研究说了什么
亚组分析的做法是把总体样本按年龄、性别、基线风险、合并用药等变量切开，分别估计干预效应。它看起来只是分层描述，统计上却是一次又一次新的检验。若把总体 alpha 定为零点零五，做二十次彼此独立的亚组比较，至少出现一次假阳性的概率约为百分之六十四。更常见的情形是亚组之间并不独立，样本被反复使用，误差结构更复杂。正确的做法不是看某个亚组内的 P 值是否小于零点零五，而是检验交互作用，也就是干预效应在亚组间是否存在真实差异。交互作用检验的把握度远低于主效应检验，通常需要主效应四倍以上的样本才能检出同等大小的交互，因此不显著的交互结果不能证明亚组间没有差异，显著的组内差异也不能证明亚组有效。二〇一〇年《英国医学杂志》提出了一套判断亚组效应可信度的标准，包括亚组是否为预先设定、是否有生物学合理性、交互检验的 P 值是否足够小、是否在独立研究中重复、亚组数量是否有限等，逐条打分后才能决定信几分。另一项针对心血管试验的调查发现，论文中报告的亚组结论，多数在后续研究中未能重复，且越是事后切分的亚组，重复率越低。
为什么重要
抗衰试验的样本往往不大，亚组一切就只剩几十人，估计极不稳定。而这类分析恰好最容易被用来制造故事：总体阴性，但七十五岁以上亚组显著；总体无差异，但男性亚组有效。研究摘要与新闻稿偏爱这种转折，读者也爱看。识别的方法有几条。先看亚组是否在注册文件中预先声明，事后切出来的亚组只能算假设。再看是否报告了交互作用 P 值与置信区间，只报组内 P 值的，多半是在挑选。还要看亚组数量，若论文列了十几个亚组却只有一个显著，按概率本身就该出现一个。最后看方向是否一致，若某亚组的效应与总体相反，且没有机制解释，更可能是噪声。临床上还有一个现实约束：即便亚组效应真实存在，把它变成治疗建议也需要独立的验证试验，因为亚组效应量通常被高估，直接外推会让最该获益的人反而得不到有效治疗。还有一个操作层面的陷阱：亚组变量若与中心、入组时间高度相关，所谓的亚组效应可能只是中心效应或时间趋势的投影。多中心试验里，各中心对终点的判读标准、随访频率、受试者构成都不同，把这些差异归到某个临床特征上，很容易得出错误解释。分析时应把中心作为分层因素，并检查亚组与中心的交互。
证据与边界
亚组分析并非一无是处。当交互作用检验达到预设的严格标准，且有明确的生物学机制与独立重复时，亚组效应可以改变临床实践，肿瘤领域的生物标志物分层就是成功案例。边界在于，这种成功依赖完整的方法学链条，而不是一次事后切分。还要注意一类特殊情形：亚组效应可能真实存在，但方向与预期相反，此时若研究者只报告符合预期的亚组，就构成了选择性报告。期刊要求提交完整的分层结果，包括所有预先设定的亚组，正是为了对抗这种筛选。对读者最实用的建议是，看到亚组结论时先数一数论文一共报了几个亚组、有几个显著、交互检验的 P 值是多少；这三个数字通常足以判断该不该继续读下去。还要留意一种反向偏差：有些真实的亚组差异因为交互检验不显著而被忽略，尤其当试验本来就不是为亚组分析设计的时候。解决之道不是放宽判读，而是在设计阶段就按亚组因素分层随机，或开展专门的验证试验。对临床实践，改变指南需要的是重复验证，而不是一次分层里的小概率事件。把这两点放在一起，亚组分析的位置就清楚了：它生成假设，不负责确证。