问题描述
我需要使用线性混合效应模型评估2次访问之间的脂肪的纵向变化。
我有一些会从访问1更改为访问2，因为它们是高血压状态，糖尿病状态，bmi，腰围，吸烟状况等。而其他变量在访问后不会改变1造访2，因为他们是性别或种族。
以下变量是虚拟变量（高血压状态，糖尿病状态，吸烟状况，性别），而以下变量是连续变量（ bmi，腰围，年龄）。
我最初使用nlme软件包的想法表示为：
lme(fat~ diabetes_status + hypertension_status + bmi + waist + smoker + gender + ethnicity + Visit,random= ~1|PatientID/Visit,data = df,na.action = na.omit)
访问有2个级别（1和2）
问题：
- 您认为这是评估脂肪是否纵向变化的正确方法吗？
- 您认为其中包含太多固定效果吗？
PS：我为您提供一个示例数据集：
df <- data.frame(PatientID = c(1000344,1000344,1001471,1002830,1002830),Visit = c(1,2,1,2),fat= c( 8.510,14.456,4.612,4.738,18.021,25.740),diabetes_status= c("False","True","False","True"),hypertension_status= c("True",bmi= c(32.0386,33.4919,29.6878,28.7660,26.1540,26.2788),waist= c(105,105,98,101,91,96),smoker= c(1,0),gender= c(1,1),ethnicity= c(1,stringsAsFactors = F)
谢谢！
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）