如何使用survreg模型预测特定时间点的存活率？

资料

模型

我如何预测两性在多个时间点（如30、90、182天）的存活率（加上95%CI）？

在不同的尺度下（如原始时间尺度、概率）是否有技巧

---

示例代码或示例将不胜感激。

您可以使用

survminer

软件包。例如：

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 

库（生存）
图书馆（survminer）
f1也许这个堆栈交换答案会有帮助：谢谢！如果你将“年龄”作为协变量，这将为两性和所有年龄提供预测。在我看来，你需要的是一个cox回归。在这里，您可以使用多个变量拟合模型。通过这些系数，你可以预测年龄和性别对期望时间点生存率的影响。在我看来，用Kaplan-Meier分析无法预测两个变量对生存率的影响。这是一个新问题。请接受这个答案（如果它解决了你的第一个问题），并用这个答案的扩展开始一个新问题。
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 

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)