线性混合效应模型在我的生物学领域并不常用，我需要报告我在尝试写的论文中使用的统计测试。我知道多层次建模的意识开始出现在生物科学的某些领域（依赖的解决方案：使用多层次分析来容纳嵌套数据），但我仍在努力学习如何报告我的结果！
我的实验设计，简而言之：
*受试者被分配到四个治疗组之一
*因变量的测量是在治疗开始后的不同天进行的
*设计不平衡（治疗组中的受试者数量不等，并且缺失某些受试者在某些日子的测量值）
*治疗 A 是参考类别
*我将数据集中在治疗的最后一天
我想知道治疗 A（参考类别）是否比其他治疗（治疗结束时）产生明显更好的结果。
我在 R 中使用 nlme 进行了分析：
mymodel <- lme(dv ~ Treatment*Day, random = ~1|Subject, data = mydf, na.action = na.omit,
+ correlation = corAR1(form = ~1 |Subject), method = "REML")
输出（部分；为简洁起见截断）是：
>anova(mymodel)
numDF denDF F-value p-value
(Intercept) 1 222 36173.09 <.0001
Treat 3 35 16.61 <.0001
Day 7 222 3.43 0.0016
Treat:Day 21 222 3.62 <.0001
>summary(mymodel)
Fixed effects: dv ~ Treatment * Day
Value Std.Error DF t-value p-value
(Intercept) 7.038028 0.1245901 222 56.48945 0.0000
TreatmentB 0.440560 0.1608452 35 2.73903 0.0096
TreatmentC 0.510214 0.1761970 35 2.89570 0.0065
TreatmentD 0.106202 0.1637436 35 0.64859 0.5208
因此，我知道 Day 的效果因治疗而异，并且在治疗的最后一天（数据居中），治疗 A 中的 dv 与治疗 B 或 C 显着不同。
我想说的是：“正如预测的那样，我们发现接受治疗 A（平均值 +/- SE）的受试者的因变量显着低于接受治疗 B（平均值 +/- SE，p=0.0096）或治疗的受试者C（平均值 +/- SE，p=0.0065），在治疗的最后一天测量。”
但是，我必须指出进行了哪些统计测试。这是描述分析的可接受方式吗？“[测量方法]在指定的日期进行，并确定了因变量（单位）；我们使用以[治疗的最后一天]为中心的线性混合效应模型分析了对数转换数据。符号代表平均 dv；误差线是标准误差。在治疗的最后一天，治疗 A（平均值 +/- SE）的 dv 显着低于治疗 B（平均值 +/- SE，p=0.0096）..."
具体来说，
*这是否足以说明所使用的统计测试？（读者习惯于看到更像“平均值 +/- SE，p=0.0096，学生 t 检验”的东西，但写“p=0.0096，治疗 B 与治疗 A 的线性混合效应的系数”似乎很奇怪[治疗的最后一天]的模特。”）
*有更好的方法吗？
（方法部分将包括有关统计数据的更多信息：“[测量方法] 数据使用 R 和 R 包进行分析......我们使用线性混合效应模型分析了对数转换的因变量数据，使用受试者作为随机效应和1 阶自相关结构 (AR1)。作为固定效应，我们包括处理和天，以及处理和天的交互作用。我们通过对拟合值的残差图的目视检查来检查正态性和同质性。评估在混合效应分析中，我们进行了似然比检验，将具有固定效应的模型与仅具有随机效应的空模型进行比较。”）
任何关于如何为经常厌恶统计数据的受众（并由相关统计新手编写）报告线性混合效应模型结果的建议将不胜感激！