Pharmacy Platform

وكمان مهم جدًا نسجل إمتى المريض أخد آخر جرعة من دواء الضغط، لأن توقيت القياس بالنسبة للجرعة ممكن يكون مهم جدًا في تفسير القراءة. خامس حاجة: مانعتمدش على قراءة واحدة. دي من أهم النقاط النهاردة، لو واحد دخل العيادة وطلع ضغطه 150/95، مش معنى كده تلقائيًا إننا نقول له "أنت hypertensive" بناءً على الرقم ده فقط. الأفضل إننا ناخد على الأقل قراءتين ونستخدم متوسطهم، والأهم إن القياسات تكون على زيارتين أو أكثر عند تقييم مستوى ضغط الدم، لأن الضغط بيتغير طبيعيًا من لحظة للتانية ومن يوم للتاني. وده كمان بيساعدنا نقلل تأثير الـ white coat effect. وهنا آخر نقطة مهمة جدًا: لو قياس الضغط اتعمل بطريقة مختلفة عن الكلام ده، بنسميه nonstandardized أو casual أو low-quality BP measurement.. وده مش معناه إن الرقم بالضرورة غلط 100%، لكن معناه إن احتمال الخطأ أعلى، وعلشان كده ماينفعش نعتمد على قراءة عشوائية اتاخدت والمريض واقف أو بيتكلم أو لسه داخل العيادة او الصيدلية أو الـcuff مش مناسب ونبني عليها تشخيص hypertension بسهولة. خصوصًا إن تشخيص الضغط قرار مهم جدًا وبيترتب عليه علاج طويل المدى، فإحنا عايزين القراءة نفسها تكون موثوقة قبل ما نقول إن المريض hypertensive. Ref: up to date | Hypertension in adults _____ ✅️ دة كان أول موضوع بسيط كمدخل لينا في موضوعنا، ونستكمل المرة الجاية ان شاء الله.. لا تنسونا من صالح دعائكم. #Hypertension

بسم الله الرحمن الرحيم نبدأ إن شاء الله من اليوم سلسلة ال Hypertension من الصفر، يمكن الموضوع دة بالذات هيطول معانا شوية لاننا هنمسكه حتة حتة لحد ما نشوف approach العلاج لكل حالة ونبقى متمكنين فيها إن شاء الله وقبل ما نتكلم في اي تفاصيل لازم في البداية نعرف إزاي نقيس ضغط الدم بطريقة صح؛ لأن ببساطة لو طريقة القياس نفسها غلط، ممكن نطلع بقراءة ضغط عالية أو منخفضة بشكل كاذب، وبالتالي نشخّص المريض غلط أو نبدأ علاج مش محتاجه. أول حاجة بالنسبة للجهاز نفسه، الأفضل إننا نستخدم جهاز ضغط أوتوماتيك ومُعتمد ومُتحقق من دقته (validated automated BP device)، يعني مش أي جهاز إلكتروني وخلاص؛ لازم يكون الجهاز اتعمل له validation يثبت إنه بيدي قراءات موثوقة، والجهاز نفسه المفروض يتم التأكد من دقته دوريًا حسب تعليمات الشركة على الأقل مرة سنويًا. ولو الجهاز الأوتوماتيك مش متاح، أو مش مناسب في بعض الحالات زي المريض اللي عنده atrial fibrillation مستمر، نقدر نستخدم الطريقة التقليدية بالسماعة والـstethoscope، اللي هي auscultatory measurement، لكن بشرط إن الشخص اللي بيقيس الضغط يكون متدرب كويس على الطريقة؛ لأن أي خطأ في التقنية ممكن يغير القراءة. نيجي بقى للمريض نفسه قبل ما نقيس الضغط، لازم المثانة تكون فاضية، لأن امتلاء المثانة ممكن يرفع الضغط مؤقتًا، وكمان خلال 30 دقيقة قبل القياس المريض يفضل ما يعملش مجهود شديد، وما يدخنش، وما يشربش كافيين؛ لأن الحاجات دي ممكن ترفع ضغط الدم مؤقتًا وتدينا قراءة أعلى من الضغط الحقيقي للمريض. بعد كده طريقة قعدة المريض مهمة جدًا، المريض يقعد وظهره مسنود، ورجليه على الأرض، ومايبقاش عامل رجل على رجل، والذراع اللي هنقيس منه الضغط تكون مُسندة وعلى مستوى القلب... ليه؟ لأن وضع الجسم والذراع بالنسبة للقلب ممكن يأثر على القراءة، فمثلًا لو الذراع مش مسنودة أو منخفضة عن مستوى القلب، القراءة ممكن تتأثر، وبالتالي إحنا عايزين الوضع يكون standardized قدر الإمكان. وكمان مش أول ما المريض يقعد نحط الكُف ونقيس على طول. المفروض يفضل قاعد ومرتاح 3–5 دقائق على الأقل قبل القياس، الفكرة إننا عايزين الجسم يدخل في حالة راحة، مش نقيس الضغط وهو لسه داخل العيادة أو الصيدلية أو حتى طالع السلم أو متوتر. بعض أجهزة Automated Office BP ممكن يكون عندها نظام انتظار أوتوماتيكي مختلف، لكن المبدأ الأساسي إن المريض يكون مرتاح قبل أخذ القراءة. بعد كده نيجي لنقطة مهمة جدًا وهي حجم الـcuff.. لازم الـcuff يكون مناسب لحجم ذراع المريض. مش منطقي نحط cuff صغير على ذراع كبيرة أو cuff كبير جدًا على ذراع صغيرة؛ لأن الحجم غير المناسب ممكن يدي قراءة ضغط غير دقيقة، والـcuff يتحط مباشرة على الجلد وليس فوق الملابس، في منتصف الجزء العلوي من الذراع، والـbladder الموجودة داخل الـcuff تكون في المنتصف ناحية الشريان العضدي (brachial artery)، والأهم إن منتصف الـ cuff يكون على الجزء العلوي من الذراع، ويكون تقريبًا في مستوى الـ right atrium، يعني تقريبًا مستوى منتصف عظمة الـ sternum. ليه؟ لأن لو الذراع نازلة عن مستوى القلب ممكن القراءة تطلع أعلى من الحقيقة، ولو مرفوعة زيادة ممكن القراءة تطلع أقل. وأثناء القياس نفسه، محدش يتكلم؛ لا المريض ولا الشخص اللي بيقيس الضغط، لأن الكلام والحركة والتفاعل أثناء القياس ممكن يؤثروا على القراءة. فإحنا عايزين اللحظة دي تكون هادية تمامًا: المريض قاعد، ضهره مسنود، رجله على الأرض، دراعه في مستوى القلب، ساكت ومرتاح، والـcuff مناسب ومتثبت صح. نيجي لعدد القياسات وطريقة أخذها. في أول زيارة للمريض، الأفضل نقيس الضغط في الذراعين الاثنين، لأن ممكن يكون فيه فرق بين الذراعين، بعد كده بنستخدم الذراع اللي أعطت القراءة الأعلى في القياسات اللاحقة. ولو هنكرر القياس، مانعملوش ورا بعض مباشرة؛ نسيب تقريبًا 1–2 دقيقة بين القراءات... ولو بنستخدم الطريقة اليدوية، الأول بنعمل palpation للـ radial pulse ونحدد تقريبًا الضغط اللي عنده النبض بيختفي، وبعدها ننفخ الـ cuff حوالي 20–30 mmHg فوق الرقم ده، ثم نبدأ ننزل الضغط تدريجيًا. وهنا ندخل في Korotkoff sounds، وإحنا بنفرغ الهواء من الـ cuff بمعدل حوالي 2 mmHg في الثانية، أول صوت Korotkoff نسمعه بيمثل Systolic Blood Pressure (SBP)، يعني الضغط الانقباضي. ولما أصوات Korotkoff تختفي تمامًا، الرقم ده يمثل Diastolic Blood Pressure (DBP)، يعني الضغط الانبساطي. فببساطة: أول صوت = SBP، اختفاء الصوت = DBP. رابع حاجة: تسجيل القراءة بشكل صحيح. لما نخلص، ماينفعش نقول بس "الضغط 140/90" وخلاص؛ المفروض نسجل الـ SBP والـ DBP بوضوح. ولو استخدمنا الطريقة اليدوية، نسجل الرقم عند أول Korotkoff sound كـ SBP وعند اختفاء الأصوات كـ DBP، والقراءة تتسجل لأقرب even number.

بسم الله الرحمن الرحيم بداية سلسلة علاج الضغط من الصفر 👇 https://www.facebook.com/share/p/1FBTfJdQby/

عمرك سألت نفسك ليه دواء زي Aldomet بيعمل gynecomastia and galactorrhea ك أثر جانبي لاستخدامه 🤔 https://www.facebook.com/share/p/1Z1xv1JpwD/

▪︎ أما الـ analytic observational study فبتحاول تدرس العلاقة بين exposure وoutcome، مع محاولة التحكم في confounding factors للوصول لاستنتاج أقوى عن العلاقة وربما السببية. ___ ✅️ نكتفي بهذا القدر ونشوفكم في بوست جديد إن شاء الله، لا تنسونا من صالح دعائكم ❤️ #Study_design #RCT #Meta_analysis #Retrospective #Prospective #Clinical_research

عشان تكون باحث شاطر، مينفعش تعدي عليك المسميات اللي في الصورة دي من غير ما تكون عارفها، لأنها يعتبر المسميات الأساسية اللي بيتبني عليها أي بحث علمي اليوم بإذن الله هنتكلم عن إزاي نصنّف الـ study design من كذا زاوية، هنفرق فيه بين كلمات مهمة زي prospective, retrospective, experimental, observational, descriptive, analytic. أولًا: ● Study Purpose — Descriptive vs. Analytic هنا السؤال الأساسي: الباحث عايز يعمل إيه؟ ▪︎ لو الدراسة Descriptive، فالباحث هدفه الأساسي إنه يوصف المشكلة أو المرض: مين اللي بيجيله المرض؟ قد إيه منتشر؟ فين؟ إمتى؟ وهل فيه اختلاف في معدل حدوثه بين مجموعات مختلفة؟ يعني هو بيحاول يرسم لنا صورة عن توزيع المرض أو الظاهرة، لكن مش بالضرورة يكون هدفه إثبات إن عامل معين هو اللي سبب المرض. ▪︎ أما لو الدراسة Analytic، فالباحث مش بس عايز يوصف المشكلة، لكنه بيسأل: ليه حصلت؟ وإيه العوامل المرتبطة بيها؟ وهل exposure معين ممكن يكون سبب في outcome معين؟ عشان كده الدراسات الـ analytic بتحاول تاخد في اعتبارها عوامل تانية ممكن تلخبط العلاقة، ودي اللي بنسميها confounding factors. نضرب مثال يفرق بينهم: مثلاً لو عايز تعرف هل التدخين مرتبط بسرطان الرئة، مجرد إنك تقول "نسبة سرطان الرئة أعلى عند المدخنين" ده وصف للعلاقة. لكن لو بدأت تتحكم في عوامل زي السن والجنس والتعرض المهني وغيره عشان تشوف هل العلاقة بين التدخين وسرطان الرئة ما زالت موجودة، فأنت دخلت في analytic study. _____ ثانيًا: ● Time Orientation — Prospective vs. Retrospective هنا مش بنسأل الدراسة Experimental ولا Observational، ولا Descriptive ولا Analytic، إحنا بس بنسأل: البيانات بتاعتنا بنجمعها بالنسبة للزمن إزاي؟ 🔴 Prospective study معناها إنك بتبدأ من الوقت الحالي وتتحرك لقدام. يعني مثلًا عندي النهارده مجموعة من الأشخاص، أحدد مين exposed ومين unexposed، وأتابعهم خلال السنين الجاية وأشوف مين هيطور disease. بمعنى بسيط: Present → Future outcome مثال: أجيب 1000 شخص النهارده، 500 smokers و500 non-smokers، وأتابعهم لمدة 5 سنين وأشوف مين هيصاب بمرض معين. 🔴 أما Retrospective study فبتبدأ من دلوقتي، لكن بتعمل رجوع للماضي عشان تجمع البيانات عن أحداث حصلت بالفعل. يعني بدل ما تستنى 5 سنين، تروح للـ medical records مثلًا وتشوف مين كان exposed ومين حصل له outcome في الماضي. ببساطة: Present → Look backward → Past events مثلاً عندي النهارده سجلات مرضى من آخر 10 سنين، وأراجعها عشان أشوف هل المرضى اللي أصيبوا بمرض معين كانوا exposed لعامل معين ولا لأ. والنقطة المهمة هنا: ال Prospective و Retrospective بيوصفوا اتجاه جمع البيانات عبر الزمن، مش نوع الدراسة في حد ذاته. يعني ممكن يكون عندك prospective cohort study، وممكن يكون عندك retrospective cohort study. ______ ● ثالثًا: Type of Design هنا عندنا التقسيمة الكبيرة: Experimental → Quasi-experimental → Observational 1. Experimental trials هنا الباحث بيتدخل بنفسه. يعني هو اللي بيحدد مين هياخد treatment أو exposure ومين لأ، وغالبًا بيستخدم randomization. مثلاً عندي دواء جديد للضغط، أقسم المرضى randomly إلى: ▪︎ Treatment group → الدواء الجديد ▪︎ Control group → placebo أو treatment ▪︎ Comparator وبعد كده أشوف الفرق في outcome. ✅️ ميزة الـ experimental design، خصوصًا الـ Randomized Controlled Trial (RCT)، إن الـ randomization بيساعد في توزيع confounding factors بين المجموعات، وبالتالي بيخلينا أقوى في استنتاج causality، يعني هل الـ treatment فعلاً هو اللي أدى للنتيجة. 2. Quasi-experimental trials دي برضو فيها intervention، يعني الباحث بيتدخل، لكن مفيش randomization بالشكل الموجود في RCT. مثلاً مستشفى طبقت protocol جديد لعلاج معين، والباحث قارن النتائج قبل وبعد تطبيق الـ protocol. هنا عندي intervention، وبالتالي أقدر أدرس تأثيره وأقترح وجود علاقة سببية، لكن غياب randomization بيخلي احتمال وجود confounding وعوامل أخرى أكبر. 3. Observational trials هنا الباحث مش بيحدد exposure أو treatment. هو بيقف يتفرج ويسجل اللي بيحصل طبيعيًا. مثلاً عندي مجموعة smokers ومجموعة nonsmokers بالفعل، وأنا أتابع وأشوف معدلات حدوث disease بينهم. أنا ما قلتش للناس تدخن أو ما تدخنش. والـ observational studies ممكن تكون: Descriptive أو Analytic ▪︎ الـ descriptive observational study هدفها الأساسي وصف توزيع المرض أو الظاهرة، زي prevalence أو incidence أو pattern في population.

✅️ Answer in details 👇 https://www.facebook.com/share/p/1ErWinUPpW/

Quality of included studies Risk of bias Heterogeneity Publication bias Appropriate methodology Precision of estimates ___ ✅️ نكتفي بهذا القدر لليوم ونستكمل البوست الجاي، ولو عجبك المحتوى متنساش تشير البوست وتعمل متابعة وفيدباك في الكومنتات، ولا تنسونا من صالح دعائكم ❤️ #Study_design #RCTs #Meta_analysis #evidence_based #ACCP

وده سبب إن الـ case-control study غالبًا retrospective in orientation، لكن خد بالك: retrospective مش معناها تلقائيًا case-control؛ دي نقطة مهمة. ✅️ ليه Case-Control مفيدة؟ خصوصًا لو ال disease بيكون Rare لأن لو المرض نادر جدًا، مش منطقي أجيب 100,000 شخص وأستنى لحد ما عدد قليل منهم يصاب. بدل كده أجيب الناس اللي عندهم المرض بالفعل وأرجع أشوف exposures السابقة. لكن عندها مشاكل، منها: Recall bias المريض اللي عنده disease ممكن يفتكر exposure قديم بطريقة مختلفة عن الشخص السليم. وكمان اختيار الـ controls مهم جدًا. ______ 🔻 Cohort Study دي أعلى من case-control في الهرم. وهنا غالبًا بنبدأ من: Exposure وبعدين نشوف: Outcome مثلاً عندي: Smokers و Non-smokers وأتابعهم وأشوف مين هيصاب بـ lung cancer. فتكون: Exposure → Follow-up → Outcome وده ممكن يحصل بطريقة: Prospective cohort أبدأ النهارده وأتابع الناس للمستقبل. Present → Future أو: Retrospective cohort أستخدم records قديمة. مثلاً أجيب بيانات الموظفين من 2010، أحدد مين كان exposed، وبعدها أشوف من الـ records مين أصيب بالمرض لحد 2020. فممكن يكون عندي: Retrospective cohort ودي نقطة مهمة جدًا عشان ما تحفظش: Retrospective = case-control لأ. ممكن يكون: Retrospective cohort وممكن: Retrospective case-control ليه Cohort أعلى من Case-Control؟ لأن الـ cohort بيسمح لي غالبًا أحدد temporality بشكل أوضح: Exposure happened → then outcome happened وكمان أقدر أحسب: Incidence Relative Risk Risk Ratio أحيانًا Hazard Ratio حسب التحليل لكن cohort ممكن تكون مكلفة جدًا وتحتاج وقت طويل، خصوصًا لو outcome نادر أو بيظهر بعد سنين. _____ 🔺 RCT — Randomized Controlled Trial دلوقتي وصلنا لواحدة من أهم الطبقات، هنا الباحث مش مجرد مراقب، الباحث بيتدخل. مثلاً عندي drug جديد. أقسم المرضى randomly إلى: Drug group و Control group وبعدين أقارن outcomes. الفكرة العبقرية هنا هي: Randomization الـ randomization بيحاول يخلي الاختلافات بين المجموعتين موزعة بشكل عشوائي. فبدل ما أقول: المرضى اللي أخذوا الدواء كانوا أصلاً أصغر سنًا وأصحاء أكثر. الـ randomization يساعد في تقليل مشكلة إن characteristics معينة تكون متجمعة في مجموعة دون الأخرى. وبالتالي لما أشوف فرق في outcome، يكون عندي أساس أقوى أقول: الفرق قد يكون ناتجًا عن intervention. وده السبب إن RCT من أقوى designs لدراسة causal effect of an intervention. 🔴 لكن خد بالك من حاجة مهمة جدًا المثلث مش معناه: RCT = perfect evidence لأ. الـ RCT ممكن يكون سيئ. مثلاً: randomization سيئ sample size صغير جدًا high dropout poor blinding selective reporting inappropriate analysis ساعتها جودة الـ RCT نفسها تكون مشكلة. وعشان كده الكتاب كتب: A poorly conducted RCT is not necessarily higher than a well-done cohort study. يعني: اسم الدراسة مش كفاية؛ لازم أشوف methodology. ____ 🔺 قمة المثلث: Systematic Reviews and Meta-Analysis دي أعلى حاجة في الرسم، لكن هنا لازم نفهم ليه. الـ systematic review مش مجرد: "أنا قرأت شوية papers ولخصتهم." لأ. الـ Systematic Review بيستخدم methodology محددة للبحث عن الدراسات المتعلقة بسؤال معين، مع معايير واضحة للبحث والاختيار والتقييم. مثلاً: Does Drug X reduce mortality in patients with heart failure? الباحث يعمل systematic search، ويحدد الدراسات المناسبة، ويقيّمها، ويجمع evidence بطريقة منهجية. 🔻Meta-analysis يعني إيه دي بقى ؟ الـ Meta-analysis خطوة إحصائية ممكن تتعمل داخل systematic review. بدل ما أقول: Study 1 → effect كذا Study 2 → effect كذا Study 3 → effect كذا أقدر إحصائيًا أجمع النتائج للحصول على pooled estimate، بشرط إن الدراسات تكون مناسبة للجمع وإن الطريقة الإحصائية مناسبة. مثلاً كل دراسة بتديني: Risk Ratio فأقدر أعمل: Pooled Risk Ratio وبالتالي أستفيد من ((إجمالي)) البيانات بدل ما أعتمد على دراسة واحدة. ✅️ طيب ليه Systematic Review/Meta-analysis في القمة؟ لأنها ممكن تجمع عددًا كبيرًا من الدراسات بدل الاعتماد على دراسة واحدة. لكن هنا برضه فيه trap مهم جدًا: Garbage in → garbage out لو الـ systematic review جمعت دراسات سيئة جدًا، فالـ meta-analysis مش هتحولها بطريقة سحرية إلى evidence ممتاز. يعني: High-level design ≠ automatically high-quality evidence. لازم تشوف:

تعال انهاردة أكلمك عن موضوع لذيذ جدًا من كتاب البورد الأمريكي، الموضوع اليوم بخصوص "قوة الدليل العلمي" أو بنسميه Strength of evidence للمعلومات بتاعتنا سواء في الأدوية أو الأمراض احنا لما بنيجي ناخد المعلومة من دراسات بحثية موثوقة لازم نبص على قوة الدليل العلمي للمصدر اللي باخد منه المعلومة وابص على نوع الدراسة المستخدمة ومن هنا هنتطرق لشرح المثلث اللي تحت دة فبسم الله نبدأ. بص يا صاحبي، المثلث اللي في الصورة اسمه Hierarchy of Clinical Study Designs يعني هرم/سُلّم بيحط أنواع الدراسات البحثية في ترتيب تقريبي من حيث قوة الـ evidence. والفكرة الأساسية جدًا قبل ما ندخل في كل طبقة: كل ما نطلع لفوق، غالبًا بنكون أقرب لدليل قوي على العلاقة بين intervention/exposure والـ outcome، وأقل عرضة لبعض أنواع الـ bias أو التحيز. لكن مش معنى كده إن أي دراسة فوق أقوى تلقائيًا من أي دراسة تحتها؛ ودي أهم جملة في الصفحة نفسها: جودة تنفيذ الدراسة أهم من مجرد اسم الـ design.. حطها في دماغك خلينا نمشي في المثلث من تحت لفوق لأن ده أسهل. 🔻 قاعدة المثلث: Ideas, Opinions, and Reviews دي أضعف طبقة في الهرم، هنا ممكن يكون عندك: هتلاقي يا إما Ideas ⬅️ يعني فكرة أو فرضية hypothesis أو Opinions ⬅️ رأي خبير أو Reviews ⬅️ مراجعة أو تعليق عام على موضوع مثلاً دكتور يقول: "أنا شايف إن الدواء X ممكن يكون مفيد في المرضى دول." ده opinion، مش دليل تجريبي. أو باحث يكتب: "Based on the available evidence, we hypothesize that..." دي idea/hypothesis. المشكلة هنا إن مفيش بالضرورة original patient-level data تثبت الكلام ده. يعني لو أنا قلتلك: "أنا أعتقد إن في دواء جديد تحت الدراسة ممكن يحمي الكلى من nephrotoxicity." دي فكرة بحثية ممتازة كـ hypothesis، لكن لوحدها مش evidence إن الدواء دة فعلًا بيحمي الكلى. عشان كده الطبقة دي في أسفل الهرم. ______ 🔻 Case Reports / Case Series بعد كده نطلع طبقة Case Report ده ببساطة تقرير عن حالة واحدة مثلاً: مريض أخذ دواء معين، وبعد كده حصل له adverse drug reaction غريب جدًا، والدكتور نشر الحالة. زي: Patient developed severe hepatotoxicity after exposure to Drug X. إيه اللي استفدناه؟ ممكن جدًا الحالة تلفت نظر الباحثين إلى signal أو phenomenon جديد. لكن هل أقدر أقول: Drug X causes hepatotoxicity in patients? مش بسهولة. لأن ممكن تكون الحالة حصلت بالصدفة، أو فيه عوامل أخرى. مفيش عندي هنا comparison group اقارن بينهم يعني: Patient exposed → outcome happened لكن معنديش: Patient exposed vs patient unexposed عشان أقارن. 🔻 Case Series نفس الفكرة، لكن بدل حالة واحدة عندي مجموعة حالات. مثلاً: 10 patients developed the same unusual adverse effect after receiving Drug X. ده أقوى شوية في وصف phenomenon لأنه ظهر في أكتر من مريض، لكنه لسه مش عندي control group. فـ Case report وcase series مهمين جدًا في: اكتشاف adverse drug reactions النادرة. اكتشاف diseases أو presentations غير معتادة. توليد hypotheses. لكن مش مناسبين لوحدهم لإثبات causality. ____ 🔻 Cross-Sectional Study نطلع طبقة كمان. دي من أهم الحاجات اللي لازم تفهمها. Cross-sectional = Snapshot يعني بتاخد لقطة في لحظة معينة. تخيل إنك صورت population بالكاميرا. في نفس الوقت بتشوف: Exposure + Disease مثلاً عايز أعرف prevalence of hypertension بين 1000 شخص. أروح أقيس ضغطهم النهارده وأسجل: مين عنده hypertension؟ مين smoker؟ مين obese؟ مين بياخد أدوية؟ فتطلع مثلًا Hypertension prevalence = 30% ممكن كمان أقارن: Smoking vs hypertension وألاقي إن hypertension أكثر في smokers. لكن المشكلة الكبيرة: مش عارف مين جه الأول. هل smoking أدى إلى hypertension؟ ولا فيه عوامل أخرى؟ وده اسمه مشكلة temporality. لأن الـ exposure والـ outcome اتقاسوا في نفس الفترة. ✅️ عشان كده الـ cross-sectional studies ممتازة في: Prevalence + description of population لكن أضعف في إثبات: Cause → Effect ____ 🔻 Case-Control Study هنا الموضوع بيتغير تمامًا. بدل ما أبدأ بالـ exposure، أنا ببدأ بـ الـ outcome/disease. يعني عندي: Cases: ▪︎ ناس عندهم disease. ▪︎ وControls ▪︎ ناس معندهمش disease. وبعدين أرجع للماضي وأسأل: مين كان exposed؟ مثلاً عايز أدرس relationship بين smoking وlung cancer. أبدأ بـ: Cases → people with lung cancer و Controls → people without lung cancer وبعدين أرجع أشوف: مين كان smoker؟ فتكون الفكرة: Disease → look backward → Exposure

وده سبب إن الـ case-control study غالبًا retrospective in orientation، لكن خد بالك: retrospective مش معناها تلقائيًا case-control؛ دي نقطة مهمة. ✅️ ليه Case-Control مفيدة؟ خصوصًا لو ال disease بيكون Rare لأن لو المرض نادر جدًا، مش منطقي أجيب 100,000 شخص وأستنى لحد ما عدد قليل منهم يصاب. بدل كده أجيب الناس اللي عندهم المرض بالفعل وأرجع أشوف exposures السابقة. لكن عندها مشاكل، منها: Recall bias المريض اللي عنده disease ممكن يفتكر exposure قديم بطريقة مختلفة عن الشخص السليم. وكمان اختيار الـ controls مهم جدًا. ______ 🔻 Cohort Study دي أعلى من case-control في الهرم. وهنا غالبًا بنبدأ من: Exposure وبعدين نشوف: Outcome مثلاً عندي: Smokers و Non-smokers وأتابعهم وأشوف مين هيصاب بـ lung cancer. فتكون: Exposure → Follow-up → Outcome وده ممكن يحصل بطريقة: Prospective cohort أبدأ النهارده وأتابع الناس للمستقبل. Present → Future أو: Retrospective cohort أستخدم records قديمة. مثلاً أجيب بيانات الموظفين من 2010، أحدد مين كان exposed، وبعدها أشوف من الـ records مين أصيب بالمرض لحد 2020. فممكن يكون عندي: Retrospective cohort ودي نقطة مهمة جدًا عشان ما تحفظش: Retrospective = case-control لأ. ممكن يكون: Retrospective cohort وممكن: Retrospective case-control ليه Cohort أعلى من Case-Control؟ لأن الـ cohort بيسمح لي غالبًا أحدد temporality بشكل أوضح: Exposure happened → then outcome happened وكمان أقدر أحسب: Incidence Relative Risk Risk Ratio أحيانًا Hazard Ratio حسب التحليل لكن cohort ممكن تكون مكلفة جدًا وتحتاج وقت طويل، خصوصًا لو outcome نادر أو بيظهر بعد سنين. _____ 🔺 RCT — Randomized Controlled Trial دلوقتي وصلنا لواحدة من أهم الطبقات، هنا الباحث مش مجرد مراقب، الباحث بيتدخل. مثلاً عندي drug جديد. أقسم المرضى randomly إلى: Drug group و Control group وبعدين أقارن outcomes. الفكرة العبقرية هنا هي: Randomization الـ randomization بيحاول يخلي الاختلافات بين المجموعتين موزعة بشكل عشوائي. فبدل ما أقول: المرضى اللي أخذوا الدواء كانوا أصلاً أصغر سنًا وأصحاء أكثر. الـ randomization يساعد في تقليل مشكلة إن characteristics معينة تكون متجمعة في مجموعة دون الأخرى. وبالتالي لما أشوف فرق في outcome، يكون عندي أساس أقوى أقول: الفرق قد يكون ناتجًا عن intervention. وده السبب إن RCT من أقوى designs لدراسة causal effect of an intervention. 🔴 لكن خد بالك من حاجة مهمة جدًا المثلث مش معناه: RCT = perfect evidence لأ. الـ RCT ممكن يكون سيئ. مثلاً: randomization سيئ sample size صغير جدًا high dropout poor blinding selective reporting inappropriate analysis ساعتها جودة الـ RCT نفسها تكون مشكلة. وعشان كده الكتاب كتب: A poorly conducted RCT is not necessarily higher than a well-done cohort study. يعني: اسم الدراسة مش كفاية؛ لازم أشوف methodology. ____ 🔺 قمة المثلث: Systematic Reviews and Meta-Analysis دي أعلى حاجة في الرسم، لكن هنا لازم نفهم ليه. الـ systematic review مش مجرد: "أنا قرأت شوية papers ولخصتهم." لأ. الـ Systematic Review بيستخدم methodology محددة للبحث عن الدراسات المتعلقة بسؤال معين، مع معايير واضحة للبحث والاختيار والتقييم. مثلاً: Does Drug X reduce mortality in patients with heart failure? الباحث يعمل systematic search، ويحدد الدراسات المناسبة، ويقيّمها، ويجمع evidence بطريقة منهجية. 🔻Meta-analysis يعني إيه دي بقى ؟ الـ Meta-analysis خطوة إحصائية ممكن تتعمل داخل systematic review. بدل ما أقول: Study 1 → effect كذا Study 2 → effect كذا Study 3 → effect كذا أقدر إحصائيًا أجمع النتائج للحصول على pooled estimate، بشرط إن الدراسات تكون مناسبة للجمع وإن الطريقة الإحصائية مناسبة. مثلاً كل دراسة بتديني: Risk Ratio فأقدر أعمل: Pooled Risk Ratio وبالتالي أستفيد من ((إجمالي)) البيانات بدل ما أعتمد على دراسة واحدة. ✅️ طيب ليه Systematic Review/Meta-analysis في القمة؟ لأنها ممكن تجمع عددًا كبيرًا من الدراسات بدل الاعتماد على دراسة واحدة. لكن هنا برضه فيه trap مهم جدًا: Garbage in → garbage out لو الـ systematic review جمعت دراسات سيئة جدًا، فالـ meta-analysis مش هتحولها بطريقة سحرية إلى evidence ممتاز. يعني: High-level design ≠ automatically high-quality evidence. لازم تشوف:

🔴 لو حابب تعرف ايه تفسير المثلث دة ياريت تقرأ معايا البوست دة بتركيز ☕️ ❤️ https://www.facebook.com/share/p/1d7ieN9H7A/