强烈不推荐重复测量方差分析？

临床研究，特别是随机对照研究，凡是碰到重复测量资料者，似乎大家都喜欢用重复测量方差分析。

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？

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

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！