自己先顶一下，目前硕士在读，请不吝赐教。

你是用什么检验来检验parallel trend的？最简单的办法是在回归模型中假如time*variable。

library("survival")
fit <- coxph(Surv(time, status) ~ sex + age, data = lung)#做cox回归#
fit#输出cox回归结果#
ftest <- cox.zph(fit)#验证proportional hazards assumption#
ftest#结果大于0.05算是符合,说明每个变量均满足PH检验，而模型的整体检验P值0.266，模型整体满足PH检验。#
library("survminer")
ggcoxzph(ftest)#图形验证,Schoenfeld残差图。实线是拟合的样条平滑曲线，虚线表示拟合曲线上下2个单位的标准差。如果曲线偏离2个单位的标准差则表示不满足比例风险假定#
ggcoxdiagnostics(fit, type = "deviance",
                 ox.scale = "linear.predictions")#Deviance残差图用来寻找异常值#残差值均匀的分布在0上下，表明满足上述假定。
ggcoxdiagnostics(fit, type = "dfbeta",ggtheme = theme_bw())#同上也不太懂#可以通过此方法找异常值，分别对因素进行做图#

您说的在回归米欧兴中加入 time*variable, 具体应该怎么去写代码呢？
在本例中是用
fit <- coxph(Surv(time, status) ~ sex + age*time, data = lung)
这样去写吗？

如果age是你那个不符合PH假设的变量的话，应该是：

fit <- coxph(Surv(time, status) ~ sex + age + age*time, data = lung)