الـ Confounders — الغلطة اللي بتخلي نتيجتك الصح تبان غلط | Naggar | نجار

دراسة لقت إن الناس اللي عندهم أصابع يد أطول بيكسبوا أكتر.

استنتاج: الأصابع الطويلة بتأدي للنجاح المهني؟

لأ. الطول الكلي للجسم بيرتبط بطول الأصابع، والطول في بعض الدراسات بيرتبط بفرص العمل.

الطول هنا هو الـ Confounder — المتغير الخفي اللي بيخليك تشوف علاقة مش موجودة أو بيخبّي علاقة موجودة فعلاً.

الـ Confounding مش خطأ في البيانات. هو خاصية في الواقع — واجبك كباحث إنك تعترف بيه وتتعامل معاه.

أولاً: إيه هو الـ Confounder بالظبط؟

المتغير C بيبقى Confounder للعلاقة بين X وY لو:

1. مرتبط بـ X (المتغير المستقل)

2. مرتبط بـ Y (المتغير التابع)

3. مش على المسار السببي المباشر من X لـ Y

المثال الكلاسيكي:

العلاقة بين الشعر الأشيب وأمراض القلب.

الـ Confounder: العمر.

العمر بيأثر على الشعر الأشيب وبيأثر على أمراض القلب. لكنه مش على المسار "الشعر الأشيب → مرض القلب."

ثانياً: ليه الـ Confounding خطير في الدراسات الـ Observational؟

في الـ RCT، الـ randomization بتوزع الـ confounders (المعروفة والمجهولة) بشكل متوازن بين المجموعات.

في الـ observational studies — مفيش randomization. الناس بتختار هم (أو بتتحدد من العوامل) مين في مجموعة التعرض ومين في مجموعة الكنترول.

نتيجة: الـ confounders ممكن تخلي العلاقة اللي بتشوفها مختلفة تماماً عن العلاقة الحقيقية.

ثالثاً: إزاي الـ Regression بيساعدك

الـ Multivariable Regression هو الأداة الأساسية في الـ observational studies للتحكم في الـ Confounders.

الفكرة العملية:

بدل ما تقيس العلاقة بين X وY مباشرة — بتُدخل الـ Confounders المحتملة في الموديل كـ Covariates.

النتيجة: Adjusted Effect Estimate — أثر X على Y بعد التحكم في الـ Confounders.

إزاي تعرف إن في confounding حقيقي؟

قارن الـ Crude (unadjusted) estimate والـ Adjusted estimate.

لو تغير أكتر من 10٪ — ده علامة على confounding حقيقي.

رابعاً: اللي الـ Regression مش بيعمله

الـ regression بيتحكم في الـ measured confounders بس.

الـ Residual Confounding — المتغيرات اللي ما اتقيستش أو ما اتعرفتش — ممكن تفضل موجودة.

وده سبب إن الـ observational studies مهما كانت sophisticated — مش بتثبت السببية زي الـ RCT.

بتشير للعلاقة، بتتحكم في المعروف، بتفتح باب للفرضية. بس السببية الحقيقية تحتاج تصميم أقوى.

طيب إيه اللي المفروض تعمله دلوقتي؟

في بحثك الـ observational — اعمل قائمة بالـ Confounders المحتملة قبل ما تبدأ التحليل.

لا بعده. قبله.

لو حددتهم بعد ما شفت النتايج — ممكن يبقى فيه selection bias في اختيارك للمتغيرات نفسها.

الباحث الكويس بيحدد الـ Confounders من الأدبيات، مش من النتايج.