如何使用 survreg 模型预测特定时间点的生存率？答案

【问题标题】：How to predict survival at certain time points, using a survreg model?如何使用 survreg 模型预测特定时间点的生存率？
【发布时间】：2021-06-02 21:29:39
【问题描述】：

数据

library(survival)
kidney

型号

model = survreg(Surv(time, censored) ~ sex + age, data = kidney)

Call:
survreg(formula = Surv(time, censored) ~ sex + age, data = kidney)

Coefficients:
(Intercept)   sexfemale         age 
 8.44411429 -0.89481679 -0.02170266 

Scale= 1.653512 

Loglik(model)= -122.1   Loglik(intercept only)= -122.7
    Chisq= 1.21 on 2 degrees of freedom, p= 0.547 
n= 76

我如何预测两个性别在多个时间点（例如 30、90、182 天）的存活率（加上 95% CI）？

在不同的尺度上（例如原始时间尺度、概率）有什么技巧吗？

示例代码或示例将不胜感激。

【问题讨论】：

这个 Stack Exchange 答案可能会有所帮助：stats.stackexchange.com/a/159146

标签： r survival-analysis survival weibull

【解决方案1】：

您可以使用survminer 包。示例：

library(survival)
library(survminer)

f1 <- survfit(Surv(time, status) ~ sex, data = kidney)

res.sum <- surv_summary(f1, data = kidney)

# define desired time points
times <- c(30, 90, 182)

summary(f1,times)

【讨论】：

谢谢！如果您将“年龄”添加为协变量，这将为性别和所有年龄提供预测。有可能在平均/中位年龄时获得两性的预测值吗？
在我看来：您需要的是 cox 回归。在这里，您可以拟合具有多个变量的模型。通过这些系数，您可以预测年龄和性别对所需时间点生存的影响。在我看来，通过一项 Kaplan Meier 分析，不可能预测两个变量对生存的影响。这是一个新问题。请接受此答案（如果它解决了您的第一个问题）并开始一个新问题，并扩展此答案。