模型評價——C-index

 

 

2、C-index計算

    在不少臨牀文章中常常看見統計方法裏面描述模型的區分能力（Discrimination ability）用C-Statistics來度量，下面咱們就用R語言爲你們演示這個所謂的C-Statistics如何計算？本文先講解Cox迴歸中的C-Statistics （通常稱爲C-index）的計算，Logistic迴歸C-Statistics計算將在後續文章中介紹。嚴格說來C-index包括如下幾種，咱們僅介紹臨牀上較爲經常使用的第一種。

1.Harrell’s C

2.C-statistic by Begg et al.(survAUC::BeggC)

3.C-statistic by Uno et al.(survC1::Inf.Cval; survAUC::UnoC)

4.Gonen and Heller Concordance Index forCox models (survAUC::GHCI, CPE::phcpe, clinfun::coxphCPE)

 

方法1： 直接從survival包的函數coxph結果中輸出，須要R的版本高於2.15.須要提早安裝survival包能夠看出這種方法輸出了C-index (對應模型參數C)，也輸出了標準誤，95%可信區間就能夠經過C加減1.96*se獲得。而且這種方法也適用於不少指標聯合。

方法2： 利用rms包中的cph函數和validate函數，可提供un-adjusted和bias adjusted C指數兩種。

 

代碼及代碼解讀，結果解讀以下：

> # 模擬一組數據並設置爲數據框結構

> age

> bp

> d.time

> cens

> death

> os

> sample.data

> head(sample.data) # 展現數據框sample.data的前6行

 

> # 方法1. {survival}包

> library(survival) # 載入survival包

> fit

> sum.surv

> c_index

> c_index

         C      se(C) 

0.53318557 0.02741619 

> #方法2. {rms}包

> library(rms)

> set.seed(1)  # 這裏設置種子，目的是爲了能重複最後的結果，由於validate函數的校訂結果是隨機的。

> dd

> options(datadist='dd')

> fit.cph

> fit.cph  # 模型參數 Dxy*0.5+0.5 便是c-index

 

> # Get the Dxy

> v

> Dxy = v[rownames(v)=="Dxy", colnames(v)=="index.corrected"]

> orig_Dxy = v[rownames(v)=="Dxy", colnames(v)=="index.orig"]

> # The c-statistic according to Dxy = 2(c-0.5)

> bias_corrected_c_index  

> orig_c_index

> bias_corrected_c_index

[1] 0.5152632

> orig_c_index

[1] 0.5331856

 

來源：http://www.jintiankansha.me/t/iBEg0ZCeDU