我有一个很长的重复测量数据集，如下所示，我想评估治疗（0和1）对血压（连续变量）的影响。该数据集包括三个随机临床试验数据，我们希望将它们组合在一起以提高统计能力。这是数据集的整体结构：
患者ID ：1 1 1 1 2 2 2 2…
时间（天）：0 45 80 100 0 90 100 250…
血压值：140130129125150145140139…
年龄：50 50 50 50 65 65 65 65…
治疗：（两个级别：治疗vs比较者）
治疗类型（三个级别：剧烈，安慰剂，药物）
试用：（三个级别：trial_A，trial_B，trial_C）
我想知道如何使线性混合模型效果具有以下特征：随机截距（试验，PATIENT_ID，治疗类型）+固定的“治疗”效果+固定的“时间”效果（三次项）+固定的“年龄”效果+时间的随机斜率（个人水平）和“治疗类型”的随机斜率（试验水平）
我使用R中的 “ nlme” 包编写了以下代码，但是我不确定它是否正确。
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())