时间戳

首页 > 解决方案 > 使用 MICE 进行多重插补后的个体 AUC

r - 使用 MICE 进行多重插补后的个体 AUC

问题描述

在使用 MICE 进行插补后，我有一个关于计算数据集中每个人的 AUC 的问题。

我知道如何在完整的案例数据集中做到这一点。我已经这样做了：

id <- c(1,2,3,4,5,6,7,8,9,10)
measure_1 <- c(60,80,90,55,60,61,77,67,88,90)
measure_2 <- c(55,88,88,55,70,61,80,66,65,92)
measure_3 <- c(62,88,85,56,68,62,89,62,70,99)
measure_4 <- c(62,90,83,54,65,62,91,59,67,96)
dat <- data.frame(id, measure_1, measure_2, measure_3, measure_4)
dat
x <- c(0,7,14,21) # number of days

library(Bolstad2)
f <- function(a){
   Patient <- dat[a,]
   vector_patient <- c(Patient[2:5])
   AUCpatient <- sintegral(x,vector_patient)$int
   return(AUCpatient)
}

vector <- c(1:10)
listAUC <- lapply(vector, f)
vector_AUC <- unlist(listAUC, use.names=FALSE)
vector_AUC

这给了我一个包含所有患者所有 AUC 的向量。如果我愿意，可以将此向量添加到我的数据集中。

但现在我有一个问题：我的数据集中有缺失。我的数据集可以使用以下代码获得：

id <- c(1,2,3,4,5,6,7,8,9,10)
measure1 <- c(60,NA,90,55,60,61,77,67,88,90)
measure2 <- c(55,NA,NA,55,70,NA,80,66,65,92)
measure3 <- c(62,88,85,NA,68,62,89,62,70,99)
measure4 <- c(62,90,83,54,NA,62,NA,59,67,96)
datmis <- data.frame(id, measure1, measure2, measure3, measure4)
datmis

我想使用 MICE 估算这个数据集。

library(mice)
imp <- mice(datmis, maxit = 0)
meth <- imp$method
pred <- imp$predictorMatrix
imp <- mice(datmis, method = meth, predictorMatrix = pred, seed = 2018, maxit = 10, m = 5)

所以现在我把所有的东西都推定了。我想在每个估算的数据集中为每个人创建 AUC。然后我想汇总结果，为每个人生成一个 AUC。但是，使用前面示例中的公式 create 不再起作用。有人可以帮助我吗？

标签： raucr-mice

解决方案

这是一种方法。运行插补后，您可以

  1. 遍历每个估算的数据集
  2. 用估算的数据计算 AUC
  3. 使用鲁宾规则汇集估计

下面的代码涵盖了前 2 点

x <- c(0,7,14,21) # number of days
library("tidyverse")
library("MESS")
res <- lapply(1:5, function(i) { 
    complete(imp, i) %>% 
    group_by(id) %>% 
    mutate(AUC=MESS::auc(x, c(measure1, measure2, measure3, measure4)))})

我正在使用该auc功能，MESS因为它相当快速且灵活，但您可以将其替换为您的版本。

这会生成一个包含 5 个数据框的列表，可用于合并估计值（上面列表中的第 3 部分）。

library("mitools")
with(imputationList(res), lm(AUC ~ 1)) %>% pool() %>% summary()

这产生

            estimate std.error statistic       df      p.value
(Intercept)  1512.77  81.62359  18.53349 7.389246 1.829668e-07

关于插补的另一条评论：您确定要使用id数字变量来预测度量吗？这为缺失的变量产生了一个类似于回归的预测器，这似乎相当不切实际。

推荐阅读