4级有序结局3读片者配对混合模型repolr报错修复方法

repolr包对输入数据集的排序有强制要求：必须先按subjects参数指定的受试者分组变量排序，同一受试者的所有重复测量记录连续排列，且组内记录顺序和times参数指定的测量时点顺序严格对应。
你当前使用的数据集是按读片者编号排序的：所有reader=1的50条记录在前、reader=2的50条记录居中、reader=3的50条记录在后，同一患者的3条读片结果分散在数据集的三个区段，导致函数构建设计矩阵时维度不匹配，触发报错。

先对数据集按要求排序，再运行模型即可正常输出结果：

library(repolr)
# 按患者编号、读片者编号排序，保证同一患者的3条读片记录连续排列
mydata <- mydata[order(mydata$Patient, mydata$reader), ]

# 拟合模型
read_model <- repolr(
  formula = rsna ~ factor(reader),
  subjects = "Patient",
  data = mydata,
  categories = 4,
  times = c(1,2,3), # 与排序后每个患者组内reader1→reader2→reader3的顺序一致
  po.test = TRUE,
  fixed = FALSE
)

# 查看模型结果
summary(read_model)

注意：如果后续调整times参数的取值，必须同步保证排序后每个患者组内的记录顺序和times的顺序一一对应，否则会再次触发同类报错。

你提到的「以患者为随机效应的配对有序结局混合模型」完全适配该研究场景：

• 研究设计为同批50名患者的影像由3名读片者独立判读，属于典型的受试者内重复测量配对设计，将患者设为随机效应可有效校正不同患者的基线判读结果异质性
• 结局为4水平有序分类变量，除repolr外，也可使用ordinal包的clmm函数拟合累积链接混合效应模型，该函数对数据排序无强制要求，语法容错性更高，参考代码如下：

library(ordinal)
# 拟合带患者随机截距的比例优势模型
clmm_model <- clmm(
  factor(rsna) ~ factor(reader) + (1|Patient),
  data = mydata,
  link = "logit"
)
summary(clmm_model)

内容的提问来源于stack exchange，提问作者ArTu