如何在Python Lifelines包中计算指定参照组的风险比？

Lifelines完全支持指定分类变量的参照组，和R中的逻辑类似，核心是将你的年龄分组变量处理为**分类变量（Categorical）**并明确指定参照水平，而不是用多个哑变量的形式输入模型。

你的当前代码中把每个年龄组都作为独立的哑变量输入，模型会自动选择一个参照组（通常是按变量名排序的最后一个），这就是为什么30_40组出现了HR值而非作为参照的原因。

解决步骤： #

1. 将分散的年龄哑变量合并为一个单一的分类变量
2. 显式指定该分类变量的参照组为"30-40"
3. 用新的分类变量拟合模型，同时纳入性别因素调整

修改后的代码示例： #

import pandas as pd
from lifelines import CoxPHFitter

# 从现有哑变量生成统一的年龄分组变量
KM_DF["Age_Group"] = KM_DF.apply(
    lambda row: next((k.replace("_", "-") for k in ["30_40", "40_50", "50_60", "60_70", "70_80"] if row[k] == 1)),
    axis=1
)

# 将Age_Group设为分类变量，指定"30-40"为参照组
KM_DF["Age_Group"] = pd.Categorical(
    KM_DF["Age_Group"],
    categories=["30-40", "40-50", "50-60", "60-70", "70-80"],
    ordered=False
)

# 准备模型输入数据
model_data = KM_DF[["Survival_Time", "Event", "Age_Group", "Male"]]

# 拟合Cox模型
cph = CoxPHFitter()
cph.fit(model_data, duration_col="Survival_Time", event_col="Event", show_progress=True)
cph.print_summary()

说明： #

• 代码中通过pd.Categorical的categories参数指定了参照组顺序，第一个类别会被自动当作参照组，其HR值不会出现在结果中（或显示为1）
• 其他年龄组的HR值都是相对于"30-40"组的风险比，同时模型已经纳入了Male变量进行调整
• 这种方式比手动处理哑变量更直观，也更符合生存分析中分类变量的建模规范

内容的提问来源于stack exchange，提问作者Jacob Anderson