🎯 چطور عامل واقعی رو پیدا کنیم؟

یکی از خطرناک‌ترین جمله‌هایی که بعد از تحلیل داده می‌تونیم بگیم اینه:
«الف با ب ارتباط معنی‌دار داشت، پس احتمالاً الف باعث ب میشه.»
اینجا جاییه که باید یک قدم عقب بریم.
برگردیم به مثال خودمون:
☕️ قهوه بیشتر ← کنسر ریه بیشتر 🫁
ممکنه در نگاه اول قهوه مقصر به نظر برسه؛ اما بعد می‌بینیم افرادی که قهوه بیشتری می‌خورن، بیشتر هم سیگار می‌کشن.
حالا مسیر واقعی شاید این باشه:
🚬 سیگار ← مصرف بیشتر قهوه
🚬 سیگار ← کنسر ریه
یعنی قهوه فقط کنار صحنه جرم ایستاده بوده!
به این اتفاق مخدوشگری یا Confounding میگیم.

اما قسمتی که باید توجه کنیم اینجاست👇

🔍 قبل از تحلیل، دنبال عوامل مخدوشگر بگردید؛ نه بعد از دیدن P-value.
از خودتون بپرسید:
«چه عاملی ممکنه هم با مواجهه من ارتباط داشته باشه و هم روی پیامدم اثر بذاره؟»
سن؟ جنس؟ وضعیت اقتصادی؟ بیماری زمینه‌ای؟ شغل؟ سبک زندگی؟ مصرف دارو؟
جواب این سؤال رو باید از منطق علمی موضوع، مطالعات قبلی و طراحی پژوهش پیدا کنیم؛ نه صرفاً از خروجی SPSS.
⚠️ هر متغیر مرتبطی، لزوما عامل مخدوشگر نیست.
این خیلی مهمه.
عامل مخدوشگر نباید خودش بخشی از مسیر اثر الف روی ب باشه.
مثلاً اگر بخوایم اثر چاقی بر بیماری قلبی رو بررسی کنیم و فشارخون یکی از مسیرهایی باشه که چاقی از طریق اون به قلب آسیب میزنه، کنترل بی‌دلیل فشارخون ممکنه بخشی از اثر واقعی چاقی رو از تحلیل حذف کنه.
یعنی:
کنترل کردن بیشتر = تحلیل بهتر نیست.
گاهی حتی با کنترل کردن متغیر اشتباه، خودمون یه ارتباط کاذب می‌سازیم.
🔻 قبل از رگرسیون، رابطه‌ها رو بکشید.
حتی شده روی کاغذ:
X → Y
Z → X
Z → Y
همین سه تا فلش ممکنه بیشتر از ده صفحه خروجی نرم‌افزار کمک کنه بفهمیم چی رو باید کنترل کنیم.
در کارهای پیشرفته‌تر، همین منطق با DAG‌ها انجام میشه.
🧪 بعد، نتیجه خام و تعدیل‌شده رو کنار هم ببینید.
اول رابطه الف و ب رو بدون کنترل کردن ببینید؛ بعد مدل مناسب با عوامل مخدوشگر ازقبل‌مشخص‌شده رو اجرا کنید.
اگر برآورد اثر بعد از تعدیل تغییر کرد، باید بفهمیم چرا؛ نه اینکه صرفاً خوشحال بشیم که مدل جدید حرفه‌ای‌تر شده.

و یه نکته مهم‌تر:
🎲 بهترین راه مقابله با مخدوشگری، همیشه آماره؟ نه.
گاهی باید از همون طراحی پژوهش جلوش رو بگیریم:
تصادفی‌سازی در کارآزمایی‌ها، همسان‌سازی، محدودسازی یا طراحی درست نمونه‌گیری می‌تونن قبل از رسیدن داده به نرم‌افزار، بخشی از مشکل رو کنترل کنن.

✨ پس دفعه بعد که دیدید دو متغیر با هم ارتباط دارن، قبل از نوشتن نتیجه‌گیری یه سؤال ساده بپرسید:
«اگه این رابطه کارِ نفر سوم باشه چی؟»
چون در پژوهش،
کسی که کنار صحنه جرم دیده میشه، الزاماً مجرم نیست.

#فلسفه_نامه

📌 روابط عمومی کمیته تحقیقات و فناوری دانشجویی دانشگاه علوم‌پزشکی اردبیل

🆔 @arums_src