如何从加权survfit拟合结果中提取风险人数与事件数？

你对加权Kaplan-Meier模型里风险人数和事件数的理解完全正确——初始风险人数就是对应组内所有样本的权重之和，总事件数则是组内发生事件的样本权重总和。其实不用手动计算，我们可以直接从survfit拟合生成的对象里提取这些数值，下面给你具体的操作方法：

• 提取初始加权风险人数
  survfit对象自带的$n属性直接存储了各组的初始加权风险人数，和你手动求和权重的结果完全一致。用你拟合的fit1举例，直接运行：

  fit1$n
  

  就能得到对照组和治疗组的初始加权风险人数，对应你计算的treated0和treated1。

• 提取各组总加权事件数
  survfit对象的$n.event属性是一个向量，记录了每个时间点的加权事件数。如果需要每组的总事件数，我们可以用tapply按组拆分并求和：

  # 按组统计总加权事件数
  total_events <- tapply(fit1$n.event, fit1$strata, sum)
  total_events
  

  运行后就能得到两组各自的总加权事件数，和你手动筛选事件样本再求和权重的结果一致。

• 查看逐时间点的细节数据（可选）
  如果你需要每个时间点的风险人数、事件数，可以直接调用fit1的这些属性：

  • fit1$n.risk：各时间点的加权风险人数
  • fit1$n.event：各时间点的加权事件数
    这些就是summary(fit1)输出表格里对应列的原始数据。

你可以验证一下，比如把手动计算的结果和从fit1提取的结果做对比：

# 手动计算初始风险人数
manual_initial_n <- c(sum(lalonde$weight[lalonde$treat == 0]), sum(lalonde$weight[lalonde$treat == 1]))
# 对比提取值
all.equal(manual_initial_n, fit1$n)

结果会返回TRUE，说明提取的数值是准确的。

备注：内容来源于stack exchange，提问作者geek45