如何用R中crrSC包的crrs()获取分层Fine-Gray模型的HR及95%CI

crrs()函数的返回对象中已经包含了计算HR和置信区间所需的系数（coef）和标准误（se），你可以手动计算并整理成易读的格式，步骤如下：

步骤1：提取模型的系数和标准误 #

从分层Fine-Gray模型对象fg_mod_strat中直接提取核心统计量：

# 提取回归系数
coefs <- fg_mod_strat$coef
# 提取系数对应的标准误
ses <- fg_mod_strat$se

步骤2：计算风险比(HR)和95%置信区间 #

利用指数函数将线性系数转换为风险比，再通过系数±1.96倍标准误的指数计算置信区间：

# 计算风险比HR
hr <- exp(coefs)
# 计算95%置信区间下限
ci_lower <- exp(coefs - 1.96 * ses)
# 计算95%置信区间上限
ci_upper <- exp(coefs + 1.96 * ses)

步骤3：整理结果为易读的数据框 #

把系数、HR、置信区间整合到一个数据框中，方便查看和导出：

# 整理成结构化数据框
result_df <- data.frame(
  回归系数 = coefs,
  风险比HR = round(hr, 3),
  95%置信区间 = paste0(round(ci_lower, 3), " - ", round(ci_upper, 3)),
  row.names = colnames(covariates) # 用协变量名称作为行名
)

# 打印结果
print(result_df)

完整示例代码 #

结合你提供的代码，完整的演示如下：

library(casebase)
library(cmprsk)
library(crrSC)

head(bmtcrr)

covariates <- model.matrix(~bmtcrr$Age)[,-1]

### 分层Fine-Gray模型拟合
fg_mod_strat <- crrs(ftime = bmtcrr$ftime, fstatus = bmtcrr$Status, covariates, strata = bmtcrr$Sex, failcode = 1, cencode = 0, ctype = 1)

# 提取系数与标准误
coefs <- fg_mod_strat$coef
ses <- fg_mod_strat$se

# 计算HR及置信区间
hr <- exp(coefs)
ci_lower <- exp(coefs - 1.96 * ses)
ci_upper <- exp(coefs + 1.96 * ses)

# 整理输出结果
result_df <- data.frame(
  回归系数 = round(coefs, 3),
  风险比HR = round(hr, 3),
  95%置信区间 = paste0(round(ci_lower, 3), " - ", round(ci_upper, 3)),
  row.names = colnames(covariates)
)

print(result_df)

这样就能得到和cmprsk包summary()输出类似的HR及置信区间结果。

内容的提问来源于stack exchange，提问作者Pontus Hedberg