icenReg中sampleSurv、getFitEsts与getSCurves功能及差异咨询

三个核心函数的作用 #

getSCurves #

• 主要用来生成**生存曲线（S(t)）**或者累积风险曲线（H(t)），ic_par（参数模型）、ic_npar（非参数）、ic_sp（半参数）三类模型都支持
• 输入拟合好的模型、指定协变量值和时间范围，就能输出对应协变量下各时间点的生存概率或累积风险；若需瞬时风险，也能基于输出结果近似推导

getFitEsts #

• 核心是提取模型的精确点估计值，包括分位数生存时间、累积风险、生存概率等统计量
• 输入模型、协变量值后，可指定分位数（比如0.5对应中位数生存时间）或风险阈值直接获取对应结果；也能查询特定时间点的生存概率/累积风险

sampleSurv #

• 从模型的生存分布中随机抽样，生成模拟的事件时间数据
• 输入模型、协变量值和抽样次数，输出一组模拟事件时间，可通过计算样本均值、中位数等统计量，了解预测时间的分布特征

sampleSurv 和 getFitEsts 的核心差异 #

对应需求的实现方案 #

1. 给定协变量集，获取事件预测时间 #

• 用getFitEsts直接提取分位数时间（以中位数为例）：

  # 示例：协变量x=1时的中位数生存时间
  fit <- ic_par(Surv(time, status) ~ x, data = my_data)
  pred_time <- getFitEsts(fit, newdata = data.frame(x=1), quantiles = 0.5)
  

• 用sampleSurv抽样后计算统计量（以均值为例）：

  # 示例：抽1000次样本，取均值作为预测时间
  sim_times <- sampleSurv(fit, newdata = data.frame(x=1), n_samples = 1000)
  pred_time <- mean(sim_times)
  

2. 获取风险等于指定阈值对应的时间点 #

这里的风险通常指累积风险H(t)，直接用getFitEsts指定阈值即可：

# 示例：协变量x=1时，累积风险达到0.8的时间点
pred_time <- getFitEsts(fit, newdata = data.frame(x=1), hazard = 0.8)

3. 给定协变量与时间，获取对应风险 #

用getSCurves获取指定时间点的累积风险，瞬时风险可通过近似计算得到：

# 示例：协变量x=1，t=10时的累积风险
surv_result <- getSCurves(fit, newdata = data.frame(x=1), times = 10)
cumulative_hazard <- surv_result$H

# 近似计算瞬时风险h(t)：用相邻时间点的累积风险差推导
surv_detailed <- getSCurves(fit, newdata = data.frame(x=1), times = seq(9, 10, 0.1))
instant_hazard <- diff(surv_detailed$H)/diff(surv_detailed$time) / tail(surv_detailed$S, -1)

内容的提问来源于stack exchange，提问作者Wojty