我的昆虫在冷却浴中逐渐变冷，并在 0 至 -35 的温度范围内一次取出一只。我制作了去除温度绝对值的“度”列，以反映生存模型中“时间”的正常情况。我检查了它们是活还是死（没有重复测量，每只昆虫只在一种温度下检查一次）。如果他们还活着（死亡 = 0），那将是右删失数据。如果他们死了（死亡= 1），如果我理解正确的话，他们会被左审查，对吗？因为它们可能在任何温度下死亡，不一定是在检查时死亡。请参阅下文，了解我如何在 R 中创建生存曲线。有没有办法告诉 R 死亡 = 1 的数据是左删失的？或者这会被称为区间删失，因为我知道他们在 0 摄氏度和他们的移除温度之间死亡了一个人，我是否将这一点传达给 R？
# 将 Kaplan-Meier 生存曲线拟合到生存对象 Surv( Degrees, Death)
km_11.6 <- survfit2(Surv(degrees, death) ~ 1, data = LLTemp)我还希望获得 LT50/75/90（在置信区间内预计死亡人数为 50%/75%/90% 的温度）。我做了以下操作，但是当我绘制它时，这告诉我的是不准确的。还有别的办法吗？然后我如何计算置信区间。
quantile(km_11.6$time, probs = c(0.5, 0.75, 0.9))这是找到 LT50 的可靠方法，但不是其他方法
lt50 <- surv_median(km_11.16)如果他们还活着（死亡= 0），那将是右删失数据。如果它们死了（死亡 = 1），如果我理解正确，它们将被左删失，对吗？ 第一部分是正确的 - 如果你的昆虫还活着（死亡 = 0），它们的数据将被认为是正确的 -审查，因为你知道他们一直存活到最后一次随访或研究期结束，但你不知道他们将来什么时候会死亡。如果昆虫死亡（死亡 = 1），则可以更好地将其描述为区间删失数据。可以这样编码：
interval_data <- with(LLTemp, Surv(lower = 0, upper = degrees, event = death, type = "interval"))
km_11.6 <- survfit(interval_data ~ 1)
summary(km_11.6)
关于 50、25、10 时的生存 - 我认为您会使用您使用过的代码找到分位数，然后引导程序计算置信区间。
祝你奇怪的实验好运。