R中带置信区间的生存曲线异常问题求助

针对你遇到的生存曲线末端形态异常、log-log置信区间出现NaN警告的问题，除已检查的内容外，还可从以下方向排查：

• 事件变量编码是否正确
  POST_GI_BLEEDING作为生存分析的结局变量，必须严格是0（截尾，未发生事件）和1（事件发生）的二值编码。若存在其他数值，或截尾与事件的标记搞反，会直接扭曲曲线形态。可用以下代码验证：

  table(df$POST_GI_BLEEDING)
  

• 时间变量的特殊值验证
  虽然T2_GI_BLED范围在0-3266，但要确认0值的真实性——生存分析中时间为0通常表示入组时就发生事件，若这类数据占比过高或属于录入错误，会干扰曲线形态。同时检查是否存在大量样本集中取到最大时间3266天且均为截尾的情况，这种极端集中也会引发末端异常。

• 分组样本量与事件数的均衡性
  查看每个药物组的样本量和事件发生数，若某组样本量极小，或事件数为0/接近样本量，生存估计结果会不稳定，容易出现曲线末端波动或突变。执行以下代码查看：

  df %>% 
    group_by(DRUG_GROUP) %>% 
    summarize(样本量 = n(), 事件数 = sum(POST_GI_BLEEDING))
  

• 截尾数据的分布合理性
  检查截尾数据（POST_GI_BLEEDING=0）的时间分布，如果某组截尾时间集中在最大值附近，可能是随访设计问题，也可能是数据统一赋值错误。可用密度图直观查看：

  library(ggplot2)
  df %>% 
    filter(POST_GI_BLEEDING == 0) %>% 
    ggplot(aes(x = T2_GI_BLED, color = DRUG_GROUP)) + 
    geom_density()
  

• tidy处理后的数据结构
  使用do(tidy(survfit(...)))处理拟合结果时，要确认输出数据的时间列是递增顺序，生存概率列符合递减（或稳定）的逻辑。行顺序混乱会导致绘图时折线异常，可通过head(survival_fit)查看数据结构。

• log-log警告的根源排查
  log(-log(xx))产生NaN，说明部分分组的生存概率出现了0或1的极端值（当所有样本都发生事件或都未发生时会出现）。这提示对应分组的数据存在异常，需要重点检查该组的事件标记和时间数据。

内容的提问来源于stack exchange，提问作者Prajwal Mani Pradhan