接下来的一组图表是Table2-4的内容，谷教授介绍道，这部分图表主要是展现效应指标，即OR或HR。在这类图表中，根据不同的研究类型和研究结局，把比较容易混淆的OR值、RR值或HR值等指标展现出来，侧重于回答试验组相对于对照组对心血管不良事件的具体下降幅度、强化降压相对于标准降压的疗效变化等核心问题。这类图表的目的是类似的，但形式略有区别。
上图中展现的图表是较为常见的森林图，具有多种类型。谷教授讲道，这种森林图与荟萃分析中的森林图不同，在荟萃分析中，每一层代表的是一个研究，而上图中的森林图中，每一层代表的是一个亚组，对比试验组对于对照组的疗效。在很多的文章中，针对RCT研究，需要回答主效应以及不同亚组中的效应结果，森林图可以很好地总结和展现。
以上是临床研究中常用的一些统计学图表，将这些图表有序地组合，可以让临床分析更加完整清晰。那么，应该如何将这些图表进行组合呢？
谷教授用两个案例给出了思路，一个是心血管领域的SPRINT研究，一个是神经内科领域的CHANCE研究，均发表在新英格兰杂志。谷教授认为，常规的统计分析思路可以分为四个步骤，首先是确定分析人群，从Fig 1可以体现失访数据/退出研究/缺失数据，其次是基线描述比较，Table 1可以体现社会人口学/疾病史/临床特征，第三是效应估计，Main Table/Fig体现单因素或多因素线性/Logistic/Cox回归分析内容，最后是敏感性分析，Sup Table/Fig体现人群/模型/定义。遵循这样的步骤，基本可以讲好一个“研究故事”。
谷教授具体讲解了SPRINT研究中的具体分析思路。在SPRINT研究中，研究者遵循了“PICOS”的准则，快速获取这个“研究故事”的核心要义。P是SBP＞130mmHg、年龄超过50岁，并伴有心血管危险因素的人群，研究目的是比较强化降压（SBP降至120mmHg以下）和标准降压（SBP降至140mmHg以下）（I），对心肌梗死、冠脉综合征、卒中、心衰以及心源性死亡等终点（O）的效应差异。Study type（S）是RCT研究，T是指研究所用的时间，大约是3.46年。
