Truncated QLindley Distribution: Different Estimation Approaches with Application to Healthcare Data

في عالم الإحصاء، غالبًا ما تأتي البيانات في أشكال تعجز النماذج القياسية عن استيعابها. تخيل محاولة وصف درجة حرارة غرفة لا يمكن أن تنخفض أبدًا عن التجمد ولا ترتفع فوق حد معين؛ هذه البيانات "مقيدة"، عالقة بين نقطتين ثابتتين. وبالمثل، فإن العديد من القياسات في العالم الحقيقي، مثل نسبة الميزانية المنفقة أو نسبة حدوث حدث ما، تقع طبيعيًا بين الصفر والواحد. لعقود من الزمن، اعتمد العلماء على عائلة من الأدوات الرياضية تسمى التوزيعات الاحتمالية لفهم مثل هذه البيانات. تعمل هذه الأدوات كالقوالب، حيث تشكل الأرقام الخام في هيئة تكشف عن الأنماط والمخاطر والاتجاهات. وأحد هذه القوالب المفيدة بشكل خاص هو توزيع "ليندلي" (Lindley distribution)، وهو شكل مرن ساعد الباحثين في نمذجة كل شيء، بدءًا من العمر الافتراضي للأجزان الميكانيكية وصولاً إلى معدلات بقاء المرضى. ومع ذلك، عندما تكون البيانات مقيدة بصرامة في نطاق صغير، مثل المساحة بين الصفر والواحد، فإن النسخ القياسية من هذه القوالب تفتقر أحيانًا إلى الدقة اللازمة لتناسب البيانات تمامًا. ويخلق هذا القصور فجوة في قدرتنا على فهم الظواهر المقيدة المعقدة، لا سيما في مجالات مثل الرعاية الصحية حيث يمكن للنمذجة الدقيقة أن تؤثر على القرارات الحاسمة.

ولسد هذه الفجوة، قدم فريق من الباحثين أداة إحصائية جديدة تسمى "توزيع كيو-ليندلي المبتور" (truncated Q-Lindley distribution). كلمة "مبتور" هنا تعني ببساطة أن الشكل الرياضي الأصلي قد تم قطعه وإعادة تشكيله ليتناسب بدقة داخل الفترة الوحدة، مما يضمن عدم إنتاج قيم مستحيلة خارج نطاق الصفر إلى الواحد. أما الجزء الخاص بـ "كيو-ليندلي" فيشير إلى نوع حديث ومحدد من نموذج "ليندلي" الكلاسيكي الذي كان يوفر بالفعل مرونة أكبر من أسلافه. ومن خلال الجمع بين هذه الأفكار، ابتكر الباحثون نموذجًا ذا معلمة واحدة مصممًا خصيصًا للبيانات المستمرة والمقيدة. لم يكن الهدف مجرد إضافة اسم آخر إلى قائمة طويلة من التوزيعات الإحصائية، بل توفير أداة يمكنها التعامل مع الواقع "المائل نحو اليمين" والفوضوي للبيانات الموجودة في الرعاية الصحية والهندسة، حيث تتجمع القيم غالبًا بالقرب من أحد طرفي المقياس مع ذيل طويل يمتد نحو الطرف الآخر.

بدأ الباحثون ببناء الأساس الرياضي لهذا التوزيع الجديد. فقد اشتقوا مجموعة كاملة من الخصائص التي تصف كيفية سلوك النموذج، بما في ذلك كيفية حساب متوسطه، وتشتته، واحتمالية النتائج المحددة. كما استكشفوا كيفية سلوك النموذج بمرور الوقت، من خلال النظر في مقاييس مثل "معدل المخاطرة" (hazard rate)، الذي يصف خطر وقوع حدث في لحظة معينة. والأهم من ذلك، طوروا طريقة لإيجاد أفضل الإعدادات لمعلمة النموذج الوحيدة باستخدام تسعة أساليب مختلفة للتقدير. هذه الأساليب تشبه عدسات مختلفة ينظر من خلالها العلماء إلى نفس البيانات للعثور على أفضل ملاءمة؛ فبعضها يبحث عن الاحتمالية الأعلى، وبعضها يقلل المسافة بين النموذج والبيانات، وبعضها يركز على أجزاء معينة من منحنى البيانات. ولاختبار أي من هذه العدسات التسع كان يعمل بشكل أفضل، أجرى الفريق آلاف عمليات المحاكاة الحاسوبية. لقد قاموا بتوليد مجموعات بيانات اصطناعية ذات خصائص معروفة وحاولوا استعادة الإعدادات الأصلية باستخدام كل طريقة. وأظهرت النتائج أنه مع زيادة كمية البيانات، تصبح جميع الطرق أكثر دقة، ولكن بعضها برز بوضوح. فقد أظهرت طريقة "الاحتمال الأقصى" (maximum likelihood)، التي تبحث عن التفسير الأكثر احتمالًا للبيانات، وطريقة "أقصى حاصل ضرب الفراغات" (maximum product of spacings)، التي تنظر في الفجوات بين نقاط البيانات، أداءً جيدًا باستمرار. كما أثبتت طريقة "أندرسون-دارلينج للذيل الأيسر" (left-tail Anderson-Darling)، التي تولي اهتمامًا إضافيًا بالنطاق الأدنى للبيانات، فعالية عالية في تقليل الأخطاء.

ولرؤية ما إذا كان هذا النموذج الجديد يعمل في العالم الحقيقي، طبق الفريق النموذج على مجموعة بيانات حقيقية تتعلق بأقساط الرعاية الصحية الخاصة. تكونت البيانات من ثمانية وثلاثين ملاحظة تمثل التغير السنوي في هذه الأقساط على مدى عدة عقود. ولأن الأرقام الخام كانت نسبًا مئوية كبيرة، قام الباحثون أولاً بتقليص حجمها لتناسب نطاق الصفر إلى الواحد المطلوب لنموذجهم الجديد. ثم قارنوا أداء "توزيع كيو-ليندلي المبتور" مع ستة نماذج أخرى معروفة، بما في ذلك متغيرات الأسية والليندلي القياسية. وباستخدام أساليب التقدير التسعة المختلفة، قاسوا مدى قرب كل نموذج من بيانات الرعاية الصحية الفعلية. كانت النتائج واضحة: وفر توزيع "كيو-ليندلي المبتور" ملاءمة فائقة مقارنة بجميع منافسيه. لقد نجح في التقاط شكل البيانات بدقة أكبر، مع بقاء المعلمات المقدرة مستقرة بغض النظر عن أي من العدسات الرياضية التسع التي استُخدمت لرؤية البيانات. إن قدرة النموذج على التعامل مع الميل المحدد وسلوك الذيل الخاص بأقساط الرعاية الصحية سمحت له بالتفوق على البدائل القائمة، مما يشير إلى أنه أداة قوية لتحليل البيانات المقيدة في الأبحاث الطبية والمتعلقة بالصحة.

تخلص الدراسة إلى أن هذا التوزيع الجديد يقدم إطارًا عمليًا وسليمًا رياضيًا لنمذجة البيانات المستمرة والمقيدة. ومن خلال إثبات أن النموذج يناسب بيانات الرعاية الصحية في العالم الحقيقي بشكل أفضل من الخيارات الموجودة، أظهر الباحثون فائدته المحتملة. وتشير النتائج إلى أنه عندما يواجه العلماء بيانات مقيدة بنطاق محدد وتظهر أشكالًا معقدة، فإن هذه الأداة الجديدة توفر بديلًا موثوقًا. فهي تجمع بين سهولة وجود معلمة واحدة فقط للضبط وبين المرونة اللازمة لالتقاط تفاصيل الملاحظات الواقعية. وبالنسبة للممارسين في مجال الرعاية الصحية والمجالات الأخرى التي تتعامل مع البيانات المقيدة، فإن هذا العمل يوفر منهجًا مثبتًا لتحسين دقة تحليلاتهم الإحصائية، مما قد يؤدي إلى رؤى أفضل وقرارات أكثر استنارة بناءً على البيانات التي يجمعونها.