R中的简单DLNM

我想做的是找出昼夜温度范围的第10、50和90百分位的相对死亡率风险，以及滞后0、1、3和5天的加性效应。我在5月至9月的一个月内这样做（在这里调用死亡率子集，读取时温度已经是子集）。我有一个代码可以在下面运行，但不管我引入哪个城市和什么滞后，我得到的RR基本上是1.0，所以我相信有什么不对劲，或者我遗漏了一个论点。如果有人比我更有处理这些问题的经验，我们将非常感谢你的帮助

library('dlnm')
library('splines')

mortdata <- read.table('STLmort.txt', sep="\t", header=T)
morts <- subset(mortdata, Month %in% 5:9)
deaths <- morts$AllMort
tempdata <- read.csv('STLRanges.csv',sep=',',header=T)
temp <- tempdata$Trange
HI <- tempdata$HIrange

#basis.var <- onebasis(1:5, knots=3)
#mklagbasis(maxlag=5, type="poly", degree=3) 
basis.temp <- crossbasis(temp,vardegree=3,lag=5)
summary(basis.temp)
model <- glm (deaths ~ basis.temp, family=quasipoisson())
pred.temp <- crosspred(basis.temp, model, at=quantile(temp,c(.10,.50,.90),na.rm=TRUE) , cumul=T)
plot(pred.temp, "slices", var=c(quantile(temp, c(.10, .50, .90),na.rm=TRUE)) ,lag=c(0,1,5))

library（'dlnm'）
库（“样条线”）
mortdata问题在于您没有使用DLNM设置任何时间变量来控制时间序列中的长期和季节趋势。
问题在于您没有使用DLNM设置任何时间变量来控制时间序列中的长期和季节趋势