rms::lrm中使用offset报‘sformula not found’错误的技术问询

尝试将已开发完成的模型放入lrm框架中，使用validate函数进行bootstrap验证，但引入offset项（已知系数）时出现以下错误：

Error in lrm(Death ~ offset(2 * Age), data = patient_data) : 
  object 'sformula' not found

尽管帮助文档说明offset在rms::lrm中可用，但仍出现该错误。以下是可复现代码：

library(rms) 

patient_data <- data.frame(
  PatientID = 1:1000,
  Death = sample(c(0, 1), size = 1000, replace = TRUE),
  Age = round(runif(1000, min = 20, max = 90), 1)
  )

lrm(Death~Age, data = patient_data) #运行正常
glm(Death ~ Age, family = "binomial", data = patient_data) #运行正常
glm(Death ~ offset(2*Age), family = "binomial", data = patient_data) #运行正常

lrm(Death ~ offset(2*Age),data = patient_data) #报错

补充内容 #

目前暂无该bug的官方解决方案，提供一个替代方案，请求验证代码正确性：

# Define the function which will be applied to each bootstraped sample. 
# Note, boot() will output the original data and a list of indices to construct 
# bootstrapped sample

fBootMetrics <- function(tblOrgData, intIndex) {
  
  # Create a bootstrap sample using the provided indices
  tblBootData <- tblOrgData[intIndex, ]
  
  # Fit the logistic regression model on the bootstrap sample
  # The model uses coefficients from the above LASSO penalised model
  mdlDeathBoot <- glm(
    Death ~ 0 + offset(2 * Age),
    family = "binomial",
    data = tblBootData
  )
  
  # Obtain predicted probabilities on the bootstrap sample (apparent) and test
  pred_boot <- predict(mdlDeathBoot, type = "response", newdata = tblBootData)
  pred_org  <- predict(mdlDeathBoot, type = "response", newdata = tblOrgData)
  # Convert Death to numeric and subtract 1 as the factor levels are "1" and "2"
  y_boot <- as.numeric(tblBootData$Death) - 1
  y_org  <- as.numeric(tblOrgData$Death) - 1
  
    return(rms::val.prob(pred_boot, y_boot, pl = FALSE)[c("Dxy", "Intercept", "Slope")] - rms::val.prob(pred_org, y_org, pl = FALSE)[c("Dxy", "Intercept", "Slope")])
}


boot(data = patient_data,
     statistic = fBootMetrics,
     R = 50)$t -> tblMdlPerformance

colnames(tblMdlPerformance) <- c("Dxy", "Intercept", "Slope")

错误原因 #

这个错误是rms::lrm的内部逻辑bug：当模型仅包含offset项、没有待估计的参数时，lrm无法正确生成后续流程依赖的sformula对象。glm没有这个限制，因此仅含offset的模型能正常运行，而lrm会报错。

替代方案代码验证 #

该替代方案逻辑正确，可实现bootstrap验证需求，具体分析如下：

• 函数参数符合要求：fBootMetrics的参数匹配boot包的要求，第一个参数接收原始数据，第二个参数接收bootstrap样本的索引，能正确生成bootstrap样本。
• 模型拟合正确：使用glm(Death ~ 0 + offset(2 * Age), ...)去掉截距项，适配仅含固定offset的模型场景，拟合逻辑合理。
• 验证指标计算正确：通过rms::val.prob分别计算bootstrap样本上的表观性能、模型在原始数据上的性能，两者差值用于评估乐观偏差，这是bootstrap验证的常规做法。
• 兼容性处理到位：代码中as.numeric(Death) - 1的处理，兼容Death为因子类型的场景，即使当前测试数据中Death是0/1数值，也不会影响结果。
• 结果整理正确：最后将bootstrap结果赋值并修改列名，便于后续分析。

综上，该替代方案可有效避开lrm的bug，完成bootstrap验证需求。

内容的提问来源于stack exchange，提问作者Rover Eye