使用metaGAM整合GAM模型报错：Unknown term requested求助

问题描述 #

尝试使用metaGAM对模拟数据进行元分析，但将拟合好的GAM模型传入metagam()函数时，始终返回错误：Error in FUN(X[[i]], ...) : Unknown term requested。即使显式指定样条基函数（如s(x, bs = "cr")），问题依然存在。

模拟数据与拟合代码 #

#### Libraries ####
library(tidyverse)
library(mgcv)
library(metagam)
set.seed(1)

#### Sim Data ####
n <- 100
x <- seq(0, 1, length.out = n)
fx1 <- sin(2 * pi * x)
fx2 <- sin(3 * pi * x)
fx3 <- sin(2.4 * pi * x)
y1 <- fx1 + rnorm(n, sd = 0.5)
y2 <- fx2 + rnorm(n, sd = .3)
y3 <- fx3 + rnorm(n, sd = .4)

#### Plot ####
par(mfrow=c(1,3))
plot(x, y1, main = "Simulated Data 1")  
lines(x, fx1, lwd = 2) 
plot(x, y2, main = "Simulated Data 2")
lines(x, fx2, lwd = 2) 
plot(x, y3, main = "Simulated Data 3") 
lines(x, fx3, lwd = 2) 

#### Assign to Dataframe ####
df <- data.frame(x,y1,y2,y3) %>% 
  as_tibble()
df

#### Fit Data ####
fit1 <- gam(y1 ~ s(x), data = df)
fit2 <- gam(y2 ~ s(x), data = df)
fit3 <- gam(y3 ~ s(x), data = df)

#### Combine ####
models <- list(cohort1 = fit1, 
               cohort2 = fit2,
               cohort3 = fit3)

错误重现 #

执行核心命令时触发错误：

#### Fit into MetaGAM ####
metafit <- metagam(models, 
                   terms = "s(x)") 

错误信息：

Error in FUN(X[[i]], ...) : Unknown term  requested

模型确认 #

查看模型列表，确认每个模型均包含s(x)项：

$cohort1

Family: gaussian 
Link function: identity 

Formula:
y1 ~ s(x)

Estimated degrees of freedom:
4.77  total = 5.77 

GCV score: 0.2317925     

$cohort2

Family: gaussian 
Link function: identity 

Formula:
y2 ~ s(x)

Estimated degrees of freedom:
6.64  total = 7.64 

GCV score: 0.1065703     

$cohort3

Family: gaussian 
Link function: identity 

Formula:
y3 ~ s(x)

Estimated degrees of freedom:
5.37  total = 6.37 

GCV score: 0.1722314 

解决方案 #

错误核心原因是所有模型共享同一个包含多个响应变量的数据框，且响应变量名称不同，导致metagam解析模型项时出现识别混乱。以下两种方法均可修复：

方法1：为每个模型创建独立数据框（推荐） #

构造仅包含对应预测变量和响应变量的数据框，统一响应变量名称（如都命名为y）：

# 创建独立数据框
df1 <- data.frame(x = x, y = y1)
df2 <- data.frame(x = x, y = y2)
df3 <- data.frame(x = x, y = y3)

# 拟合GAM模型
fit1 <- gam(y ~ s(x), data = df1)
fit2 <- gam(y ~ s(x), data = df2)
fit3 <- gam(y ~ s(x), data = df3)

# 组合模型列表
models <- list(cohort1 = fit1, cohort2 = fit2, cohort3 = fit3)

# 运行metagam
metafit <- metagam(models, terms = "s(x)")

方法2：为每个模型指定子集数据 #

无需重新构造数据框，拟合时仅选择模型需要的列：

# 拟合GAM模型，指定子集数据
fit1 <- gam(y1 ~ s(x), data = df %>% select(x, y1))
fit2 <- gam(y2 ~ s(x), data = df %>% select(x, y2))
fit3 <- gam(y3 ~ s(x), data = df %>% select(x, y3))

# 组合模型列表
models <- list(cohort1 = fit1, cohort2 = fit2, cohort3 = fit3)

# 运行metagam
metafit <- metagam(models, terms = "s(x)")

修改后，metagam可正确识别所有模型中的s(x)项，完成元分析。

内容的提问来源于stack exchange，提问作者Shawn Hemelstrand