دراسة تشمل 1.9 مليون سجل صحي تسلط الضوء على حدود البيانات الضخمة في البحث الطبي

قدمت دراسة صحية فحصت السجلات الصحية الإلكترونية لـ 1.9 مليون فرد رؤية جديدة حول قدرات البيانات السكانية الضخمة والقيود الهيكلية التي تواجهها في البحث الطبي. وقارنت الدراسة، التي نُشرت في 14 سبتمبر 2026، بشكل منهجي بين تعاريف الأمراض، واستخدام الأدوية، ومعدلات انتشار السرطان المستمدة من السجلات السريرية الروتينية، والبيانات المعتمدة في مبادرات البنوك الحيوية الكبرى. وفي حين أن توسيع حجم المجموعة المشمولة بالدراسة يوفر قوة إحصائية كبيرة لكشف الحالات الصحية النادرة، فإن النتائج تظهر أن زيادة حجم العينة لا تؤدي بذاتها إلى القضاء على النقص المنهجي في البيانات، أو أخطاء التصنيف التشخيصي، أو تحيزات الاختيار المدمجة في التوثيق السريري اليومي.

## حقائق رئيسية - حللت دراسة صحية على مستوى السكان السجلات الصحية الإلكترونية (EHR) لـ 1.9 مليون فرد لتقييم العلاقة بين حجم العينة والموثوقية الوبائية. - قارن الباحثون النتائج الصحية، ومعدلات انتشار السرطان، واستخدام أدوية الوصفات الطبية المستمدة من بيانات EHR مع مجموعات بيانات البنوك الحيوية الدولية المعتمدة. - كشف التحليل أن توسيع نطاق العينة لا يمكن أن يعوض عن عدم الدقة الهيكلية، أو المتغيرات السريرية المفقودة، أو الترميز التشخيصي غير المتسق. - أظهرت أساليب التنميط الظاهري الإلكتروني القائمة على أنظمة الترميز الإدارية توافقاً متفوتاً مع المؤشرات الحيوية المعتمدة عبر فئات الأمراض المختلفة. - تسلط الدراسة الضوء على ضرورة الربط بين البيانات السريرية الواقعية واسعة النطاق والمجموعات الاستقراءية ذات الخصائص المحددة بدقة لمنع النتائج المضللة في البحوث الصحية.

## ماذا حدث أجرت الدراسة المُعلنة حديثاً تحليلاً مقارناً شاملاً باستخدام مجموعة بيانات السجلات الصحية الإلكترونية التي تضم 1.9 مليون فرد للتحقيق في كيفية تأثير حجم العينة على دقة استنتاجات البحوث الصحية. ووفقاً لتقرير نشره موقع News-Medical.net، قَيَّم الباحثون أمراضاً محددة تم تعريفها من خلال السجلات الإلكترونية وقارنوا معدلات انتشارها وتطورها وأنماط علاجها بالسجلات الواردة من البنوك الحيوية الدولية المعتمدة.

ركز البحث بشكل خاص على محاور رئيسية ثلاثة للبيانات السريرية: موثوقية التعاريف الإلكترونية للأمراض، وأنماط إعطاء الأدوية، ومعدلات انتشار السرطان المسجلة. ولتعريف الأمراض ضمن مجموعات البيانات السريرية الواقعية، يقوم الباحثون الصحيون عادةً ببناء أنماط ظاهرية إلكترونية باستخدام مزيج من رموز الفواتير الخاصة بالتصنيف الدولي للأمراض (ICD)، ونتائج الفحوصات المختبرية السريرية، وملاحظات الأطباء. ومع ذلك، عند تقييم هذه التعاريف الإلكترونية عبر مجتمع يضم ما يقرب من مليوني فرد، حدد الباحثون تباينات مستمرة بين أنماط الترميز السريري وحالة المرض الموثقة.

وفي تقييم استخدام الأدوية، فحصت الدراسة مدى عكس سجلات صرف الوصفات الطبية وأوامر مقدمي الرعاية الصحية للاستهلاك الفعلي للدواء. وأظهر التحليل المقارن أنه بينما تتيح أحجام العينات الضخمة للباحثين ملاحظة الآثار الجانبية النادرة للأدوية وتركيبات الوصفات الطبية غير التكرارية، فإن السجلات الإدارية غالباً ما تفتقر إلى تسجيل استخدام الأدوية دون وصفة طبية، وتفاصيل الاستخدام غير المعتمد رسمياً (off-label)، وعدم التزام المرضى بالتعليمات.

وبالمثل، عند تقييم معدلات انتشار السرطان، قارن الباحثون توثيق الأورام في السجلات الإلكترونية الروتينية بسجلات السرطان المخصصة والمتابعة الاستقراءية للبنوك الحيوية. وأكدت المقارنة أن السجلات الإدارية الروتينية تعاني غالباً من تأخر التقارير، وتحديد مواقع الأورام الأولية بشكل خاطئ، ونقص معلومات تحديد المراحل مقارنة بقواعد البيانات المتخصصة في علم الأورام. وتظهر النتائج أنه على الرغم من أن زيادة عشيرة الدراسة إلى ملايين السجلات تعزز الدقة الإحصائية، فإنها في الوقت نفسه تضخم الضوضاء الإدارية غير العشوائية إذا أطر جمع البيانات الأساسية غير معيرة.

## أهمية الأمر تحمل النتائج عواقب مباشرة على هيكل البحوث البيوميديكية، ومسارات تطوير الأدوية، ونشر الذكاء الاصطناعي في أنظمة الرعاية الصحية. على مدى العقد الماضي، استثمرت مؤسسات الصحة العامة وشركات الأدوية وشركات التكنولوجيا الحيوية مليارات الدولارات في استحواذ وتحليل مجموعات البيانات الواقعية الضخمة. وكانت الفرضية الأساسية التي تستند إليها هذه الاستثمارات هي أن الحجم المجرد يمكن أن يتغلب على الضوضاء المتأصلة في السجلات الإدارية السريرية غير الهيكلية.

تثبت هذه الدراسة أن القوة الإحصائية المستمدة من أحجام العينات الكبيرة لا يمكن أن تكون بديلاً عن جودة البيانات والتنميط الظاهري الدقيق. وعندما يدرب الباحثون خوارزميات التنبؤ أو يقيمون فعالية الأدوية على مجموعات بيانات غير موثقة لملايين المرضى، فإن التحيزات المنهجية لا تتلاشى؛ بل تتضخم. ويمكن أن يؤدي الخلل في تصنيف حالة المرض أو التتبع غير الكامل للالتزام بالدواء إلى قيام نماذج التعلم الآلي بتحديد ارتباطات زائفة، مما قد يوجه تصميمات التجارب السريرية بشكل خاطئ أو يضلل إرشادات الصحة العامة.

علاوة على ذلك، بالنسبة لاقتصاديي الصحة والهيئات التنظيمية مثل إدارة الغذاء والدواء الأمريكية (FDA) ووكالة الأدوية الأوروبية (EMA)، تسلط النتائج الضوء على حدود الاعتماد الفردي على الأدلة الواقعية (RWE) لمراقبة الأدوية بعد التسويق أو توسيع نطاق الاستخدام. وفي حين تظل البيانات الواقعية ضرورية لاستيعاب فئات سكانية متنوعة خارج التجارب السريرية المحددة، فإن القرارات التنظيمية تتطلب تعاريف تشخيصية موثقة لا توفرها مجموعات البيانات الإدارية الكبيرة تلقائياً.

## الخلفية أعاد ظهور أبحاث البنوك الحيوية وتحليلات البيانات الواقعية على مدى العقدين الماضيين تشكيل منهجية علم الأوبئة. تاريخياً، اعتمدت البحوث الطبية على دراسات المجموعات الاستقراءية (prospective cohort studies)، مثل دراسة فرامينغهام للقلب (Framingham Heart Study) التي بدأت عام 1948 أو دراسة صحة الممرضات (Nurses' Health Study) التي أطلقت عام 1976. ضمت هذه المجموعات الكلاسيكية آلاف المشاركين وجمعت قياسات بدنية معيارية، وعينات بيولوجية، واستبيانات مفصلة عن نمط الحياة بفترات منتظمة. وعلى الرغم من دقتها العالية، فإن المجموعات الاستقراءية مكلفة في صيانتها، ومحدودة في حجم العينة، وبطيئة في تقديم النتائج للأمراض النادرة.

ولمعالجة هذه القيود، أنشأت المؤسسات العلمية العالمية بنوكاً حيوية على مستوى السكان مدمجة بالتتبع الصحي الرقمي. وتتضمن الأمثلة البارزة UK Biobank الذي تأسس عام 2006، والذي استقطب 500,000 مشارك بالغ في جميع أنحاء المملكة المتحدة وربط ملفاتهم الجينية بسجلات هيئة الخدمات الصحية الوطنية (NHS) الإلكترونية. وفي الولايات المتحدة، أطلقت المعاهد الوطنية للصحة برنامج All of Us البحثي عام 2018 بهدف تسجيل مليون مشارك متنوع أو أكثر، بينما أنشأت وزارة شؤون المحاربين القدامى برنامج Million Veteran Program (MVP) عام 2011 لتحليل البيانات الجينية والسريرية للمحاربين القدامى. وفي أوروبا، جمعت مبادرات مثل FinnGen في فنلندا بين البيانات الجينومية وسجلات الرعاية الصحية الوطنية عبر أكثر من 500,000 فرد.

بالتزامن مع ذلك، أدى الاعتماد الواسع النطاق للسجلات الصحية الإلكترونية المدفوع بتشريعات مثل قانون HITECH لعام 2009 في الولايات المتحدة إلى إنشاء مستودعات ضخمة من البيانات السريرية الروتينية. وطور الباحثون خوارزميات التنميط الظاهري الإلكتروني الآلي لتحويل السجلات الطبية المعقدة إلى تصنيفات أمراض معيارية باستخدام أنظمة الترميز مثل ICD-9 وICD-10 وSNOMED CT. وظهرت دراسات الترابط على مستوى النمط الظاهري (PheWAS) كمنهجية شائعة لفحص ملايين المخططات الطبية للمرضى للبحث عن الروابط الجينية لمئات الأمراض في وقت واحد.

ومع ذلك، طالما حذر علماء الأوبئة من الفروق الهيكلية الأساسية بين البنوك الحيوية المخصصة للبحث وبيانات الرعاية الصحية الإدارية. إذ يتم إنشاء السجلات الصحية الإلكترونية السريرية في المقام الأول لرعاية المرضى والفواتير المالية، وليس للبحث العلمي. ونتيجة لذلك، يخضع إدخال البيانات لحوافز الفواتير، وعادات التوثيق الخاصة بالمستشفيات، والتحولات التشخيصية، والتفاصيل السريرية المفقودة عندما يطلب المرضى الرعاية خارج شبكة مستشفى معينة.

## ردود الفعل في حين تظل البيانات المؤسسية الرسمية عقب نشر الدراسة محدودة، فإن النتائج تعزز النقاشات المستمرة منذ فترة طويلة بين المختصين في المعلوماتية العلمية، وعلماء الأوبئة، ومديري البنوك الحيوية. وقد دعا كبار الباحثين الكميين مراراً وتكراراً إلى توخي الحذر بشأن الاعتماد غير الناقد على قواعد بيانات السجلات الطبية الإلكترونية الضخمة دون التحقق الاستقراءي المتزامن.

ومن المتوقع أن يستجيب علماء الأوبئة وعلماء الأحياء الحوسبية من خلال الدعوة إلى أطر بحثية هجينة تجمع بين الاتساع الإحصائي للسجلات الصحية الإلكترونية واسعة النطاق والخصائص العملاقة والمعيارية الموجودة في البنوك الحيوية الاستقراءية. كما يُتوقع أن تستخدم المؤسسات الأكاديمية والتحالفات البحثية المشاركة في توحيد البيانات الصحية الدولية هذه النتائج للضغط من أجل إرساء معايير أكثر صرامة للتنميط الظاهري الإلكتروني.

بالإضافة إلى ذلك، يواجه مزودو تحليلات الرعاية الصحية ومطورو الأدوية البيولوجية ضغوطاً متزايدة من المراجعين العلميّين والهيئات التنظيمية لإثبات أن نماذجهم التحليلية واسعة النطاق تأخذ في الاعتبار نقص البيانات والتصنيف التشخيصي الخاطئ بدلاً من افتراض أن حجم السكان وحده يضمن الصحة والموثوقية.

## ما لا نعرفه بعد تظل العديد من التفاصيل الحيوية المتعلقة بالمنهجية الدقيقة للدراسة والنتائج التجريبية غير واضحة في الملخص الأولي. ولم يتم تفصيل الانتماءات المؤسسية المحددة لفريق البحث الرئيسي ولا مكان النشر المراجع من قبل الأقران في التغطية المتاحة.

علاوة على ذلك، يترك التقرير المجال مفتوحاً بشأن فئات الأمراض المحددة التي أظهرت أعلى معدلات التباين التشخيصي عند مقارنتها بسجلات البنوك الحيوية القياسية. ومن غير معروف حالياً ما إذا كانت الحالات الأيضية المزمنة، مثل السكري من النوع الثاني وارتفاع ضغط الدم، قد أظهرت توافقاً أعلى بين السجلات الصحية الإلكترونية وبيانات البنوك الحيوية مقارنة بالاضطرابات العصبية أو المناعية الذاتية أو النفسية المعقدة.

كما لم يحدد التقرير التركيبة الجغرافية الدقيقة لمجتمع الدراسة البالغ 1.9 مليون شخص، ولا يوضح ما إذا كانت السجلات السريرية مستمدة من نظام صحي مركزي واحد أم مجمعة عبر عدة مزودي رعاية صحية مستقلين. وتعتبر معرفة هذه المعلمات الديموغرافية والهيكلية أساسية لتحديد مدى انطباق نتائج الدراسة بشكل عام عبر بنيات الرعاية الصحية الدولية.

## ما يجب مراقبته ستركز التطورات الرئيسية في أعقاب هذا البحث على التحديثات المنهجية في علوم البيانات الصحية والمعايير التنظيمية المتطورة. وسيتابع الباحثون وعلماء البيانات النشر الكامل للدراسة المراجعة من قبل الأقران لتقييم نماذجها الإحصائية المحددة ومعدلات الخطأ وخوارزميات التنميط الظاهري.

في القطاع العام، ستراقب السلطات الصحية وشبكات البحوث الطبية التحديثات في نماذج البيانات المشتركة التي طورها التعاون مثل Observational Health Data Sciences and Informatics (OHDSI) وشبكة Patient-Centered Outcomes Research Network (PCORnet). وسيكون اعتماد بروتوكولات التنميط الظاهري الإلكترونية المعيارية عبر هذه الشبكات بمثابة اختبار عملي لكيفية استجابة مجتمع البحث للحدود المحددة لجودة البيانات.

ينبغي للمراقبين أيضاً متابعة وثائق الإرشادات التنظيمية القادمة من FDA وEMA بشأن معايير تقديم الأدلة الواقعية. وسوف تشكل مدى فرض الهيئات التنظيمية متطلبات تحقق أكثر صرامة لمجموعات البيانات الواقعية المستخدمة في مراقبة سلامة الأدوية وتطبيقات توسيع نطاق الاستخدام مؤشراً حاسماً على الأثر السياسي للدراسة.

يستند هذا التقرير إلى التغطية الإخبارية الأصلية التي نشرها موقع News-Medical.net.