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)是否有技巧如何使用survreg模型预测特定时间点的存活率?,r,survival-analysis,survival,weibull,R,Survival Analysis,Survival,Weibull,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) Co
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)