肿瘤Ⅲ期临床试验统计语言（7）：亚组分析

转载自：施大夫的笔记本

解读任何一项 III 期研究，目光都很难绕开那一页亚组森林图。无论总人群结果是阳性还是阴性，图上那些密密麻麻的小方块和横线，总带着一种难以抗拒的吸引力，让人忍不住想按图索骥，找到“我手里那个病人”落在哪个格子。EGFR 突变、PD-L1 高表达、肝转移、东亚人群、高龄……每一行数据都像在提醒我们：这个药对不同特征的患者，效果可能并不相同。

亚组分析（Subgroup Analysis）一直是临床试验中最受关注、也最容易出问题的一环。它既能让一个濒临失败的研究起死回生，也能把一个原本清晰的阳性结果拖入争议。本期，我们就从几个改变研究命运的亚组案例讲起，再看几个把研究者“坑”得很惨的例子，最后谈谈作为临床医生，面对森林图时真正应该关注的几件事。

1

亚组分析：从 Yusuf 的“原罪声明”说起

亚组分析并非新鲜事物。自临床试验诞生以来，研究者就习惯在总体结果之外，按年龄、性别、病情严重程度等特征再做切分观察。但真正将亚组分析作为一门严谨的方法学来系统审视，是从上世纪 80 年代的心血管研究领域开始的。

1991 年，牛津大学的 Salim Yusuf 与 Richard Peto 等人在 JAMA 发表了一篇具有深远影响的方法学文章，题为《Analysis and interpretation of treatment effects in subgroups of patients in randomized clinical trials》。在这篇文章中，他们提出了一个朴素却动摇了许多人直觉的观点：随机化所保护的是总体人群的可比性，而不是任何一个特定亚组的可比性。

统计学告诉我们，在一个试验中如果随意切出多个亚组，仅凭随机误差就很容易出现至少一个 p < 0.05 的“阳性”结果。因此，他们为亚组分析定下了一条重要原则：它只能用于生成假设，而不能用于确证结论。这篇文章后来被广泛引用，成为亚组分析领域的“原罪声明”。

进入 2000 年代后，Sun、Pocock、Wang 等统计学家在 NEJM 和 BMJ 上反复强调：一个亚组结果要想可靠，必须同时满足前瞻性预设（prespecified）、具有生物学合理性、存在交互作用检验（test for interaction）的支持，并进行多重比较校正。著名统计学家 Stuart Pocock 在 2002 年的一篇经典综述中，曾说过一句广为流传的话：“Subgroup analyses are the work of the devil”（亚组分析是魔鬼的工作）。这句话虽然尖锐，却真实反映了亚组分析极易产生误导的风险。

接下来，我们通过几个真实案例，看看亚组分析在实际研究中是如何发挥作用、又如何带来麻烦的。

2

改变命运的亚组：IPASS 研究与 EGFR 突变，从来不是偶然

在系列②讨论生存分析时，我们已经介绍过 IPASS 研究。今天再次请它出场，是因为在肿瘤临床试验史上，它是亚组分析最经典的成功案例之一。但要把这个故事讲清楚，必须先回到 IPASS 之前那几年——很多人下意识地认为“EGFR 突变这个标志物是 IPASS 偶然挖出来的”，其实并非如此。走到 IPASS 这一步，EGFR 已经是当时最有把握的那张牌，IPASS 的设计本身，就是为了把这张牌打出来。了解这些内容前，需要先回顾两个研究。

第一项是 2004 年的 ISEL 研究：2100 余例既往化疗失败的晚期 NSCLC 患者随机接受吉非替尼或安慰剂，主要终点 OS 整体阴性（HR 0.89，p = 0.11）。这个结果当时几乎让吉非替尼在美国市场被打回原形，FDA 甚至撤销了其加速批准。但 ISEL 的预设亚组分析中出现了一道缝隙——亚裔患者和不吸烟患者获益更明显，后续生物标志物再分析显示高 EGFR 拷贝数是重要预测因素。

第二项是 2005 年的 BR.21 研究，由加拿大临床试验组（CCTG）牵头、Frances Shepherd 教授担任 PI，共入组 731 例既往化疗失败的晚期 NSCLC 患者，随机接受厄洛替尼或安慰剂。这是首个也是迄今唯一一个证明 EGFR-TKI 单药对比安慰剂能延长总生存的 III 期研究（中位 OS 6.7 vs 4.7 个月，HR 0.70，p < 0.001）。BR.21 的胜利让厄洛替尼站稳脚跟，更重要的是其配套的转化研究：Ming Sound Tsao 教授团队在 2005 年 NEJM 上发表的生物标志物分析，在同一批患者中系统比较了 EGFR 突变、EGFR FISH 拷贝数和 EGFR IHC 三个候选标志物，结果清晰指向 EGFR 突变和高拷贝数是获益最显著的预测因素。Tony Mok 教授本人当时也是这批分析的合作作者。

这两条线索在 2005–2006 年的肺癌领域已非常清晰：吉非替尼和厄洛替尼在全人群中疗效有限，但在特定人群中获益显著——这些患者要么不吸烟、要么是亚裔、要么存在 EGFR 基因层面的改变。然而，西方人群中 EGFR 突变频率仅约 10%，开展富集设计的 III 期研究既慢又昂贵；而东亚不吸烟腺癌人群中，EGFR 突变频率高达 50%–60%。这是地理与生物学上的一个巧合，也为临床试验设计提供了机会。

Tony Mok 教授当时已回到香港中文大学。他的训练背景恰好把这条线索串联起来：1980 年代末他在多伦多 Princess Margaret Hospital 完成肿瘤内科 fellowship，而该机构正是 Frances Shepherd 教授肺癌临床研究的大本营——BR.21 以及 Tsao 团队的 EGFR 转化研究均出自这里。Mok 教授后来多次提到，从 Princess Margaret 的训练经历到 BR.21 揭示的 EGFR 信号。用星爷在鹿鼎记的经典台词：東方不敗的師父西方失敗！

IPASS 正是在这一逻辑下设计出来的——它的目标不是验证“吉非替尼对全人群是否有用”，而是验证“在 EGFR 突变富集度最高的那个人群中，吉非替尼能否取代化疗成为一线治疗”。选择东亚不吸烟腺癌人群作为入组对象，正是为了把 EGFR 突变阳性这一格塞满，从而最大化研究的统计效力。

2009 年，Tony Mok 教授团队在 NEJM 发表了 IPASS 研究：1217 例东亚不吸烟或轻度吸烟的肺腺癌患者，随机接受吉非替尼或卡铂/紫杉醇化疗。主要终点为 PFS。整体结果仅为勉强阳性（HR 0.74，95% CI 0.65–0.85），但 KM 曲线呈现明显的交叉特征——前 6 个月化疗占优，之后吉非替尼逐渐反超，显示出典型的非比例风险模式。如果仅看整体曲线，这个药物很难被视为明确的赢家。

研究的亚组结果是焦点。研究中有 437 例患者有组织标本可进行 EGFR 突变检测，其中 261 例为阳性（约占可评估人群的 60%，占全研究人群的 21%）。在 EGFR 突变阳性亚组中，吉非替尼对比化疗的 PFS HR 为 0.48（95% CI 0.36–0.64）；而在 EGFR 突变阴性亚组中，HR 则高达 2.85（95% CI 2.05–3.98）。一个亚组显示显著获益，另一个亚组却显示可能带来伤害，交互作用检验的 p 值 < 0.001。这表明 EGFR 突变状态将患者分成了两个生物学特征截然不同的群体。

2015 年，FDA 正式批准吉非替尼用于 EGFR 19 外显子缺失或 21 外显子 L858R 突变的转移性 NSCLC 一线治疗，其核心依据正是 IPASS 研究的亚组数据。批准适应证明确针对 EGFR 突变阳性人群，而非整体 1217 例患者。一个亚组分析，将一个原本在全人群中“险些失败”的研究，转变为开启肺癌靶向治疗时代的标志性研究。

从方法学角度看，IPASS 的亚组分析能够成功，主要依赖以下几个关键前提：一是生物学合理性，EGFR 突变作为效应修饰因子具有高度的机制合理性；二是前瞻性设计，该亚组分析在方案中是预先设定的，甚至可以说整个 IPASS 的入组标准就是为了把 EGFR 突变阳性这一格塞满；三是显著的统计学交互，交互作用检验结果非常显著，难以用偶然性解释；四是外部证据的重复验证，后续多项独立 III 期研究（WJTOG3405、NEJ002、OPTIMAL、EURTAC 等）均重复了相同方向的结果。

一个真正能改变命运的亚组，大多不是从某项研究的森林图里“偶然瞥见”的，而是从前面好几项失败或勉强阳性的研究里一路追问、一路转化、一路富集出来的。ISEL 的亚裔信号和 BR.21 的 EGFR 突变/FISH 信号，是在西方人群里反复试错之后，把“EGFR 是这个药真正的开关”这件事一点点逼显出来的；而东亚临床研究者接过这条线索，选对了富集人群和入组标准，IPASS 才得以成功。

IPASS 所改写的，远不止那张亚组森林图上的统计结果。它让原本在全人群中疗效有限的 EGFR-TKI，在生物标志物驱动的框架下找到了精准的临床定位，从而为驱动基因阳性非小细胞肺癌开辟了靶向治疗的新路径；同时，这一成功也体现了东亚研究者在前瞻性试验设计与转化策略中的重要贡献，让他们在国际多中心研究中的作用得到更充分的认可。而对中国肺癌临床研究而言，此后“天时、地利、人和”汇聚，肺癌研究的中国高地初现轮廓，其示范效应进一步推动了全国肿瘤临床研究的规范化和与国际标准的接轨。

3

CRYSTAL 研究与 KRAS 野生型，顺势而为的一次回头

如果说 IPASS 是“预设亚组改变命运”的典范，那么 CRYSTAL 研究就是“回溯亚组改写药品标签”的经典案例。它的过程更曲折，在方法学上也更具代表性。

但和 IPASS 一样，这里有一个常被误解的地方：很多人把 CRYSTAL 团队在 2008–2009 年回头补做 KRAS 检测，浪漫地视为“灵感乍现的事后救援”。事实并非如此。当他们决定回头时，KRAS 作为预测标志物的证据链已经被多个先驱团队逐步建立起来。他们只是顺势把这条线接上，而不是凭空挖出一个亚组。

这条线索最早可以追溯到 2006 年。巴黎居里研究所的 Astrid Lièvre 团队在 Cancer Research 上发表了一项仅 30 例患者的小样本研究，发现接受西妥昔单抗治疗的转移性结直肠癌患者中，所有应答者均为 KRAS 野生型，而 KRAS 突变者均无应答。尽管样本量小，但信号清晰。2007 年，意大利的 Di Fiore、Frattini、Benvenuti 等团队先后在 BJC 和 Annals of Oncology 上发表了方向一致的小样本验证；2008 年，Lièvre 团队将样本扩大至 89 例再次验证。这些早期研究合计不过两三百例，但结论高度一致：抗 EGFR 单抗在 KRAS 突变型结直肠癌中几乎无效。

真正将这一信号从“小样本相关性”推向“III 期级证据”的，是 2008 年的两项重要再分析。一项是 Amado 等人在 JCO 发表的 panitumumab III 期研究 KRAS 再分析：KRAS 野生型亚组 PFS HR 为 0.45，而 KRAS 突变型亚组 HR 为 0.99，交互检验 p < 0.0001，提示该药在 KRAS 突变型患者中与安慰剂无异。另一项是同年 10 月 Karapetis 等人在 NEJM 发表的 NCIC CO.17 研究 KRAS 再分析：西妥昔单抗对比最佳支持治疗，在 KRAS 野生型患者中 OS 几乎翻倍，而在 KRAS 突变型患者中获益完全消失（交互检验 p = 0.01 for OS，p < 0.001 for PFS）。

到 2008 年底，结直肠癌领域对 KRAS 的预测价值已基本形成共识。NCCN 指南已在年底将 KRAS 检测纳入推荐，欧洲药品管理局（EMA）更早在 2008 年 7 月就将 panitumumab 的适应症限定为 KRAS 野生型。因此，当 CRYSTAL 研究者决定对原始组织标本进行 KRAS 检测时，他们做的是把领域已形成的共识代入自己这项整体结果仅为“边缘阳性”的 III 期研究。

CRYSTAL 研究是西妥昔单抗联合 FOLFIRI 一线治疗转移性结直肠癌的 III 期试验，共入组 1198 例患者。2008 年首次报告时，主要终点 PFS 虽为阳性，但优势有限：HR 0.85（p = 0.048），中位 PFS 仅改善约 1 个月（8.9 vs 8.0 个月），OS 当时尚无统计学差异。

转机出现在 KRAS 相关证据链逐渐清晰之后。CRYSTAL 团队对原始组织标本进行了回顾性 KRAS 检测，将可评估率从初次报告时的 45% 提升至 89%。在可评估人群中，KRAS 野生型约占 64%。亚组结果令人振奋：在 KRAS 野生型人群中，cetuximab + FOLFIRI 对比 FOLFIRI 单药，中位 OS 为 23.5 vs 20.0 个月（HR 0.796，95% CI 0.67–0.94，p = 0.0094），中位 PFS 为 9.9 vs 8.4 个月（HR 0.696，p = 0.0012）。而在 KRAS 突变型人群中，两组曲线几乎重合甚至略有倒挂。一个原本只能算“边缘阳性”的研究，在 KRAS 野生型这 64% 的人群中，变成了一个明确的赢家。

2009 年 7 月，FDA 更新了 cetuximab 和 panitumumab 的药品标签，明确写入“不推荐用于 KRAS 突变型转移性结直肠癌”。后续 RAS 检测范围进一步扩展至 NRAS 和 BRAF，但核心逻辑一致：一个回溯式亚组分析，既救活了一类药物，也避免了大量患者接受无效治疗。

CRYSTAL 的亚组分析在严格意义上属于 post hoc（事后分析）——方案中并未预设 KRAS 分层。它最终被监管机构接受，主要依赖三点：第一，生物学机制清晰，抗 EGFR 单抗对下游 RAS 通路已激活的肿瘤本就难以有效，这一机制在 CRYSTAL 数据出来之前已被 Lièvre 等一系列研究反复验证；第二，补检样本量大且代表性好，89% 的可评估率将选择偏倚控制在较低水平；第三，几乎同期的 OPUS、PRIME、FIRE-3 等研究在不同化疗背景下均重复出 KRAS/RAS 野生型获益、突变型不获益的相同格局。

将 IPASS 和 CRYSTAL 并置观察，可以得到一个重要的方法学启示：一个亚组能否被认可，不只取决于它自己那一格的 p 值有多漂亮，更取决于它背后的生物学线索，在这项研究之前已经被走得多远、被多少独立研究重复验证过。IPASS 接的是 ISEL/BR.21 这条线，CRYSTAL 接的是 Lièvre/Amado/Karapetis 这条线。两次回头之所以成功，不是因为研究者运气好，而是因为他们回头时，前人已经把路灯点亮了大半截。

4

亚组定义新瘤种：DESTINY-Breast04 与 HER2-low

进入 ADC 时代，亚组分析展现出新的功能：它不仅可以筛选优势人群，还可以直接定义一个新的疾病亚型。

在乳腺癌领域，HER2 长期被视为非黑即白的二元标志物：IHC 3+ 或 FISH 阳性定义为 HER2 阳性，其余则统称为 HER2 阴性。而“HER2 阴性”实际上是一个非常混杂的群体，既包括 IHC 0 的真阴性，也包括 IHC 1+ 或 IHC 2+/ISH- 的低表达患者。传统抗 HER2 药物（曲妥珠单抗、帕妥珠单抗、T-DM1）在 HER2 低表达人群中反复尝试，均未取得阳性结果，因此这一群体长期未被单独区分出来。

T-DXd（德曲妥珠单抗）是一种新一代 HER2 靶向 ADC，其 DXd 载荷具有较强的旁观者效应（bystander effect），即使周围 HER2 不表达的肿瘤细胞也可能被杀伤。这一机制提示，T-DXd 在 HER2 低表达肿瘤中仍有潜在活性。DESTINY-Breast04 正是为验证这一假设而设计的。

该研究入组 557 例既往接受过 1–2 线化疗的 HR+/HER2-low 或 HR-/HER2-low 转移性乳腺癌患者，HER2-low 定义为 IHC 1+ 或 IHC 2+/ISH-。患者按 2:1 随机分配至 T-DXd 或医生选择的化疗。2022 年，Modi 教授在 ASCO 全体大会上公布结果并同步发表在 NEJM：HR+/HER2-low 亚组（占多数）中，PFS 为 10.1 vs 5.4 个月（HR 0.51，95% CI 0.40–0.64，p < 0.001），OS 为 23.9 vs 17.5 个月（HR 0.64，p = 0.003）。整体人群 OS 也显著改善（23.4 vs 16.8 个月，HR 0.64，p = 0.001）。森林图各亚组结果方向一致。

2022 年 8 月，FDA 正式批准 T-DXd 用于既往接受过化疗的不可切除或转移性 HER2-low（IHC 1+ 或 IHC 2+/ISH-）乳腺癌。这是历史上首个专门针对 HER2-low 亚组获批的疗法。从此，病理报告中的 IHC 1+ 不再仅仅是“HER2 阴性”的同义词，而成为一个独立的治疗决策入口。一个亚组，实质上定义了一个新的临床疾病亚型。

DESTINY-Breast04 与 IPASS、CRYSTAL 的故事有所不同。它不是在阳性试验中挖掘更优亚组，也不是在阴性试验中挽救阳性亚组，而是把整个研究人群本身就定义为一个亚组。研究者在设计阶段就将 HER2-low 作为主要研究人群，并将 HR 状态作为分层因子。这种“亚组即研究人群”的设计，将亚组逻辑前置到入组标准中，既保留了亚组分析的精准性，又有效避免了事后挖掘带来的统计学争议。后来的 DESTINY-Breast06 进一步将这一思路延伸至 HER2-ultralow（IHC 0 但有染色）人群。

5

把亚组当成下一项Ⅲ期的种子——两次反败为胜与两次折戟

在学术会议上，耳朵听出茧子了的一句话：“这只是探索性发现，留待未来研究证实”。这句话听上去四平八稳，但在真实的历史中，真正有底气基于某个亚组专门再开展一项Ⅲ期确证性研究的案例并不多。而走过这条路的几项研究，结局两极分化得非常彻底：有的反败为胜，有的把整个团队再拖一遍，最终仍以失败告终。

1

绝地反击的样板：

REACH → REACH-2

雷莫西尤单抗（ramucirumab）是一种 VEGFR-2 单抗。REACH 是其在索拉非尼耐药后二线晚期肝癌的Ⅲ期研究，入组 565 例患者，主要终点 OS 整体阴性：中位 OS 9.2 vs 7.6 个月，HR 0.87（95% CI 0.72–1.05），p = 0.14。

但研究者在统计分析计划中预设了一个基于甲胎蛋白（AFP）的分层亚组。在基线 AFP ≥ 400 ng/mL 的 250 例患者中，OS HR 为 0.67（95% CI 0.51–0.90），p = 0.006，中位 OS 7.8 vs 4.2 个月；而在 AFP < 400 ng/mL 的亚组中，两组曲线几乎重合。

这是一个边界清晰且生物学上合理的亚组——AFP 高表达的肝癌往往血管生成更活跃，理论上更依赖 VEGF 通路。这个结果把雷莫西尤单抗从退市边缘救回到了“值得再赌一次”的区间。

REACH-2 就是那一次专门验证：仅入组 292 例 AFP ≥ 400 ng/mL、既往索拉非尼治疗后的晚期肝癌患者，2:1 随机分配至 ramucirumab 或安慰剂。2019 年 Lancet Oncology 发表结果：中位 OS 8.5 vs 7.3 个月（HR 0.710，p = 0.0199），PFS HR 0.452（p < 0.0001）。FDA 于 2019 年 5 月据此批准 ramucirumab 用于 AFP ≥ 400 ng/mL 的晚期肝癌。这是历史上首个利用生物标志物富集设计获得阳性结果的肝癌Ⅲ期研究。一个 250 例的预设亚组，最终孕育出一个全新的二线适应症。

REACH 这条路之所以走得通，再次印证了前面的原则：亚组是预设的、生物学解释清晰、效应量足够大、AFP 这个分界简单可筛——所有可被独立验证的条件都到位了，后续Ⅲ期才有底气只赌这一群人。

2

轰然倒塌的幻觉：

ARTIST → ARTIST-II

ARTIST 是韩国学者牵头的胃癌 D2 根治术后辅助治疗Ⅲ期研究，458 例患者随机接受 XP 化疗或 XP 联合同步放化疗。主要终点 DFS 整体阴性（3 年 DFS 74.2% vs 78.2%，p = 0.0862）。

但事后亚组分析显示，病理 N+ 亚组（396 例）中联合放疗显著改善 DFS（HR 0.69，p = 0.0365）。这个信号看上去合理：对淋巴结已转移的患者，加用局部放疗似乎值得。ARTIST-II 就是为这个亚组专门设计的验证研究，直接把入组条件限定为 D2 切除后 N+ 的Ⅱ/Ⅲ期胃癌。

然而，2019 年中期分析显示：SOX vs SOXRT 的 DFS HR 为 0.910（p = 0.667）。ARTIST 当年看到的“N+ 放疗获益”，在专门验证它的研究中未能重复。独立数据监察委员会判定放疗组无效，提前终止入组。

事后复盘，ARTIST 这条路走不通主要有三点可能的原因：第一，化疗方案发生了变化——ARTIST 用 XP，ARTIST-II 升级为更强的 SOX，放疗在更强背景下的额外获益空间被压缩；第二，N+ 亚组在原始研究中并非主要随机化分层，亚组内可能存在未被控制的混杂；第三，ARTIST 中 N+ 亚组的 p = 0.0365 本身就在多重比较的边缘，且缺乏交互作用检验的硬支持。

3

地域迷思的溃败：

AVAGAST → AVATAR

AVAGAST 是贝伐珠单抗联合化疗一线治疗晚期胃癌的Ⅲ期研究，774 例患者。整体阴性（中位 OS 12.1 vs 10.1 个月，HR 0.87，p = 0.1002），但预设的地域亚组显示泛美洲患者获益最明显，亚太地区几乎没有获益。

中国研究者据此设计了 AVATAR，几乎是 AVAGAST 在中国人群中的复刻。结果却令人失望：中位 OS 10.5 vs 11.4 个月（HR 1.11，p = 0.56），PFS 也无改善。

AVAGAST → AVATAR 的失败给出了一个重要教训：地域或种族亚组是森林图中最不稳定的一类。AVAGAST 中亚太人群“表面无效”，更可能反映的是该亚组安慰剂组本身预后更好（后续治疗更普及、就诊更及时等），这是一种典型的预后因子干扰预测因子的混杂。把“亚太无效”反向推论为“非亚太有效”，再据此设计中国人群专属的验证研究，逻辑链条从一开始就存在问题。

把这三个故事放在一起看，一个亚组是否值得催生下一项Ⅲ期研究，大致取决于以下几点：

1. 亚组背后有没有一条经得起追问的生物学机制。REACH 的 AFP 反映血管生成活性，这条机制相对硬；ARTIST 的 N+ 只是疾病分期，机制相对软；AVAGAST 的地域亚组，几乎没有特异的生物学机制可言。
2. 亚组的效应量足够大且置信区间合理。REACH 的 AFP ≥ 400 亚组 HR 0.67（250 例），CI 在 0.5–0.9 之间，这是个“硬”的数据；ARTIST 的 N+ 亚组 HR 0.69，但 p 值仅 0.0365，几乎贴着多重比较的门槛。
3. 后续Ⅲ期要尽量保持治疗背景的可比性。ARTIST → ARTIST-II 同时改了化疗方案和放疗两个变量，导致结论难以解释。
4. 地域和种族差异要当成潜在混杂因素处理，而不能直接当成预测因子去验证。

6

预设还是事后？以及那个常被读者略过的“交互检验”

读到这里，审视亚组森林图时最关键的两条边界已经清晰浮现：第一条是前瞻性预设（Prespecified）还是事后分析（Post hoc）；第二条是是否通过了交互作用检验（Test for Interaction）。

1

预设 vs 事后：它是如何阻断“挑选数据”的？

所谓预设，是指在方案锁定、第一例患者入组之前，研究者就在统计分析计划（SAP）中明确写清楚：计划分析哪些亚组、采用何种统计模型、预期的效应方向、是否进行正式假设检验，以及是否分配 α。

预设的亚组，即使阳性 p 值并不特别漂亮，其可信度也远高于事后挖掘出来的结果。原因很简单：预设剥夺了研究者“挑选数据”的特权。而事后分析的本质往往是看到结果后再决定切哪一刀。

事后分析并非绝对不能用，但若想获得较高可信度，必须同时满足前文 CRYSTAL 案例中所强调的三点：生物学机制清楚、外部独立研究重复验证、样本量足够大。缺任何一条，可信度都会明显下降。

2

交互作用检验：识破“看起来不同”背后的噪声

交互作用检验是森林图中最常被临床医生跳过、但其实最该关注的一个数字。

它的逻辑是：两个亚组之间药效“看起来”不同，究竟是真实生物学差异，还是仅由随机抽样波动造成？交互检验正是用来判断这两个亚组的 HR（或 OR、RR）之间的差距，是否大到不能用偶然性解释。

在 IPASS 研究中，EGFR 突变阳性与阴性亚组的交互检验 p < 0.001，表明两者的治疗效应存在真实差异。而有些研究报告“年龄 < 65 岁亚组 HR 0.65，≥ 65 岁亚组 HR 0.85”，但交互检验 p = 0.3，说明两者的差异很可能只是噪声。然而，把两个亚组的 95% CI 横着画在森林图上时，视觉上很容易给人“年轻人获益更多”的错觉。

3

临床医生阅读森林图的三层复盘逻辑

经验一：全人群阳性时，关注“一致性”

如果主要终点整体阳性，森林图中绝大多数亚组通常应该朝同一方向（获益侧）倾斜，只是程度不同（定量交互）。当某一格出现明显偏离时，应先检查：这个亚组是否为预设分层？基线在亚组内是否平衡？事件数是否成熟？

经验二：全人群阴性时，警惕“定性交互”

如果整体结果阴性，但森林图中突然出现一个方向完全相反的高光亚组，而其他亚组方向混乱，这种方向逆转的“定性交互”在生物学上极为罕见。一旦出现，十有八九是噪声。Yusuf 1991 年那篇经典文章就反复强调：绝大多数所谓的“亚组差异”其实只是程度上的定量交互，而非真正的方向逆转。

经验三：看上去“特别有效”的亚组，也未必经得起验证

哪怕某个亚组在当前研究中表现突出，如果缺乏交互检验支持，且在推进到下一项试验时随意改变了治疗背景，它同样容易在后续研究中失效。ARTIST → ARTIST-II 和 AVAGAST → AVATAR 已经用实际案例演示了这一点。

肿瘤Ⅲ期临床试验统计语言（1）：P 值的真相——结合 FDA 审评解读

肿瘤Ⅲ期临床试验统计语言（2）：生存分析三件套KM曲线、log-rank 检验和 Cox 模型

肿瘤Ⅲ期临床试验统计语言（3）：α 分配 —— 多问一个问题，代价不菲

肿瘤Ⅲ期临床试验统计语言（4）：提前看数据的代价——期中分析与 α-spending消耗函数

肿瘤Ⅲ期临床试验统计语言（5）：HR ，一个数字的背后

肿瘤Ⅲ期临床试验统计语言（6）：当终点不是“时间”——CheckMate 816 与 pCR/EFS

与癌共舞公众号及网站及APP上发表的文章及讨论仅代表作者或发帖人个人观点，不代表平台立场。

与癌共舞公众号文章经医学编辑和版主审核，具有明显谬误和不良引导的文章将禁止发表。