我正在编写一些函数以从生存分析的结果中提取信息，并且在我提取下限和上限生存时间（如95％置信区间所指定）与从包装本身作为摘要。
我在R（v 3.1.2）中使用survival包（v 2.37-7）。
所以我的问题是，有时我提取的95％CI的下边界和/或上边界的中值生存时间与我仅评估survfit的结果时返回的结果不匹配。当我检查数据时，我相信survfit的结果是错误的，它似乎正在返回boundary + 1值（有时也是）。以下是一些说明问题的数据。
# Fit my data stratified by gender of subject
survFit30Sex <- survfit(Surv(thirtyDaySuicides$daysFromInvestigation) ~ thirtyDaySuicides$Sex)
# Display median survival and confidence interval
survFit30Sex
Call: survfit(formula = Surv(thirtyDaySuicides$daysFromInvestigation) ~
thirtyDaySuicides$Sex)
records n.max n.start events median 0.95LCL 0.95UCL
thirtyDaySuicides$Sex=1 35 35 35 35 15 9 20
thirtyDaySuicides$Sex=2 93 93 93 93 9 6 13
survfit确定Sex = 1的下限和上限分别为9天和20天，但是当我检查数据时，似乎上限应为19，而不是20这是实际数据；我只显示
Sex=1，因为这就是差异所在，我也已在关键区域前后切出了一些值，以使数据更易于阅读
Call: survfit(formula = Surv(thirtyDaySuicides$daysFromInvestigation) ~
thirtyDaySuicides$Sex)
summary( thirtyDaySuicides$Sex=1 )
time n.risk n.event survival std.err lower 95% CI upper 95% CI
9 24 2 0.6286 0.0817 0.48725 0.811
10 22 1 0.6000 0.0828 0.45780 0.786
11 21 1 0.5714 0.0836 0.42890 0.761
13 20 1 0.5429 0.0842 0.40055 0.736
14 19 1 0.5143 0.0845 0.37272 0.710
15 18 1 0.4857 0.0845 0.34541 0.683
16 17 1 0.4571 0.0842 0.31861 0.656
17 16 3 0.3714 0.0817 0.24138 0.572
19 13 1 0.3429 0.0802 0.21673 0.542
20 12 2 0.2857 0.0764 0.16921 0.482
21 10 2 0.2286 0.0710 0.12437 0.420
22 8 1 0.2000 0.0676 0.10310 0.388
据我了解，中位生存时间的较低95％CI为0.34541。在生存时间列中向下搜索，直到找到小于0.34541的值，这与生存时间19（survival = 0.3429）相关联。这不是上限吗？为什么
survfit返回最高生存时间20？我已经使该算法自动化，并且大多数时候我都匹配survfit的输出，但并非总是如此。这使我认为
survival软件包中有一些奇怪的错误（我对此表示怀疑），或者我没有正确地找到边界（很有可能）。---------更新
不幸的是，我不知道如何将数据文件链接到我的问题，但是数据非常短，因此可以将其放在此处。请注意，为简化起见，我消除了按性别划分的分层，因此，这只是女性的数据，这是我得到差异的地方。
在我看来，我的处理方法不正确，也许是从标准误差计算出95％的置信区间，而不是按照我的思考方式进行查找。但是即使有了这个主意，我也遇到了类似的问题。问题是更普遍的是，如何从生存对象中抽出第X个百分位数的生存时间及其以时间单位对应的95％CI？
这是通过dput生成的生存输入数据，然后是其下的非结构化副本。
structure(list(daysFromInvestigation = c(27L, 27L, 10L, 20L,
15L, 21L, 27L, 1L, 9L, 22L, 29L, 14L, 4L, 19L, 7L, 3L, 2L, 7L,
21L, 4L, 17L, 20L, 16L, 2L, 9L, 7L, 17L, 2L, 17L, 26L, 25L, 11L,
3L, 13L, 27L), censored = c(1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
1, 1, 1)), class = "data.frame", row.names = c(NA, -35L), .Names = c("daysFromInvestigation",
"censored"))
daysFromInvestigation censored
1 27 1
2 27 1
3 10 1
4 20 1
5 15 1
6 21 1
7 27 1
8 1 1
9 9 1
10 22 1
11 29 1
12 14 1
13 4 1
14 19 1
15 7 1
16 3 1
17 2 1
18 7 1
19 21 1
20 4 1
21 17 1
22 20 1
23 16 1
24 2 1
25 9 1
26 7 1
27 17 1
28 2 1
29 17 1
30 26 1
31 25 1
32 11 1
33 3 1
34 13 1
35 27 1
最佳答案
我对自己的问题有一个答案，如果不是最佳答案，至少可以得到一个近似的答案。
我遇到的主要问题是无法使用加权平均值。在我的问题中，我对中位生存时间感兴趣，因此生存= 0.5。但是我的数据没有在精确的中位数时间产生事件，因此我的生存概率为14天= 0.5143，而15天= 0.4857，其加权平均值四舍五入为15天。
第二个问题是误解了如何使用置信区间。为了匹配生存程序包报告的内容，找到中值生存间隔的下限，搜索下界向量以找到刚好小于中值的第一个值，然后为该值计算时间的加权平均值低于中位数而刚好高于。同样，对于上限，搜索上限向量以找到目标区间，然后计算加权平均值。在我的示例中，中位生存的上限发生在19天到20天之间。加权平均四舍五入到20天。
我没有深入研究生存代码来确认这是如何正确完成的，但是在我的情况下，我有大约50种特定的生存拟合组合，分别针对不同的时间段和不同的主持人，并且我匹配了中位数输出由生存包提供100％。
希望本摘要对任何遇到相同问题的人有所帮助，如果有人想帮助纠正/完善我的理解，我们将非常欢迎。