这篇文章介绍一个生存分析中经常遇到的一个参数，名为Harrell' C指数（concordence index）[1]，可用于模型的评估。小编还翻了一下这个指数的原始论文，发表于1982年，老古董级别的！题目和摘要如下：![]()
来源：文献[1]感兴趣的小伙伴可以深入阅读原文进行学习和研究，请查看参考文献部分。下一步，建立一个cox回归模型，并且查看模型概况，代码如下：
cox_model <- coxph(Surv(time, status) ~ age + sex, data = lung)
summary(cox_model)
其中的Concordance = 0.603就是C指数，并且上述的结果还展示了它的标准误（se = 0.025）。还有一个独立的函数，名为concordance()，它可以帮助我们更好的理解C指数，比如它到底是如何计算出来的，代码如下：但是结果的底部多出了一行数值，而这些数值可以用于“手动”计算出C指数。其中的C对应结果中的concordant; d对应discordant; tx对应tied.x。
(11910+311/2)/(11910+7793+311)
此外，这个函数还可以计算多个模型的C指数，将会非常实用，代码如下：
mydata <- na.omit(lung)
model1 <- coxph(Surv(time, status) ~ age + sex, data = mydata)
model2 <- coxph(Surv(time, status) ~ age + sex + ph.ecog, data = mydata)
model3 <- coxph(Surv(time, status) ~ age + sex + ph.ecog + meal.cal, data = mydata)
concordance(model1, model2, model3)
好啦，今天的内容就到这里。如果有帮助，记得分享给需要的人![]()
！1. Evaluating the Yield of Medical Tests
公众号核心成员担任SCI杂志Associate Editor!▌课程相关咨询可添加R师妹微信: kefu_rstats
