التجربة الطبيعية: تصميم التقييم والاستدلال السببي

عندما تغيّر حكومة قانونًا، أو تفتح خدمة في مناطق دون أخرى، أو تُطبق قاعدة أهلية عند عتبة محددة، قد تنشأ فرصة لتقدير أثر يصعب اختباره عشوائيًا. لكن وصف الحدث بأنه «تجربة طبيعية» لا يمنحه قوة تجريبية تلقائيًا؛ السؤال الحاسم هو كيف وُزع التعرض، وما المقارنة التي تمثل بصورة معقولة ما كان سيحدث دون التغيير.

ما المقصود بالتجربة الطبيعية؟

التجربة الطبيعية هي فرصة تقييم تنشأ عندما تُحدث سياسة أو خدمة أو بنية تحتية أو حدث خارجي اختلافًا في التعرض لا يوزعه الباحث بنفسه. الباحث لا يقرر من يتلقى التدخل كما في التجربة العشوائية، لكنه يحاول استغلال الاختلاف الناتج في العالم الحقيقي لتقدير أثر التدخل. لذلك لا تكفي تسمية أي دراسة رصدية قبل/بعد «تجربة طبيعية»؛ يجب أن توجد آلية خارجية واضحة تخلق اختلافًا ذا معنى في التعرض.

ما الفرق بينها وبين التجربة العشوائية؟

في التجربة العشوائية يسيطر الباحث على تخصيص التدخل ويستخدم العشوائية لتقليل الاختلافات المنهجية بين المجموعات في المتوسط. في التجربة الطبيعية يأتي التخصيص من سياسة أو قاعدة أهلية أو توقيت أو حدود جغرافية أو ظرف آخر. قوة الاستدلال تعتمد على مدى اقتراب آلية التعرض من التخصيص المستقل عن النتائج المحتملة، وعلى قدرة التصميم والتحليل على استبعاد التفسيرات البديلة.

وما الفرق عن شبه التجربة؟

تستخدم المصطلحات بصورة غير موحدة في الأدبيات. إطار 2021 حول natural وquasi experiments يوضح أن التجارب الطبيعية تجمع سمات تجريبية ورصدية وأن التعرض لا يسيطر عليه الباحث. يمكن اعتبار «التجربة الطبيعية» وصفًا لمصدر التباين في التعرض، بينما تشير «شبه التجربة» غالبًا إلى مجموعة تصاميم تحليلية غير عشوائية مثل difference-in-differences أو regression discontinuity أو interrupted time series. الأهم هو وصف آلية التخصيص والتصميم الفعلي بدل الاتكال على الملصق.

متى تكون ذات قيمة عالية؟

تكون مهمة عندما يصعب أو يستحيل عشوائية تدخلات واسعة مثل الضرائب والقوانين وإعادة تنظيم الخدمات وتغييرات النقل أو البيئة المبنية. كما تكون مفيدة عندما ينفذ القرار على أي حال ولا يملك الباحث سلطة توزيعه. الميزة أنها تدرس أثرًا واقعيًا على سكان حقيقيين، لكن الواقعية لا تعني غياب التحيز؛ قد يكون التعرض انتقائيًا أو تتزامن معه تغييرات أخرى.

ابدأ بسؤال سببي محدد

يجب تحديد التدخل أو التعرض، السكان، المقارنة، النتيجة والزمن قبل اختيار النموذج. سؤال «هل أثرت السياسة؟» مبهم. الأقوى: ما أثر تطبيق سياسة معينة في منطقة أو فئة مؤهلة مقارنة بمجموعة مناسبة خلال فترة محددة على نتيجة معرفة مسبقًا؟ هذا التحديد يساعد على تصور target trial: من سيكون مؤهلًا، ما لحظة البداية، وما استراتيجية التعرض والمقارنة والمتابعة.

افهم آلية التخصيص

القلب المنهجي هو لماذا تعرض بعض الأشخاص أو المناطق للتغيير ولم يتعرض آخرون. هل السبب حد إداري؟ تاريخ بدء مختلف؟ عتبة أهلية؟ قرار لا يرتبط بمخاطر الأفراد؟ أم أن الجهات اختارت التدخل لأنها كانت تتدهور أصلًا؟ إذا كان التخصيص استجابة مباشرة للاتجاهات السابقة في النتيجة، فالمقارنة البسيطة قد تكون شديدة التحيز. يجب وصف العملية المؤسسية والسياسية لا الاكتفاء بمتغير 0/1.

فرضية as-if randomization

بعض التجارب الطبيعية تعتمد على فكرة أن الاختلاف في التعرض قريب من العشوائية ضمن نطاق محدد. هذه ليست صفة تُفترض من الاسم، بل حجة تحتاج أدلة. مراجعة 2023 للتجارب الطبيعية المكانية وجدت أن قابلية اعتبار التعرض «كما لو كان عشوائيًا» كانت غير واضحة أو غير معقولة في نسبة مهمة من الدراسات، وأن تقارير تحليلات الحساسية أو اختبارات التفنيد لم تكن شاملة. لذلك يجب إظهار سبب plausibility بدل إعلانها.

المجموعة المقارنة

المقارنة الجيدة تمثل ما كان سيحدث للمجموعة المعرضة لو لم يحدث التدخل. قد تكون منطقة مشابهة، فئة غير مؤهلة، وحدات قبل وبعد عتبة، أو تركيبًا اصطناعيًا من عدة وحدات. التشابه في الخصائص الحالية لا يكفي إذا اختلفت الاتجاهات السابقة أو صدمات الزمن. يجب فحص منطق المقارنة، البيانات السابقة، وإمكانية التلوث أو انتقال أثر التدخل إلى المجموعة الضابطة.

Difference-in-Differences

فرق الفروق يقارن تغير النتيجة عبر الزمن بين مجموعة تعرضت للتدخل وأخرى لم تتعرض. الافتراض المركزي ليس تساوي المستويات، بل أن الاتجاهات كانت ستتطور بصورة متوازية في غياب التدخل. فحص الاتجاهات السابقة مفيد لكنه لا يثبت الافتراض نهائيًا. عند اختلاف توقيت التبني بين الوحدات يجب استخدام طرق حديثة تلائم treatment timing وعدم الاعتماد تلقائيًا على نموذج ثنائي ثابت قد ينتج أوزانًا أو مقارنات غير مرغوبة.

Interrupted Time Series

السلسلة الزمنية المنقطعة تستخدم سلسلة طويلة من القياسات قبل التدخل وبعده لتقدير تغير في المستوى أو الاتجاه مرتبط بلحظة التنفيذ. قوتها تزيد مع نقاط زمنية كافية واستقرار طريقة القياس، ويمكن تعزيزها بسلسلة مقارنة. يجب التعامل مع الموسمية والارتباط الذاتي والتغييرات المتزامنة. قياسان فقط قبل وبعد ليسا سلسلة زمنية منقطعة مهما كان الاسم.

Regression Discontinuity

إذا كان التدخل يُمنح وفق عتبة محددة في متغير مستمر، مثل درجة أهلية، يمكن مقارنة الوحدات القريبة جدًا على جانبي العتبة. الاستدلال يكون محليًا حول الحد ويعتمد على عدم قدرة المشاركين أو الإداريين على التلاعب الدقيق بالمتغير، واستمرارية العوامل الأخرى عند العتبة. يجب فحص الكثافة والتوازن والنتائج غير المتوقع تأثرها وتبرير عرض النطاق والنموذج.

Instrumental Variables

يمكن أن يعمل متغير خارجي كأداة إذا أثر في التعرض، ولم يؤثر في النتيجة إلا عبر التعرض، ولم يشترك مع النتيجة في أسباب غير مضبوطة وفق شروط دقيقة. هذه الافتراضات قوية وبعضها غير قابل للاختبار مباشرة. وجود ارتباط قوي بالتعرض لا يجعل المتغير أداة صالحة. يجب تفسير الـestimand، وغالبًا يكون أثرًا محليًا لفئة من الأشخاص يتغير تعرضهم بسبب الأداة.

Synthetic Control

عندما يوجد تدخل على وحدة واحدة أو عدد صغير من المناطق، يمكن بناء «ضابط اصطناعي» كمزيج موزون من وحدات غير معالجة يطابق المسار السابق والخصائص المهمة. جودة المطابقة قبل التدخل أساسية، ويجب اختبار placebo أو permutation والتحقق من عدم وجود صدمات متزامنة خاصة بالوحدة. النتيجة تكون مرتبطة بالسياق ولا تعني تلقائيًا قابلية التعميم إلى دول أو أنظمة مختلفة.

التوقيت والتدخلات المتزامنة

قد تتغير أشياء كثيرة في وقت السياسة نفسها: حملات إعلامية، أسعار، وباء، تغيير قياس أو إصلاح آخر. إذا تزامنت هذه الأحداث مع التدخل في المجموعة المعرضة دون المقارنة، يصبح فصل الأثر صعبًا. يجب بناء خط زمني للأحداث المهمة، واستخدام مجموعات أو نتائج ضابطة وتحليلات حساسية عند الإمكان.

النتائج السلبية وNegative Controls

النتيجة السلبية هي مخرج لا يُتوقع أن يتأثر بالتدخل وفق النظرية، والتعرض السلبي متغير لا ينبغي أن يسبب النتيجة. ظهور «أثر» على هذه الضوابط قد يكشف التباسًا أو تحيزًا. لا تقدم الضوابط السلبية برهانًا كاملاً على عدم التحيز عندما تكون سليمة، لكنها أداة مفيدة لاختبار بعض التفسيرات البديلة.

اختبارات التفنيد Placebo/Falsification

يمكن نقل تاريخ التدخل إلى وقت سابق وهمي، أو تطبيق النموذج على مجموعة لم تتعرض، أو اختبار نتائج لا ينبغي أن تتغير. إذا ظهرت آثار مشابهة قبل التدخل الحقيقي فقد تكون النتيجة انعكاسًا لاتجاه سابق أو نموذج غير مناسب. يجب تحديد اختبارات التفنيد المرتبطة بآلية التحيز بدل استخدام قائمة شكلية.

القياس وجودة البيانات

تعتمد هذه الدراسات كثيرًا على البيانات الروتينية والإدارية. يجب فحص ما إذا تغير تعريف المتغير أو نظام الترميز أو التغطية أو سياسة التسجيل عند لحظة التدخل. تغيير نظام السجلات قد يبدو كأثر صحي. يجب أيضًا تحديد تأخر ظهور النتيجة، دقة ربط البيانات، والتغير في السكان المقيمين أو المستخدمين للخدمة.

البيانات المفقودة والانتقال

قد يغير التدخل من يدخل قاعدة البيانات نفسها، كأن تفتح خدمة جديدة فتزيد فرصة التشخيص أو التسجيل. هذا يخلق تغيرًا في الرصد وليس بالضرورة في المرض. كذلك قد ينتقل أشخاص بين المناطق أو يختارون مكان السكن استجابة للتدخل. يجب تحليل الفقد والهجرة والـattrition كجزء من آلية التعرض والقياس، لا كتنظيف بيانات فقط.

الالتزام والتعرض الفعلي

تطبيق السياسة لا يعني أن كل فرد تلقى جرعة واحدة. قد تختلف شدة التنفيذ والتغطية والالتزام بمرور الزمن. يمكن أن يكون estimand هو أثر إتاحة السياسة intention-to-treat-like أو أثر التعرض الفعلي، ولكل منهما افتراضات مختلفة. محاولة تقدير أثر الالتزام الفعلي قد تعيد إدخال اختيار ذاتي قوي.

العدالة والتفاوتات

الأثر المتوسط قد يخفي استفادة فئات وخسارة أخرى. إطار MRC/NIHR الحديث يشدد على السياق والمنظور النظمي ومشاركة أصحاب المصلحة. يجب فحص هل الوصول للتدخل يختلف حسب الدخل أو الإعاقة أو المنطقة، وهل يمكن للسياسة أن توسع فجوات قائمة رغم تحسن المتوسط العام. تحليلات الفئات يجب أن تكون مخططة ومدعومة بحجم كاف.

المنظور النظمي

السياسات قد تغير سلوك جهات متعددة وتنتج تغذية راجعة أو إزاحة أو آثارًا غير مباشرة. تغيير النقل مثلًا قد يؤثر في الحركة، التلوث، التجارة والسكن معًا. لذلك لا يكفي قياس نتيجة واحدة إذا كان السؤال يتعلق بنظام. يمكن استخدام خرائط سببية وبيانات نوعية لفهم الآليات والتكيف والسياق.

الطرق المختلطة

التحليل الكمي يقدر التغير، لكن المقابلات والوثائق والملاحظة قد تشرح لماذا اختلف التنفيذ أو لماذا ظهرت نتائج غير متوقعة. إطار 2025 المحدث يوصي بالنظر إلى الطرق المختلطة ومشاركة أصحاب المصلحة كجزء من التقييم عند الملاءمة. الدمج الحقيقي يربط الأسئلة والنتائج بدل وضع دراسة نوعية جانبية لا تتفاعل مع التحليل السببي.

الأخلاقيات والحوكمة

كون الباحث لم يخصص التدخل لا يلغي الالتزامات الأخلاقية. قد تتطلب دراسة البيانات الفردية موافقة مؤسسية، أساسًا قانونيًا للمعالجة، تقليل البيانات، حماية الربط، ومراجعة أثر الإفصاح. وقد تكون للسياسة نفسها آثار موزعة بشكل غير عادل ينبغي وصفها. الأدبيات الأخلاقية تؤكد أن التجارب الطبيعية ليست أخف أخلاقيًا تلقائيًا من التجارب المخططة.

التسجيل المسبق وخطة التحليل

لأن قواعد البيانات الكبيرة تسمح بعشرات النماذج والفترات والمقارنات، فإن التسجيل المسبق للأسئلة والنافذة والمخرجات والنموذج الرئيسي يساعد في تمييز التأكيدي عن الاستكشافي. يجب توثيق أي تغيير بعد رؤية البيانات وسببه. راجع /content/preregistration و/content/registered-reports.

تحليل الحساسية

اختبر مدى ثبات النتيجة أمام نوافذ زمنية مختلفة، تعريفات بديلة للتعرض والنتيجة، استبعاد فترات انتقالية، نماذج اتجاهات مختلفة، مجموعات مقارنة بديلة أو افتراضات عن الالتباس. الحساسية الجيدة تستهدف نقاط ضعف محددة في التعريف السببي، لا مجرد إعادة تشغيل النموذج بعشرة خيارات متقاربة.

التعميم وقابلية النقل

قد تكون التجربة الطبيعية قوية داخليًا لأن قاعدة محلية ولدت تباينًا شبه عشوائي، لكنها قد تجيب عن أثر محلي لسكان أو نطاق قريب من عتبة. نقل النتيجة إلى دولة أو نظام آخر يحتاج مقارنة السياق والآليات والسكان والجرعة. قوة التعريف السببي لا تساوي عمومية الأثر.

الإبلاغ الشفاف

يجب وصف الحدث أو السياسة وآلية التخصيص والتوقيت والمجموعة المقارنة ومصدر البيانات وخطة التحليل والافتراضات واختبارات التشخيص والحساسية والتفنيد. عبارة «استفدنا من تجربة طبيعية» لا تكفي. يجب أن يستطيع القارئ إعادة بناء سبب اعتقاد الباحث أن المقارنة تقارب الحالة المضادة للواقع.

كيف يقيّم القارئ دراسة تجربة طبيعية؟

اسأل أولًا: ما الذي خلق اختلاف التعرض، وهل كان مستقلًا بدرجة معقولة عن اتجاهات النتيجة؟ ثم افحص هل المقارنة تمثل المسار المضاد للواقع، وهل توجد بيانات قبلية كافية، وهل حدثت سياسات أو صدمات متزامنة، وهل قياس النتائج ثابت. بعد ذلك راجع الاختبارات التشخيصية والحساسية، ثم تحقق أن الاستنتاج يطابق السكان والـestimand الفعلي.

أخطاء شائعة

من الأخطاء تسمية أي قبل/بعد تجربة طبيعية، افتراض as-if randomization دون دليل، اختيار مجموعة مقارنة بعد رؤية النتائج، تجاهل الاتجاهات السابقة، استخدام نقطتين فقط كسلسلة زمنية، تفسير correlation كأثر سببي، إخفاء تغييرات مصدر البيانات، وعدم فحص spillover. كما أن نجاح اختبار pre-trends لا يثبت parallel trends مستقبلًا.

روابط داخلية مترابطة

للتوسع راجع /content/study-designs-bias-and-causality للتعريف السببي والتحيز، و/content/cross-sectional-study و/content/case-control-study للمقارنة مع التصاميم الرصدية، و/content/missing-data للفقد، و/content/preregistration للتخطيط، و/content/evidence-literacy للتقييم النقدي، و/sections/research-evidence-learning لبقية موارد A5.

الخلاصة

التجربة الطبيعية ليست اختصارًا سحريًا للسببية؛ قوتها تأتي من حدث أو قاعدة خارجية تخلق تباينًا يمكن الدفاع عنه، وتصميم يحول ذلك التباين إلى مقارنة مضادة للواقع معقولة. كلما كانت آلية التخصيص أوضح، والبيانات السابقة والمقارنة أفضل، والتحليلات الحساسة والتفنيدية أقوى، زادت الثقة. أما مجرد تغير النتيجة بعد سياسة فلا يكفي وحده لنسب التغير إليها.

أسئلة شائعة