ثلاثة تفسيرات خاطئة لـ p-value تقرؤها في أوراق منشورة

أربعة باحثين ينظرون إلى النتيجة نفسها: دواء جديد خفض ضغط الدم بمقدار 4 mmHg أكثر من الدواء الوهمي، وp = 0.03.

قال الأول: احتمال أن الدواء لا يعمل هو 3% فقط. وقال الثاني: احتمال أن تكون هذه النتيجة صدفة 3%. وقال الثالث: p-value صغيرة، إذاً الأثر قوي. وقال الرابع: لو كان الدواء لا يفرق عن الوهمي، لكان احتمال أن نرى فرقاً بهذا الحجم أو أكبر هو 3%.

واحد منهم أصاب. والثلاثة الآخرون يفسّرون الرقم تفسيراً تقرؤه في أوراق منشورة، وتسمعه في مناقشات رسائل، وقد كتبتَه أنت في مخطوطة.

الخطأ الأول: قلب الاحتمال الشرطي

«احتمال أن الدواء لا يعمل هو 3%» — هذا أشيع الأخطاء وأعمقها.

p-value تجيب عن سؤال يبدأ بافتراض: لو كانت الفرضية الصفرية صحيحة، فما احتمال هذه البيانات؟ والباحث الأول قلب السؤال: بالنظر إلى هذه البيانات، ما احتمال أن تكون الفرضية الصفرية صحيحة؟

والسؤالان مختلفان اختلافاً جوهرياً. فاحتمال أن يكون المرء مبتلّاً بشرط أنه سبح مرتفع جداً؛ واحتمال أنه سبح بشرط أنه مبتلّ ليس كذلك — فقد أمطرت. وللإجابة عن سؤال الباحث الأول تلزم معلومة لا تحملها p-value: ما مدى معقولية الفرضية قبل التجربة أصلاً؟

الخطأ الثاني: الأخطر لأنه الأقرب

«احتمال أن تكون هذه النتيجة صدفة 3%» — عبارة تمرّ في التحكيم كثيراً لأنها تبدو سليمة.

ووجه الخلل أنها تحذف الشرط. فp-value لا تقول «احتمال الصدفة 3%»، بل تقول: لو لم يكن هناك أثر حقيقي، فاحتمال أن تنتج الصدفة وحدها فرقاً بهذا الحجم أو أكبر هو 3%.

والفرق بين العبارتين هو الفرق بين احتمالٍ مطلق واحتمالٍ مشروط. وحذف الشرط يجعل الرقم يبدو حكماً على العالم، وهو في الحقيقة حكم على البيانات ضمن سيناريو مفترض.

الخطأ الثالث: الدلالة ليست قوة

«p-value صغيرة، إذاً الأثر قوي» — خلطٌ بين سؤالين منفصلين تماماً.

p-value تتأثر بحجم الأثر وبحجم العينة معاً. فأثر تافه لا معنى له سريرياً يصير «دالّاً إحصائياً» إن كانت عينتك كبيرة بما يكفي. وأثر كبير ومهمّ قد لا يبلغ الدلالة إن كانت عينتك صغيرة.

ولهذا لا تُقرأ p-value وحدها أبداً. فرقٌ قدره 0.2 mmHg بـ p-value < 0.001 في عشرة آلاف مريض نتيجة دالّة إحصائياً وعديمة القيمة سريرياً. والسؤال الذي يهمّ المريض ليس «هل الفرق موجود؟» بل «كم مقداره؟».

ما تقوله p-value فعلاً

الباحث الرابع أصاب. وصياغته الطويلة المحرجة هي التعريف الدقيق:

وثلاثة قيود في هذه الجملة تُحذف عادةً فيختلّ المعنى: أنها احتمال بيانات لا احتمال فرضية؛ وأنها تشمل ما هو أكثر تطرّفاً لا هذه النتيجة وحدها؛ وأنها مشروطة بسيناريو لا نعرف إن كان صحيحاً.

لماذا يهمّ هذا عملياً؟

حين تقرأ ورقة: لا تتوقّف عند p < 0.05. ابحث عن حجم الأثر وفترة الثقة. فورقة تقول «انخفض الخطر بفارق دالّ» بلا ذكر مقدار الانخفاض تخفي عنك ما تحتاجه لتقرّر.

حين تكتب نتائجك: اكتب p = 0.03 لا p < 0.05. وأرفقها دائماً بحجم الأثر وفترة ثقته. والصيغة التي يقبلها المحكّم: 4.2 mmHg (95% CI: 0.4 to 8.0; p = 0.03).

حين تردّ على محكّم: إن قال إن نتيجتك «غير دالّة فلا قيمة لها»، فالردّ ليس اعتذاراً. غياب الدلالة ليس إثباتاً لغياب الأثر — فقد تكون عينتك أصغر من أن تكشفه. وفترة الثقة تُظهر ذلك: فترة واسعة تعني أن دراستك لم تحسم الأمر، لا أنها نفت الأثر.

ما تقرؤه بجانب p-value

حجم الأثر (Effect Size): الرقم الذي يجيب عن «كم؟». فرقٌ في المتوسطات، أو نسبة أرجحية (Odds Ratio)، أو نسبة خطر (Hazard Ratio). وهو ما يقرّر إن كانت النتيجة تستحق تغيير ممارسة.

فترة الثقة (Confidence Interval): مدى القيم المتوافقة مع بياناتك. وهي أنفع من p-value لأنها تحمل معلومتين: هل الأثر دالّ (بأن لا تعبر الفترة القيمة الصفرية)، وما مدى دقّة تقديرك (باتّساعها أو ضيقها).

وفترة تمتدّ من 0.4 إلى 8.0 تقول: الأثر موجود على الأرجح، لكن مقداره الحقيقي قد يكون تافهاً وقد يكون كبيراً — ودراستك لم تحسم أيّهما. وهذه معلومة لا تعطيها p = 0.03 مهما تأمّلتها.

خلاصة تحملها معك

• p-value احتمال بيانات مشروط بفرضية، لا احتمال أن تكون الفرضية صحيحة
• «احتمال الصدفة» صياغة ناقصة تحذف الشرط الذي يعطي الرقم معناه
• صِغَر p-value لا يدلّ على قوة الأثر — فحجم العينة يحرّكها كما يحرّكها الأثر
• الـp-value لا تُقرأ ولا تُكتب وحدها: معها حجم الأثر وفترة الثقة دائماً
• عدم الدلالة ليس نفياً للأثر، بل قد يكون عجزاً عن كشفه