这个“研究故事”如何展现？首先是要确定分析的研究人群，从study flow chart中可以看到初始筛选的人群，然后找到伴有心血管危险因素的高危人群，可能会有不符合或不愿意参加研究的人群，还需要不断筛选，最终入选的人群中，试验组和对照组均为4600人。在试验过程中，部分研究人群可能因多种原因中断。研究者最终得到一个分析人群，但是其中有一些专业数据，如RCT研究中的ITT、FSG、PBS、SSG等，观察性研究一般这些要求，仅需把入选/排除标准以及每个步骤的人群明确即可。需要注意的是，同一个病人可能同时符合多条入/排标准，为了避免这种情况，建议采用层次排除法，先按照最重要的标准排除，之后再按照第二个排除标准，逐层级排除，这样人群一般不会出现重叠的情况。
了解第一步之后，接下来需要用Baseline Table来描述研究人群的具体特征。对于连续性变量，一般用均数±标准差或IQR来描述，对于分类变量，用频数（百分比%）描述即可。对于大样本RCT，一般不提供P值，对于小样本RCT研究则需提供P值，所有的P值均小于0.05，虽然有统计学差异，但在临床上可能无任何差异。在观察性研究中，样本量可能较大，无统计学差异，但需要评价是否存在临床差异，这种情况下通常使用标化差（ASD）来描述，如果大于10%，可能存在临床差异，需要校正混杂因素。
第三步是效应估计，主要用于回答最核心的问题，即试验组相比对照组的效应如何，一般需要使用一些图表来辅助描述效应变化。在RCT研究中，一般会用到Primary outcome或Secondary outcome等指标，在观察性研究中，可能不会详细区分，但在各自的效应终点都会用列表的方式来列举出来。表格会展示一个Summary式的汇总比较，图则可以更加生动形象地展现出效应情况。
第四步是敏感性分析，SPRINT研究中强化降压相对于标准降压能够降低20%的风险，但在不同的人群中差异如何？对于强化降压，临床中最关注的点在于对肾功能代谢异常的影响，由上图可知，在慢性肾功能障碍的患者中，强化降压也是有效的，但效果相对较差。对于不同的性别、年龄、种族以及不同血压值等均进行敏感性分析，可以回答这项研究结果是否稳健，在不同的人群中是否存在差异。
