R 如何使用mvJointModelBayes（）修复不兼容的矩阵维度？

我正试图使用JMbayes软件包拟合纵向和事件时间数据的联合模型，以预测随着时间推移越来越多的症状数据可用，心脏骤停的风险。首先，我正在拟合一个单变量模型，但我的目标是在代码运行后合并一些纵向结果，这就是我使用mvJointModelBayes（）函数的原因

然而，当我运行这个函数时，我遇到了下面的错误

{中的错误： 任务1失败-“添加：不兼容的矩阵维度：500x1和3000x1”

我使用的代码与mvJMBayes vignette中使用pbc2数据提供的代码相同，适用于我的数据集，但不断遇到错误。我找不到任何明显的方式，使我的数据帧与pbc2数据集不同，从而导致错误

library(tidyverse)
library(JMbayes)
library(lattice)
library(MASS)

# SIMULATE DATA AND SHAPE FOR MODELLING -------------------

id            <- 1:500
gender        <- sample(c('Male','Female'), 500, replace = TRUE, prob = c(0.51, 0.49))
status        <- sample(c(0,1), 500, replace = TRUE, prob = c(0.9, 0.1))
survival_days <- rnorm(500)

angina1 <- sample(c(0,1), 500, replace = TRUE, prob = c(0.9, 0.1))
angina2 <- sample(c(0,1), 500, replace = TRUE, prob = c(0.8, 0.2))
angina3 <- sample(c(0,1), 500, replace = TRUE, prob = c(0.7, 0.3))

# Wide format for survival modelling. Single row per patient.
data_wide <- as.data.frame(
  cbind(id, gender, status, survival_days, angina1, angina2, angina3))

# Recode factor levels
data_wide$survival_days<- as.numeric(data_wide$survival_days)
data_wide$status       <- as.numeric(data_wide$status)

# Long format for longitudinal modelling. 
data_long <- data_wide %>% gather(angina1:angina3, key = "timepoint", value = "angina")
data_long$timepoint <- str_replace(data_long$timepoint,"angina","")
data_long <- data_long %>% mutate(angina = as.factor(angina), timepoint = as.numeric(timepoint))

# MODELLING ---------------------------------------------------

set.seed(123)
mixed_model_fit <- mvglmer(list(angina ~ timepoint + (timepoint | id)), data = data_long, families = list(binomial))
cox_fit <- coxph(Surv(survival_days, status) ~ gender, data = data_wide, model = TRUE)
JMFit <- mvJointModelBayes(mixed_model_fit, cox_fit, timeVar = "timepoint")

库（tidyverse）
图书馆（JMbayes）
图书馆（格子）
图书馆（弥撒）
#为建模模拟数据和形状-------------------
id我发现，如果
id
是一个数值变量而不是一个因子，并且
id
在两个数据集中以相同的顺序出现，那么它是有效的。在模型拟合之前运行以下代码可以解决问题：

data_long <- data_long %>% 
  mutate(id = as.numeric(id)) %>% 
  arrange(id)

data_wide <- data_wide %>% 
  mutate(id = as.numeric(id)) %>% 
  arrange(id)

数据长度%
变异（id=as.numeric（id））%>%
安排（id）
数据范围%
变异（id=as.numeric（id））%>%
安排（id）
我发现，如果
id
是一个数值变量而不是一个因子，并且
id
在两个数据集中以相同的顺序出现，则该方法有效。在模型拟合之前运行以下代码可以解决此问题：

data_long <- data_long %>% 
  mutate(id = as.numeric(id)) %>% 
  arrange(id)

data_wide <- data_wide %>% 
  mutate(id = as.numeric(id)) %>% 
  arrange(id)

数据长度%
变异（id=as.numeric（id））%>%
安排（id）
数据范围%
变异（id=as.numeric（id））%>%
安排（id）
我很确定您需要添加更多的库调用以使其可复制。不过，这听起来是一个很好的问题。我不知道仅仅添加
library（maggitr）
就足够了，还是您需要同时加载
dplyr
还是需要整个
tidyverse
套件。（我可以观察到安装
JMbayes
需要很长时间，如果尚未安装，则需要额外的系统级软件包。）现在我已经尝试过两次，一次是在Rstudio会话中，一次是在终端会话中，两次我都只是看到会话挂起。这在另一个Linux用户的体验中被指责为一个问题：但软件包维护人员无法复制。我没有看到使用htop进程监视器识别为R的正在进行的活动。我第二次首先加载tidyverse，然后加载上面列出的包，行为没有任何差异。看起来我引用的问题已经解决。有一条打开的消息，其中包含与pbc2数据集的矩阵错误相关的不同错误：Thank@42-，我缺少库（tidyverse）调用。我非常确定您需要添加更多的库调用以使其可复制。不过，这听起来是一个很好的问题。我不知道仅仅添加
library（maggitr）
是否就足够了，或者您是否还需要加载
dplyr
或者它需要整个
tidyverse
套件。（我可以观察到安装
JMbayes
需要很长时间，如果尚未安装，则需要额外的系统级软件包。）现在我已经尝试过两次，一次是在Rstudio会话中，一次是在终端会话中，两次我都只是看到会话挂起。这在另一个Linux用户的体验中被指责为一个问题：但软件包维护人员无法复制。我没有看到使用htop进程监视器识别为R的正在进行的活动。我第二次首先加载tidyverse，然后加载上面列出的包，行为没有任何差异。看起来我引用的问题已经解决。有一条打开的消息与pbc2数据集的矩阵错误相关：Thank@42-，我错过了库（tidyverse）调用。