我有583名2型糖尿病患者的样本数据，并希望计算每位患者的5年事件发生概率。所收集的变量是事件变量在5年内被检查的时间，事件状态和38个独立参数。
对于所有变量，Cox回归均未给出显着结果，因此应用了针对Cox族指定的弹性净回归。
使用了R中的以下命令：
library(survival)
library(glmnet)
y<-Surv(time,status)
x<- cbind(Age,Sex,Tobacco,Alcohol,Energy,HbA1c...)
y<-Surv(time,status)
fit<-glmnet(x,y,family="cox",alpha=0.5)
coef(fit)
获得贝塔系数后，根据RS = B1 * X1 + B2 * X2 + ... + Bn * Xn确定风险评分（RS）。接下来，我要计算该事件的5年概率。 Molnar et al. (2017)使用公式“ 1- S（5）EXP [RS]”，Yang et al. (2007)使用公式“ 1- S（5）EXP [RS-RS的平均值”。
我的问题是：
1）应用glmnet后如何计算生存函数S（t）？是否可以使用survfit命令？杨等。指出当风险评分取其平均值时，S（t）是t年内的生存函数。如何确定？
2）使用哪个公式是更好的选择？我找不到有关Yang等人开发的公式的任何背景。
我们将不胜感激任何帮助。