要计算累积发生率，您通常会使用R中cmprsk包中的cuminc（）函数，该函数可以处理竞争风险。生存分析通常不直接提供累积发生率，因为生存分析侧重于至事件发生时间数据和相应的生存函数，而累积发生率函数（CIF）是在存在竞争风险时使用的测量。
下面是一个如何使用cuminc()函数的示例：

library(cmprsk)
    
    fit2 <- cuminc(lung$time, lung$status)
    print(fit2)

但是，需要注意的是，cuminc()函数要求感兴趣的事件编码为“1”，竞争事件编码为“2”。因此，在使用状态变量之前，您可能需要重新编码它。
绘制CIF时，您可能希望使用cuminc()函数的绘图功能，而不是使用ggsurvplot()。

plot(fit2, xlab = "Time", ylab = "Cumulative incidence", col = c("red", "blue"))
    legend("bottomright", legend = c("Event of interest", "Competing event"), col = c("red", "blue"), lty = 1)

cuminc()函数确实提供了方差估计值，可用于构建置信区间。它们存储在返回列表的var元素中。

谢谢Bora的建议。我进一步发现，package（tidycmprsk）更便于计算发生率的95% CI。

library(survival)
library(survminer)
library(tidycmprsk)
library(ggsurvfit)

data(lung)
lung$event="dead"
lung$event[which(lung$status==1)]="censor"
cuminc(Surv(time, factor(event)) ~ 1, lung) %>%
tidy_cuminc(times=seq(0,19)*56) # change to specific time point