基于R语言MICE实现带医学约束的实验室指标缺失值插补

问题背景 #

我正在分析一批患者的医学实验室检测值，包含：白细胞值（leucocyte_value）、淋巴细胞值（lymphocyte_value）、中性粒细胞值（neutrophil_value）、血红蛋白值（hemoglobin_value）、血小板值（platelets_value）、白蛋白值（albumin_value）、乳酸脱氢酶值（ldh_value）、C反应蛋白值（crp_value）。各指标存在10%-30%的缺失值，我已尝试用MICE插补，但发现部分患者的中性粒细胞值与淋巴细胞值之和超过白细胞值——这不符合医学逻辑，因为中性粒细胞和淋巴细胞都属于白细胞，其中中性粒细胞占白细胞的40%-60%，淋巴细胞占20%-40%，剩余部分为其他白细胞亚型。我希望在插补过程中维持这个医学约束，考虑通过中性粒细胞、淋巴细胞与白细胞的回归关系实现控制，但不知道具体方法。

我目前使用的MICE相关R代码如下：

library(mice)
library(cowplot)

# 筛选目标实验室检测指标列
cm743_imp <- cm743 %>% 
  select( wbc_value, lym_value, ntr_value, hb_value, plt_value, alb_value, ldh_value, crp_value) 
  
# 检查缺失值模式
cm743_imp %>% 
  md.pattern(plot = TRUE, rotate.names = TRUE)

# 对中性粒细胞值进行多种方法插补
mice_imputed <- data.frame(
  original = cm743$ntr_value,
  imputed_pmm = complete(mice(cm743_imp, method = "pmm", m = 5))$ntr_value,
  imputed_cart = complete(mice(cm743_imp, method = "cart", m= 5))$ntr_value,
  imputed_lasso = complete(mice(cm743_imp, method = "lasso.norm", m=5))$ntr_value
)

# 比较插补值与原始值的分布
summary(mice_imputed$imputed_cart)
summary(cm743_imp$crea_value) # 注：此处代码存在笔误，crea_value未在筛选列中，应为ntr_value

# 整理插补结果
cm743_imp_new <- data.frame(
  id = cm743$id,
  ntr_value = cm743$crea_value, # 同样存在crea_value的笔误问题
  ntr_imp = mice_imputed$imputed_pmm) # 可视化后选择一种插补方法

解决方案 #

要在MICE插补中维持医学约束（中性粒细胞+淋巴细胞 ≤ 白细胞，且各分类占比符合临床范围），可以通过以下两种核心思路实现：

1. 自定义MICE插补方法，嵌入约束逻辑 #

MICE允许通过自定义method替换默认插补规则，针对白细胞相关指标，我们可以先插补白细胞值，再基于白细胞值按比例插补中性粒细胞和淋巴细胞，确保满足占比约束：

步骤1：定义自定义插补函数

# 自定义中性粒细胞插补函数：基于白细胞值和其他指标，确保占比在40%-60%之间
impute_ntr_with_constraint <- function(y, ry, x, ...) {
  # 筛选有完整数据的样本
  x_obs <- x[ry, , drop = FALSE]
  y_obs <- y[ry]
  wbc_obs <- x_obs$wbc_value
  
  # 建立中性粒细胞与白细胞及其他指标的回归模型
  model <- lm(y_obs ~ wbc_value + ldh_value + crp_value, data = x_obs)
  
  # 对缺失样本预测初始值
  y_pred <- predict(model, newdata = x[!ry, , drop = FALSE])
  
  # 应用约束：中性粒细胞值在白细胞的40%-60%之间
  wbc_missing <- x[!ry, "wbc_value"]
  y_pred <- pmax(y_pred, 0.4 * wbc_missing)
  y_pred <- pmin(y_pred, 0.6 * wbc_missing)
  
  return(y_pred)
}

# 自定义淋巴细胞插补函数：基于白细胞值和其他指标，确保占比在20%-40%之间，且与中性粒细胞之和≤白细胞
impute_lym_with_constraint <- function(y, ry, x, ...) {
  x_obs <- x[ry, , drop = FALSE]
  y_obs <- y[ry]
  wbc_obs <- x_obs$wbc_value
  ntr_obs <- x_obs$ntr_value
  
  # 建立淋巴细胞与白细胞、中性粒细胞及其他指标的回归模型
  model <- lm(y_obs ~ wbc_value + ntr_value + hb_value, data = x_obs)
  
  y_pred <- predict(model, newdata = x[!ry, , drop = FALSE])
  
  # 应用约束：淋巴细胞值在白细胞的20%-40%之间，且+中性粒细胞≤白细胞
  wbc_missing <- x[!ry, "wbc_value"]
  ntr_missing <- x[!ry, "ntr_value"]
  y_pred <- pmax(y_pred, 0.2 * wbc_missing)
  y_pred <- pmin(y_pred, pmin(0.4 * wbc_missing, wbc_missing - ntr_missing))
  
  return(y_pred)
}

步骤2：注册自定义方法并执行插补

# 注册自定义插补方法
mice::mice.addmethod("ntr_constraint", impute_ntr_with_constraint, "numeric")
mice::mice.addmethod("lym_constraint", impute_lym_with_constraint, "numeric")

# 指定各变量的插补方法：白细胞用pmm，中性粒和淋巴用自定义约束方法，其他指标保留默认
method_vec <- c(
  wbc_value = "pmm",
  lym_value = "lym_constraint",
  ntr_value = "ntr_constraint",
  hb_value = "pmm",
  plt_value = "pmm",
  alb_value = "pmm",
  ldh_value = "pmm",
  crp_value = "pmm"
)

# 执行带约束的MICE插补
mice_imputed_constrained <- mice(cm743_imp, method = method_vec, m = 5)

# 提取插补后数据并验证约束
imputed_data <- complete(mice_imputed_constrained)
# 检查是否存在中性粒+淋巴>白细胞的情况
sum(imputed_data$ntr_value + imputed_data$lym_value > imputed_data$wbc_value)
# 检查各占比是否符合范围
sum(imputed_data$ntr_value / imputed_data$wbc_value < 0.4 | imputed_data$ntr_value / imputed_data$wbc_value > 0.6)
sum(imputed_data$lym_value / imputed_data$wbc_value < 0.2 | imputed_data$lym_value / imputed_data$wbc_value > 0.4)

2. 插补后修正：对不符合约束的样本进行调整 #

如果不想自定义插补方法，也可以在常规MICE插补后，对违反约束的样本进行批量修正，确保符合医学逻辑：

# 常规插补后的数据
imputed_data <- complete(mice(cm743_imp, method = "pmm", m = 5))

# 修正违反约束的样本
for (i in 1:nrow(imputed_data)) {
  wbc <- imputed_data$wbc_value[i]
  ntr <- imputed_data$ntr_value[i]
  lym <- imputed_data$lym_value[i]
  
  # 先修正中性粒细胞占比
  ntr_clamped <- pmax(pmin(ntr, 0.6 * wbc), 0.4 * wbc)
  # 再修正淋巴细胞：确保占比在20%-40%，且两者之和≤白细胞
  lym_max <- min(0.4 * wbc, wbc - ntr_clamped)
  lym_clamped <- pmax(pmin(lym, lym_max), 0.2 * wbc)
  
  imputed_data$ntr_value[i] <- ntr_clamped
  imputed_data$lym_value[i] <- lym_clamped
}

# 验证修正结果
sum(imputed_data$ntr_value + imputed_data$lym_value > imputed_data$wbc_value)

注意事项 #

• 自定义插补方法更符合MICE的多变量插补逻辑，能在插补过程中就维持约束，避免事后修正带来的偏差；
• 插补模型的自变量可以根据你的数据特征调整，比如加入更多临床相关指标提升预测准确性；
• 原代码中存在笔误（crea_value未在筛选列中，应为ntr_value），使用时请修正。

内容的提问来源于stack exchange，提问作者vox44