.jpg){kind=link}
- 发布
- 更新
一个亚组的结果显著、另一个亚组不显著，本身并不能证明治疗效应不同。亚组解释应同时考虑估计值、精确度和直接的交互作用问题，而不是比较各自的显著性标签。
明确问题与假设
说明亚组是否预先规定，并解释其科学依据。展示组规模、事件数和测量条件的差异。统计师应选择适当方法评估效应修饰；比较各组单独的p值，不能直接检验亚组间治疗效应是否不同。
假设性研究示例
在一项假设研究中，大亚组的区间较窄，小亚组的区间较宽。点估计相近，但只有较大亚组达到统计学显著性。团队避免声称效应只存在于该组，而是展示交互作用证据和不确定性。
设计审查核查要点
- 记录亚组定义及任何数值截点的选择时间。
- 在每个亚组的估计值旁展示受试者数和事件数。
- 检查过大量亚组比较时，应讨论假阳性发现方面的顾虑。
记录决策及其局限
经认可的解释不应利用生物学合理性，为有吸引力的结果事后拼凑说明。交互作用评估的检验效能可能有限；缺少证据并不证明相等。探索性差异可以产生未来假设，但不应自动转化为个体治疗建议，或声称特定亚组获益已得到证实。
常见问题
- 只有一个亚组显著就能证明存在差异吗？
- 不能。各自的显著性标签不能直接证明效应修饰。
- 每个预设亚组都可靠吗？
- 预先规定有帮助，但样本量、多重性和不确定性仍然重要。