Почему я оцениваю огромный RR? - PullRequest
0 голосов
/ 29 апреля 2020

Я пытаюсь сделать упражнения о смертности, связанной с температурой. Я хочу построить кривую воздействия-отклика, определить порог температуры и оценить относительный риск смертности выше этого порога. Я работаю с ежедневными данными. Я использую модель GLM (пакеты: nlme, сплайны) и пакет DLNM для построения кросс-базисной матрицы для температуры и лагов:

Date                AvgTemp MaxTemp MinTemp AllCauseMort AvgPM10 AvgO3
  <dttm>                <dbl>   <dbl>   <dbl>        <dbl>   <dbl> <dbl>
1 1995-01-01 00:00:00    5        7.4     3.4            7    78    25.3
2 1995-01-02 00:00:00    4.6      7.1     2.6            8    95    24  
3 1995-01-03 00:00:00    8.6     10.6     5.2            9    43.5  24.7
4 1995-01-04 00:00:00    8.7     11       8.4            6    32    25  
5 1995-01-05 00:00:00    8.5     10.6     5.6            8    48.9  28.3
6 1995-01-06 00:00:00    8        9.9     1              8    41.9  28.2
#

model<-glm(daily_mortality~cb+ ns(time,df=7)+dow, family=quasipoisson, data)
time=1:length(data$date)` to control for long-term and seasonal trends
dow<-as.factor(weekdays(data$date))
cb<-crossbasis(data$Temp,lag=21,argvar=list(knots= equalknots(data$Temp, df=5)), arglag=list(knots=logknots(21,3,df=4)))

pred<- crosspred(cb, model, cen=median(data$AvgTemp), cumul=TRUE)

plot()
plot(pred, "overall", ylab="cumulative RR", xlab="Temp", ylim=c(0.5,4),col=2,lwd=2)

pred$cumRRfit
pred$allRRfit

Одна из моих проблем состоит в том, что я оцениваю огромные allRRfit и cumRRfit, которые я думаю, что это неправильно.

Может кто-нибудь догадаться, почему или предложить мне книгу / книгу для чтения (я прочитал все о Гаспаррини)?

...