在人类遗传学关联分析研究中，基因型误判(genotype misclassification)是非常常见的现象。当病例组和对照组所对应的误判模型是一致的时候，虽然Pearson x<2>检验的Ⅰ型错误仍然是正确的，但是功效可能会有所降低。目前，绝大部分处理基因型错误(genotypingerrors)的方法是假定误判模型为先验已知，或者误判概率模型可以通过无误差的金标准(gold standard)的仪器测量得到。但是，在实际应用中，误判概率通常没有先验信息，另外金标准方法通常因为过于昂贵而无法实施。 重复测量(repeated measurement)设计提供了可以估计误判概率的一种可行性方法。在这个设计中，当误判模型足完全未知的情况下，一部分研究对象需要被重复测量(5次或5次以上)。我们将这种重复测量方法应用于基因关联分析(genetic association analysis)。花费-效用(cost-effectiveness)研究表明，当测量表现型(phenotype)与基因型(genotype)所需的费用的比值，或者误判率比较大的时候，重复测量设计比常用的病例对照设计(case-control de-sign)更有效。同时，功效的增加量(power gain)对遗传模型、遗传相对风险率(genetic relativerisk)以及总体高风险等位基因频率(high-risk allele frequency)等因素不敏感，而这些因素在传统的关联分析中都是些重要的因素，并且在研究的设计阶段未知。因此，不管这些遗传因素是什么情况，只要在遗传关联分析中必须考虑基因误判，并且在测量表现型所需费用比较大的时候，重复测量方法都是值得考虑的一种方法。