嘿，我来帮你搞定这个问题！用rms包的lrm()函数获取OR值和对应的95%置信区间其实很简单，下面给你两种实用的方法：

方法一：手动计算OR的置信区间 #

lrm()模型的系数本质是对数OR，我们只需要先提取系数的95%置信区间，再对所有值取指数，就能得到OR及对应的置信区间：

# 你的原始示例代码
n <- 1000 # define sample size
set.seed(17) # so can reproduce the results
y <- rep(0:1, 500)
age <- rnorm(n, 50, 10)
sex <- factor(sample(c('female','male'), n,TRUE))
label(age) <- 'Age'
label(sex) <- 'Sex'
f <- lrm(y ~ age + sex, x=TRUE, y=TRUE)

# 获取系数的95%置信区间
coef_confint <- confint(f)
# 计算OR值和对应的95%置信区间，合并成清晰的表格
or_table <- exp(cbind(OR = coef(f), coef_confint))
# 查看最终结果
or_table

运行后你会得到一个包含OR值、95%置信区间下限和上限的表格，数据直观易懂。

方法二：用summary.lrm()直接输出 #

rms包专门为lrm对象提供了summary.lrm()函数，默认就会输出OR值和95%置信区间，还附带p值等实用统计量，一步到位：

# 生成模型摘要，默认输出95%置信区间
summary(f)

# 如果需要指定其他置信水平（比如99%），可以调整conf.int参数
# summary(f, conf.int = 0.99)

这个方法更省心，输出结果会按变量分类展示，每个变量的OR、置信区间和p值一目了然，非常适合快速查看模型整体结果。

内容的提问来源于stack exchange，提问作者dbcoffee