在R包rms中纳入随机拦截以进行混合效应逻辑回归

弗兰克·哈雷尔（Frank Harrell）的R包rms是实现多重逻辑回归的绝佳工具。但是，我想知道如何/是否有可能将随机效应纳入通过均方根的模型中。我知道rms可以通过nlme运行，但是只能通过广义最小二乘函数（Gls）运行，而不能通过lme函数运行，因此可以纳入随机效应。混合效应模型对于分析/解释可能会出现问题，但有时是必需的，以便考虑模型中的嵌套效应。

我不确定在这种情况下是否有用，但是我已经从rms帮助文件中复制了一些代码，这些文件运行了简单的逻辑回归模型，并添加了一行代码，表明通过MASS软件包的glmmPQL运行的混合效应逻辑回归模型。

n <- 1000    # define sample size
require(rms)
set.seed(17) # so can reproduce the results
age            <- rnorm(n, 50, 10)
blood.pressure <- rnorm(n, 120, 15)
cholesterol    <- rnorm(n, 200, 25)
sex            <- factor(sample(c('female','male'), n,TRUE))
label(age)            <- 'Age'      # label is in Hmisc
label(cholesterol)    <- 'Total Cholesterol'
label(blood.pressure) <- 'Systolic Blood Pressure'
label(sex)            <- 'Sex'
units(cholesterol)    <- 'mg/dl'   # uses units.default in Hmisc
units(blood.pressure) <- 'mmHg'
ch <- cut2(cholesterol, g=40, levels.mean=TRUE) # use mean values in intervals
table(ch)
f <- lrm(ch ~ age)
require(MASS)
f1<-glmmPQL(ch~age, random=~1|sex, family=binomial)
summary(f1)

对于是否可以将随机效应并入均方根以进行逻辑回归（lrm）或通过nlme进行线性回归，我会感兴趣。

谢谢大家