<div>Boa noite,</div><div><br></div><div>sou leitor assíduo da lista, embora nunca tenha participado das discussões. Porém, hoje vou me arriscar e passar um problema pra vcs. Espero que possam me ajudar.</div><div><br></div>
<div>Estou realizando uma análise num banco de dados de cerca de 10 mil pacientes de Trauma. O objetivo da pesquisadora é testar a validade de um escore de gravidade (preditor de sobrevida) em pacientes que entram no pronto socorro e eventualmente promover alterações nesse escore. Porém, algumas medidas que ela deseja testar possuem cerca de 20% de missing. E a exclusão desses pacientes faz com que o novo escore predito fique um bocado diferente do original, o que me fez ir atrás de alternativas para tratar esses dados faltantes e assim me arrisquei nesse pacote <i>mice. </i>Em testes mais simples que fiz, fiquei bastante empolgado com o método. Enfim, tentei reproduzir abaixo o problema que encontrei.</div>
<div><br></div><div>##### Banco de dados de exemplo:</div><div><div>dados <- matrix(c(</div><div> 4, 6, 5, 34, 120, 5, 1, 0,</div><div> NA, 1, 1, 3, 80, 6, 0, 1,</div><div> 2, 4, 2, 24, 90, 5, 1, 1,</div><div> 3, 5, 5, 5, 98, 5, 1, 1,</div>
<div> NA, 6, 5, 40, 94, 4, 0, 0 ,</div><div> NA, 6, 5, 12, 87, 3, 0, 1,</div><div> 1, 5, NA, 32, 70, 2, 0, 1,</div><div> 1, 5, 1, 7, 60, 3, 1, 0,</div><div> 2, NA, 2, 25, 80, 5, 1, 0,</div><div> 4, 6, 5, 24, 101, 7, 1, 0,</div>
<div> 1, 5, 1, 1, 120, 8, 1, 0,</div><div> 3, 5, 3, 12, 200, 6, 0, 1,</div><div> 3, 3, 1, 3, 40, 5, 1, 0,</div><div> NA, 5, 1, 35, 60, 4, 0, 1,</div><div> 1, 4, 1, 32, 87, 3, 1, 0,</div><div> 4, 5, 1, 23, 30, 2, 1, 1,</div>
<div> 2, 1, 1, 5, 46, 1, 0,1), byrow=T, ncol=8)</div><div>dados <- as.data.frame(dados)</div><div>colnames(dados) <- c("ECGL_AO", "ECGL_MRM", "ECGL_MRV", "FR", "PAS",</div>
<div> "GRAU", "IOT", "SOBREVIDA")</div><div>dados$IOT <- as.factor(dados$IOT)</div><div>dados$ECGL <- apply(dados[, c("ECGL_AO", "ECGL_MRV", "ECGL_MRM")],1,sum)</div>
<div>dados$ECGL_cut <- cut(dados$ECGL, breaks=c(3,4,6,9,13,16), right=FALSE)</div><div><br></div><div># Notem que a medida RTS é um escore derivado de outras medidas, que pretendo imputar.</div><div>dados$RTS <- (0.9368*(dados$ECGL_cut=="[4,6)")</div>
<div> + 2*0.9368*(dados$ECGL_cut=="[6,9)")</div><div> + 3*0.9368*(dados$ECGL_cut=="[9,13)")</div><div> + 4*0.9368*(dados$ECGL_cut=="[13,16)")</div><div> + 0.7326*(dados$PAS>=1 & dados$PAS<=49) </div>
<div> + 2*0.7326*(dados$PAS>=50 & dados$PAS<=75)</div><div> + 3*0.7326*(dados$PAS>=76 & dados$PAS<=89)</div><div> + 4*0.7326*(dados$PAS>=90)</div><div> + 0.2908*(dados$FR>=1 & dados$FR<=5)</div>
<div> + 2*0.2908*(dados$FR>=6 & dados$FR<=9)</div><div> + 4*0.2908*(dados$FR>=10 & dados$FR<=29)</div><div> + 3*0.2908*(dados$FR>=30))</div><div><br></div><div>#Imputando dados nas variáveis "ECLG":</div>
<div>require(mice)</div><div>PRED <- (1 - diag(1, ncol(dados[,1:8])))</div><div>PRED[8,1:8] <- PRED[1:8,8] <- 0</div><div>teste <- mice(dados[,1:8], method=c("pmm","pmm", "pmm", "", "",</div>
<div> "", "", ""), </div><div> seed=15, predictorMatrix = PRED)</div><div><br></div><div>#O meu problema começa agora. Eu não sei como calcular medidas derivadas no objeto teste. E a fórmula abaixo retorna erro, já conferi várias vezes muito dos parênteses e etc, mas creio que o problema seja que a fórmula é muito grande entro da função I(x), pois quando eu reduzo o modelo, eu consigo resultados satisfatórios. Me corrijam se estiver errado, por favor.</div>
<div>fit_error <- with(teste, glm(SOBREVIDA ~ I(0.9368*((ECGL_AO + ECGL_MRV + ECGL_MRM) >= 4) & ((ECGL_AO + ECGL_MRV + ECGL_MRM) <= 5)</div><div> + 2*0.9368*(((ECGL_AO + ECGL_MRV + ECGL_MRM) >= 6) & ((ECGL_AO + ECGL_MRV + ECGL_MRM) <= 8))</div>
<div> + 3*0.9368*I(((ECGL_AO + ECGL_MRV + ECGL_MRM) >= 9) & ((ECGL_AO + ECGL_MRV + ECGL_MRM) <= 12))</div><div> + 4*0.9368*I(((ECGL_AO + ECGL_MRV + ECGL_MRM) >= 13) & ((ECGL_AO + ECGL_MRV + ECGL_MRM) <= 15))</div>
<div> + 0.7326*I(PAS>=1 & PAS<=49) </div><div> + 2*0.7326*I(PAS>=50 & PAS<=75)</div><div> + 3*0.7326*I(PAS>=76 & PAS<=89)</div>
<div> + 4*0.7326*I(PAS>=90)</div><div> + 0.2908*I(FR>=1 & FR<=5)</div><div> + 2*0.2908*I(FR>=6 & FR<=9)</div>
<div> + 4*0.2908*I(FR>=10 & FR<=29)</div><div> + 3*0.2908*I(FR>=30)) + IOT,</div><div> family="binomial"))</div>
<div>#Enfim, gostaria de rodar algo como isso escrito abaixo, mas não sei como definir essa variável RTS dentro do arquivo teste.</div><div>fit <- with(teste, glm(SOBREVIDA ~ RTS + IOT,</div><div> family="binomial"))</div>
<div>fit2 <- glm(SOBREVIDA ~ RTS + IOT,</div><div> family="binomial", data=dados)</div><div>pool(fit)</div></div><div># Uma saída que imagino é gerar os cinco bancos imputados através da função "complete(teste, m)" e ajustar a regressão. Mas dessa forma não posso utilizar a função <i>pool. </i>Teria que reprogramá-la. De qualquer forma, estou perdido. Qualquer ideia é bem vinda.</div>
<div><br></div><div>Abraços,</div><div>Lucas Petri Damiani</div><div><br></div><div><br></div>
<div><br></div>