我有16个科目的实验 . 每个受试者具有连续变量Age，BMI和bloodlevelA的3个基线测量值
然后每个受试者在5天（第1-5天）经历相同的治疗研究方案 .
每天进行进一步的血液测量（血液水平B） .
mydata是长格式，每次测量血液水平B一行
subject = c("one", "one", "one", "one", "one", "two")
Age = c(56,56,56,56,56,65)
BMI = c(28,28,28,28,28,32)
bloodlevelA = c(9,9,9,9,9,6)
bloodlevelB = c(12.4, 15.2, 26.1, 18.5, 16.2, 11.1)
mydata = data.frame(subject , Age , BMI , bloodlevelA , bloodlevelB)
我想知道Age，BMI或bloodlevelA是否预测BloodlevelB考虑到治疗方案每天的重复测量 . 我能够为整个数据集执行此操作 .
fit1 = lm(BloodlevelB ~ Age , data = my data)
fit2 = lm(BloodlevelB ~ BMI , data = my data)
fit3 = lm(BloodlevelB ~ bloodlevelA , data = my data)
假设BMI和血液水平A是重要的预测因子
multifit = lm(BloodlevelB ~ BMI+bloodlevelA, data = mydata)
使用lmer或类似的我想包括这样的事实：每个参与者已经测量了血液水平B 5次 - 在5天方案的每一天一次 . 由于治疗的性质，治疗方案的当天可能会影响血液水平B，并且受试者内部的反复措施应该加强研究设计 .
谢谢