在R中进行DLNM_Meta分析时遇glm.fit报错：'x'含NA/NaN/Inf

报错信息 #

Error in glm.fit(x = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,  : 
  NA/NaN/Inf in 'x'

原代码 #

library(dlnm) ;
library(mvmeta) ;
library(splines);
library(tidyverse)
setwd("D:/Documents/2021-2024/first/subject")

fujian <- read.csv("20050101_20191231_fujian.csv",row.names=1)
alldata<- subset(fujian, month %in% 8:11)
dim(alldata)
head(alldata)
regions <- as.character(unique(alldata$area))
data <- lapply(regions,function(x) alldata[alldata$area==x,])
names(data) <- regions
m <- length(regions)
ranges <- t(sapply(data, function(x) range(x$tmean,na.rm=T)))
fqaic <- function(model) {
  loglik <- sum(dpois(model$y,model$fitted.values,log=TRUE))
  phi <- summary(model)$dispersion
  qaic <- -2*loglik + 2*summary(model)$df[3]*phi
  return(qaic)
 }
reg <- "A"
bound <- colMeans(ranges)
varknots <- bound[1] + diff(bound)/3*(1:2)
argvar001 <- list(type="bs",degree=3,knots=varknots,bound=bound,cen=mean(data[[reg]]$tmean))
arglag001 <- list(type="ns",df=3)
suppressWarnings(
  cb001 <- crossbasis(data[[reg]]$tmean,lag=21,argvar=argvar001,arglag=arglag001,group =           data[[reg]]$year)
)
summary(cb001)

model001 <- glm(case ~ cb001 + dow + ns(time,df=6),
         family=quasipoisson(),data[[reg]],maxit = 1000,na.action="na.exclude")
summary(model001)
fqaic001 <- fqaic(model001)

排查与解决步骤 #

• 检查数据缺失值：先确认核心变量的缺失情况，运行以下代码查看各列缺失数量：

  colSums(is.na(data[[reg]]))
  sum(is.na(cb001))
  

  若cb001存在缺失，大概率是样条基生成时的问题。

• 调整crossbasis的bound参数：原代码中bound用了所有区域温度范围的均值，可能导致当前区域A的温度值超出bound范围，生成无效的样条基。改为使用当前区域自身的温度范围：

  bound <- range(data[[reg]]$tmean, na.rm = TRUE)
  varknots <- bound[1] + diff(bound)/3*(1:2)
  argvar001 <- list(type="bs",degree=3,knots=varknots,bound=bound,cen=mean(data[[reg]]$tmean))
  

• 检查time变量格式：确保time是数值型变量（若为日期格式需转换），避免样条函数ns()生成异常值：

  # 若time是日期列，转换为数值
  data[[reg]]$time <- as.numeric(data[[reg]]$time)
  

• 逐步简化模型排查：先运行仅包含cb001的最简模型，确认无报错后再逐步加入其他变量，定位问题来源：

  # 最简模型测试
  model_test <- glm(case ~ cb001, family=quasipoisson(), data=data[[reg]], na.action="na.exclude")
  # 依次加入变量
  model_test2 <- glm(case ~ cb001 + dow, family=quasipoisson(), data=data[[reg]], na.action="na.exclude")
  model_test3 <- glm(case ~ cb001 + dow + ns(time,df=6), family=quasipoisson(), data=data[[reg]], na.action="na.exclude")
  

内容的提问来源于stack exchange，提问作者wo qo