كيف تقرأ احتمالات أعراضك الخاصة: 7 من 9 مقابل 2 من 20

افتح سجلّ الأعراض والطقس بعد أسابيع قليلة من الاستخدام، والسؤال الذي يدور في ذهنك يكون تقريبًا نفسه دائمًا: هل سيكون الغد سيئًا؟ هذا السؤال بالتحديد — تنبؤ، رقم مُلصق بيوم لم يحدث بعد — ليس شيئًا يمكن لبياناتك، ولا لبيانات أي شخص آخر، أن تجيب عنه فعلاً. ما يمكن لبياناتك أن تجيب عنه، بمجرد أن يتوفر منها ما يكفي، أضيق نطاقًا وأكثر فائدة: في الأيام التي تشبه هذا اليوم من قبل، كم مرة ساءت الأمور بالنسبة لك، مقارنة بمدى سوئها في يوم عادي؟ تبدو تلك الإجابة أقرب إلى زوج من الكسور منها إلى عنوان رئيسي — سوء في 7 من آخر 9 أيام بعد انخفاض حاد في الضغط، وسوء في 2 من آخر 20 يومًا عاديًا — وتعلّم قراءة هذا الزوج بشكل صحيح هو معظم المهارة الفعلية وراء استخدام أي سجلّ صحي شخصي جيدًا. ملاحظة قبل البدء: هذه مادة معلوماتية، وليست استشارة طبية. MeteoHealth تطبيق لتتبّع العافية، وليس أداة تشخيص؛ فإذا كان العرض جديدًا أو شديدًا أو يزداد سوءًا، فذلك حديث يخوضه المرء مع طبيب، لا مع هذا المقال.

لماذا حكم السكان ليس حكمك أنت

يستحق أحد أكثر المحاولات دقّة لحسم مسألة الطقس والأعراض على مستوى السكان أن نتوقف عنده، لأن نتيجته تسير عكس ما يتوقع معظم الأشخاص الذين يتتبّعون أعراضهم الخاصة سماعه. تابع تسيبنهولتسر وزملاؤه 238 شخصًا مصابًا بالصداع النصفي يعيشون في نطاق 25 كم من محطة أرصاد جوية واحدة في فيينا، وطلبوا من كل منهم تدوين يوميات يومية لمدة 90 يومًا، ثم قارنوا تلك اليوميات بإحدى عشرة قياسًا جويًا إضافة إلى سبعة عشر وضعًا جويًا مصنّفًا سُجِّلت في الأيام نفسها (Zebenholzer et al., 2011). عدة إشارات بدت واعدة في التحليل الأول — قمة ضغط مرتفع، انخفاض في سرعة الرياح، تغيّر في مدة سطوع الشمس — لم تحافظ على دلالتها الإحصائية في التحليل النهائي. جاء استنتاج الباحثين أنفسهم صريحًا: الطقس مبالغ في تقدير أهميته إلى حدّ كبير كمحفّز للصداع، متأخرًا كثيرًا عن عوامل أكثر اعتيادية مثل التوتر، والحيض بالنسبة لكثير من المريضات. هذه عبارة غير مريحة يقتبسها تطبيق مبنيّ حول الطقس والأعراض، ومع ذلك تُقتبس هنا، لأنها بالضبط السبب في أهمية بقية هذا المقال. لو كان الطقس محفّزًا قويًا وموثوقًا عبر مجتمع كامل، لما احتاج السجلّ الشخصي إلى قراءة متأنية — لكان ببساطة يؤكّد المتوسط. لكنه لا يؤكّده، وتزيد دراسة ثانية من حدّة هذا التباين. من بين 77 شخصًا مصابًا بالصداع النصفي اختبرهم برنس وزملاؤه مقابل ظروف جوية مقيسة فعليًا، تبيّن أن نحو نصفهم حساس بشكل موضوعي لعامل جوي واحد على الأقل — لكن عدد المرضى الذين اعتقدوا أن الطقس محفّزهم كان أكبر مما دعمته القياسات (Prince et al., 2004). الاعتقاد هنا يسبق البيانات في الاتجاهين معًا: بعض الأشخاص المتيقّنين من تأثير الطقس عليهم لا تُظهر لهم الأرقام ذلك، وحكم «مبالغ فيه في المتوسط» لا ينفي أن يكون حقيقيًا لشخص بعينه داخل ذلك «النصف». المتوسطات والاعتقادات كلاهما الأداة الخاطئة للسؤال الفردي، ولذلك سبب محدد. وجد فيشر وميدالييا ويرونيموس، في عملهم عبر ست دراسات ذات قياسات متكررة، أن التباين حول القيمة المتوقَّعة كان أكبر بمقدار مرتين إلى أربع مرات داخل الأفراد منه بين المجموعات (Fisher, Medaglia & Jeronimus, 2018). حجّتهم الأوسع هي: أن نتيجة على مستوى المجموعة تنتقل بشكل نظيف إلى الفرد فقط فيما يسميه الإحصائيون عملية إرغوديّة — أي عملية يشترك فيها النمط بين الأشخاص مع النمط داخل شخص واحد عبر الزمن في الشكل نفسه — والعمليات النفسية مثل تقلّب الأعراض ليست عادةً إرغودية. لم تُصمَّم دراسة سكانية قط، مهما بلغت جودة إجرائها، لتجيب عن سؤال «ماذا يحدث لي أنا». السجلّ الشخصي ليس بديلاً أقلّ شأنًا لتلك الإجابة؛ بل هو أقرب إلى الأداة الوحيدة القادرة على تقديمها. للحصول على الصورة السكانية الأوفى وراء حكم «مبالغ فيه» هذا، يتعمّق مقالا الحساسية للطقس: ماذا يقول العلم فعلاً والضغط الجوي والصداع: الآلية وماذا تفعل في نقاش الآليات — ويكمل هذا المقال من حيث توقّف كلاهما.

الترددات الطبيعية: لماذا تتفوّق «7 من 9» على «78%»

حتى عندما يقبل المرء أن سجلّه الخاص هو المكان الصحيح للنظر فيه، فإن طريقة عرض ذلك السجلّ قد تُبطل التمرين كلّه. كتب غيغرنزر وزملاؤه، وهم يراجعون مدى سوء إيصال إحصاءات الصحة عبر الطب، بصراحة أن كثيرًا من الأطباء والمرضى والصحفيين والسياسيين على حدّ سواء لا يفهمون ما تعنيه إحصاءات الصحة أو يستخلصون استنتاجات خاطئة دون أن يلاحظوا ذلك — أُميّة إحصائية جماعية، عجز واسع الانتشار عن فهم معنى الأرقام (Gigerenzer et al., 2007). الحلّ الذي يقترحونه صيغة محددة، تكاد تكون قديمة الطراز: الترددات الطبيعية، أي الطريقة التي كان البشر يرمّزون بها المعلومات قبل اختراع الاحتمالات الرياضية في منتصف القرن السابع عشر — أعداد بسيطة غير مُطبَّعة بالنسبة إلى المعدّلات الأساسية، على خلاف الترددات النسبية والاحتمالات الشرطية، ولهذا السبب أسهل بكثير على الدماغ أن يهضمها. مثالهم القياسي سيناريو تصوير الثدي الشعاعي: مع انتشار للسرطان نسبته 1%، وحساسية اختبار 90%، ونسبة إيجابيات كاذبة 9%، فإن معظم من يُسألون عن معنى نتيجة إيجابية يبالغون كثيرًا في تقدير احتمال الإصابة بالسرطان. وحين تُعرَض هذه الأرقام كترددات طبيعية على 1000 امرأة، تتضح الصورة سريعًا. من بين الـ1000، تُصاب 10 فعليًا بالسرطان، ونحو 9 من هؤلاء العشر تظهر نتيجة اختبارهنّ إيجابية. ومن بين الـ990 غير المصابات، تظهر نتيجة إيجابية أيضًا لدى نحو 89 منهنّ، بوصفها إنذارات كاذبة بحتة. اجمع المجموعتين وستحصل على نحو 98 امرأة تظهر لديهنّ نتيجة إيجابية إجمالاً — من بينهنّ 9 فقط، أي نحو 1 من كل 10، مصابات فعليًا بالسرطان. تجمع هذه الترددات الطبيعية الأربعة إلى المجموع الحقيقي البالغ 1000، في حين أن الاحتمالات الشرطية المكافئة لا تجمع إلى 100% — إذ يُطبَّع كل زوج على حدة بالنسبة إلى معدّله الأساسي الخاص، وتلك بالضبط هي الخطوة التي تُخفي ما يجري. رقم مثل «نتيجة إيجابية تعني احتمالًا يقارب 90% للإصابة بالسرطان» يبدو دقيقًا ولا يمكن لأي قارئ أن يتحقق منه. أما «9 من أصل 98 ممن ظهرت نتيجتهم إيجابية مصابون فعليًا بالسرطان» فحساب يمكن لأي شخص أن يعيده. المنطق نفسه ينتقل مباشرة إلى سجلّ طقس شخصي. «سوء في 7 من آخر 9 أيام شهدت انخفاضًا حادًا في الضغط» تردد طبيعي: رقمان صحيحان، وتسعة أيام حقيقية عاشها المرء فعلاً، وحساب يمكن التحقق منه مقابل يومياتك الخاصة. أما «احتمال 78% ليوم سيئ عند انخفاض الضغط» فهو الحقيقة نفسها مرتدية زيًّا يخفي الرقم 9 — ويدعوك إلى التوقف عن التساؤل عمّا وراءه.

الرقم الذي لا يعني شيئًا من دون توأمه

حتى تردد طبيعي واضح مثل «7 من 9» جملة غير مكتملة بمفرده، وهنا بالضبط يخطئ معظم التتبّع الشخصي، داخل تطبيق أو خارجه، بهدوء. سبعة أيام سيئة من تسعة أيام شهدت انخفاض ضغط تبدو دراماتيكية بمفردها. أما هل تقول شيئًا عن الضغط فيعتمد كليًا على رقم لا بد أن يقف مباشرة بجانبها: كم مرة يمرّ الشخص نفسه بيوم سيئ حين لا يحدث شيء بعينه — يوم عادي، مُسجَّل بالطريقة نفسها، دون تغيّر ملحوظ في الضغط. لنفترض أن عدد الأيام السيئة العادية جاء 2 من 20. ضع الكسرين جنبًا إلى جنب: نحو 78% من أيام انخفاض الضغط كانت سيئة (7 من 9)، مقابل 10% من الأيام العادية (2 من 20). هذه فجوة حقيقية وملموسة، والفجوة — لا رقم «7 من 9» الخام وحده — هي ما يقوم فعليًا بعمل الإشارة إلى نمط. الآن غيّر عدد الأيام العادية فقط وشاهد كيف ينقلب الاستنتاج. لنفترض أن الأيام العادية جاءت بدلاً من ذلك 15 يومًا سيئًا من 20 — شخص يمرّ عمومًا بفترة صعبة، لأسباب قد لا تتعلّق بالطقس البتة. لا تزال نسبة أيام انخفاض الضغط 7 من 9، لا تزال نحو 78%. لكن نسبة الأيام العادية أصبحت الآن 75% — 15 من 20 — قريبة بما يكفي لتصبح الفجوة بين المجموعتين معدومة تقريبًا. الرقم نفسه الذي يصلح عنوانًا، «سوء في 7 من 9 أيام انخفاض الضغط»، يصف وضعين مختلفين تمامًا بحسب شكل الأيام الأخرى: في الحالة الأولى يشير إلى الضغط، وفي الثانية لا يشير إلى شيء يُذكر تقريبًا، لأن هذا الشخص ببساطة يمرّ حاليًا بأيام سيئة أكثر من الجيدة، بصرف النظر عن الطقس. تردد مجرد يُذكر لحالة واحدة ليس نتيجة بعد. يصبح كذلك فقط حين يُقارَن بالتردد المطابق لأيام دون تلك الحالة، مُحتسَبًا بالطريقة نفسها على الجانبين. تُقدَّم لمحة عن معنى «يوم انخفاض ضغط» أصلاً ضمن هذا النوع من الحساب في دراسة يوميات يابانية: دوّن أوكوما وزملاؤه يوميات يومية لـ34 شخصًا مصابًا بالصداع النصفي، ووجدوا أن النوبات تتجمّع في الأيام التي انخفض فيها الضغط الجوي إلى نحو 1003–1007 hPa، أي بمقدار 6 إلى 10 hPa تحت المرجع القياسي 1013 hPa (Okuma et al., 2015). يختلف الانخفاض الدقيق الذي له أثر باختلاف الشخص والموسم، لكن شكل المقارنة نفسه — أيام الانخفاض مقابل الأيام العادية، محتسَبة بالطريقة نفسها — هو الجزء القابل للتعميم.

لماذا يصبح الاختبار نفسه خيارًا عند هذا الحجم

هناك تعقيد إضافي في الانتقال من «هذان الكسران يبدوان مختلفين» إلى «مختلفان بما يكفي لألا يكون ذلك على الأرجح صدفة». عند أحجام العينات التي يمتلكها سجلّ شخصي مبكّر فعلاً — حفنة من أيام انخفاض الضغط مقابل بضع عشرات من الأيام العادية — لا يعود الاختبار الإحصائي المستخدَم لمقارنة عددين مجرّد إجراء شكلي تعالجه أي طريقة جاهزة بالطريقة نفسها. وجدت مراجعة أجراها كامبل لاختبار كاي تربيع واختبار فيشر–إروين على جداول صغيرة من نوع 2×2 أن الخيار الأفضل أداءً عمومًا كان نسخة مصحَّحة من كاي تربيع — ما يُعرف باختبار «N−1» — كلّما كان أصغر عدد متوقَّع في الجدول 1 على الأقل، مع الرجوع إلى اختبار فيشر–إروين الدقيق وفق قاعدة إروين دون ذلك (Campbell, 2007). يستحق هذا التوقّف عنده: كانت الإرشادات الأقدم والأكثر شيوعًا تشترط حدًّا أدنى للعدد المتوقَّع لا يقلّ عن 5 في كل خلية قبل الوثوق باختبار كاي تربيع العادي — وهو حدّ لا يبلغه لفترة سجلّ يضمّ 9 أيام انخفاض ضغط، وخلية «يوم سيئ» من إدخالين أو ثلاثة. لا يعني شيء من هذا أن اختبار كاي تربيع العادي خاطئ خفية، أو أن الاختبار الدقيق هو الخيار الصحيح الوحيد في كل مكان؛ بل يعني أنه عند 9 أيام، أو 20، أو 30، يتوقف اختيار الاختبار عن كونه تفصيلاً هامشيًا ويصبح قرارًا له عواقب حقيقية على ما إذا كانت الفجوة بين كسرين تُوصَف بأنها ذات دلالة. الميل نحو الخيار الأكثر تحفّظًا عند هذا الحجم يميل إلى التقليل من شأن نمط ما بدلاً من المبالغة فيه — وهو الاتجاه الأكثر أمانًا للوقوع في الخطأ فيه. وهذا أيضًا سبب إضافي يجعل نسبة مئوية منفردة، معروضة من دون الأعداد الأساسية وراءها، تستحق التمحيص نفسه الذي يستحقه أي ادّعاء حسابي آخر غير مُتحقَّق منه.

الأيام غير المُسجَّلة لا تُحتسَب

هناك نمط فشل لا يستطيع أي اختبار إحصائي إصلاحه بأثر رجعي، لأنه يقع قبل ذلك، عند لحظة التسجيل. إذا كان سجلّ الأعراض لا يتلقّى إدخالاً إلا في الأيام التي تبدو أصلاً ملحوظة — صداع شديد، ليلة صعبة، يوم يستحق الشكوى منه — فإن مقارنة الأيام العادية من القسم السابق لا وجود لها من حيث البنية، ليس لأن الأيام العادية كانت نادرة، بل لأن أحدًا لم يدوّنها. أيًّا كان التردد الناتج عن سجلّ مبني بهذه الطريقة، فسيبدو أسوأ من الواقع، بشكل منهجي، لأن المقام يفتقد أكبر فئاته وأكثرها اعتيادية. هذا شريحة أضيق من انضباط تسجيل أوسع — ماذا تُسجّل، وإلى أي مدى قريب من اللحظة، وكيف تمنع الذاكرة من تحرير السجلّ بهدوء — يُتناول بالكامل في كيف تحتفظ بيوميات أعراض تجد محفّزاتك فعلاً. النسخة المختصرة هنا: يوم عادي، مُسجَّل ببساطة، إدخال بنفس قيمة اليوم السيئ بالضبط، لأنه الشيء الوحيد الذي يحوّل «7 أيام سيئة» إلى كسر له معنى فعلاً.

حين تكون الإجابة «لا يوجد نمط» — ولماذا تبقى هذه إجابة

بمجرد أن يتوفّر في السجلّ عدد كافٍ من الأيام العادية، يحدث أحد أمرين، ولا يصلح للعنوان الرئيسي المُرضي سوى واحد منهما. أحيانًا تنفصل نسبة أيام انخفاض الضغط ونسبة الأيام العادية فعلاً — أقرب إلى المثال الحسابي الأول أعلاه منه إلى الثاني — وتلك نتيجة حقيقية ومفيدة شخصيًا. وبالقدر نفسه من التكرار، تنتهي أسابيع من التسجيل الدقيق أقرب إلى المثال الثاني: تستقر النسبتان قريبتين بما يكفي لألا توجد فجوة ذات معنى بينهما، ما يعني بلغة بسيطة أن انخفاضات الضغط لا تبدو ذات أثر يُذكر بالنسبة لهذا الشخص تحديدًا. تتّسق هذه النتيجة مع ما وجده تسيبنهولتسر وزملاؤه على مستوى السكان، حيث لم تصمد عدة إشارات بدت حقيقية في التحليل الأول أمام التحليل النهائي، وتستحق أن تُؤخذ بالجدّية نفسها التي تُؤخذ بها النتيجة المعاكسة تمامًا. الفجوة التي تنغلق عند التمحيص ليست تجربة فاشلة — بل هي العملية نفسها التي كانت ستكتشف فجوة حقيقية، وهي تُبلغ الآن، بشكل صحيح، أن هذه الفجوة بعينها غير موجودة. قراءة «لا يوجد نمط» على أنها خيبة أمل بدلاً من معلومة هي العقلية نفسها التي تسمح للارتباطات الوهمية بالبقاء أصلاً: فهي تواصل البحث عن النمط الذي كانت تتوقّعه بدلاً من قبول النمط الذي تُظهره الأعداد فعليًا.

ما يظهر فعلاً في التطبيق

دور MeteoHealth في كل هذا ضيّق عن قصد. يسجّل التطبيق الأعراض جنبًا إلى جنب مع الطقس وبيانات Apple Health لليوم نفسه، وبمجرد أن يتراكم تاريخ كافٍ، يعرض ترددًا شخصيًا — أيام سيئة بعد انخفاض الضغط — إلى جانب التردد المطابق للأيام العادية مباشرة، كأعداد لا كنسبة مئوية منفردة. وطالما لا يزال السجلّ قصيرًا، يخبرك التطبيق بعدد الإدخالات الإضافية التي ستجعل تلك المقارنة تستحق القراءة، بدلاً من تقديم رقم مبكرًا وترك الأمر لك لتفترض أنه يعني شيئًا بالفعل. تُنفَّذ الحسابات على الجهاز نفسه، على بيانات لا تحتاج إلى مغادرة الهاتف لتكون مفيدة. لا شيء من هذا يرقى إلى تشخيص أو تنبؤ: التطبيق لا يُشخّص حالة، ولا يتنبأ بالغد، ولا يخبرك بما تسبّب في يوم سيئ. إنه يُظهر شكل أيامك الخاصة، جنبًا إلى جنب، ويترك قراءة تلك المقارنة حيث ينبغي أن تكون — مع رقمين وحساب يمكن لأي شخص أن يعيده. قد يكون الطقس مرتبطًا بحال شخص بعينه، وقد لا يكون. الطريقة الوحيدة لمعرفة أيّ الاحتمالين صحيح لجسد بعينه هي النظر إلى أيام ذلك الجسد نفسها، مُحتسَبة على نحو صحيح، مقارنة بالأيام العادية التي تُقارَن بها.