Python：如何使用 Kaplan-Meier 估计生存曲线估计得到较低的 95% 置信区间
Python: How can I get lower 95% confidence interval using Kaplan-Meier estimate for survival curve estimate
看起来我们可以使用 R 中的 Surv 和 survfit 函数来获得 95% 的下限置信区间
surv.fit <- survfit(...) 并获得 95% CI 使用
summary(surv.fit)
在 Python 上，我尝试了类似 kmf = KaplanMeierFitter() 和 kmf.fit(T, event_observed=C) 的方法
有没有办法像 R 那样在 Python 上获得 95% 的下限 CI？
谢谢！
尝试使用 kmf.confidence_interval_。
看起来我们可以使用 R 中的 Surv 和 survfit 函数来获得 95% 的下限置信区间
surv.fit <- survfit(...) 并获得 95% CI 使用
summary(surv.fit)
在 Python 上，我尝试了类似 kmf = KaplanMeierFitter() 和 kmf.fit(T, event_observed=C) 的方法
有没有办法像 R 那样在 Python 上获得 95% 的下限 CI？
谢谢！
尝试使用 kmf.confidence_interval_。