Four Practical Indicators for Real-Time Verbal Autopsy Data Quality Assessment: A Cross-National Validation Study

في أجزاء كثيرة من العالم، عندما يموت شخص ما، لا يكون هناك طبيب حاضر لتوقيع شهادة توضح سبب الوفاة. في هذه الأماكن، الطريقة الوحيدة لفهم سبب وفاة الناس هي بسؤال أفراد الأسرة الذين كانوا حاضرين. هذه العملية، المعروفة باسم التشريح المرضي اللفظي (verbal autopsy)، تتضمن مقابلاً مدرباً يجلس مع قريب مكلوم ويوجه إليه سلسلة طويلة ومنظمة من الأسئلة حول الأيام الأخيرة للمتوفى. ثم تُغذى الإجابات في نظام حاسوبي يحدد سبباً محتملاً للوفاة، مثل الملاريا، أو أمراض القلب، أو مضاعفات الولادة. هذه المعلومات حيوية للحكومات والمنظمات الصحية؛ فإذا لم يعرفوا ما الذي يقتل مواطنيهم، فلن يتمكنوا من التخطيط للمستشفيات الصحيحة، أو اللقاحات، أو حملات الصحة العامة. ومع ذلك، يعتمد النظام بأكمله على شيء واحد هش: جودة المحادثة. فإذا كان فرد الأسرة مرتبكاً، أو إذا استعجل القائم بالمقابلة، أو إذا احتوت الإجابات على تناقضات منطقية، فإن البيانات الناتلة ستكون معيبة، وستكون القرارات المتعلقة بالصحة العامة المبنية عليها خاطئة.

لفترة طويلة، كان التحقق من جودة هذه المقابلات يحدث في وقت متأخر جداً. كان الباحثون ينتظرون حتى يتم جمع البيانات وتجميعها ومعالجتها بواسطة الخوارزميات لتحديد أسباب الوفاة. وعندها فقط، بعد أسابيع أو أشهر، يكتشفون أن مقابلاً معيناً كان يتخطى الأسئلة، أو أن مجموعة بيانات تحتوي على إجابات مستحيلة، مثل رجل مات بسبب مضاعفات الحمل. وبحلول ذلك الوقت، يكون القائمون بالمقابلات قد انتقلوا إلى مهام أخرى، ولا يمكن الوصول إلى أفراد الأسرة مرة أخرى، وتصبح الأخطاء دائمة. تهدف دراسة جديدة نشرها باحثون من مؤسسات في تنزانيا وإسواتيني ونيجيريا وشركاء دوليين إلى إصلاح هذا التأخير. لقد طوروا مجموعة من أربعة أدوات بسيطة وعملية يمكنها فحص جودة كل مقابلة في اللحظة التي تنتهي فيها، مما يسمح للمشرفين برصد المشكلات فوراً وتصحيحها قبل استخدام البيانات في إحصاء الوفيات.

اختبر الباحثون هذه الأدوات على بيانات واقعية من ثلاث دول مختلفة: تنزانيا وإسواتيني ونيجيريا. احتوت هذه المجموعات من البيانات على آلاف المقابلات التي أُجريت باستخدام استبيانات منظمة الصحة العالمية القياسية. أنشأ الفريق أربع طرق محددة لقياس سلامة كل سجل مقابلة. الأداة الأولى، التي يسمونها "درجة الاكتمال المعلوماتي"، تتحقق ببساطة من عدد أسئلة "نعم" أو "لا" التي تمت الإجابة عليها بقرار واضح بدلاً من "لا أعرف" أو الرفض. الدرجة العالية تعني أن فرد الأسرة كان متفاعلاً ويعرف الإجابات؛ والدرجة المنخفضة تشير إلى أن المقابلة لم تكن مثمرة. الأداة الثانية، "درجة موثوقية المستجيب"، تنظر في هوية الشخص الذي كان يجيب على الأسئلة. فهي تمنح تقييماً أعلى للموثوقية إذا كان المتحدث فرداً مقرباً من العائلة، مثل الزوج أو الوالد، وإذا كان حاضراً وقت الوفاة، وإذا تمت مقابلته في وقت قريب نسبياً من الوفاة. كما تأخذ في الاعتبار المستوى التعليمي للمتوفى كبديل لمستوى تعليم المستجيب المفترض، بافتراض أن الأزواج أو الأبناء البالغين غالباً ما يتشاركون مستويات تعليمية مماثلة.

الأداة الثالثة هي "مؤشر الاتساق الداخلي"، والتي تعمل كفحص للمنطق. فهي تمسح الإجابات بحثاً عن المستحيلات البيولوجية. على سبيل المثال، تضع علامة على السجل إذا أُبلغ عن وجود أعراض تتعلق بالحمل لدى رجل، أو إذا كان عدد أيام إصابة الشخص بالحمى أطول من إجمالي عدد الأيام التي كان فيها مريضاً. هذه التناقضات تحدث غالباً عندما يرتكب القائم بالمقابلة خطأً أو عندما يفشل نظام إدخال البيانات في منع سؤال كان ينبغي تجاوزه. أما الأداة الرابعة، فتقيس الوقت الذي استغرقته المقابلة. وبينما قد يستغرق متوسط المقابلة حوالي نصف ساعة، وجد الباحثون أن "الوسيط الزمني" (median time) — وهو مقياس يتجاهل القيم المتطرفة — يعد مؤشراً أفضل للأداء الطبيعي. فإذا انتهت المقابلة في دقائق معدودة، فمن المرجح أن القائم بالمقابلة قد تخطى أجزاء كبيرة. وإذا استغرقت ساعات عديدة، فقد يعني ذلك أن البيانات أُدخلت على مدار عدة أيام أو أن القائم بالمقابلة واجه صعوبة مع المستجيب.

عندما طبق الفريق هذه الفحوصات الأربعة على البيانات من الدول الثلاث، وجدوا أن معظم المقابلات كانت ذات جودة عالية. أظهرت الغالبية العظمى من السجلات أن المستجيبين كانوا متفاعلين وموثوقين ومتسقين. في تنزانيا، على سبيل المثال، تمت الإجابة على ما يقرب من 98 بالمائة من الأسئلة الثنائية بردود "نعم" أو "لا" واضحة. وفي إسواتيني ونيجيريا، كانت الدرجات مرتفعة بشكل مماثل. وهذا يشير إلى أن الفرق الميدانية في هذه البلدان تقوم بعمل جيد بشكل عام. ومع ذلك، تكمن قوة هذه الأدوات الجديدة في قدرتها على إيجاد العدد الصغير من السجلات السيئة التي تتسلل عبر النظام. اكتشف الباحثون أنماطاً محددة من الأخطاء التي كان سيتم تفويتها لو انتظروا تحديد السبب النهائي للوفاة. في إسواتيني، وجدوا أن مجموعة صغيرة من المقابلات تضمنت خطأً محدداً حيث سُجلت مدة السعال بأنها أطول من إجمالي الوقت الذي كان فيه الشخص مريضاً. لم يكن هذا خطأً عشوائياً بل نمطاً ظهر في 6.1 بالمائة من السجلات، مما يشير إلى فجوة تدريبية محددة أو سوء فهم لكيفية السؤال عن مدة الأعراض.

وفي نيجيريا، كشفت الأدوات عن مشكلة أكبر بكثير من نوع آخر من الأخطاء المنطقية. فقد أشار النظام إلى أنه في ما يقرب من 6 بالمائة من السجلات الخاصة بالرجال، تضمنت المقابلة إجابات على أسئلة تتعلق بالحمل. وبما أن الرجال لا يمكن أن يحملوا، فهذا يشير إلى أن النموذج الحاسوبي المستخدم من قبل القائمين بالمقابلات لم يكن يخفي تلك الأسئلة بشكل صحيح عن المستجيبين الذكور، أو أن البيانات تمت معالجتها بطريقة تجاهلت جنس المتوفى. وهذا اكتشاف بالغ الأهمية لأن استخدام هذه السجلات لحساب معدلات الوفيات من شأنه أن يشوه فهم صحة الأم. وفي تنزانيا، كشفت الأدوات عن فترة انخفضت فيها جودة البيانات بشكل ملحوظ؛ فخلال نافذة زمنية محددة في عامي 2024 و2025، ارتفع عدد المقابلات ذات درجات التفاعل المنخفضة والتواريخ المستحيلة — حيث سُجلت المقابلة على أنها حدثت قبل وفاة الشخص — مما أشار إلى خلل مؤقت في الإشراف أو في مراقبة إدخال البيانات، وهو ما يمكن للفريق المحلي الآن التحقيق فيه وإصلاحه.

كما سلطت الدراسة الضوء على أن هذه الأدوات مرنة بما يكفي للعمل مع نسخ مختلفة من الاستبيان المستخدمة في سنوات مختلفة، وهي لا تتطلب كمية ضخمة من البيانات لتكون مفيدة. يمكن للمشرف فحص مقابلة واحدة ومعرفة ما إذا كانت جديرة بالثقة فوراً. وأشار الباحثون إلى أنه بينما تعد هذه الأدوات قوية، إلا أنها ليست حلاً سحرياً يحل محل الحاجة إلى التدريب الجيد أو النماذج المصممة بعناية؛ بل هي تعمل كشبكة أمان، تلتقط الأخطاء التي تحدث رغم أفضل جهود التدريب. وأكدت الدراسة أن هذه المؤشرات يمكن حسابها تلقائياً بواسطة الأنظمة البرمجية التي تدير البيانات، مما يعني إمكانية دمجها في سير العمل اليومي لبرامج الصحة. ومن خلال نقل مراقبة الجودة من تحليل ما بعد الوفاة إلى فحص في الوقت الفعلي، يمكن لمسؤولي الصحة ضمان ترجمة القصص التي ترويها الأسر المكلومة إلى معرفة دقيقة ومنقذة للحياة حول أسباب الوفاة.