当我们在研究中，遇到重复测量的数据，是否一定要使用重复测量的统计方法呢？

答案当然是不一定。

对于重复测量的数据，是否需要使用重复测量的统计方法，要根据研究实际和检验目的来确定，以两个降糖药（T vs C）的降糖试验为例：

FBG数据

数据集中，FBG0W是2周导入期的初始（0天）空腹血糖水平，FBG2W是导入期末(14天)的空腹血糖水平，FBG4W、FBG6W、FBG10W、FBG14W分别是用药2周、4周、8周和12周的空腹血糖水平。HbA1c2W是导入期末的糖化血红蛋白水平，HbA1c14W是用药12周的糖化血红蛋白水平。

数据集中的6列空腹血糖（FBG）检测值，是典型的重复测量数据。那么要不要使用重复测量的统计方法呢？

1、无需使用重复测量方法的情形

如果我们只关注用药一定时间后如12周，FBG降低的效果，即时点的效果，而不关注用药过程中FBG降低程度如何，那么就不需要使用重复测量的方法，只需用FBG14W与FBG2W的差值，来反映两药使用12周后降低FBG的效果。

在2周基线齐的情况下，直接用t检验比较两组FBG的降低值（也可计算较基线的相对降低幅度来比较），结果如下：

t检验结果

结论：

用药12周时，两组间FBG降低程度的差异有统计学意义。

2、需要使用重复测量方法的情形

如果我们关注用药期间的FBG降低情况，那么就需要考虑重复测量的方法。从导入期开始，到用药14周的血糖变化情况如下：

profile plot

我们使用FBG2W为协变量，将FBG4W、FBG6W、FBG10W、FBG14W作为重复测量的4个水平，分析组间的FBG水平差异，结果如下：

组间差异

分析结果显示，组间差异有统计学意义，也即：在用药期间，两组FBG的水平存在统计学差异。

校正基线（FBG2W）后的两组FBG水平的边际均值如下图所示：

边际均值

可以看到，C药在整个用药期间的FBG较T药更低一些。

而交互作用的结果显示，分组与重复测量因素的交互作用没有统计学意义。

交互作用

结合组间的分析，我们可以理解为：

T药与C药在用药2周至12周的时间段内，FBG存在差异且这种差异相对“稳定”，没有因用药时间的不同而产生显著变化。

所以我们看到，相同的一组数据，使用了不同的方法进行分析，虽然结论都是差异有统计学意义，但其反映的内涵或临床意义并不相同。

所以，统计方法要为临床服务，要根据不同目的，使用不同的方法去证明这个命题。而不是一见到重复测量的数据，就一定要使用重复测量的分析方法。这也提示我们，如果我们并不关注过程，那么过程中的那些测量数据也就没必要收集了。