القيمة المتوقعة لمعلومات العيّنة (EVSI)

EVSI هي قيمة دراسة مقترحة محددة — بتصميم معيّن وحجم عيّنة معيّن — قبل إجرائها، بخلاف EVPI التي تقيّم إزالة كل عدم اليقين إزالة تامة. تجيب EVSI عن السؤال الذي يواجهه ممول البحث فعلًا: «هل تستحق هذه الدراسة، بهذا الحجم، تكلفتها؟»

لماذا يهم هذا

تعطي EVPI سقفًا للقيمة التي يمكن أن تبلغها أي دراسة؛ لكنها لا تقول أبدًا هل تتجاوز الدراسة التي أمامك العتبة. وممول بحثي وطني يختار بين دراسة تجريبية على 50 مريضًا وتجربة حاسمة على 500 مريض يحتاج إلى معرفة قيمة كل تصميم، لا مجرد قيمة معرفة كل شيء. تعطي EVSI هذا الرقم، ولأنها تتغير بحجم العيّنة، يستطيع الممول إيجاد الحجم الذي يعظّم صافي المنفعة المتوقع بدل التخمين.

وهذا أيضًا سبب كون EVSI أقل من EVPI أو مساوية لها دائمًا: العيّنة المحدودة تحسم عدم اليقين جزئيًا فقط، ودراسة تبدو أغلى من المعلومات الكاملة علامة على خطأ في الحساب، لا نتيجة حقيقية.

الحساب

الحالة العامة:
EVSI(n) = E_البيانات[ max_d E_θ|البيانات[NB(d,θ)] ]  −  max_d E_θ[NB(d,θ)]
  (توقّع متداخل: الخارجي على نتائج الدراسة الممكنة، والداخلي على الاعتقاد
  اللاحق بشأن θ بعد رؤية تلك النتيجة — يُقدَّر عادةً بمونت كارلو المتداخل /
  تحديث بايزي على سحوبات تحليل الحساسية الاحتمالي)

التقريب المغلق بالتوزيع الطبيعي (معلمة غير مؤكدة واحدة، نموذج
طبيعي-طبيعي مترافق — اختصار شائع، غير دقيق لكل نموذج):
EVSI(n) = EVPI × n / (n + n0)

n  = حجم عيّنة الدراسة المقترحة
n0 = «حجم العيّنة المكافئ للاعتقاد السابق» — حجم عيّنة افتراضي يحمل
     قدر المعلومات نفسه الذي يحمله الاعتقاد الحالي، مستنتج من نسبة
     تباين البيانات إلى تباين الاعتقاد السابق
ENBS(n) = EVSI(n) − التكلفة(n)
EVSI_للمجتمع = EVSI_لكل_قرار × عدد_القرارات_المتأثرة

الصيغة العامة توقّع متداخل لأن نتيجة الدراسة المستقبلية غير مؤكدة بذاتها: يجب حساب المتوسط على كل مجموعة بيانات ممكنة، وإعادة حساب أفضل قرار لكل منها وفق الاعتقاد المحدَّث (اللاحق). ويستبدل التقريب الطبيعي بتلك الكلفة الحسابية نسبةً واحدة، وهو صحيح حين يكون المعامل غير المؤكد والبيانات (تقريبًا) طبيعيين ومترافقين — راحة لا قانونًا شاملًا. ومونت كارلو المتداخل الكامل هو الطريقة العامة حين لا يصح هذا الافتراض. انظر تحليل الحساسية الاحتمالي لسحوبات PSA التي تُقدَّر منها EVSI عادةً.

مثال محلول

استكمالًا لمثال EVPI — نشر مساعد توثيق بالذكاء الاصطناعي على 5,000 عيادة، حيث بلغت EVPI نحو 1.2 مليون جنيه — نكتب هنا EVPI نفسها كاملة: EVPI = 1,200,000£.

دراسة تجريبية مقترحة تشمل 50 عيادة. ومن نسبة تباين الاعتقاد السابق إلى دقة قياس التجربة، يكون حجم العيّنة المكافئ للاعتقاد السابق n0 = 75:

EVSI(50) = 1,200,000 × 50 / (50 + 75)
         = 1,200,000 × 50 / 125
         = 1,200,000 × 0.4
         = 480,000£

تكلفة الدراسة التجريبية 120,000£:

ENBS = EVSI − التكلفة = 480,000 − 120,000 = 360,000£

ENBS موجبة بوضوح: موّل الدراسة التجريبية. وإذا تكرر قرار الشراء نفسه في 3 trusts إقليمية مماثلة، تتسع قيمة الدراسة بالتبعية:

EVSI_للمجتمع = 480,000 × 3 = 1,440,000£

الصلة بهندسة البرمجيات

EVSI هي اقتصاديات مدى كِبَر مشروع تجريبي أو اختبار A/B، لا مجرد هل نجريه أم لا:

• حجم العيّنة قرار استثماري. نسخة تجريبية لـ 50 مستخدمًا وطرح مرحلي حتى 5,000 مستخدم «دراستان» مختلفتان بـ EVSI وتكلفة مختلفتين — تتيح EVSI مقارنتهما على أساس واحد بدل الرجوع إلى الافتراضي «المزيد من البيانات أفضل دائمًا».
• اختبار الاشتراك هو ENBS لا EVSI وحدها. دراسة بـ EVSI عالية لكن تكلفتها تلتهم معظمها اقتراح ضعيف؛ وقاعدة القرار هي صافي المنفعة المتوقع للعيّنة، تمامًا كما تضع دراسة الجدوى المنفعة في مقابل التكلفة بدل الإبلاغ عن المنفعة وحدها.
• تناقص العائد الحدّي واضح. لأن EVSI(n) تنمو بـ n/(n+n0)، فإن مضاعفة حجم التجربة لا تضاعف قيمتها أبدًا — الصيغة الرسمية لحدس المهندس بأن للتجربة الأكبر قيمة معلوماتية حدّية متناقصة.

المزالق

• استخدام التقريب الطبيعي خارج افتراضاته. هو صحيح تقريبًا فقط لعدم يقين معلمة واحدة مترافقة؛ والنموذج القراري اللاخطي حقًا أو المتعدد المعلمات يحتاج إلى مونت كارلو المتداخل الكامل لا هذا الاختصار.
• مقارنة EVSI بالتكلفة النقدية فقط. يجب موازنة EVSI بالتكلفة الكاملة للدراسة، بما فيها تكلفة تأجيل القرار نفسه — انظر تكلفة التأخير — لا فاتورة الدراسة وحدها.
• اعتبار EVSI > EVPI اكتشافًا حقيقيًا. لا يمكن أن تتجاوز EVSI قيمة EVPI بحكم البنية؛ والحساب الذي يعطي ذلك خطأ في النموذج لا اكتشاف.

المصادر

• Ades AE, Lu G, Claxton K. "Expected value of sample information calculations in medical decision modeling." Medical Decision Making 2004;24(2):207-27.
• Willan AR, Pinto EM. "The value of information and optimal clinical trial design." Statistics in Medicine 2005;24(12):1791-806.
• Strong M, Oakley JE. "When is a model-based value of information analysis feasible?" Medical Decision Making 2014.