适用于您的情况的两种方法是：

1. 广义估计方程（GEE），正如您在上面的评论中指出的那样。这绝对有效。
2. 广义线性混合模型 (GLMM)。当然，您会想要选择 logit 链接。

使用上述方法，您可以轻松地将希望研究的解释变量合并到模型中。我不推荐生存型分析，因为您只有两个时间点，因为没有包含太多时间信息。

至于对结果进行编码，您可以按照正常方式进行，即如果遵守，则 y=1，如果不遵守，则 y=0。您将在 6 周或 6 个月时有两个级别的时间因素来处理相关的结果测量。也就是说，有两个观察与每个主题 ID 相关联。

如果您的意思是您在 6w 和 6mt 进行访问，那么您可能能够确定患者停止服药的确切日期，这意味着最好的方法是生存分析，不依从性为“失败”事件。除了显示 Kaplan-Meier 曲线外，您还可以使用 Cox 回归模型来评估其他变量对结果的影响。如果您有随时间变化的协变量，例如就业，您可以对它们进行建模。

另一方面，如果您只有 6w 和 6mt 的 2 个时间点，您可以在每个时间点使用逻辑回归模型，将不依从性作为结果变量，将测量的“风险因素”作为解释变量。