以下是我的回答，医学常用统计模型有线性回归模型、logistic回归模型、cox回归模型、泊松回归模型和混合效应模型等。
这些模型在医学研究中有着广泛的应用。例如，线性回归模型可以用来研究连续型变量之间的关系，logistic回归模型可以用来研究分类变量与结局事件之间的关系，cox回归模型可以用来研究生存分析，泊松回归模型可以用来研究计数资料，混合效应模型则可以用来处理纵向数据。
在医学研究中，这些统计模型能够帮助我们更好地理解和分析数据，为医学研究和临床实践提供有力的支持。
医学上常用的统计模型包括：
Logistic回归模型：用于预测二分类变量，例如是否患有某种疾病。
Cox回归模型：常用于生存分析，特别是在临床医学中。
Poisson回归模型和负二项回归模型：用于预测计数资料，例如患者住院天数、并发症数量等。
线性回归模型：常用于预测连续变量，例如患者的血脂、血糖等指标。
此外，在纵向资料中可能会对结局指标进行多次测量，构成重复测量的数据。这种实验设计在临床研究中应用广泛，常用的统计方法有重复测量的方差分析、混合效应模型和广义估计模型。这些模型能够处理数据的非独立性，并准确分析结果。
