亚组分析结果解读
一、方法简介
亚组分析（Subgroup Analysis）是临床研究和流行病学研究中常用的统计方法，旨在探讨暴露因素X对结局变量Y的影响是否在不同特征的人群（亚组）中存在差异。通过将研究人群按照某一或某些特征变量（如性别、年龄组、疾病分期等）进行分层，分别计算各亚组中X对Y的效应值及其95%置信区间，并通过交互作用检验（P for interaction）判断效应值在亚组间的差异是否具有统计学意义。若P for interaction<0.05，则说明X对Y的效应在不同亚组间存在显著异质性；反之则说明效应在不同亚组间表现一致。本研究使用SPSSAU软件进行亚组分析，采用线性回归模型评估暴露因素x对结局变量y的效应在不同亚组中的稳定性。
在SPSSAU【实验/医学研究】模块选择【亚组分析】，将变量拖拽至右侧对应分析框，操作如下图：
二、研究变量基本信息
表1展示了亚组分析的变量信息。本研究以x为暴露因素（定量数据），y为结局变量（定量数据），纳入两个亚组变量subgroup1和subgroup2（均为定类数据），以及两个协变量cov1和cov2（均为定量数据）。亚组变量用于将研究人群分层，以考察暴露因素x对结局y的效应在不同特征人群中是否存在差异。协变量cov1和cov2纳入回归模型进行校正，以控制潜在的混杂效应。
三、亚组分析结果
表2报告了亚组分析的核心结果。在全人群（All patients）中，暴露因素x对结局变量y的效应值为B=0.010（95% CI: 0.006~0.015），P<0.001，达到极显著水平，表明在全样本中x对y存在显著的正向效应。该效应值虽然数值较小，但由于y的测量尺度可能较大，因此B=0.010的实际意义需要结合变量的量纲进行解读。95%置信区间不包含0，进一步证实了效应的统计学显著性。
对于亚组变量subgroup1（P for interaction=0.209），交互作用检验P值大于0.05，说明暴露因素x对y的效应在subgroup1的两个亚组之间不存在显著差异，即效应具有跨亚组的一致性。具体来看，subgroup1第1组（n=169，占46.940%）的效应值为B=0.013（95% CI: 0.007~0.019，P<0.001），效应显著为正；subgroup1第2组（n=191，占53.060%）的效应值为B=0.007（95% CI: 0.001~0.013，P=0.022），效应同样显著为正。虽然两组的效应值存在一定差异（0.013 vs 0.007），第1组的效应约为第2组的1.86倍，但交互作用检验表明这一差异尚未达到统计学显著水平（P=0.209>0.05），可能受到样本量的限制。
对于亚组变量subgroup2（P for interaction=0.402），交互作用检验P值同样大于0.05，说明x对y的效应在subgroup2的两个亚组间也不存在显著差异。subgroup2第1组（n=254，占70.560%）的效应值为B=0.009（95% CI: 0.004~0.014，P=0.001），效应显著为正；subgroup2第2组（n=106，占29.440%）的效应值为B=0.012（95% CI: 0.007~0.018，P<0.001），效应同样显著为正。两组的效应值较为接近（0.009 vs 0.012），方向一致，且交互作用P=0.402远大于0.05，充分说明x对y的正向效应在subgroup2的不同水平中表现稳定。
四、森林图
图1 亚组分析森林图
图1展示了亚组分析的森林图。森林图以图形化的方式呈现了各亚组中暴露因素x对结局变量y的效应值（回归系数B）及其95%置信区间。图中的垂直参考线位于效应值=0处（线性回归的无效值），各亚组的效应值以方块表示，方块大小通常与该亚组的样本量或权重成正比，水平线段表示95%置信区间。
从森林图中可以直观看出：全人群的效应值（B=0.010）位于参考线右侧，95%置信区间不跨越参考线，表明总体效应显著为正。在subgroup1的分层中，第1组（B=0.013）和第2组（B=0.007）的置信区间均不跨越参考线，效应均显著为正，但两组的置信区间存在较大重叠，说明效应值差异不具有统计学意义。在subgroup2的分层中，第1组（B=0.009）和第2组（B=0.012）的置信区间同样不跨越参考线，且两组的重叠程度更高，进一步印证了效应的一致性。
森林图的整体形态显示，所有亚组的效应值均位于参考线右侧（正方向），且置信区间均未跨越参考线，说明暴露因素x对结局y的正向效应在所有亚组中均稳定存在。各亚组的置信区间宽度有所差异，样本量较大的亚组（如subgroup2第1组，n=254）置信区间较窄，估计精度更高；样本量较小的亚组（如subgroup2第2组，n=106）置信区间相对较宽，反映了较小的样本量带来的较大抽样误差。森林图的结果与表2的数值分析完全一致，进一步证实了x对y正向效应的跨亚组稳健性。
五、样本缺失情况
如表3所示，共有360例样本全部进入分析，无缺失数据被排除，有效样本率为100%，数据完整性良好。
六、结论
本研究通过亚组分析方法，在控制协变量cov1和cov2的基础上，系统考察了暴露因素x对结局变量y的效应在不同亚组中是否存在差异。主要结论如下：
第一，在全人群中，暴露因素x对结局变量y存在显著的正向效应（B=0.010，95% CI: 0.006~0.015，P<0.001），表明x的增加与y的升高显著相关。
第二，按subgroup1分层后，第1组（B=0.013，P<0.001）和第2组（B=0.007，P=0.022）中x对y的效应均显著为正，P for interaction=0.209，说明效应在两个亚组间不存在显著异质性，x的效应具有跨subgroup1亚组的一致性。
第三，按subgroup2分层后，第1组（B=0.009，P=0.001）和第2组（B=0.012，P<0.001）中x对y的效应均显著为正，P for interaction=0.402，说明效应在两个亚组间同样不存在显著异质性，x的效应在subgroup2的不同水平中表现稳定。
综上，暴露因素x对结局变量y的正向效应在所有亚组中均稳定存在，且未受到亚组变量的显著调节。这一结果增强了研究结论的可靠性和外推性，提示x对y的正向影响具有较好的普遍适用性。
