用survfit（）拟合生存曲线

我有一个生存数据，

df

，如下所示：

df <- structure(list(time_to_event = c(369L, 4597L, 2154L, 4426L, 823L, 
4248L, 1045L, 4186L, 1305L, 1960L, 3905L, 5L, 3840L, 3802L, 3730L, 
280L, 3678L, 81L, 59L, 3360L, 3318L, 3142L, 2912L, 2909L, 2873L, 
2847L, 2843L, 2819L, 44L, 2677L, 2647L, 2569L, 2507L, 27L, 2372L, 
1771L, 1708L, 1131L, 1618L, 1597L, 1303L, 1254L, 1242L, 386L, 
1150L, 1113L, 1078L, 1036L, 1008L, 972L, 118L, 927L, 495L, 781L, 
772L, 735L, 496L, 469L, 428L, 413L, 270L, 959L), event = c(1L, 
0L, 1L, 0L, 1L, 0L, 1L, 0L, 1L, 1L, 0L, 1L, 0L, 0L, 0L, 1L, 0L, 
1L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 
1L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 
0L, 0L, 0L, 1L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L, 0L)), row.names = c(NA, 
-62L), class = "data.frame")

我认为这可能是因为原始数据集中缺少值，但没有遗漏

survival

中的

lung

数据集工作正常：

survfit(Surv(time, status) ~ 1, data = lung)
# Call: survfit(formula = Surv(time, status) ~ 1, data = lung)
# 
# n  events  median 0.95LCL 0.95UCL 
# 228     165     310     285     363 

---

62人中只有15人（24%）经历过这一事件。因此，事件发生的中间时间没有定义也就不足为奇了。在肺部数据中，这一数字为72%，死亡的中位时间为310天。这意味着50%的样本在第310天死亡。@Edward那么，是否仍然值得查看这些数据进行生存分析？你知道这里的中位数是怎么计算的吗？我尝试了

中位数（lung$time）#[1]255.5

和

中位数（lung$time[which（lung$status==2）]）#[1]226

——它们给出了不同的值——不，这是卡普兰·迈耶的估计，而不是粗略的估计。你需要包括所有的样本，即使是那些被审查的。找一本关于生存分析的教科书或资料来源。数据是否仍然值得分析是另一个网站的问题，并非如此。62个网站中只有15个（24%）经历过这一事件。因此，事件发生的中间时间没有定义也就不足为奇了。在肺部数据中，这一数字为72%，死亡的中位时间为310天。这意味着50%的样本在第310天死亡。@Edward那么，是否仍然值得查看这些数据进行生存分析？你知道这里的中位数是怎么计算的吗？我尝试了

中位数（lung$time）#[1]255.5

和

中位数（lung$time[which（lung$status==2）]）#[1]226

——它们给出了不同的值——不，这是卡普兰·迈耶的估计，而不是粗略的估计。你需要包括所有的样本，即使是那些被审查的。找一本关于生存分析的教科书或资料来源。数据是否仍然值得分析是另一个网站的问题，不是这样。

survfit(Surv(time, status) ~ 1, data = lung)
# Call: survfit(formula = Surv(time, status) ~ 1, data = lung)
# 
# n  events  median 0.95LCL 0.95UCL 
# 228     165     310     285     363