在疾病预防的战场上，我们常常关注单个危险因素：吸烟致癌、高盐饮食升血压、缺乏运动导致肥胖……然而，现实世界中的健康威胁从不“单打独斗”。当吸烟遇上饮酒，当空气污染叠加遗传易感性，当熬夜撞上高压力，这些危险因素的组合会产生怎样的破坏力？是简单的“1+1=2”，还是更具杀伤力的“1+1>2”？

揭示这种“联合效应”的奥秘，正是相加交互效应分析（Interaction Analysis）的核心使命。今天，我们就来深入探讨这一关键方法学。

一、为什么“联合效应”如此重要？超越单一因素的视角

传统研究中，常将危险因素孤立看待。例如研究吸烟对肺癌的影响时，尽量控制饮酒等因素。分析肥胖对糖尿病的作用时，调整年龄、性别等变量。

这种方法虽能识别单一因素作用，却可能严重低估现实风险：

（1）真实世界暴露的普遍性： 人们往往同时暴露于多种危险因素（如吸烟+饮酒、久坐+高脂饮食）。

（2）效应修饰的可能性： 一个因素的存在可能改变另一个因素的作用强度或方向。例如，某种基因变异可能让吸烟的致癌效应倍增。

（3）精准预防的靶点： 识别出存在强协同作用的因素组合，能为高危人群筛查和针对性干预提供关键依据（例如，对同时吸烟饮酒者进行更密切的肝癌监测）。

（4）机制探索的线索： 显著的交互作用常提示背后存在复杂的生物学机制（如共享通路、级联反应），推动基础研究。

忽视交互作用，可能导致：

• 低估多重暴露人群的真实疾病负担。
• 错失最有效的预防和干预时机。
• 对个体风险的预测产生偏差。

二、顶刊都在使用的联合效应分析方法—相加交互分析

相加交互效应：两个因素同时存在时，其联合效应导致的超额绝对风险是否显著大于各自单独效应导致的超额绝对风险之和？

核心指标：

• 协同指数SI (Synergy Index)：联合暴露时的相对风险是否大于两单独暴露相对风险之和减1？SI = (RR11 - 1) / [(RR10 - 1) + (RR01 - 1)]。SI > 1 表示存在相加交互（协同）。
• 交互作用超额相对危险度RERI (Relative Excess Risk due to Interaction)： 联合暴露相对于无暴露的RR，超出基于相加模型预期RR的部分？ RERI = RR11 - RR10 - RR01 + 1。RERI > 0 表示存在相加交互（协同）。
• 归因比AP (Attributable Proportion due to Interaction)： 在联合暴露组中，可归因于交互作用的病例比例？ AP = RERI / RR11。AP > 0 表示存在相加交互（协同）。

公共卫生意义：该模型直接反映在人群层面，同时消除两个危险因素所能预防的额外病例数，这对资源分配更具指导意义。

三、实例解析