I² = 89%
لو شفت الرقم ده في الـ meta-analysis بتاعتك — ومش عارف تعمل إيه — ده المقال اللي محتاجه.
الـ Heterogeneity مش مجرد رقم في أسفل الـ Forest Plot. هي السؤال الحقيقي اللي بيتحدى صحة نتيجتك كلها.
إيه هو الـ Heterogeneity؟
لما بتجمع نتائج دراسات مختلفة في meta-analysis، مش هتلاقي كل الدراسات بتقول نفس الكلام بنفس القدر.
الاختلاف ده بين الدراسات — هو الـ heterogeneity.
في نوعين:
- Clinical Heterogeneity: اختلاف في المرضى، التدخل، النتائج
- Methodological Heterogeneity: اختلاف في تصميم الدراسات وجودتها
- Statistical Heterogeneity: الاختلاف اللي بيقيسه الـ I²
إزاي بتقيسه؟
الـ Q Test (Cochrane's Q)
بيختبر هل الاختلاف بين الدراسات أكبر من اللي ممكن يتفسر بالصدفة.
p < 0.1 = heterogeneity significant (مش 0.05 — لأن الـ Q test عنده power منخفضة)
الـ I² Statistic
بيقول النسبة المئوية من التباين الكلي اللي بسبب الـ heterogeneity مش الصدفة:
- I² = 0-25٪ → منخفضة
- I² = 25-50٪ → متوسطة
- I² = 50-75٪ → عالية
- I² > 75٪ → عالية جداً — لازم تتوقف وتسأل ليه
لو I² عالي — إيه اللي تعمله؟
١. Random Effects Model بدل Fixed Effects
Fixed effects بيفترض إن في effect حقيقي واحد لكل الدراسات. Random effects بيفترض إن كل دراسة عندها effect مختلف شوية. لو I² عالي → random effects هو الأمن.
٢. Subgroup Analysis
قسّم الدراسات لمجموعات حسب:
- نوع المرضى (أطفال / بالغين)
- نوع التدخل (جرعة عالية / منخفضة)
- جودة الدراسة (RCT / observational)
وشوف هل الـ heterogeneity بتقل في المجموعات الفرعية
٣. Meta-Regression
لو عندك بيانات كافية — ابحث عن المتغير اللي بيفسر الاختلاف بين الدراسات
٤. Sensitivity Analysis
اشيل الدراسات الـ outliers وشوف هل النتيجة بتتغير
I² = 89٪ مش فشل في بحثك. هو اكتشاف مهم — لو عرفت تفسره صح.
طيب إيه اللي تعمله دلوقتي؟
راجع الـ I² في نتائجك. لو فوق 50٪ وعندك شك في التفسير — Naggar Analytics بتقدم تحليل heterogeneity كامل مع subgroup analysis وتفسير مكتوب جاهز للورقة البحثية.