在R中插补左删失CRP数据至指定范围及imputeLCMD疑问

一、解决imputeLCMD的两个核心问题 #

1. 排除participant_id参与插补计算 #

imputeLCMD的插补函数会对传入的所有数值列进行计算，因此需要先分离出participant_id，仅对需要插补的数值列操作，完成后再合并回去：

library(dplyr)
library(imputeLCMD)

# 预处理：将CRP转为数值，标记左删失（1=删失，0=未删失）
df_processed <- df %>%
  mutate(
    CRP_censored = ifelse(CRP == "<0.2", 1, 0),
    CRP = as.numeric(na_if(CRP, "<0.2"))
  )

# 分离出需要插补的数值列（排除participant_id和删失标记）
impute_target <- df_processed %>% select(-participant_id, -CRP_censored)

2. 限制插补值在0 < x < 0.2范围内 #

imputeLCMD的impute.Censored函数专门处理删失数据，结合截断操作可实现范围限制：

# 针对左删失数据插补，指定分布为对数正态（适配CRP的偏态特性）
imputed_result <- impute.Censored(
  data = impute_target,
  censoring = df_processed$CRP_censored,
  dist = "lognormal"
)

# 将CRP的插补值截断到(0, 0.2)，用极小值避免等于边界
imputed_result$CRP <- pmax(pmin(imputed_result$CRP, 0.2 - 1e-6), 1e-6)

# 合并回participant_id，得到最终插补数据集
df_imputed <- df_processed %>%
  select(participant_id) %>%
  bind_cols(imputed_result) %>%
  select(-CRP_censored)

二、若坚持使用NA转码后的普通插补 #

如果已经将删失值转为NA，可按以下方式处理：

# 分离ID列和数值列
id_col <- df %>% select(participant_id)
num_cols <- df %>% select(-participant_id)

# 对数值列执行插补（示例用k近邻法）
imputed_num <- impute.LCMD(num_cols, method = "knn")

# 仅对原删失的CRP值（即原NA）生成0-0.2之间的随机数
imputed_num$CRP <- ifelse(is.na(df$CRP),
                          runif(sum(is.na(df$CRP)), min = 1e-6, max = 0.2 - 1e-6),
                          imputed_num$CRP)

# 合并得到结果
df_imputed <- bind_cols(id_col, imputed_num)

三、无需imputeLCMD的替代方法 #

1. 简单随机插补（无协变量关联） #

直接对删失值生成0-0.2之间的随机数，适合快速处理：

df_imputed <- df %>%
  mutate(
    CRP = case_when(
      CRP == "<0.2" ~ runif(n(), min = 1e-6, max = 0.2 - 1e-6),
      TRUE ~ as.numeric(CRP)
    )
  )

2. 基于协变量的回归插补（mice包） #

利用其他变量预测CRP值，同时处理删失：

library(mice)

# 预处理：标记删失并转数值
df_mice <- df %>%
  mutate(
    CRP = as.numeric(na_if(CRP, "<0.2")),
    CRP_cens = ifelse(is.na(CRP), 1, 0)
  )

# 构建插补模型：排除participant_id，CRP用正态模型
imp_model <- mice(
  df_mice,
  method = c("", "norm", "", "", ""),  # 对应各列：ID不插补，CRP用norm，其余默认
  predictorMatrix = predictorMatrix(df_mice)[,-1],  # 移除ID列的预测关联
  maxit = 5
)

# 提取结果并截断范围
df_imputed <- complete(imp_model) %>%
  mutate(CRP = pmax(pmin(CRP, 0.2 - 1e-6), 1e-6)) %>%
  select(-CRP_cens)

关键提示 #

• 左删失数据优先用专门的删失插补方法（如impute.Censored），比转NA后普通插补更符合统计逻辑；
• 截断操作使用极小值（如1e-6）避免插补值等于0或0.2，严格满足0 < imputed_value < 0.2的要求；
• 始终分离无关列（如participant_id），避免干扰插补计算。

内容的提问来源于stack exchange，提问作者vlangen