多因素分析中交互作用的意义与解释方法

中华儿科杂志, 2023,61(1) 裴敏玥, 李楠, 赵一鸣.

临床研究中除了研究者关心的因素，其他因素也会影响到患者的临床结局，这些因素被称为混杂因素。多因素分析常被用来控制混杂因素的影响，从而探讨主要因素与结局是否存在关联或关联有多强。但这一做法有个前提，就是研究者关心的因素，其效应在不同混杂因素之间的强度应该是相同的。但实际上，经常会遇到不同因素之间存在交互作用。交互作用存在于任何一种研究设计中，在随机对照试验中也会存在，这种效应是无法通过研究设计改变的。通过探讨交互作用，可以更准确地定位对某个治疗措施或暴露因素反应最强烈的患者，明确干预或暴露的真实效应、精准定位预防和干预的患者群体。

判断是否存在交互作用有2类方法：（1）通过查阅文献，既往研究中已经报道的某2个因素之间会存在交互效应，如在病因、人口学、疾病分型、基因型等因素上存在药效的差异或者疾病发生风险的差异；（2）根据或结合临床经验、理论推测等依据，采用分层分析、引入交互作用的多因素分析等方法证实交互作用的存在。需要注意的是，一旦2个因素存在交互作用，不引入交互项的情况下进行多因素分析往往是不合理的。

为了分析交互效应，通常会在多因素回归模型中加入交互项，进而进行分层分析明确治疗等因素在不同的交互效应因素水平下的效应。在线性回归中，通常会加入一个2个因素相乘的交互项，模型报告的结果中，若交互项有统计学意义，可初步认为存在交互作用，同时也可以通过交互项的系数来判断2个因素之间存在拮抗（系数为负）或协同作用（系数为正）。可以通过绘制研究因素效应强度的图像，使交互效应可视化，更加有利于对结果的判断和解读。在分层分析中，需要在不同分层中分别进行相同的多因素分析，比较不同分层中同一指标的效应强度，从而判断是否存在交互效应。

不同的报告规范都要求在统计方法阶段写明交互作用或亚组分析的统计方法。在结果报告时，首先需要报告未进行交互分析时的结果，然后需要报告加入交互项后每个变量和交互项的显著性和效应强度大小，给予适当的结果解读，并结合临床实际讨论其作用。

转自：“医学科研与管理空间”微信公众号

如有侵权，请联系本站删除！