الـ Heterogeneity — الرقم اللي كل الطلاب بيخافوا منه ومحتاجين يفهموه | Naggar | نجار

I² = ٨٤٪

طالب بعث لي الرقم ده وكتب: "تعبت. المشرف قالي فيها مشكلة كبيرة."

قلتله: "مش مشكلة. ده اكتشاف."

بص فيا مش مصدق.

الـ Heterogeneity العالية مش فشل في الـ meta-analysis بتاعتك. هي سؤال اكتشفته — والباحث الكويس بيجاوب عليه مش بيخبيه.

أولاً: إيه هو الـ Heterogeneity؟

لما بتجمع دراسات مختلفة في meta-analysis — طبيعي إن النتايج مش هتكون متطابقة.

الاختلاف ده جاي من:

• اختلاف المرضى: عمر، جنس، حالة المرض
• اختلاف التدخل: جرعات مختلفة، مدة مختلفة
• اختلاف المنهجية: RCT مقابل observational
• الصدفة الإحصائية

الـ I² بيقولك إيه نسبة الاختلاف اللي مش بسبب الصدفة.

ثانياً: إزاي بتقيسه؟

الـ Cochrane Q Test: بيختبر هل الاختلاف بين الدراسات أكبر من الصدفة.

(بنستخدم p < 0.1 مش 0.05 — لأن الـ Q test عنده power منخفضة)

الـ I² Statistic:

• 0-25٪ → low heterogeneity — كمّل بثقة
• 25-50٪ → moderate — اذكره وفسّره
• 50-75٪ → high — خطوة إضافية مطلوبة
• >75٪ → very high — وقف وسأل ليه

ثالثاً: لو I² عالي — مش بتوقف، بتحقق

الخطوة الأولى: Random Effects بدل Fixed Effects

Fixed effects بيفترض أثر حقيقي واحد لكل الدراسات.

Random effects بيفترض إن في تباين حقيقي بين الدراسات.

لو I² عالي → random effects هو الأمن. (في R: metafor package، في STATA: metan)

الخطوة الثانية: Subgroup Analysis

قسّم الدراسات حسب:

• نوع المرضى (أطفال / بالغين)
• نوع التدخل (جرعة عالية / منخفضة)
• جودة الدراسة (RCT / observational)

وشوف هل الـ I² بيقل في المجموعات الفرعية. لو أيوه — وجدت مصدر الـ heterogeneity.

الخطوة الثالثة: Sensitivity Analysis

اشيل الدراسات اللي فيها outliers وشوف النتيجة بتتغير. لو بتتغير كتير — الدراسات دي بتأثر على النتيجة بشكل غير متناسب.

طيب إيه اللي المفروض تعمله دلوقتي؟

شيل الـ I² بتاعك. لو فوق 50٪، اسأل نفسك سؤال واحد بس:

"إيه أوجه الاختلاف الموجودة بين الدراسات في مجموعتي؟"

الإجابة على السؤال ده هي البداية الصح للـ subgroup analysis.

وأنت؟ إيه الـ I² اللي طلعلك؟