ADD (Additive Model):
这代表加性模型的测试结果，通常是基因型数据的主要分析方法。
在加性模型中，假设一个等位基因的效应（对表型的影响）是加性的，即不考虑基因间的相互作用。
在输出中，ADD 行表示单个等位基因变化对表型的影响，即每增加一个特定等位基因，表型（比如疾病风险）如何变化。
COVAR1 (Covariate):
这表示单独考虑协变量（例如，年龄、性别）对表型的影响的结果。
COVAR1 测试的目的是估计协变量本身对表型的影响，而不是基因型。
这有助于理解和控制这些非遗传因素对研究结果的潜在影响。
ADDxCOVAR1 (Interaction between Additive Genetic Effect and Covariate):
这代表基因型（加性效应）和协变量之间交互作用的测试结果。
该测试旨在评估特定的基因型和协变量（如性别、年龄等）之间是否存在交互作用，这种交互作用是否影响了表型。
例如，某个基因变体对疾病风险的影响可能在不同年龄或性别的人群中有所不同。
在解释这些结果时，重要的是要考虑到你的特定研究目标和上下文。ADD 结果通常是最关注的，因为它直接关系到基因型与表型之间的关联。COVAR1 和 ADDxCOVAR1 的结果有助于理解和解释这些基因型-表型关联可能受哪些其他因素的影响。