R语言survival包concordance函数报x and y are not the same length错误如何解决

核心报错原因 #

该报错本质是concordance()函数从测试集提取的生存响应变量（y）和模型输出的风险预测值（x）长度不匹配，常见触发场景有3种：

• 测试集test中存在模型自变量的缺失值：你用到的BMI_c、BMI_c_2、smoke、Hgb这几个变量只要有任意一个在测试集某行是NA，这行就会被自动从预测结果中剔除，但生存响应变量还是默认取了测试集全量数据，二者长度就会不一致
• lspline()函数的适配问题：lspline是第三方包的样条生成函数，在传入新数据集做预测时，可能没有正确识别测试集的Hgb变量生成对应样条项，导致预测矩阵行数和测试集行数不匹配
• 数据集拆分逻辑错误：如果代码里的N和全量数据集mor_survey_com3的实际行数不一致，或者trainsize大于等于全量数据集行数，会导致test数据集行数为0，也会触发长度不匹配报错

解决步骤 #

可按顺序排查解决：

1. 先清理测试集的缺失值，使用无缺失的测试集子集计算C指数

# 筛选出模型所需变量无缺失的测试集行
test_no_na <- na.omit(test[, c("permth_exm", "other_Death", "BMI_c", "BMI_c_2", "smoke", "Hgb")])
# 传入无缺失数据集计算
concordance(object = fit_test_w, newdata = test_no_na)

2. 如果上述操作仍报错，可手动对齐预测值和响应变量的长度后计算，避免函数内部自动处理的适配问题

# 生成测试集风险预测值，含缺失的行自动被剔除
pred_risk <- predict(fit_test_w, newdata = test, type = "risk")
# 提取对应行的生存响应变量
test_surv <- Surv(test$permth_exm, test$other_Death)[as.integer(names(pred_risk)), ]
# 手动传入对齐后的变量计算C指数
concordance(test_surv ~ pred_risk)

3. 提前校验数据集拆分逻辑

# 确保N和全量数据集行数一致
N <- nrow(mor_survey_com3)
# 确保训练集大小小于全量数据集行数
stopifnot(trainsize < N)

内容的提问来源于stack exchange，提问作者Tao Xueting