析因随机试验的交互作用，结果部分怎样报告？

一项2×2析因试验同时研究训练课程A和手机提醒B，参与者被随机分到A与B都没有、只有A、只有B、A与B都有四种组合。稿件若只给“A有效、B无效”两句，读者不知道A的效果是否因B而改变，也不知道比较时合并了哪些组。四种组合决定了A和B的效果怎样被比较，投稿结果表应先让四组清楚可见，再说明预定的主要比较及交互作用。

四组与主要比较都要有名字

方法段交代两个因素各是什么、如何随机、四组各接受什么，以及结局何时测量。“A的主效应”可能指把有A的两组与无A的两组比较，平均跨越B的两个水平；“B的主效应”也类似。若研究原本关注“无B时A的效果”，那就不是同一个平均比较。稿件必须说明目标效应和实际合并规则，而不能在结果出来后把最有利的两组挑出来称为主分析。析因试验CONSORT扩展建议说明采用析因设计的理由、是否预期交互，并明确构成主要比较的组。

结果表先按四个组合分别列随机分配人数、实际接受干预人数、主要结局可用人数和结果摘要。随后列预定的A比较与B比较、各自效应量和区间。只给合并后的A有无两行，会遮住B在不同A状态下可能不一样的结果。若两种干预在交付上会互相影响，例如手机提醒促使更多人参加训练，还应写实际接受情况；它有助于解释交互，却不能代替统计上的交互估计。

交互作用回答的是“效果是否随另一因素改变”

假设A在没有B时改善步行距离较多，在有B时改善较少，这种差异才是交互作用要量化的对象。不能因为“只有A组显著、A加B组不显著”，就宣布两组效果有显著差别；那只是分别检验的结果，未直接比较两种效果。应报告交互估计及其不确定性，并说明使用的效应尺度。若交互估计的区间很宽，即使没有观察到明确差异，也不能把它写成“证实A和B完全独立”。析因扩展要求对主要比较报告交互估计与精度，正是为了避免把未检出交互等同于交互不存在。

若方案预设主要分析假定没有重要交互，而结果提示可能存在交互，讨论应说明平均主效应在不同B水平上的解释可能不稳。可以展示A在无B和有B情况下的分层估计，但不要事后把分层中的一个结果冒充原计划的主结论。若样本量主要为主效应设计，交互分析可能精度不足，表中的区间比单个P值更能说明不确定性。若四组招募时间不同或某个因素提前停止，分析人群也应按因素和时期交代，不能继续把它当作完整的四组同期比较。

投稿前用方案核对三件事：为何采用析因设计，预设的A与B主要比较是什么，原本如何处理交互。再用数据核对四组人数、干预交付和结果表的合并分母。标题、摘要若只写“A对B试验”会遮住两个因素；正文若只报两个主效应会遮住四组数据。把设计、四组结果、主要比较和交互估计放在一起，读者才知道结论适用于哪个干预组合。

参考信息：析因随机试验CONSORT扩展声明及解释与阐释文件。