آلية الإخفاء: لماذا لا يتم إحصاء كبار السن، وماذا يمكن أن يفعله علم القياس حيال ذلك؟

عندما نشرت منظمة الصحة العالمية تقريرها عن الاحتياجات غير الملباة في مجال الرعاية الصحية والاجتماعية في إقليم شرق المتوسط، كانت توصيتها الأولى هي بناء أنظمة بيانات وطنية قوية تشمل كبار السن. في المدونة السابقة،, غير مرئي وغير مسموع: الاحتياجات غير الملباة لكبار السن في شرق البحر الأبيض المتوسط, محمد اسماعيل و الدكتورة شيرين حسين وصف التقرير كيف أن العديد من كبار السن في المنطقة لديهم احتياجات رعاية غير مُلبّاة. وفي كثير من الأماكن، لا يتم قياس هذه الاحتياجات على الإطلاق. أودّ أن أتناول التوصية الأولى وأطرح سؤالاً عملياً: ما الذي يتطلبه قياس احتياجات كبار السن بدقة، وما الذي يمكن أن يقدمه علم القياس في ظل بناء أنظمة بيانات أكثر قوة؟

من السهل اعتبار القياس خطوة تقنية تسبق العمل الفعلي في مجال السياسات والرعاية. لكن في الواقع، هو الذي يحدد من يُحصى. فالمسوح والسجلات والنماذج الإحصائية جميعها تعاني من ثغرات، وهذه الثغرات غالباً ما تقع على عاتق الأشخاص الأكثر احتياجاً. غالباً ما يعني ذلك كبار السن والمرضى، والمقيمين في دور الرعاية، وسكان المناطق المتضررة من النزاعات. إذا استطعنا تحديد مصادر هذه الثغرات، فسيكون لدينا فرصة أفضل بكثير لسدّها.

طبقات الخفاء 

أجد أنه من المفيد التفكير في عدم احتسابي كثلاث مشاكل منفصلة بدلاً من مشكلة واحدة.

أولها عدم إدراجهم في الدراسة إطلاقاً. قد يُغفل شخص ما لأن الاستبيانات لا تشمل أسرته، أو لأن دار الرعاية التي يقيم فيها مستثناة، أو لأن منطقته غير آمنة لإجراء البحوث الميدانية. وقد يكونون أيضاً في حالة صحية لا تسمح لهم بالإجابة. إذا لم يصل إليهم أي استبيان، فإنهم ببساطة غير موجودين في البيانات، ولن تتمكن أي عملية تحليل من استعادة شخص لم يكن ضمن العينة أصلاً.

أما الثاني، فهو سوء القياس. توجد استطلاعات رأي، لكن تصميمها يغفل فئات يصعب الوصول إليها. فكّر في شخص طريح الفراش أو مقيم في مؤسسة رعاية، أو شخص لا يملك هاتفًا، أو شخص لا يستجيب ببساطة. نادرًا ما يكون من لا يستجيبون عينة عشوائية من السكان، بل غالبًا ما يكونون من الفقراء والمرضى وكبار السن والأكثر عزلة. عندما يكون من يصعب الوصول إليهم هم أيضًا من هم في أمسّ الحاجة، قد يبدو الاستطلاع شاملًا ظاهريًا، ولكنه مع ذلك يحمل أخطاءً منهجية فيما يتعلق بالفئات الأكثر أهمية.

أما الثالث فهو التحليل المتحيز. فحتى مع وجود بيانات جيدة، قد يكون النموذج أو المقياس أقل فعالية بالنسبة لبعض الفئات مقارنةً بغيرها. وقد ينتهي الأمر بالإبلاغ عن احتياجات أقل تحديدًا للفئات السكانية التي كانت ممثلة تمثيلاً ناقصًا في الأصل.

يُعدّ فصل الطبقات أمرًا بالغ الأهمية لأن كل طبقة تحتاج إلى حل مختلف. لا يمكنك التغلب على فجوة في العينة بالتحليل وحده، ولا يمكنك التغلب على التحيز التحليلي بالعينة وحدها.

استجابة لكل طبقة

يؤكد التقرير بوضوح على ضرورة الاستثمار والالتزام السياسي. وإلى جانب ذلك، يقدم علم القياس إسهامات محددة على كل مستوى.

بالنسبة للأشخاص الذين لا تصل إليهم الدراسات الاستقصائية، يكمن الحل في تصميم العينة. يمكن تصميم أطر المعاينة بحيث تشمل عمدًا فئاتٍ تُستبعد عادةً، مثل كبار السن في دور الرعاية أو المقيمين في منازلهم. كما يمكن زيادة تمثيل الفئات التي يصعب الوصول إليها. وتساعد السجلات الروتينية والإدارية في العثور على الأشخاص الذين لا تشملهم الدراسات الاستقصائية المنزلية. هذه هي أصعب مرحلة للمعالجة، لأن العمل يجب أن يتم قبل جمع أي بيانات. فبمجرد خروج شخص ما من إطار المعاينة، لن تتمكن أي عملية لاحقة من استعادته.

بالنسبة للأشخاص الذين لم يتم قياسهم بدقة، توجد مجموعة أدوات راسخة. يُسهم ترجيح الاستبيان والتقسيم الطبقي اللاحق في تصحيح مسألة التمثيل الزائد أو الناقص. ويعالج تعديل عدم الاستجابة الغياب المنهجي لمن لم يُجيبوا. تُقارن دراسات التحقق ما يُبلغه الناس بما تُظهره السجلات، مما يُبين لنا مدى قصور أداة معينة ولمن. هذه هي الأساليب اليومية لعلم الاستبيانات. وهي ذات أهمية بالغة فيما يتعلق بالاحتياجات غير المُلبّاة. عادةً ما تُقاس الاحتياجات غير المُلبّاة بسؤال الناس عما إذا كانوا قد حُرموا من الرعاية التي يحتاجونها، وقد تختلف الإجابة باختلاف المُجيب وصياغة السؤال.

أحيانًا تتوفر بيانات المسح، لكن عدد الاستجابات قليل جدًا بحيث لا يمكن الاعتماد عليها. قد لا تضم منطقة ما سوى عدد قليل من المستجيبين، أو قد تكون مجموعة فرعية صغيرة جدًا بحيث لا يمكن تقديرها. هنا تبرز أهمية تقدير المناطق الصغيرة. فبدلًا من التعامل مع كل منطقة على حدة، تستفيد هذه النماذج من مصادر أخرى. فهي تجمع بيانات المسح المحدودة مع المعلومات المتاحة في كل مكان، مثل التركيبة العمرية ومستويات الحرمان. كما أنها تعتمد على افتراض منطقي مفاده أن الأماكن المتشابهة تميل إلى التشابه فيما بينها. والنتيجة هي تقدير لكل منطقة، بما في ذلك الأماكن التي لم يشملها المسح إلا بشكل طفيف، مع مقياس دقيق للشك. في الولايات المتحدة، يستخدم مشروع PLACES التابع لمراكز السيطرة على الأمراض والوقاية منها هذا النهج لنشر تقديرات صحية للأحياء في جميع أنحاء البلاد، على الرغم من عدم وجود مسح يشمل كل حي بشكل مباشر. ويجري الآن تكييف أساليب مماثلة للبيئات ذات الموارد المحدودة. فهي تستخدم بيانات من مسوحات أسرية دولية واسعة النطاق، ومُصممة بحيث يمكن للمحللين الذين لا يمتلكون مهارات برمجة متخصصة استخدامها.

يُعدّ التحليل المتحيز أكثر جوانب الذكاء الاصطناعي ارتباطًا، وهناك مجموعة متنامية من أساليب الإنصاف لمعالجته. تطرح هذه الأساليب سؤالًا بسيطًا: هل النموذج دقيق بنفس القدر بالنسبة لكبار السنّ، والضعفاء، والفئات الأكثر حرمانًا كما هو الحال بالنسبة للجميع؟ إذا لم يكن كذلك، فيمكن إعادة تدريبه أو تعديله لسدّ هذه الفجوة. تزداد أهمية هذا الأمر مع استخدام النماذج التنبؤية لتحديد وجهة الاهتمام والموارد. يتعلم النموذج من أي بيانات تُقدّم إليه. إذا كانت هذه البيانات تُقلّل بالفعل من تمثيل الفئات الأصعب وصولًا، فيمكن للنموذج أن يُخفيها أكثر مع الحفاظ على مظهر الموضوعية التامة. 

يجب التنبيه إلى أمرٍ هام في هذا الشأن. فكل طريقة من هذه الطرق تُنتج تقديراتٍ لا حقائق مؤكدة، ودقة كل طريقة تعتمد على جودة البيانات التي تستند إليها. يمكن لعلم القياس أن يُوسّع نطاق ما نراه، لكنه لا يستطيع استنباط بياناتٍ من العدم. ولا يمكن للحلول التقنية أن تصل إلى الأشخاص الذين لم تُقاس بياناتهم قط، ولذلك يجب أن يكون التصميم والاستثمار في المقام الأول.

ما الذي يجري تجربته بالفعل في المنطقة

خلص تقرير منظمة الصحة العالمية إلى أن الأدلة المتعلقة بالاحتياجات غير الملباة لكبار السن في إقليم شرق المتوسط محدودة. ثلاث دول فقط (مصر، لبنان، والأراضي الفلسطينية المحتلة) استطاعت تقديم أدلة إضافية على العمل الجاري. وتتباين التقديرات المنشورة المتوفرة تبايناً كبيراً، ونادراً ما تكون قابلة للمقارنة بين الدول. وستساهم دراستان وطنيتان جديدتان في تحسين الوضع، وهما: الدراسة الطولية للشيخوخة الصحية في مصر (AL-SEHA)، ودراسة لبنان للشيخوخة والصحة (LSAHA). في الوقت الراهن، لا تمثل كل دراسة سوى بلدها، وسيستغرق اكتمال نتائجها سنوات.

بدلاً من انتظار استطلاعات رأي أفضل، دعا التقرير إلى إيجاد طرق بديلة لتقدير الاحتياجات في حال غياب البيانات المباشرة. وقد بدأ العمل بالفعل على هذه الدعوة، حيث نشر باحثون في شبكة منارة تقريراً بعنوان: مؤشر احتياجات الرعاية طويلة الأجل يقدم هذا البحث تقديرات لمدى الاعتماد على الرعاية الصحية في دول منطقة الشرق الأوسط وشمال أفريقيا التي تعاني من نقص البيانات. ويعتمد على معلومات متوفرة في معظم البلدان، وتحديداً التركيبة العمرية للسكان، وانتشار الإعاقة، وعبء الأمراض غير المعدية الرئيسية. ومن هذه المعلومات، ينتج البحث رقماً قابلاً للمقارنة لكل دولة. ويُظهر البحث أنه يمكن وضع تقديرات مفيدة حتى في حال عدم وجود دراسات استقصائية متخصصة.

لا يقل أهمية عن ذلك، أن المؤشر يمنح الدول معيارًا موحدًا، وهو ما افتقرت إليه المنطقة. يعمل المؤشر على المستوى الوطني، ومن الطبيعي أن تتطور أساليبه لتشمل دراسة الوضع داخل الدول نفسها، والتمييز بين المناطق الحضرية والريفية، والمناطق الغنية والفقيرة. من شأن هذه الأساليب أن تضع نطاقًا دقيقًا لكل تقدير، لكي يعرف صناع القرار مدى موثوقية الرقم. تُعدّ تقديرات المناطق الصغيرة والنماذج الهرمية مناسبة تمامًا لهذا الغرض، وهي تُبنى مباشرةً على الأساس الذي أرساها المؤشر.

القياس ضروري، ولكن هل هو كافٍ؟

لا يُمثل تحسين القياس سوى جزء واحد مما يدعو إليه التقرير. فالالتزام السياسي مهم أيضاً، وكذلك الاستثمار، وقرار اعتبار رعاية كبار السن مسؤولية عامة. كلٌ منها يعتمد على الآخر. فالأموال التي تُنفق دون قياس دقيق لا يمكن توجيهها إلى الأماكن الأشد احتياجاً. والقياس دون استثمار لا يُنتج سوى خرائط تفصيلية للاحتياجات التي لا يملك أحد الموارد اللازمة لتلبيتها.

يعتمد إحصاء كبار السن على سلسلة من الخيارات المتعلقة بمن نختارهم، وكيف نقيس، وما هي النماذج التي نثق بها، وما نعتبره جديراً بالظهور. لا يوجد خيار ثابت من بين هذه الخيارات، فكل منها فرصة لإحصاء من لم يتم إحصاؤهم.