研究说了什么
交互作用问的是效应是否随第三个变量改变，统计上在模型里加入乘积项，或做分层后检验系数差异。连续变量交互可以直接读乘积项系数，二分类结局则常报告相对超额风险、交互作用归因比例与交互作用指数，因为相加尺度与相乘尺度上的交互并不一致。亚组分析是把样本按某个变量切开，分别估计效应，它描述的是各层的效应大小，并不检验层间差异。判断是否存在交互，要看交互作用的 P 值与效应差异的置信区间，而不是看某一层显著、另一层不显著。亚组分析还带来多重比较问题，切得越多，偶然显著的概率越高。规范做法是预先指定少量亚组、限定在主要终点、报告交互 P 值与层间估计，并把亚组分析明确标为探索性。连续变量按中位数二分还会损失信息并制造假交互，保留连续形式或用限制性立方样条更稳妥。若交互是研究的主要问题，样本量应按交互效应而非主效应计算，否则整个试验从设计上就无法回答它。若论文只给分层结果而不给交互检验，读者无法判断差异是真实存在还是抽样波动。
为什么重要
抗衰干预的效应往往不大，整体试验容易得出中性结论，亚组分析于是成了寻找亮点的工具。问题在于，这种寻找很容易变成事后挑选：试了性别、年龄、基线水平、地区、合并用药，总有一层看起来有效。对读者，识别方法是看亚组是否预注册、试了几个、交互 P 值是否报告。对临床决策，真正的交互意味着治疗该给谁不该给谁，而亚组内的显著只意味着这一层里效应可能不为零，两者差别很大。另一个现实含义是样本量：亚组内的置信区间通常很宽，看似显著的结果可能只是噪声。它也能解释为什么指南对亚组推荐格外谨慎，通常要求重复验证或机制支持。看到「仅在某类人中有效」的标题，先找交互检验。对公共卫生而言，若效应确实在低基线风险人群中更强，把资源集中给这一层的效率会更高，但这需要预先设计而不是事后发现。若交互涉及性别或年龄，报告绝对效应差比只报相对风险更有决策价值。另一个识别信号是亚组结论是否在独立数据中重复，只有一次试验支持的亚组效应通常不应进入指南。
证据与边界
交互作用检验的功效通常只有主效应检验的四分之一，样本量不够时，真实存在的交互也测不出来，因此不显著不等于没有交互。相反，在大量亚组里挑出的显著交互，假阳性率很高。尺度依赖也是常被忽略的边界：相乘尺度无交互，相加尺度可能有，公共卫生意义通常看相加尺度，而论文常只报相乘尺度。亚组变量若与暴露相关，分层后各层人群本就不可比，观察到的差异可能来自混杂而非效应修饰。一个典型失败案例是一项运动干预试验，整体对步速无显著改善，女性亚组 P 等于 0.04，被宣传为女性专属方案，但交互 P 值为 0.4，两组效应差异的置信区间跨零。另一个问题是亚组定义的事后调整，把连续年龄切成几段，总能找到显著的一段。看到亚组结论，先问预注册了吗、交互检验做了吗、切了几刀，再决定要不要相信。另一个边界是缺失数据，亚组分析常把关键变量缺失的人整行删掉，剩下的样本可能已不代表该亚组。报告各亚组的样本量、事件数与失访比例，是判断亚组分析是否可信的基本要求。