为什么我强烈不推荐重复测量方差分析？

2023年郑老师多门科研统计课程：多次直播，含孟德尔随机化方法    

其实郑老师也发表文章介绍过重复测量方差分析。不过即便是自己打自己的脸，我也得和大家说，重复测量方差分析，能不用就不用。
它是一种被严重误用和滥用的方法！
第一，如果你是前后重复测量两次者，必定不能用重复测量方差分析。关于这一点，我在之前的推文已经介绍过了。
还没有王法？临床试验干预前后测量2次专家说要用重复测量方差分析？（关注“医学论文与统计分析”公众号，可查看）
第二，如果是测量多次呢？重复测量方差分析带来的是平均效应，平均效益很多时候不能代表者我们想要探讨的效应（特别是存在着交互效应时候）。
举个例子：
•一项临床试验，评价干预措施对新冠肺炎患者疗效。分别在治疗前、治疗后2周、4周、6周进行随访调查。主要结局指标EQ-5D生命质量。我计算治疗后2周、4周、6周与治疗后的差值。画成下面的图。

如果通过重复测量方差分析，得到的结果是2周、4周、6周效应的的平均值

这个3.94，不代表2周，也不代表4周和6周，不是好结果。
第三，重复测量方差分析不会因为重复测量资料增加而检验效能增加。
第四，重复测量方差分析无法克服缺失值的问题，而绝大多数临床试验，特别随访多次时，都存在缺失值的问题。
第五，重复测量方差分析无法克服结局偏态数据、等级数据的问题。
第六，一旦用了重复测量方差分析，意味着的临床试验的结局指标设定和评价定义是不清晰的，这不是好的临床试验！
第七、很多说应用重复测量方差分析因为关注时间效应！我想说的是，随机对照研究的时间效应，没有太大意义。
第八，临床试验更推荐协方差分析、广义估计方程或者混合线性模型、广义混合线性模型来进行分析。
早在2017年，Gosho and Sato 在J Clin Pharm Ther上发表了一篇题为<Trends in study design and the statistical methods employed in a leading general medicine journal>的文章，更加详细系统地将2015年全年发表在NEJM上的238项原始研究重新分类并汇总。包括研究设计类型（Table 1），根据干预性研究vs观察性研究分别汇总统计方法应用

在“repeated-measures analysis（重复测量分析）”，最常用的是mixed-effects model混合效应模型（11%），广义估计方程（7%），广义线性混合模型和重复测量方差分析（各3%），重复测量资料已经很少用了！

我们公众号将在8月12开展重复测量资料方差分析的课程，我们将介绍常规的重复测量资料方差分析、也将介绍混合效应模型和广义估计方差，欢迎前来参加。

详情请点击下方：

https://mp.weixin.qq.com/s?__biz=MzAwOTYyMDY3OQ==&mid=2650407497&idx=1&sn=279b297621eb09bcd0b76b2f1c2f2c1e&chksm=83527fe1b425f6f72d981ffde30414ffd9b32c1acb264198a457527952df84fc6699afba07e7&token=776339076&lang=zh_CN#rd