У меня есть длинный повторный набор измеренных данных, как показано ниже, в котором я хочу оценить влияние лечения (0 и 1) на артериальное давление (непрерывная переменная). Набор данных включал три рандомизированных клинических данных, которые мы хотим объединить, чтобы увеличить статистическую мощность. Вот общая структура набора данных:
PATIENT_ID : 1 1 1 1 2 2 2 2…
Время (день): 0 45 80 100 0 90 100 250…
значение артериального давления : 140 130 129 125 150 145 140 139…
Возраст : 50 50 50 50 65 65 65 65…
Обработка : ( два уровня : обработка против компаратора)
Тип обработки ( три уровня : интенсивный, плацебо, наркотик)
триал : ( три уровня : триал_А, триал_Б, триал_ C)
Интересно, как мне подобрать эффект линейной смешанной модели со следующими характеристиками c: Случайные перехваты (Trial, PATIENT_ID, Тип обработки) + фиксированный эффект «Лечение» + фиксированный эффект «Время» (кубический c термин) + фиксированный эффект «Возраст» + случайный наклон для времени (индивидуальный уровень) и случайный наклон для «Типа лечения» (Пробный уровень)
Я написал следующий код, используя «nlme» * 1 042 * пакет в R, но я не уверен, правильно ли это или нет.
lme(blood_pressure_value ~ Treatment + Time + I(Time ^2) + I(Time ^3) + Age, random = list(TRIAL = ~1+ Treatment type, PATIENT_ID = ~1 + TVISIT), data = data ,na.action=na.exclude, method = "REML", correlation = corCAR1())