使用python计算km曲线生存率95%置信区间

要使用Python计算KM曲线生存率的95%置信区间，可以使用统计软件包中的survival分析库，例如lifelines。以下是一个使用lifelines库计算KM曲线生存率置信区间的示例代码：

from lifelines import KaplanMeierFitter
from lifelines.statistics import logrank_test

# 假设您有两个样本组的生存数据，分别为时间和事件
time_group1 = [10, 15, 20, 25, 30] # 样本组1的生存时间
event_group1 = [1, 1, 0, 1, 0] # 样本组1的事件情况（1表示事件发生，0表示未发生）

time_group2 = [5, 10, 15, 20, 25] # 样本组2的生存时间
event_group2 = [1, 0, 0, 1, 1] # 样本组2的事件情况

# 创建Kaplan-Meier对象并拟合数据
kmf_group1 = KaplanMeierFitter()
kmf_group1.fit(time_group1, event_group1)

kmf_group2 = KaplanMeierFitter()
kmf_group2.fit(time_group2, event_group2)

# 计算KM曲线生存率的95%置信区间
confidence_interval_group1 = kmf_group1.confidence_interval_ # 样本组1的置信区间
confidence_interval_group2 = kmf_group2.confidence_interval_ # 样本组2的置信区间

print("样本组1的95%置信区间:", confidence_interval_group1)
print("样本组2的95%置信区间:", confidence_interval_group2)

请注意，上述示例代码仅为计算KM曲线生存率置信区间的一种方式，具体的实现可能因个人需求和数据形式而有所不同。您可以根据自己的数据和分析需求进行适当的调整。