Question

我要做的是找到昼夜温度范围的第10，第50和第90百分位数的死亡相对风险及其在0,1,3和5天滞后时的累加效应。我是在5月至9月的一个月的子集中做这个（这里为死亡率调用子集，温度在读入时已经是子集）。我有一个代码可以在下面工作，但无论在哪个城市和我介绍的延迟，我得到一个基本上为1.0的RR，所以我相信某些东西已关闭或我错过了某个地方的论点。如果有人比我更了解这些问题，我们将非常感谢你的帮助。

library('dlnm')
library('splines')

mortdata <- read.table('STLmort.txt', sep="\t", header=T)
morts <- subset(mortdata, Month %in% 5:9)
deaths <- morts$AllMort
tempdata <- read.csv('STLRanges.csv',sep=',',header=T)
temp <- tempdata$Trange
HI <- tempdata$HIrange

#basis.var <- onebasis(1:5, knots=3)
#mklagbasis(maxlag=5, type="poly", degree=3) 
basis.temp <- crossbasis(temp,vardegree=3,lag=5)
summary(basis.temp)
model <- glm (deaths ~ basis.temp, family=quasipoisson())
pred.temp <- crosspred(basis.temp, model, at=quantile(temp,c(.10,.50,.90),na.rm=TRUE) , cumul=T)
plot(pred.temp, "slices", var=c(quantile(temp, c(.10, .50, .90),na.rm=TRUE)) ,lag=c(0,1,5))

Answer 1

问题是您没有使用DLNM在时间序列中放置任何时间变量来控制长期和季节性趋势。

R中的简单DLNM

1 个答案: