重复测量资料，一般是指对多个时间点进行随访获得的多结局资料。由于多个时间点的数据存在着相关性，如何分析重复测量资料是一件棘手的任务。纵览国内文献，分析方法使用合理的文献乏善可陈。很多人一想到重复测量资料就采用重复测量方差分析，这是不合适的观念。因此，本文通过发表在JAMA杂志的一篇论文来与诸位分享重复测量资料的一种分析思路。

研究案例为2019年11月底发表在JAMA杂志的一篇论文，研究的是药物Bempedoic acid对心血管病高风险群体的低密度脂蛋白胆固醇（LDL-C）的降低作用。

以下为本研究的PICOS

Study design

三期，随机、双盲、安慰剂对照临床试验

Patient

研究由北美及欧洲的91个临床中心开展， 共有779名患有动脉粥样硬化性心血管疾病或有家族性高胆固醇血症的患者参与，LDL-C水平高于70mg/dL(1.8mmol/L)，并已接受最大耐受剂量的他汀类药物治疗且治疗效果不明显。本研究将779名患者以2:1进行随机分组。

Intervention & control 

干预组：180mg bempedoic acid(n=522)；对照组：安慰剂(n=257)

每日1次，持续52周。

Outcome

研究的主要终点为12周的LDL-C水平变化比例，次要终点包括血脂、脂蛋白和生物标志物水平的变化。

该研究设计为重复测量设计，在4周、12周、24周、52周分别进行测量，得到多次的结局数据，那对于此类重复测量资料该如何来分析研究结果呢？

重复测量设计的分析方法有很多，有简单的t检验/F检验，也有重复测量方差分析、广义估计模型、线性混合模型等，以下将逐一进行介绍。

第一种 基本的t检验/F检验

主要针对的是不同时间点的组间差异性。例如分别对第4周、第12周、第24周、第52周的结局数据进行评估，看看4个时间点的干预组和对照组之间有没有统计学差异。

此类方法简单但也存在问题，如果上述4个不同时间点的分析结果存在矛盾，有些时间点数据分析具有统计学差异，而有些没有，那要如何下结论？研究的药物bempedoic acid的治疗对心血管病的高风险群体到底是有效还是无效？

第二种 重复测量方差分析

重复测量方差分析是重复测量资料的主要分析方法，我们通过对各个时间点的效应取一个平均值来探讨总体上的差异性。但是，如果研究变量与时间效应存在着交互作用，那分析结果就没有任何意义。因此，我们还需要进行基本的t检验/F检验来探讨不同时间点的差异性。

第三种 广义估计方程和线性混合模型

广义估计方程是分析非正态分布的数据，线性混合模型也适用，但分析步骤稍显复杂，以后有机会可以再论。

第四种 也就是今天要讲的，也是一种基本的方法

本文涉及的这篇JAMA案例并未采用重复测量方差分析，反而采用的是较为简单的方法---类似于第一种方法：不同时间点的组间比较。文章为了避免上述的问题出现，明确设置了主次要结局指标。

3.1 明确主次要结局指标

该案例将12周的LDL-C设定为主要结局指标，如此就避免了上述第一种方法中可能出现不同时间点得到不同结果，以至于无法下最终结论的尴尬局面。而对于其他时间点的数据，比如24周的LDL-C，研究者将其设为次要结局。

3.2 具体统计学方法

t检验、F检验其实也可以使用，由于该研究为了控制混杂偏倚，采用的方法是协方差分析。文章中基本所有的结局指标均是基于协方差分析方法分析的。（研究分析中把率视为定量数据指标，这里有点意思，其实郑老师觉得用差值也无可厚非）

For efficacy analyses, patients were analyzed according to their randomization group. Safety analyses were performed using the safety population, which included all patients who received 1 or more doses of study drug. Percent changes from baseline in efficacy measures (other than hsCRP) were analyzed using analysis of covariance with treatment group and randomization stratification parameters as factors and baseline value as a covariate. Missing data were imputed using a pattern-mixture model (see statistical analysis plan in Supplement 2).

1.3 多个结局指标如何分析？

该案例将多个时间点数据拆分为多个结局指标，那么就必须进行多重比较。这也正是该文章的另外一个特点所在。

Efficacy end points were analyzedusing a stepdown approach in which the primary and secondary end points were tested sequentially to preserve the family-wise type I error rate using thefollowing order: LDL-C at week 12 (primary end point), LDL-C at week 24,non–HDL-C at week 12, total cholesterol at week 12, apoB at week 12, and hsCRPat week 12. Each hypothesis was tested at a significance level of .05(2-sided). Statistical significance at each step was required to test the nexthypothesis.

患者平均年龄64.3岁，女性占36.3%，95%的患者完成研究。基线平均LDL-C水平为120.4mg/dL。12周时，Bempedoic acid组降低LDL-C的效果显著优于安慰剂（-15.1% vs 2.4%）。同时Bempedoic acid可显著降低非高密度脂蛋白胆固醇（-10.8% vs 2.3%）、总胆固醇（-9.9% vs 1.3%）、脂蛋白B（-9.3% vs 3.7%）以及高灵敏度C反应蛋白（-18.7% vs-9.4%）。常见的不良反应包括鼻咽炎(5.2% vs 5.1%)，尿路感染(5.0% vs 1.9%)和高尿酸血症(4.2% vs 1.9%)。

最后结论：研究认为，对于他丁类药物治疗效果不佳的心血管病高风险患者，通过Bempedoic acid治疗可显著降低LDL-C水平。

这篇论文给大家展示的是，当面对一个重复测量设计的研究时，我们该如何进行分析。我们可以不把干预效果整体作为结局进行评价，反之是将各个时间点的效果都作为结局，但需要注意的是，当我们把不同时间点的指标都作为结局时，必须要分出主次！

上述研究是将12周的LDL-C水平变化比例作为结局指标，24周的LDL-C水平变化比例作为次要结局指标，此外还包括12周的HDL、12周的总胆固醇。此外，作者还列出了次次要结局指标。这么多的结局指标，必然要涉及到多重比较的方法。此文作者采用的是stepdown approach的方法进行比较，先比较12周的LDL-C(主要结局指标)，再依次比较次要结局24周的LDL-C, 12周的non–HDL-C、TC、apoB、hsCRP。只有在上一个指标具有阳性结果时，才继续比较下一个。这种方法称之为多重比较的顺序逐步比较法！是多重比较方法中非常常见的一种方法。

在存在主次结局情况下，采用的是常规的协方差分析方法，分别来分析，并结合多重比较方法。如此说一来，重复测量方差分析不要也罢，因为重复测量方差分析典型的毛病是主次不分、混为一谈！。小统计、大论文！顶级的论文并不一定用的是复杂的统计学方法，但是在分析上必须逻辑清晰，方法正确！

来源：医学论文与统计分析