我有一个名为“df”的data.frame，其结构

我实现了以下模型：

并预测

获得以下警告：

newx 中的错误 - xmeans[match(newstrat, row.names(xmeans)), ] : array incompatibili

新的data.frame具有与原始df data.frame相同名称和相同结构的相同列

任何人都可以帮助检测出了什么问题？

感谢 Filippo Pinzone

附录：df结构

我想绘制一条 KM 曲线并从survfit()对象中获取中位生存数据，但我不想按层分割 - 我想知道整个人口。

例如。我不想拥有~ Group

我有一条生存 kapplan-Meier 曲线，我想使用 flexsurv 包推断不同的模型曲线（例如 Weibull、Gompertz 等）。我已经成功地进行了外推，但我没有找到创建外推图矩阵的解决方案。

我想创建 KM 生存曲线的输出和图中的外推。

例如，KM 曲线（20 个第一个时间点）：

我想对 Gompertz 外推法做同样的事情，但我无法访问在每个时间点应用此曲线的结果。有什么帮助？？？谢谢！

（跳到底部以获取更新和新代码和数据）

我正在尝试使用区间审查数据绘制生存曲线。我已经能够使用区间审查数据（如下所示）成功绘制生存曲线，尽管我不确定我是否对事件进行了正确编码，例如我是否应该使用 1？

这是我用来生成生存曲线的代码。

接下来，我尝试使用该survreg函数来测试治疗之间的差异并获得 p 值。

这是我的代码：

但我不断收到错误：

我最初尝试使用 Time1 和 Time2，但后来我读到 0 在函数中不起作用，所以我制作了一个额外的副本来测试。我尝试过以许多不同的方式呈现数据，但我找不到任何可以使用的方法，survreg但是这种格式可以很好地使用ggsurvplot，但也许这两个函数的格式需要不同？

我会很感激任何帮助，提前谢谢。

这是数据：

更新

好的，根据评论和更多背景研究，我发现我实际上可以将数据表示为正确的删失数据：

然后我将此代码应用于：

我得到了这个输出：

现在我最大的问题是决定使用哪种模型最合适：survdiff survreg或coxph

我做过一些背景研究，但我在统计模型或编程方面没有很强的背景——据我所知： survreg参数 survdiff是非参数 coxph是半参数（不确定这意味着什么），用于测试多种治疗方法和相互作用。此外，它们都输出相似的 p 值

我认为所有这些都使用某种类型的对数秩检验来与零假设进行比较，在我的情况下这是控制？此外，我无法确定事后成对比较在这种情况下是否可行或合适。任何输入或指导将不胜感激。我已经阅读了许多关于 stackoverflow、statsexchange 和 crossvalidated 的其他示例，但我仍然感到困惑。

我正在尝试运行 Cox 比例风险模型来确定处理和协变量对单个植物物种生存的影响。以前当我coxph只使用治疗（分类/因素）时

它运行良好，但是当我添加（连续）协变量时，我不断收到一条错误消息：

警告消息：在 fitter(X, Y, strats, offset, init, control, weights = weights, : 用完迭代并且没有收敛

这是数据集：我不确定它是由 NA 值还是由其他问题引起的。我已经研究过类似的问题，但它们通常会出现，因为它Treatment是连续的并且似乎是一个不同的问题。

我有以下生存曲线

我想将带有 xtime=c(0,100, 200, 300, 500, 750)和 y的非直线添加到绘图中surv=c(1, 0.99, 0.95, 0.92, 0.88, 0.82)

我怎样才能做到这一点？

在 R 中执行生存分析时，据报道拟合模型会消耗更多内存，而不是返回的实际对象。此外，这种情况似乎只发生过几次，并非针对所有情况。

在 和 的情况下fit，fit5将pryr::mem_change()报告 ~ 7.5 MB 的变化，而每个fitX对象有 6.4 MB，如pryr::object_size(). 是否在其他地方创建了任何隐藏变量，或者它是否与 C 实现有关survfit？

编辑：我知道，实际的建模过程可能会暂时消耗更多的内存。但是，pryr::mem_change()假设在所有计算完成并且所有临时对象都被丢弃之后返回已用内存的净变化。

在 xgboost 0.81 中 cox ph 生存模型的新实现中，如何指定事件的开始和结束时间？

谢谢

R等效函数例如：

我有两条独立的生存 Kaplan-Myer 曲线。我想知道如何获得这两条生存曲线之间差异的 p 值。survdiff或者survminer::surv_pvalue只有在有性、坚持等预测因素时才有效。

下面是一个示例数据集：

基本上，如果可能的话，我试图利用某种生存回归模型来预测那些在时间段结束时仍然活着的人，他们在研究后未来一段时间内的生存概率。例如，未来 12 个月内每个月的生存概率或其他东西。

我知道我可以在下面做这样的事情来估计样本期间新观察的生存概率（尽管我不完全确定如何从预测函数中提取概率）：

但我很好奇是否有一种方法可以预测未来某个时间 T 的生存概率，以用于审查观察。如果有更好的方法来模拟这些概率，我并没有真正挂断使用生存分析，但我认为可能有一些方法可以做到这一点？任何有关如何进行的帮助将不胜感激！