详情点击下方：
现在亚组分析好像越来越流行，无论是观察性研究还是RCT研究，亚组分析一般配备森林图。
除了基础回归的效应值与95%CI和P值，许多文章表格中还会有P interaction，看上去似乎更加高级。
比如Lancet这篇文章：
那么P interaction值有什么含义呢？具体应该如何计算呢？
首先，我们要明白亚组分析的目的是什么？目的是为了检验干预的效果是否受到某个基线特征（也就是亚组变量）的影响，即干预和亚组变量是否有交互作用。这里的交互作用就通过P interaction来体现啦！
掌握了理论部分，我们接着详细讲讲如何计算亚组分析的P interaction！
网络上相关教程比较多，有SPSS计算，SPSS联合excel计算，R语言各种包计算，stata计算，算法也层出不穷，但是都不够简便，因此，这里为大家推荐一个可以3分钟菜单式操作计算P interaction的方式——风暴统计！
点击关注我们的主页，按照下方图片进入“风暴统计”平台
1.进入风暴统计平台
首先，打开风暴统计平台，依次点击“风暴智能统计”—“亚组分析与森林图”—"亚组分析与森林图"，进入分析板块。
2.亚组森林图的绘制
风暴统计平台可以一站式完成常见三大回归的亚组分析——线性、logistic、COX统统搞定！
下面实操，我们先以logistic回归为例进行展示！
Logistic回归亚组分析中，只需要完成连续性因变量、暴露因素、亚组变量的选择。
因变量：即Logistic回归中的因变量/结局变量，必须是二分类变量，取值为0、1。
暴露因素：即我们研究重点关注的关键自变量/焦点因素，平台限制为二分类变量。（其实亚组分析并不限制暴露的变量类型，不过是在不同人群中开展回归，但是森林图的绘制只适合二分类变量，因此平台做了限制）
亚组变量：即在哪些不同人群中开展分析，例如：选择性别作为亚组变量，就代表分别在男性、女性群体中开展回归分析。亚组变量必须是分类型变量，可以同时选择多个。这里我们同时选择"sex"，"race"，"level"3个变量。
选择完毕后，平台就直接给出单因素回归分析结果以及森林图了，P for interaction就包括在内！
如果亚组分析，需要调整其他协变量进行多因素回归分析，可以在协变量设置这里选择"自定义"。
接着在下拉框中，勾选需要调整的协变量。接着就会更新出多因素亚组分析表格以及森林图啦！
还可以调节底纹以及P值，交互P值的展示方式，分分钟达到顶刊发文水准配图！
3.下载结果
最后在曲线下载设置中，选择下载图片，保存类型，曲线页面，中文字体。
注：如果图形显示不完全，可以在曲线页面设置自定义。自由调整图片的长度和宽度，避免下载图形不完整的情况。
选择完毕后，就可以下载森林图或亚组分析表格啦！
详情点击下方：