目的：
　　基于logistic模型，提出一种适用于结局为二分类变量的、阳性对照、双臂临床试验结果的亚组识别方法，并利用R软件采用Monte Carlo法对所提亚组识别方法的错判率和正确判断率进行评估，最终尝试利用亚组相关协变量建立亚组人群判别模型。
　　方法：
　　首先基于两处理组，分别建立二分类logistic回归模型，计算出每一个患者在不同处理组内的阳性概率并进行比较，然后根据所建立的规则将患者分到各自对应的亚组中，建立多分类logistic模型。模拟不同样本量下的错判率、正确判断率、符合率和模型判对率并进行实例分析。
　　结果：
　　模拟错判率结果:在所设置的参数条件下，当样本量较小时(＜300)错判率略不稳定，但均小于0.05，随着样本量n的逐渐增加，错判率有增大的趋势，但在所设定的样本量1500范围内，错判率都在0.07以下。在所设置的参数条件下，系数变化对错判率的影响不大，不同的二分类结局比例下，Y=1所占比例越高，即兴趣的事件（如死亡率）所占的比例越高，错判率越低。
　　模拟正确判断率及效果考核结果:在所设置的参数条件下，正确判断率在不同的样本量下均达到0.70以上，且均随着样本量增大而增大，符合率和模型判对率分别在67％以及91％以上。
　　实例分析结果:通过二分类logistic回归分析分别建立地诺前列酮栓组和缩宫素组经阴道分娩成功率的模型，可获得患者的亚组身份，进一步以患者所属亚组作为因变量建立多分类logistic回归模型，结果显示该模型中有统计学意义变量有年龄、BMI、引产前宫颈评分、胎膜早破、延期妊娠和妊娠高血糖。模型总判对率为84.09％。根据该模型可对孕妇引产时的药物选择提供参考。
　　结论：
　　在进行亚组分析时，基于logistic回归，模型通常需要引入交互项。当与亚组相关的协变量较多时，即使只考虑一维或者二维的交互作用，交互项也会很多，按照此方法通常需要很大的样本量才能比较准确的找到亚组人群。而本文所提出的方法是直接按照处理组分层，通过分别建立的二分类logistic模型算出每个患者在不同的处理组下的某结局概率而将患者归为不同的亚组之中，分别找到在两处理组中的获益人群，以及在两组中获益相当的人群，避免了在模型中加入复杂的交互项，计算和操作起来更加简便。当存在亚组相关协变量时，模拟结果显示本研究所提出的方法均保持较为理想的水平（错判率＜0.07，正确判断率＞0.70，金标准符合率＞67％，多分类模型判对率＞91％）。