如何在R中直接基于风险分数计算C-index？

下面介绍两种常用且易上手的方法，直接用你提供的风险分数、生存时间和结局状态计算C-index：

方法一：使用survival包（基础生存分析包） #

survival包是R中生存分析的核心工具，其中的concordance()函数可直接计算C-index，天然支持处理删失数据。

代码示例： #

# 加载包
library(survival)

# 你的数据
risk_scores <- c(0.4995992, 0.5475576, 0.4896132, 0.5176351, 0.5111408, 0.5035943, 0.4995992, 0.4995992, 0.4935940, 0.4879983, 0.5176351, 0.4966655, 0.4995992, 0.4995920, 0.4896132, 0.5779451)
status <- c(1, 1, 0, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1)
time <- c(455, 210, 1022, 310, 361, 218, 166, 170, 567, 613, 707,  61, 301,  81, 371, 520)

# 创建生存分析对象
surv_obj <- Surv(time, status)

# 计算C-index
c_index_result <- concordance(surv_obj ~ risk_scores)

# 查看结果，concordance字段即为C-index值
print(c_index_result)

结果解释： #

输出中的concordance字段就是所求的C-index，同时会附带标准误等辅助统计量。

方法二：使用Hmisc包（输出更丰富的一致性统计） #

Hmisc包的rcorr.cens()函数能输出更全面的一致性分析结果，除C-index外，还包含灵敏度、删失比例等信息。

代码示例： #

# 加载包
library(Hmisc)

# 计算C-index
c_index_hmisc <- rcorr.cens(-risk_scores, Surv(time, status))

# 查看结果，C index字段即为目标值
print(c_index_hmisc)

注意： #

这里传入-risk_scores是因为rcorr.cens()默认认为预测值越大，生存时间越长；而我们的风险分数是数值越高，事件发生风险越高，取反后才能匹配函数的逻辑设定。

内容的提问来源于stack exchange，提问作者Catherine