الصدق الداخلي: كيف نميّز أثرًا قابلًا للتفسير من نتيجة يهددها التحيز؟

الصدق الداخلي ليس الصدق الخارجي

السؤال أولًا

العشوائية

إخفاء التخصيص والتعمية

الالتباس في الدراسات غير العشوائية

تحيز الاختيار

تحيز القياس

التصنيف الخاطئ

الفقد في المتابعة

عدم الالتزام والتبديل بين التدخلات

النتائج المنتقاة

مرونة التحليل

ترتيب الزمن

تحيز الزمن الخالد

الانحدار نحو المتوسط

النضج والتاريخ

التلوث والتدخلات المشتركة

الاعتماد والعناقيد

خطأ النموذج

الضبط المفرط وColliders

الإيجابيات الكاذبة وعدم اليقين

أدوات خطر التحيز

الإبلاغ الجيد لا يصلح التصميم

التحليلات الحساسة

مثال تطبيقي

أخطاء شائعة

قائمة تحقق

الخلاصة

تطبيق عملي وتدقيق المنهج

اربط التعريف بالسؤال والتصميم والقياس والتحليل، ووثق الافتراضات والقرارات وحدود الاستنتاج قبل عرض النتيجة.

قراءة النتيجة وعدم اليقين

اقرأ حجم الأثر وفاصل الثقة والتحيز المحتمل معًا، ولا تختزل قوة الدليل في الدلالة الإحصائية.

فحص التعميم والسياق

قارن مجتمع الدراسة وسياقها بالمجتمع الذي تريد نقل الاستنتاج إليه، وحدد الفروق التي قد تغير الأثر أو القياس.

توثيق القرارات

احتفظ بأثر واضح للتعريفات والاستبعادات والتحويلات والنماذج وأي تغيير حدث بعد بدء التحليل.

النص المرجعي الكامل

ما هو الصدق الداخلي؟ الصدق الداخلي هو مدى قدرة تصميم الدراسة وتنفيذها وتحليلها على دعم الاستنتاج المقصود داخل البيانات المدروسة من دون أن تفسره مصادر تحيز أو التباس منهجي بصورة معقولة. عندما يكون السؤال سببيًا، يتعلق الصدق الداخلي بمدى اقتراب المقارنة من الأثر الذي كان سيظهر لو أمكن مقارنة الوحدات نفسها تحت بدائل مختلفة. لا يعني الصدق الداخلي أن النتيجة قابلة للتعميم على كل الناس، ولا أنه مقياس واحد يمكن اختزاله في «درجة جودة». الصدق الداخلي ليس الصدق الخارجي: الصدق الداخلي يسأل هل المقارنة داخل الدراسة قابلة للتفسير، بينما الصدق الخارجي يسأل إلى من أو أين يمكن نقل النتيجة. قد تكون تجربة منضبطة جدًا قوية داخليًا لكنها أُجريت على فئة ضيقة، وقد تكون دراسة واسعة تمثل السكان جيدًا لكنها تعاني التباسًا يجعل العلاقة السببية غير موثوقة. التعميم لا يصلح تحيزًا داخليًا، والعكس صحيح. السؤال أولًا: لا يمكن تقييم الصدق الداخلي من دون تحديد الاستنتاج المستهدف. دراسة وصفية لتقدير انتشار تحتاج حماية من تحيز الاختيار والقياس، لكنها لا تحتاج إثبات أثر تدخل. دراسة سببية تحتاج أيضًا مقارنة مناسبة وترتيبًا زمنيًا وضبطًا للالتباس. لذلك يجب أن نعرف المجتمع والتعرض أو التدخل والنتيجة والمقارنة والزمن قبل أن نسأل إن كان التصميم صالحًا داخليًا. العشوائية: في التجارب، التخصيص العشوائي المصمم جيدًا يساعد على جعل العوامل الإنذارية المعروفة وغير المعروفة متوازنة في التوقع بين مجموعات العلاج. لكنه لا يحمي من كل شيء. إذا كان تسلسل العشوائية قابلًا للتنبؤ أو فُتح التخصيص قبل إدخال المشارك، قد يظهر تحيز. كما أن فقد المشاركين أو عدم الالتزام أو تغيير النتائج بعد التخصيص يمكن أن يهدد التفسير رغم صحة العشوائية الأصلية. إخفاء التخصيص والتعمية: إخفاء Allocation concealment يمنع معرفة التخصيص القادم عند قرار إدخال المشارك، وهو مختلف عن التعمية بعد التخصيص. التعمية قد تقلل اختلاف الرعاية أو قياس النتائج بسبب معرفة المجموعة، لكنها ليست ممكنة دائمًا. غياب التعمية لا يعني تلقائيًا تحيزًا كبيرًا؛ يعتمد الخطر على نوع النتيجة وسلوك المشاركين والمقيمين. المهم تحليل مسار التحيز المحتمل لا تطبيق قائمة آلية. الالتباس في الدراسات غير العشوائية: يحدث الالتباس عندما ترتبط عوامل بالتعرض والنتيجة وتخلق أو تغير العلاقة المقدرة. في الدراسات العلاجية قد يحصل الأشخاص الأكثر شدة على تدخل مختلف، فيبدو التدخل أسوأ لأن المرضى كانوا مختلفين أصلًا. يجب تحديد المربكات المحتملة من المعرفة الموضوعية والزمن، وقياسها جيدًا. لا يكفي إدخال كل المتغيرات في نموذج أو اختيارها بناء على قيمة p. تحيز الاختيار: قد يهدد الصدق الداخلي عندما ترتبط فرصة الدخول أو البقاء في التحليل بالتعرض والنتيجة أو أسبابهما. اختيار مجموعة بناءً على متغير يحدث بعد التعرض، أو تحليل من أكملوا الدراسة فقط، أو استبعاد حالات بصورة مختلفة بين المجموعات يمكن أن يصنع مقارنة غير عادلة. ينبغي وصف تدفق المشاركين وقواعد الأهلية والاستبعاد وأسباب الفقد. تحيز القياس: إذا قيس التعرض أو النتيجة بطريقة تختلف بين المجموعات، يمكن أن يظهر فرق مصطنع. معرفة المقيم للعلاج قد تؤثر في تقييم نتيجة ذاتية، وقد يختلف تذكر التعرض بين حالات وشواهد. استخدام أدوات صالحة وإجراءات موحدة وتعمية المقيم عند الإمكان يقلل الخطر. القياس الموضوعي ليس معصومًا؛ الأجهزة والسجلات قد تحمل أخطاء منهجية أيضًا. التصنيف الخاطئ: المتغير الثنائي قد يصنف بعض الأشخاص في الفئة الخطأ. إذا كان الخطأ مشابهًا بين المجموعات فقد يضعف العلاقة أو يؤثر فيها بطرق تعتمد على السياق، وإذا كان تفاضليًا يمكن أن يحرفها في اتجاهات متعددة. لا ينبغي الاعتماد على قاعدة مبسطة أن «الخطأ غير التفاضلي دائمًا نحو الصفر». يجب فهم حساسية ونوعية القياس وبنية المتغير. الفقد في المتابعة: إذا غادر المشاركون لأسباب مرتبطة بالنتيجة أو بالتدخل، فإن تحليل الباقين فقط قد يغير المقارنة. نسبة الفقد وحدها لا تحدد الخطر؛ الأهم أسباب الفقد وارتباطها بالمجموعة والنتائج غير المرصودة. يمكن للنماذج أو التعويض أو الأوزان المساعدة تحت افتراضات، وينبغي استخدام تحليلات حساسية عندما تكون النتائج شديدة الاعتماد على ما نفترضه عن المفقودين. عدم الالتزام والتبديل بين التدخلات: في التجارب قد لا يلتزم المشاركون بالتخصيص أو يستخدمون علاجًا إضافيًا. تحليلهم حسب ما تلقوه فعليًا قد يعيد إدخال الالتباس الذي حمت العشوائية منه. تحليل intention-to-treat يحافظ على المقارنة وفق التخصيص لسؤال معين، لكن أسئلة أخرى حول الأثر مع أو دون أحداث بينية تحتاج estimand واضحًا وطرائق مناسبة. لا توجد قاعدة تحليل واحدة لكل سؤال. النتائج المنتقاة: إذا قاس الباحث عدة نتائج ثم نشر المواتية فقط، يهدد الانتقاء صدق الاستنتاج المنشور. التسجيل المسبق والبروتوكولات وخطط التحليل تقلل الغموض حول ما كان مخططًا. تغيير النتيجة قد يكون مبررًا، لكن يجب الإفصاح عنه. صدق الحساب داخل جدول واحد لا يعوض عملية انتقاء جعلت هذا الجدول هو الذي ظهر للقارئ. مرونة التحليل: يمكن للقرارات حول الاستبعاد والتحويل وضبط المربكات وتعريف النتائج والنقاط الزمنية أن تنتج نتائج مختلفة. إذا جُربت بدائل كثيرة وأُبلغ عن الأفضل فقط، يصبح عدم اليقين المعلن أصغر من عدم اليقين الحقيقي في مسار التحليل. التخطيط المسبق، مشاركة الكود، وتحليلات الحساسية أو multiverse analysis تساعد على كشف مدى اعتماد النتيجة على القرارات. ترتيب الزمن: لكي يكون X سببًا لـY يجب أن يسبق السبب النتيجة وفق السؤال السببي. في الدراسة المقطعية قد لا نعرف ما حدث أولًا. حتى في الدراسات الطولية يجب تعريف الزمن الصفري ونافذة التعرض والنتيجة بدقة. الترتيب الزمني شرط مهم لكنه غير كافٍ؛ يمكن لعامل ثالث سابق أن يفسر العلاقة رغم وضوح الزمن. تحيز الزمن الخالد: يظهر Immortal time bias عندما تُصنف فترة زمنية بطريقة تتطلب أن يبقى الشخص بلا حدث كي يُعتبر معرضًا. إذا نُسبت هذه الفترة إلى مجموعة التعرض خطأً، قد يبدو التعرض واقيًا. الحل يبدأ بمحاذاة الأهلية وبدء المتابعة وتصنيف التعرض، واستخدام نماذج زمنية مناسبة عندما يتغير التعرض. الانحدار نحو المتوسط: إذا اختير المشاركون لأن لديهم قيمة متطرفة، فمن المتوقع أن تكون بعض القياسات التالية أقرب إلى المتوسط حتى من دون تدخل. دراسة قبل وبعد من دون مجموعة مقارنة قد تفسر هذا كتأثير علاجي. تكرار القياس أو وجود مجموعة مقارنة مناسبة وتصميم يراعي ظاهرة الاختيار يساعد على الفصل. النضج والتاريخ: في الدراسات قبل/بعد قد يتغير المشاركون طبيعيًا مع الزمن أو تحدث أحداث خارجية بالتزامن مع التدخل. تحسن الأطفال مع العمر أو تغير سياسة عامة قد يفسر الفرق. مجموعة مقارنة معاصرة أو سلسلة زمنية مقطوعة أو تصاميم شبه تجريبية أخرى قد تقلل هذه التهديدات إذا طابقت الافتراضات. التلوث والتدخلات المشتركة: إذا تلقى أعضاء المجموعة الضابطة أجزاء من التدخل، أو تلقى أحد المجموعتين رعاية إضافية مختلفة، قد تتغير المقارنة. يجب قياس ما حدث فعليًا ووصف الرعاية المصاحبة. انخفاض الفرق بسبب التلوث لا يعني بالضرورة أن التدخل غير فعال، لكنه يغير السؤال عن أثر استراتيجية التطبيق في ذلك السياق. الاعتماد والعناقيد: إذا عُشوئت مدارس أو عيادات ثم حُللت بيانات الأفراد كأنهم مستقلون، تكون الأخطاء المعيارية عادة غير صحيحة وقد يتغير الاستنتاج. يجب أن يتطابق التحليل مع وحدة التخصيص وبنية البيانات. كما يمكن أن يكون عدد العناقيد صغيرًا حتى لو كان عدد الأفراد كبيرًا، ما يقلل المعلومات الفعلية. خطأ النموذج: الصدق الداخلي لا يعتمد فقط على التصميم بل على ملاءمة النموذج. افتراض علاقة خطية أو توزيع أو بنية أخطاء غير مناسبة قد يعطي تقديرًا مشوهًا. فحص الرسوم والبواقي واللاخطية والتفاعلات، واستخدام نماذج متينة عند الحاجة، جزء من التحليل. لكن تحسين الملاءمة بعد رؤية النتائج يجب أن يكون شفافًا حتى لا يتحول إلى بحث انتقائي. الضبط المفرط وColliders: إدخال متغيرات كثيرة ليس ضمانًا. ضبط وسيط قد يزيل جزءًا من الأثر الذي نحاول تقديره، وضبط Collider قد يفتح مسارًا يولد ارتباطًا. الرسم السببي DAG يمكن أن يساعد على توضيح الافتراضات وتحديد مجموعة ضبط، لكنه لا يثبت صحة الفرضيات غير المقاسة. المعرفة الموضوعية تظل ضرورية. الإيجابيات الكاذبة وعدم اليقين: الاختبارات المتعددة والعينات الصغيرة وعدم الدقة قد تنتج نتائج غير مستقرة. الصدق الداخلي لا يساوي «p<0.05». يجب النظر إلى حجم الأثر وفاصل الثقة وتعدد التحليلات وخطر التحيز. نتيجة كبيرة مع فاصل ضيق قد تظل منحازة منهجيًا، ونتيجة صغيرة غير دالة قد تكون غير حاسمة لا دليلًا على عدم وجود أثر. أدوات خطر التحيز: Cochrane RoB 2 للتجارب وROBINS-I أو الأطر ذات الصلة للدراسات غير العشوائية تنظّم تقييم مجالات التحيز. هذه الأدوات لا تعمل كآلة تعطي حقيقة من مجموع نقاط بسيطة؛ تتطلب فهم السؤال والتصميم والمعلومات المتاحة. كما يجب الفصل بين Risk of Bias وبين جودة الإبلاغ: تقرير ناقص يصعب تقييمه لكنه ليس الشيء نفسه منطقيًا كتصميم منحاز. الإبلاغ الجيد لا يصلح التصميم: CONSORT وSTROBE وغيرهما يطلبون معلومات تساعد على تقييم الدراسة، لكن استكمال القائمة لا يحول دراسة ضعيفة إلى قوية. قيمة الإرشادات أنها تكشف ما خُطط وما نُفذ وما فُقد وكيف حُللت البيانات. الصدق الداخلي يتحدد بما حدث فعليًا، لا بجمال تنسيق التقرير. التحليلات الحساسة: إذا كان الاستنتاج يعتمد على افتراضات حول الفقد أو الالتباس أو التعريف أو النموذج، ينبغي اختبار بدائل معقولة. تحليل الحساسية لا يثبت أن كل افتراض صحيح، لكنه يبين مقدار تغير النتيجة إذا تغيرت الافتراضات. النتيجة التي تبقى مستقرة عبر سيناريوهات معقولة أكثر طمأنة من نتيجة تنهار عند تعديل صغير غير اعتباطي. مثال تطبيقي: إذا قارنت دراسة برنامجًا علاجيًا اختاره المرضى بأنفسهم مع عدم المشاركة ووجدت تحسنًا، فقد تكون الدافعية أو الشدة أو القدرة على الوصول مختلفة من البداية. ضبط العمر والجنس فقط لا يضمن الصدق الداخلي. نحتاج فهم سبب اختيار البرنامج، قياس المربكات المهمة، تعريف الزمن الصفري، الفقد، العلاجات المشتركة، واستخدام تصميم وتحليل يناسب سؤال الأثر. أخطاء شائعة: من الأخطاء مساواة العشوائية بكامل الصدق الداخلي، استخدام قائمة متغيرات ضخمة «للضبط» بلا منطق، تحليل المكملين فقط، تجاهل تغيير النتائج، اعتبار التعمية ضرورية بنفس الدرجة لكل نتيجة، الخلط بين STROBE أو CONSORT وأداة جودة، والقول إن p صغيرة تعني عدم وجود تحيز. ومن الأخطاء أيضًا تجاهل وحدة التخصيص والعناقيد. قائمة تحقق: حدد السؤال والنتيجة والمقارنة والزمن، ثم اسأل كيف تم اختيار المشاركين، وكيف حُدد التعرض أو التدخل، وما المربكات، وكيف قِيست النتيجة، ومن فُقد، وهل تغير العلاج أو القياس بعد البداية، وهل التحليل يطابق التخصيص وبنية البيانات، وهل انتُقيت النتائج أو التحليلات. سجّل الاتجاه المتوقع لكل مصدر تحيز إن أمكن بدل وضع علامة «جيد/سيئ» فقط. الخلاصة: الصدق الداخلي هو جودة الحجة التي تربط البيانات بالاستنتاج داخل الدراسة. لا يأتي من خطوة واحدة، بل من محاذاة السؤال والتصميم والاختيار والقياس والزمن والتحليل والإبلاغ. العشوائية أداة قوية لكنها ليست حصانة، والضبط الإحصائي ليس بديلًا عن تصميم جيد. أفضل تقييم يحدد مسارات التحيز المحتملة، حجمها واتجاهها، ومدى حساسية النتيجة لها. أسئلة تطبيقية متقدمة: عند استخدام هذا المفهوم في بحث فعلي، لا يكفي حفظ التعريف. ابدأ بتحديد السؤال، المجتمع، الزمن، وحدة التحليل، وطريقة القياس قبل اختيار الاختبار أو النموذج. افصل بين ما تصفه البيانات وما يسمح التصميم باستنتاجه، وسجل القرارات التحليلية قبل الاطلاع على النتيجة متى كان التحليل تأكيديًا. راجع القيم المفقودة، جودة القياس، التحيز المحتمل، والافتراضات التي يمكن أن تغير التفسير. اعرض حجم الأثر وعدم اليقين إلى جانب أي اختبار إحصائي، وقارن النتيجة بالسياق والأدلة السابقة بدل التعامل معها كحكم منفصل. هذه الخطوات تجعل المفهوم أداة لاتخاذ قرار بحثي قابل للتتبع، لا مصطلحًا نظريًا فقط. كيف تستخدم الصفحة في مشروع بحثي؟ استخدمها كبطاقة تدقيق في مرحلة البروتوكول ثم عد إليها عند التحليل والكتابة. دوّن تعريف المتغيرات أو الوحدات كما ستظهر في قاعدة البيانات، وحدد مصدر كل قياس، وما إذا كان التوقيت يسمح بالتفسير المقصود، وما التحليلات البديلة المعقولة. إذا تغير تعريف أو استبعاد أو نموذج بعد رؤية البيانات، وثق التغيير وسببه. عند المراجعة النهائية اسأل هل يستطيع قارئ مستقل إعادة بناء المنطق من السؤال إلى البيانات ثم إلى الاستنتاج، وهل بقيت لغة النتيجة ضمن حدود التصميم. قراءة نقدية سريعة: عند قراءة دراسة منشورة، ابحث أولًا عن التعريف التشغيلي لا الاسم المختصر، ثم افحص السكان والزمن وطريقة الاختيار والقياس. اسأل ما المقارنة الفعلية، وما الذي كان يمكن أن ينتج النتيجة نفسها لو لم تكن الفرضية التفسيرية صحيحة. افحص فواصل الثقة والتحليلات الحساسة والتعامل مع البيانات المفقودة، ثم قارن الادعاء في الخلاصة بما تسمح به الطريقة. القراءة بهذه السلسلة تقلل الانبهار بقيمة إحصائية منفردة وتزيد القدرة على تمييز الدليل القابل للاستخدام من النتيجة التي تحتاج تحفظًا. إطار قرار منهجي متكامل: قبل استخدام النتيجة في تقرير أو قرار، أعد بناء سلسلة الاستدلال كاملة. اكتب السؤال بصيغة تحدد السكان أو الوحدات، التعرض أو العامل، النتيجة، المقارنة والزمن. بعد ذلك افحص هل البيانات المتاحة تمثل هذه العناصر فعلًا أم أنها بدائل تقريبية. فرّق بين المتغير الذي جُمعت بياناته مباشرة والمتغير المشتق، وبين القياس الأصلي والتحويلات اللاحقة. راجع سبب اختيار كل متغير في النموذج، وتجنب إضافة متغيرات فقط لأنها متاحة. إذا كان الهدف سببيًا، ارسم منطقًا سببيًا واضحًا يحدد المربكات والوسطاء والمتغيرات التي قد يؤدي ضبطها إلى تحيز. وإذا كان الهدف تنبؤيًا، افصل بيانات التطوير عن التحقق وقيّم الأداء والمعايرة في بيانات لم تستخدم لاختيار النموذج. جودة البيانات قبل النموذج: افحص مصدر البيانات، التغطية، الوحدات المكررة، القيم المستحيلة، القيم المفقودة، تغير أدوات القياس، والفروق في طريقة الجمع بين المجموعات أو الأزمنة. لا تسمح لنموذج متقدم بإخفاء مشكلة تعريف أو قياس. اعرض وصفًا للتوزيع والقيم المتطرفة والنطاقات الفعلية قبل حساب المعاملات. عند وجود عناقيد أو قياسات متكررة، عالج الاعتماد داخل الوحدة بدل افتراض استقلال كل صف. وعند وجود أوزان معاينة أو احتمالات اختيار مختلفة، أدخل تصميم المعاينة في التقدير وعدم اليقين. خطة التحليل والشفافية: حدد التحليل الأساسي والتحليلات الثانوية قبل فحص النتائج متى كان الهدف تأكيديًا. سجل قواعد الاستبعاد، معالجة القيم المفقودة، التحويلات، شكل العلاقة، التفاعلات المخططة، ومقياس الأثر. إذا احتجت إلى تعديل الخطة بعد رؤية البيانات، لا تخف التغيير؛ صنفه كتحليل لاحق واشرح سببه. هذه الشفافية تسمح للقارئ بتمييز الدليل التأكيدي عن الاستكشاف المفيد لتوليد فرضيات جديدة. فحص المتانة: لا يكفي نموذج واحد عندما تعتمد النتيجة على افتراضات قابلة للنقاش. اختبر تعريفات معقولة للمتغيرات، بدائل لمعالجة الفقد، أشكالًا غير خطية عند وجود مبرر، ونماذج حساسية للقرارات المؤثرة. الهدف ليس البحث عن النموذج الذي يعطي النتيجة المرغوبة، بل معرفة ما إذا كان الاستنتاج يبقى متقاربًا عندما تتغير قرارات معقولة. إذا تغير الاتجاه أو الحجم جذريًا، فهذه معلومة يجب أن تظهر في الخلاصة. التفسير والتواصل: ابدأ بحجم الأثر ووحدته وفاصل الثقة، ثم اذكر قيمة الاختبار إذا كانت مفيدة. اشرح ما يعنيه المقدار في السياق بدل استخدام كلمات مثل كبير أو مهم دون معيار. ميّز بين عدم وجود دليل كافٍ وبين دليل على عدم وجود فرق. تجنب تحويل الارتباط إلى سبب، أو نتيجة مجموعة إلى توقع حتمي لفرد. اربط النتيجة بحدود السكان والقياس والزمن والتصميم، واذكر بوضوح ما الذي يحتاج دراسة إضافية. إعادة الإنتاج والتدقيق: احتفظ بقاموس بيانات، نسخة من خطة التحليل، كود أو خطوات قابلة للتكرار، وإصدارات للبيانات المشتقة حيث تسمح الخصوصية. يجب أن يستطيع عضو آخر في الفريق معرفة كيف حُسب كل متغير وكيف وصل الجدول أو الشكل إلى صورته النهائية. سجل البرمجيات والإصدارات والبذور العشوائية عند استخدامها. هذا الأثر التدقيقي يقلل الأخطاء ويجعل المراجعة والتحديث أسهل. متى تحتاج خبيرًا منهجيًا؟ اطلب مراجعة متخصصة عندما يكون التصميم عنقوديًا أو طوليًا مع فقد معقد، عندما توجد تعرضات ومربكات متغيرة عبر الزمن، عند بناء نماذج تنبؤ ستستخدم في قرارات حقيقية، أو عندما يكون حجم العينة صغيرًا نسبة إلى تعقيد النموذج. كذلك تحتاج مراجعة إضافية عندما تكون النتيجة عالية الأثر أو عندما تغير افتراضات بسيطة الاستنتاج. الاستشارة المبكرة قبل جمع البيانات أكثر فائدة من محاولة إصلاح تصميم غير مناسب بعد انتهاء الدراسة. معيار النشر الجيد: الصفحة أو الدراسة الجيدة لا تكتفي بتعريف المصطلح؛ توضح كيف يتصل بالسؤال والقياس والتصميم والتحليل، وتقدم أمثلة وحدودًا وأخطاء شائعة ومراجع يمكن تتبعها. وفي التقرير البحثي يجب أن تتطابق المقدمة والمنهج والنتائج والخلاصة: السؤال المعلن هو الذي حُلّل، والنتيجة الأساسية هي التي أُبلغ عنها، واللغة السببية لا تتجاوز قوة التصميم. إذا تعارضت هذه الأجزاء، فالمشكلة منهجية وليست تحريرية فقط. مراجعة أخيرة قبل اعتماد الاستنتاج: اقرأ السؤال والتعريف التشغيلي والجدول أو الشكل والخلاصة متتابعة، وتأكد أن كل جزء يصف الشيء نفسه. تحقق من المقام والوحدات والفترة الزمنية ومن عدم تسرب معلومات لاحقة إلى متغير يفترض أنه سابق. افحص ما إذا كانت الفئات الصغيرة أو القيم النادرة تقود النتيجة، وهل توجد مقارنة مرجعية مفهومة، وهل يمكن للقارئ معرفة مقدار البيانات التي دخلت كل تحليل. إذا كانت هناك قرارات تحليلية متعددة معقولة، اعرض أثر أهم البدائل بدل إخفائها. وأخيرًا افصل بوضوح بين النتيجة التي تدعمها البيانات، والتفسير المحتمل، والتوصية التي تحتاج حكمًا أو أدلة إضافية. هذا الفصل يحافظ على قيمة البحث ويمنع تضخيم اليقين. تدقيق إضافي للمتانة: قبل الإغلاق، راجع تعريف كل متغير ووحدة قياسه واتجاهه والقيم المرجعية، ثم قارنها بما ورد في البروتوكول أو خطة التحليل. تأكد أن الاستبعادات لا تعتمد على النتيجة بطريقة غير مبررة، وأن الفقد موصوف، وأن التحليل يحترم العناقيد أو القياسات المتكررة. اعرض التحليلات الثانوية بوصفها ثانوية، ولا تجعل نتيجة لاحقة تحل محل السؤال الأساسي دون إفصاح. عندما يكون التعميم هدفًا، اذكر بوضوح من لم يكن ممثلًا في العينة وما الظروف التي قد تحد من نقل النتيجة. هذه المراجعة القصيرة تمنع أخطاء شائعة قد تبقى مخفية رغم صحة الحسابات.