輔助生殖臨床數據特點：每個研究對象可能有多個周期。
研究設計：隊列
(1) 每個人（ID）有多個周期（cycle），重複測量了多個周期
(2) 每個人周期數可以不同
(3) 同一個人的基線指標相同：例如不孕類型
(4) 允許缺失（記錄為NA或空白）
ID=1的人做了2個周期，首次取卵時年齡為28，第二個周期有活產。
「縱向數據」好處是更靈活：更符合臨床實際情況：患者周期數不同、各指標在變化。就像記流水帳一樣，客觀記錄每個周期的情況即可。
常規方法：只納入第一次周期的數據進行分析，簡單，損失數據信息，可能導致選擇偏性。或者納入多個周期，進行最佳和保守估計，看兩種極端情況下結果是否一致。考慮重複測量的方法：將所有周期都納入，好處是減少只納入第一次周期可能帶來的選擇偏性。May reduce bias over first-cycle only approaches。多個周期（重複測量）推薦使用的統計方法：
廣義相加混合模型（Generalized additive mixed model, GAMM）
廣義估計方程（Generalized estimating equation , GEE）
通常GAMM和GEE的分析結果是一致的，然而數據分布會影響不同統計方法的結果，建議結合研究假設和數據特徵進行選擇。
下載練習數據CYC.xls.連結：https://pan.baidu.com/s/1KzWzoWt3nsoAgsp4zqygSg提取碼：tfxm
1. 廣義估計方程（Generalized estimating equation , GEE）論文實例：2016年發表在 Hum Reprod的隊列研究，採用1472例患者的1702個 IVF/ICSI 鮮胚移植周期數據，分析基線指標對hCG日孕酮升高(>1.5 ng/ml)的預測價值。下表採用GEE分析基線指標和Y（二分類）的關係。如何實現呢？配套視頻
易侕軟體的基本統計-回歸分析-廣義估計方程（GEE）模塊：
結果解讀，本例中OR值是sep（coef），紅框中是95%CI和p值。OR值的結果解讀與不用GEE得出的OR結果解讀相同。
同理在閾值效應模塊給出「研究對象編號」也是基於GEE，操作略。
統計方法描述可以參考這篇論文[1]：The generalized estimating equation (GEE) framework was used to construct univariable and multivariable regression models for the prediction of PE occurrence. This was done to control for the non-independence of data since some patients contributed more than one cycles in the dataset analysed.廣義估計方程（generalized estimating equation, GEE）模型可以考慮到同一患者多個周期內部相關性的影響。同一患者多個周期的資料並非相互獨立（non-independence），例如基線年齡等指標都是相同的。
2. 廣義相加混合模型（Generalized additive mixed model, GAMM）例如X是某激素水平（連續變量），是隨時間變化的，即每個周期的X不同。如果做重複測量數據的曲線擬合，需要用GAMM模型。
配套視頻
易侕軟體的基本統計-回歸分析-廣義相加混合模型模塊：
得出曲線擬合：
其他操作略：調整混雜、分層分析、交互作用檢驗等。
結局指標（Y）可以是二分類或連續變量。例如，臨床妊娠（是否）、新生兒出生體重
暴露因素（X）可以是連續或分類變量。
· 可以不隨時間變化：例如，如果每位患者所有周期的黃體支持方案相同，研究黃體支持方案對活產的影響。
· 可以隨時間變化：例如每次周期時的年齡或某激素水平。
其他的影響因素（Z）可以是連續或分類，可以隨或不隨時間變化。
如果有多個層級的重複測量：例如每位患者做了多個周期，每個周期取多個卵。均可以採用重複測量數據分析。具體研究設計時，需要結合研究假設進行選擇。
GAMM和GEE在運用時，用默認設置，還有更多選項，具體請見易侕軟體幫助文件。
參考文獻
[1] Venetis, C.A., et al., Basal serum progesterone and history of elevated progesterone on the day of hCG administration are significant predictors of late follicular progesterone elevation in GnRH antagonist IVF cycles. Hum Reprod, 2016.
[2] Yland J, Messerlian C, Mínguez-Alarcón L, et al. Methodological approaches to analyzing IVF data with multiple cycles[J]. Human Reproduction, 2019.
[3] Malizia, B.A., M.R. Hacker and A.S. Penzias, Cumulative live-birth rates after in vitro fertilization. N Engl J Med, 2009.