同一批患者每月测一次血糖，看似只是多了几列数据，实际却更难分析：同一个人的读数彼此相关，模型既要描述这种联系，又得在有限数据里稳定算出答案。这篇论文讨论的正是 MMRM（重复测量混合模型）落地时的“工程参数”——模型写得更灵活，未必就更好；参数过多，拟合程序可能无法收敛，也就是找不到稳定答案。
作者用每种设置 1000 组模拟数据比较不同方案。在大样本设置中，AR1H（允许各时间点波动不同、相关性随间隔递减的协方差结构）配合 EBR（用于减小系数不确定性估计偏差的校正），95% 置信区间覆盖率为 94.9%，接近标称的 95%；其拟合时间为 0.34，而同表中未经该校正的版本为 0.13，说明可靠性与计算成本需要一起权衡。作者还报告，小样本时，加入基线变量和“治疗×时间”交互项的简单模型兼顾效率与较高收敛概率。要点很实用：纵向试验的模型选择，不能只比公式是否精细，还要看样本量能否撑住它。