📊 الإحصاء

A Bayesian Alternative to the Two One-Sided Tests (TOST) Procedure: State of the Art and a Proposal for a Generalized Bayesian Equivalence Model

تقترح هذه الورقة البحثية اختبار "الحد الأدنى من التباين لفرضية عدم التفوق" البايزي المعمم مع الأولويات المخصومة بالقوة (GBT-PP)، وهو إطار عمل موحد يتغلب على قيود إجراء "اختبار التفوق" (TOST) الكلاسيكي من خلال الدمج الرسمي والخصم القابل للضبط للبيانات التاريخية من المصادر المستمرة والعددية على حد سواء، مع وضع خمس نتائج نظرية أصيلة وتوفير تطبيقات برمجية بلغة R قابلة لإعادة الإنتاج لاختبارات التكافؤ.

المؤلفون الأصليون: Antonio Monleon-Getino

نُشر 2026-10-13

📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة

CC BY 4.0

المؤلفون الأصليون: Antonio Monleon-Getino

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

في عالم الأبحاث الطبية، غالبًا ما يواجه العلماء سؤالاً هو عكس السؤال المعتاد؛ فبدلاً من التساؤل عما إذا كان العلاج الجديد مختلفاً عن العلاج القديم، يتساءلون عما إذا كان متماثلاً معه من الناحية العملية. هذا هو جوهر "اختبار التكافؤ"، وهو أداة إحصائية حيوية لإثبات أن الدواء الجني (الجيل العام) يعمل بنفس كفاءة النسخة ذات العلامة التجارية، أو أن البديل الحيوي الجديد آمن للاستخدام. لعقود من الزمن، كانت الطريقة القياسية للإجابة على هذا السؤال هي طريقة تسمى "الاختبارات أحادية الجانب المزدوجة"، أو (TOST). تعمل هذه الطريقة مثل حارس بوابة صارم: فهي تتحقق مما إذا كان الفرق بين علاجين صغيراً بما يكفي ليقع ضمن "نطاق التماثل العملي" المتفق عليه مسبقاً. وإذا وقعت البيانات بالكامل داخل هذا النطح، يُعلن عن تكافؤ العلاجين. وبينما تتسم هذه الطريقة بالبساطة والانتشار الواسع، إلا أنها تعاني من نقطة ضعف جوهرية؛ فهي لا تستطيع النظر بسهولة إلى الماضي للتعلم من الدراسات السابقة، كما لا يمكنها تقديم احتمالية مباشرة بأن العلاجين متماثلان حقاً. إنها ببساطة تقول "نعم" أو "لا" بناءً على البيانات الحالية وحدها، متجاهلةً ثروة من الأدلة التاريخية التي يسعى المنظمون والباحثون بشكل متزايد لاستخدامها.

لقد اقترح باحث في جامعة برشلونة، أنطونيو مونليون-غيتينو، طريقة جديدة لمعالجة هذه المشكلة. فقد طور إطار عمل يسمى "اختبار التكافؤ البايزي المعمم بأسلوب الأولويات المخفضة القوة". فكر في هذا الأمر كنسخة أكثر ذكاءً ومرونة من حارس البوابة القديم، نسخة يمكنها الاستماع إلى التاريخ دون أن تخضع لسطوته. تسمح الطريقة الجديدة للعلماء باستحضار بيانات من دراسات سابقة، سواء كانت تلك البيانات تأتي من قياسات مستمرة مثل قراءات ضغط الدم، أو من تعداد حالات النجاح مثل عدد المرضى الذين شُفوا. والابتكار الرئيسي هنا هو آلية "التخفيض" (discounting)؛ وهي تعمل بمثابة مفتاح تحكم في مستوى الصوت للماضي. فإذا كانت البيانات القديمة موثوقة للغاية، يتم رفع مستوى المفتاح، ويميل التحليل الجديد للاعتماد عليها بقوة. أما إذا كانت البيانات القديمة مهتزة أو من سياق مختلف، فيتم خفض مستوى المفتاح، مما يترك للدراسة الجديدة مساحة للتحدث عن نفسها. وتعمل هذه الطالة على توحيد نوعين مختلفين من البيانات في قاعدة قرار واحدة، مما يحل فجوة طويلة الأمد حيث كان على الباحثين استخدام أدوات منفصلة وغير متوافقة لأنواع مختلفة من المعلومات.

لا يكتفي البحث باقتراح هذه الفكرة فحسب، بل يثبت أيضاً كيف تتصرف تحت ظروف مختلفة. حيث يوضح المؤلف أنه مع جمع المزيد من البيانات الجديدة، يتلاشى تأثير البيانات القدിക بشكل طبيعي، مما يضمن أن القرار النهائي مدفوع دائماً بالأدلة الأكثر حداثة. وهذه ميزة أمان حاسمة، تعالج مخاوف شائعة من أن الاعتماد على التاريخ قد يحرف النتائج. كما يحدد البحث صيغة دقيقة لمدى صغر حجم الدراسة الجديدة التي يمكنها الاستفادة من قوة العمل السابق، مما يحدد بدقة عدد المشاركين الذين يمكن توفيرهم. علاوة على ذلك، يحدد البحث فخاً دقيقاً في كيفية إجراء هذه الحسابات: فإذا كانت الافتراضات الرياضية حول الماضي غامضة للغاية، يمكن للطريقة أن تدعي زيفاً وجود دليل قوي على التكافؤ حتى عندما لا تقول البيانات شيئاً. وقد قدم المؤلف قاعدة واضحة لتجنب ذلك، مشدداً على ضر أن تكون الافتراضات حول الماضي ثابتة ومحددة قبل بدء الدراسة.

ولاختبار الطريقة، أجرى المؤلف مثالين تفصيليين. في سيناريو يتضمن قياسات مستمرة، أظهرت الطريقة الجديدة أنه كلما زاد الوزن المعطى للبيانات التاريخية، نمت الثقة في التكافؤ بشكل مطرد ومتوقع. وفي سيناريو ثانٍ يتعلق بمعدلات الشفاء، أظهرت الطريقة اختباراً واقعياً حيوياً: فإذا كان معدل الشفاء التاريخي في الواقع أسوأ من المعدل الحالي، فإن استعارة ذلك التاريخ تجعل العلاج الجديد يبدو أسوأ، وليس أفضل. وهذا يثبت أن النظام أمين؛ فهو لا ينحاز للماضي بشكل أعمى، بل يدمجه بدقة، سواء كان هذا الدمج يساعد في حالة التكافؤ أو يضر بها. كما يقدم البحث اختصاراً رياضياً جديداً يسمح بإجراء هذه الحسابات المعقدة دون الحاجة إلى محاكاة حاسوبية ضخمة، مما يجعل الطريقة أسرع وأسهل في التدقيق.

في نهاية المطاف، يقدم هذا العمل مساراً صارماً وموحداً للباحثين الذين يحتاجون إلى إثبات التماثل. فهو يجسر الفجوة بين القواعد الإحصائية القديمة والجامدة وبين الرغبة الحديثة في استخدام جميع الأدلة المتاحة. ومن خلال توفير وسيلة لإدراج المعرفة السابقة رسمياً مع إبقاء القرار النهائي متجذراً بقوة في البيانات الحالية، يمنح هذا الإطار الجديد للمنظمين والعلماء صورة أوضح وأكثر صدقاً حول ما إذا كان العلاجان متماثلين حقاً. ويخلص البحث إلى أن هذا النهج جاهز للاستخدام العملي، حيث يقدم أداة قابلة للتكرار يمكن تطبيقها فوراً في تجارب التكافؤ الحيوي وغيرها من مجالات الأبحاء الحرجة حيث يكون إثبات غياب الفرق لا يقل أهمية عن إثبات وجوده.

ملخص تقني: بديل بايزي لإجراء الاختبارات أحادية الجانب المزدوجة (TOST)

بيان المشكلة
يعد اختبار التكافؤ مهمة إحصائية حاسمة في مجالات التكافؤ الحيوي، وتطوير الأدوية المثيلة، وأبحاث القابلية للتكرار، بهدف إثبات أن التأثير يقع ضمن فاصل زمني محدد مسبقاً لعدم الجدوى $(-\delta, \delta)$ . يواجه الحل التكراري القياسي، وهو إجراء الاختبارات أحادية الجانب المزدوجة (TOST)، ثلاث عيوب رئيسية:

الافتقار إلى التفسير الاحتمالي: فهو ينتج قراراً ثنائياً بالرفض أو عدم الرفض بدلاً من تقديم بيان احتمالي مباشر حول موقع المعلمة (parameter) داخل منطقة التكافؤ.
عدم القدرة على دمج الأدلة التاريخية: يفتقر الإجراء إلى آلية طبيعية لدمج البيانات السابقة أو التاريخية بشكل رسمي (مثل دراسات التكافؤ الحيوي السابقة أو ترددات الضوابط التاريخية)، رغم التشجيع التنظيمي على القيام بذلك.
عدم التماثل: مثل اختبار فرضيات الصفر ذات الدلالة الإحصائية التقليدية، فإن الفشل في رفض فرضية العدم في اختبار TOST لا يشكل دليلاً إيجابياً على التكافؤ؛ حيث يظل الإجراء صامتاً في هذه الحالات.

بينما توجد بدائل بايزية (مثل مناهج منطقة التكافؤ العملي [ROPE] وعوامل بايز للفترات الصفرية)، وتوجد طرق لاستعارة البيانات التاريخية (مثل الأولويات القدرتية/Power Priors)، إلا أن الأدبيات تفتقر إلى إطار عمل موحد وقابل للتنفيذ العملي يتعامل في آن واحد مع البيانات المستمرة والقائمة على التردد (العدّ) مع وجود آلية خصم صريحة وقابلة للضبط. علاوة على ذلك، كانت الخصائص النظرية المغلقة لهذه النماذج المتكاملة غائبة إلى حد كبير.

المنهجية: اختبار TOST البايزي المعمم مع الأولويات المخصومة بالقدرة (GBT-PP)
يقترح البحث نموذج GBT-PP، وهو نموذج يوحد التحديث المترافق مع الأولويات القدرتية وقاعدة قرار مزدوجة.

استقاء الأولويات والخصم: يقبل النموذج البيانات التاريخية في شكلين:
- المستمرة: وتُلخص في المتوسط ( $\bar{x}_0$ )، والانحراف المعياري ( $s_0$ )، وحجم العينة ( $n_0$ ).
- الترددية: وتُلخص في عدد النجاحات ( $s_0$ ) والإخفاقات ( $f_0$ ) في عدد من التجارب ( $n_0$ ).
- الأولويات المخصومة بالقدرة: اتباعاً لمنهج إبراهيم وتشين (2000)، يتم رفع الاحتمالات التاريخية إلى أس $w \in [0, 1]$ $w \in [0, 1]$ . يعمل هذا الوزن $w$ $w$ كعامل خصم ثابت ومسجل مسبقاً.
  - بالنسبة للبيانات المستمرة، يؤدي ذلك إلى توزيع طبيعي (Normal prior) بتباين يتم قياسه بمقياس $1/w$ .
  - بالنسبة للبيانات الترددية، يؤدي ذلك إلى توزيع بيتا (Beta prior) حيث يتم قياس العدّات التاريخية بمقياس $w$ .
- يعمد النموذج عمداً إلى تثبيت $w$ بدلاً من تقديره هرمياً لتجنب المشكلات التقنية المرتبطة بالأولويات القدرتية غير المعيرة (Neuenschwander et al., 2009).
التحديث اللاحق (Posterior Update):
- تستخدم الحالة المستمرة الترافق الطبيعي-الطبيعي (Normal-Normal conjugacy).
- تستخدم حالة التردد الترافق البيتا-ثنائي الحدين (Beta-Binomial conjugacy).
- يجمع التوزيع اللاحق بين الأولوية المخصومة بالقدرة وبين دالة الاحتمال للدراسة الحالية.
قاعدة القرار المزدوجة: يُعلن عن التكافؤ فقط إذا استوفى كلا الشرطين التاليين:
1. الاحتمال اللاحق ( $P_{eq}$ ): أن تتجاوز كتلة الاحتمال اللاحق داخل منطقة التكافؤ $E = (-\delta, \delta)$ عتبة $\gamma$ (مثلاً 0.95).
2. عامل بايز للفترة الصفرية ( $BF_{01}$ ): أن يتجاوز عامل بايز الذي يقارن بين فرضية العدم للفترة $H_0: \theta \in E$ مقابل $H_1: \theta \notin E$ عتبة $BF^*$ (مثلاً 3).
- ميزة تصميم جوهرية: يتم حساب $BF_{01}$ باستخدام نهج هجين. يتم اشتقاق الاحتمال اللاحق $P_{eq}$ من الأولوية المخصومة بالقدرة (التي تعتمد على $w$ )، بينما يتم حساب الاحتمال الأولي $\pi_{eq}$ في مقام عامل بايز باستخدام أولوية مرجعية منفصلة وثابتة مسجلة مسبقاً (مستقلة عن $w$ ). هذا الفصل يمنع مفارقة جيفريز-ليندلي (Jeffreys–Lindley paradox) من دفع عامل بايز إلى اللانهاية بشكل تافه مع زيادة تشتت الأولوية.
التقريب لبيانات التردد: بالنسبة لحالة النسبتين، حيث يفتقر الاحتمال اللاحق للتكافؤ إلى صيغة مغلقة، يقترح البحث استخدام توسيع إدجوورث (Edgeworth expansion) حتمي (الاستنتاج 6) لتقريب $P_{eq}$ ، مما يوفر بديلاً حتمياً مصححاً للالتواء (skewness) كبديل لمحاكاة مونت كارلو.

المساهمات النظرية الرئيسية
يؤسس البحث خمس نتائج نظرية أصلية لنموذج GBT-PP، تم إثباتها بالكامل في الملحق ج:

رتابة المتوسط اللاحق (الاستنتاج 1): المتوسط اللاحق $\theta_n(w)$ رتيب بالنسبة لوزن الخصم $w$ . ويعتمد اتجاه الإزاحة حصرياً على التباين بين المتوسط التاريخي والتقدير الحالي، والذي يحكمه نسبة الدقة (precision).
الاتساق التقاربي (النظرية 2 والاستنتاج 3): بغض النظر عن الوزن الثابت $w$ ، ومع اقتراب حجم العينة الحالي $n \to \infty$ ، يتقارب قرار GBT-PP في الاحتمال مع قرار TOST الكلاسيكي. وهذا يثبت رسمياً أن استعارة البيانات التاريخية هي عملية "غير ضارة" تقاربياً وأن البيانات الحالية ستسود في النهاية.
مفارقة نوع جيفريز-ليندلي (النظرية 4): يحدد البحث مفارقة حيث، إذا أصبحت الأولوية المرجعية المستخدمة لمكون عامل بايز أكثر تشتتاً، فإن عامل بايز يتباعد إلى $+\infty$ بغض النظر عن البيانات. وتستلهزم هذه النتيجة توصية التصميم بأن يكون تباين الأولوية المرجعية ثابتاً ومسجلاً مسبقاً، وليس مسموحاً له بأن يصبح كبيراً بشكل تعسفي.
صيغة مغلقة لحجم العينة (الاستنتاج 5): تم اشتقاق صيغة لحساب حجم العينة الحالي المطلوب لتحقيق احتمال تكافؤ لاحق مستهدف. وهي تحدد كمياً عدد الملاحظات "الموفرة" عن طريق استعارة المعلومات التاريخية ( $\Delta n^*$ )، بوحدات تباين الدراسة الحالية.
تقريب إدجوورث (الاستنتاج 6): تم تقديم توسيع إدجوورث من الدرجة الأولى لاحتمال التكافؤ اللاحق في حالة النسبتين، مما يوفر بديلاً حتمياً قابلاً للتدقيق بدلاً من طرق مونت كارلو مع تصحيح صريح للالتواء.

النتائج والتوضيحات
يتم توضيح المنهجية من خلال مثالين عمليين:

التكافؤ الحيوي المستمر: يوضح كيف أن زيادة $w$ تسحب المتوسط اللاحق نحو المتوسط التاريخي وتزيد من كل من $P_{eq}$ و $BF_{01}$ بشكل رتيب عندما تدعم البيانات التاريخية التكافؤ.
معدلات الشفاء القائمة على التردد: يوضح أنه إذا كانت البيانات التاريخية أقل ملاءمة (أبعد عن المقارن) من البيانات الحالية، فإن زيادة $w$ يمكن أن تؤدي في الواقع إلى خفض احتمال التكافؤ. هذا يسلط الض الضوء على أن الاستعارة ليست مفيدة بطبيعتها؛ بل تعتمد على توافق التقديرات التاريخية والحالية. وقد أظهر تقريب إدجوورث أنه يتتبع تقديرات مونت كارلو عن كثب عبر نطاق $w$ .

الأهمية والادعاءات
يدعي البحث سد فجوة منهجية محددة من خلال تقديم إطار عمل موحد يعامل البيانات التاريخية المستمرة والترددية بشكل متماثل ضمن قاعدة قرار واحدة. وتكمن أهميته في:

القابلية للتنفيذ العملي: تقديم نهج قابل للتكرار، ذي صيغة مغلقة (أو تقريب حتمي)، يتجنب الاعتماد على النمذجة الهرمية المعقدة أو المحاكاة البحتة لتحليل الحساسية.
الصرامة النظرية: تقديم أول توصيفات مغلقة للرتابة، والاتساق التقاربي، وسلوك المفارقة، وتوفير العينات تحديداً لإعدادات الفترات الصفرية المخصومة بالقدرة.
الأهمية التنظيمية: معالجة الحاجة إلى أدوات يمكنها دمج أنواع متنوعة من الأدلة التاريخية (التحليلية/الحركية الدوائية مقابل معدلات الأحداث السريرية) بما يتماشى مع التوجيهات التنظيمية المتطورة (مثل مسودة توجيه FDA لعام 2026) نحو أطر عمل قائمة على التبرير أولاً وتكامل الأدلة.

يضع المؤلف GBT-PP ليس كبديل لجميع طرق الاستعارة الهرمية (مثل الأولويات المتوافقة/commensurate priors) ولكن كخط أساس بسيط، شفاف، ومؤسس نظرياً يدير صراحةً المقايضة بين تأثير البيانات التاريخية والبيانات الحالية من خلال وزن $w$ ثابت وقابل للتدقيق.

ملخص تقني: بديل بايزي لإجراء الاختبارات أحادية الجانب المزدوجة (TOST)

أبحاث مشابهة