亞組篩選以探索臨床試驗中治療效果的異質性臨床試驗的成功固然取決於整個研究族群的結果，但了解不同亞群（由關鍵人口統計因素或疾病特徵劃分）的終點指標差異也至關重要。這有助於識別哪些患者能從新療法中獲益更多，以及哪些患者面臨更高的安全風險。此外，由於臨床試驗中各個亞組的規模並非研究者所能控制，因此識別潛在亞組的存在及其規模也是一項關鍵任務。
本次報告將介紹 JMP Clinical 的新功能—亞組篩選。我們還將探討使用 JMP 進行亞組分析時需要考慮的幾個方面，例如「By」角色的局限性、響應篩選平台中新增的「Subgroup」角色，以及 UpSet 圖在匯總亞組中的實用性。最後，我們將透過一個案例研究，使用輕度至中度阿茲海默症患者的數據來說明這種方法。
