与大家讨论一个非常有意思的问题啊，为了将问题表述清楚，所以下面表述的问题有点多。但是相信大家以后也会遇到相同的问题，所以建议耐心看完，并说说自己的看法。非常感谢！^_^

一个非随机的临床试验，目的是评价干预与常规治疗的血压控制效果。主要的测量是在实施干预后，干预与对照组患者均是每3个月测量一次血压，总共收集干预后12个月的血压变化情况。

最初的分析思路是：
1、比较两组第12个月的血压控制率是否存在差异。由于非随机，基线血压不一致，所以采用logistic回归调整基线血压后看血压控制率是否有差异。
2、比较两组患者第12个月和第1个月的血压变化绝对值是否存在差异。同样由于非随机，所以采用协方差分析调整基线血压后看血压变化绝对值是否有差异。

但是该分析思路受到reviewer质疑，理由是：每个个体不同时点（基线、第3个月、第6个月、第12个月）之间的血压测量值存在一定的相关性。所以针对上述的分析思路，reviewer分别提出建议：
1、采用logistic mixed-effects model来调整基线血压和不同时点的重复测量的影响来评价血压控制率是否存在差异；
2、采用generalized mixed model来调整基线血压和不同时点的重复测量的影响来评价血压绝对变化量是否存在差异；

针对第一条建议，不是十分理解的是：因变量是否还是单纯第12个月的血压控制率？或者是所有4次的血压控制率？然后logistic mixed-effects model能够综合调整4次重复测量的相关性以及基线血压不同，从而得到干预对血压控制率的净效应。希望说出自己的看法。

针对第二条建议，之前就想过重复测量的方差分析，但是重复测量的方差分析没法调整基线血压的差异，所以退而求其次，最终选择协方差分析，只调整基线血压的差异。但是上述建议似乎是在说generalized mixed model能同时兼具重复测量方差分析的功能以及协方差分析的功能，不知道哪位对该方法比较了解，希望能指点。
非常欢迎讨论！^_^