخل متعدد المستويات" هو عندما تحاول إصلاح كل هذه الأشياء في وقت واحد. قد تغير قائمة الطعام (للمدرسة)، وتدرب المعلمين (للصف الدراسي)، وتقوم بحملة لأولياء الأمور (للمجتمع).

المشكلة هي، كيف تعرف أي جزء نجح بالفعل؟ هل فقد الأطفال وزنهم بسبب قائمة الطعام الجديدة، أم تدريب المعلمين، أم بسبب كون الجو مشمساً في فصل الربيع؟ في الماضي، كان العلماء قد يختبرون شيئاً واحداً فقط في كل مرة، مثل سباق متوازٍ حيث تحصل مجموعة واحدة على قائمة الطعام وأخرى لا تحصل على شيء. لكن ذلك بطيء ومضيع للوقت. إنه يشبه محاولة العثور على أفضل سيارة من خلال اختبار المحرك، ثم الإطارات، ثم الطلاء، واحداً تلو الآخر، بدلاً من رؤية كيف تعمل معاً.

هنا يأتي "التصميم العاملي" (factorial design). فكر في هذا كقائمة تذوق فائقة الكفاءة. بدلاً من اختبار المحرك والإطارات بشكل منفصل، تختبر أربع تركيبات في وقت واحد:

1. محرك قديم، إطارات قديمة.
2. محرك جديد، إطارات قديمة.
3. محرك قديم، إطارات جديدة.
4. محرك جديد، إطارات جديدة.

هذا يخبرك ليس فقط إذا كان المحرك الجديد جيداً، بل أيضاً إذا كانت الإطارات الجديدة تعمل بشكل أفضل مع المحرك الجديد. هذا هو "استراتيجية التحسين متعددة المراحل" (Multiphase Optimisation Strategy - MOST)، وهي طريقة شائعة لبناء أفضل تدخل ممكن قبل تجربته على نطاق واسع.

ولكن هنا يصبح الأمر فوضوياً. في التجربة البسيطة، ترمي عملة معدنية لكل شخص. أما في "التجربة العشوائية المجمعة" (cluster-randomised trial - CRT)، فأنت ترمي العملة لمجموعة كاملة، مثل مدرسة كاملة أو مستشفى كامل. لماذا؟ لأنك إذا أخبرت طفلاً واحداً في المدرسة أن يأكل السلطة والطفل التالي أن يأكل البيتزا، فقد يأخذ الطفل الأول بيتزا زميله الثاني. لتجنب هذا "التلوث"، نقوم بعمل التوزيع العشوائي للمدرسة بأكملها.

الآن، تخيل أنك تريد اختبار قائمة الطعام (للمدرسة) وَ تدريب المعلمين (للصف الدراسي) وَ نشرة أخبار أولياء الأمور (للمنطقة التعليمية). لا يمكنك مجرد رمي عملة واحدة. عليك رمي عملة للمنطقة التعليمية، وعملة أخرى للمدرسة، وعملة ثالثة للصف الدراسي. هذا يخلق تصميماً "متعدد الطبقات" (multistratum). إنه يشبه دمى "الماتريوشكا" الروسية (الدمى المتداخلة) في التوزيع العشوائي. المشكلة هي أن الأشخاص الذين يدرسون هذه التصاميم (معظمهم من المزارعين ومديري المصانع) يستخدمون لغة سرية لا يتحدثها الأطباء أو المعلمون. الكتب المدرسية مليئة بأمثلة المزارع، وليست أمثلة المستشفيات. هذه الورقة موجودة لترجمة تلك اللغة السرية إلى لغة إنجليزية بسيطة.

مهمة الورقة: بناء مترجم عالمي

وضع المؤلفون، بقيادة ريبيكا والوين وفريقها، هدف إنشاء لغة مشتركة لهذه التجارب المعقدة. لم يكتفوا بالجلوس في مختبر وتخيل نظريات؛ بل نظروا في 44 تجربة سريرية حقيقية تم إجراؤها بالفعل. كما بنوا "مثالاً نظرياً" بناءً على سيناريو من الواقع: حملة للحد من سمنة الأطفال في المدارس.

في مثالهم، تخيلوا نظاماً يتكون من ثلاثة مستويات:

• المناطق التعليمية: الرؤساء الكبار.
• المدارس: المدراء المتوسطون.
• الفصول الدراسية: خط المواجهة الأمامي.

أرادوا اختبار أربعة "مكونات" مختلفة (عوامل العلاج):

1. التدريبات: للمعلمين.
2. السياسات: القواعد التي تضعها المنطقة التعليمية.
3. القوائم: ما تقدمه المدرسة.
4. الأنشطة: ما يحدث في الصالة الرياضية.

النتيجة الرئيسية للورقة هي أن هناك عشر طرق متميزة لترتيب هذه التجار تج، اعتماداً على كيفية رمي العملات وأين تطبق مكوناتك. لقد أنشأوا "تصنيفاً" (خريطة) لتسمية ووصف هذه التصاميم العشرة.

بدلاً من قول "لقنا تجربة split-plot"، وهو ما يبدو كأنه متعلق بالبستنة، يقترحون وصفاً واضحاً من ثلاثة أجزاء لكل تجربة:

1. هيكل العلاج: ماذا نختبر؟ (على سبيل المثال، تصميم 2x2 يعني مكونين، لكل منهما نسختان: "موجود" أو "غير موجود").
2. هيكل الوحدة: من هو المشارك في التجربة؟ هل هو تسلسل هرمي (أطفال داخل فصول دراسية داخل مدارس) أم مزيج حيث تتقاطع الفترات الزمنية مع المدارس؟
3. تصميم التوزيع العشوائي: كيف رمينا العملات؟ هل قمنا بالتوزيع العشوائي للمدرسة بأكملها، أم للفصول الدراسية داخل المدرسة فقط؟

التصاميم العشرة: جولة في المختبر

يقسم المؤلفون الاحتمالات إلى ثلاث عائلات رئيسية، باستخدام مثال السمنة الخاص بهم لتوضيح كيفية عملها.

العائلة الأولى: التصاميم الهرمية (الدمى المتداخلة)
هذه هي الأكثر شيوعاً. تخيل نظاماً مدرسياً حيث يوجد أطفال في فصول دراسية، والتي توجد في مدارس، والتي توجد في مناطق تعليمية.

• التصميم (أ) (البسيط): ترمي عملة واحدة للمدرسة بأكملها. تحصل المدرسة على قائمة طعام جديدة وتدريب معلمين جديدين معاً. إنه اختبار "2x2" قياسي، ولكن المدرسة هي الوحدة.
• التصميم (ب) (Split-Plot): هنا يصبح الأمر ذكياً. ترمي عملة للمدرسة لتقرر قائمة الطعام. ولكن بعد ذلك، داخل نفس المدرسة، ترمي عملة أخرى لكل فصل دراسي لتقرر تدريب المعلمين. هذا يشبه تصميم "split-plot". إنه فعال لأنه لا تحتاج لتغيير قائمة طعام المدرسة بأكملها لكل فصل دراسي على حدة، ولكن لا يزال بإمكانك اختبار التدريب بشكل منفصل.
• التصميم (ج) و (د) (الغوص العميق): هذه أكثر تعقيداً. يضيف التصميم (ج) طبقة حيث يتم قياس النتيجة على الطلاب الأفراد، وليس فقط الفصول الدراسية. ويضيف التصميم (د) مكوناً ثالثاً (سياسات المنطقة التعليمية) ويتم توزيعه عشوائياً في المستوى الأعلى، والمدرسة في المستوى الأوسط، والفصل الدراسي في المستوى الأدنى. إنه تصميم "split-split-plot". يسم هذا برؤية أي مستوى من النظام هو الذي يقوم بالجهد الأكبر بدقة.

العائلة الثانية: التصاميم المصنفة تقاطعياً (المسافرون عبر الزمن)
تضيف هذه التصاميم لمسة جديدة: الوقت. تخيل أن المدارس هي نفسها، ولكن التجربة تستمر لمدة 12 شهراً.

• التصميم (هـ): تحصل المدرسة على علاج (مثل سياسة جديدة) وتحتفظ به لمدة 12 شهراً. نقيس النتائج لدى الأطفال كل شهر.
• التصميم (و): هذا هو تصميم "العبور" (crossover). تجرب المدرسة العلاج (أ) لمدة 3 أشهر، ثم العلاج (ب) لمدة 3 أشهر، ثم (أ) مرة أخرى، ثم (ب) مرة أخرى. إنه يشبه رقصة "المربع اللاتيني" حيث تجرب كل مدرسة كل التركيبات بمرور الوقت.
• التصميم (ز) و (ح): يخلط هذان التصميمان الأمور. ربياً تحصل المنطقة التعليمية على سياسة ثابتة لمدة 12 شهراً، ولكن الفترات الزمنية تحصل على تدريب مختلف كل شهر. أو ربما تغير المدرسة قائمة طعامها كل شهر، لكن سياسة المنطقة التعليمية تظل ثابتة. هذا يسمى تصميم "strip-plot". وهو ممتاز لرؤية كيف "يتعلم" النظام بمرور الوقت.

العائلة الثالثة: التصاميم المختلطة (الهجين النهائي)
هذه هي التصاميم الثقيلة. تجمع بين التداخل في العائلة الأولى وتقاطع الوقت في العائلة الثانية.

• التصميم (ط) و (ي): تخيل نظاماً تكون فيه سياسة المنطقة التعليمية ثابتة لمدة عام، ولكن قائمة طعام المدرسة تتغير كل شهر، ونشاط الفصل الدراسي يتغير كل أسبوع. أو ربما يتغير التدريب كل شهر. تسمح هذه التصاميم للباحثين باختبار أربعة مكونات مختلفة عبر أربعة مستويات مختلفة من النظام، وكل ذلك مع تتبع كيفية تعلم النظام والتكيف معه بمرور الوقت.

ما تقوله الورقة (وما لا تقوله)

المؤلفون واضحون جداً بشأن ما قدموه وما لم يقدموه. هم يقترحون أن استخدام هذه اللغة الجديدة سيجعل من السهل على الباحثين التخطيط لهذه التجارب وعلى الإحصائيين تحليلها. وقد وجدوا أن هناك 44 تجربة حقيقية في العالم توجد بالفعل تندرج تحت هذه الفئات، مما يثبت أن هذه التصاميم المعقدة ليست مجرد نظريات — بل تُستخدم حالياً في الرعاية الأولية والمدارس والمستشفيات.

ومع ذلك، الورقة لا تدعي أن هذه التصاميم هي دائما الخيار الأفضل. في الواقع، هم يسلطون الض الضوء على أربعة تحديات عملية كبيرة:

1. النظام فوضوي: المستشفيات والمدارس الحقيقية ليست صناديق مثالية. فهي تندمج، وتنقسم، وتتغير أحجامها. لا يمكنك دائماً الحصول على تجربة "متوازنة" مثالية.
2. التلوث: إذا قمت بتوزيع علاج عشوائياً على فصل دراسي، فقد يعلم الأطفال في الفصل المجاور بذلك ويقلدونه. هذا "الانتشار" قد يفسد التجربة، ولكنه أحياناً يكون شيئاً جيداً (مثل اللقاح الذي يحمي القطيع بأكمله).
3. الأثر المتبقي (Carryover): إذا اختبرت علاجاً في يناير ثم انتقلت إلى علاج جديد في فبراير، فقد تظل آثار يناير عالقة في فبراير. هذا خطر في التصاميم القائمة على الوقت.
4. التواصل: من الصائع شرح سبب حاجتك لتصميم معقد كهذا لطبيب أو مدير مدرسة. قد يريدون فقط إجابة بسيطة. يشير المؤلفون إلى أن الحصول على موافقة الجميع يتطلب صبراً وتواصلاً واضحاً.

الخلاصة

هذه الورقة هي صندوق أدوات، وليست عصا سحرية. هي لا تخبرك أي تدخل سيعمل لإيقاف السمنة أو علاج المرض. بدلاً من ذلك، تمنح الباحثين طريقة أفضل لطرح السؤال. ومن خلال توفير خريطة واضحة للعشر طرق المختلفة لإعداد هذه التجارب متعددة المستويات والمتعددة الأوقات، يأمل المؤلفون في وقف الارتباك و"اللغة الغامضة" التي أبقت هذه الأدوات القوية في الظل.

إنهم يقترحون أنه إذا استخدمنا هذه اللغة المشتركة، فسنتمكن من بناء تدخلات أفضل مصممة لتناسب العالم الحقيقي، حيث لا تحدث المشكلات في عزلة، بل تنتشر عبر العائلات والمدارس والمجتمعات. تشير الورقة إلى أن مستقبل اختبار التدخلات المعقدة يكمكم في احتضان هذا التعقيد، وليس تجنبه. إنها دعوة للعمل للمجتمع العلمي للتوقف عن معاملة هذه التصاميم كألغاز، والبدال في معاملتها كأدوات متطورة وقوية. الخطوة التالية، كما يقول المؤلفون، هي تحديد مدى ضخامة هذه التجارب وكيفية تحليل بياناتها، ولكن في الوقت الحالي، لدينا الخريطة. ومع وجود الخريطة، يصبح حتى مكعب روبيك الأكثر تشابكاً قابلاً للحل.