R语言实现计算预测模型的C指数（1）

# 生成模拟数
library(prodlim)
set.seed(13)
dat <- SimSurv(100)
# 3种 Cox 模型
library(survival)
cox12 <- coxph(Surv(time,status)~X1+X2,data=dat,x=TRUE,y=TRUE)
cox1 <- coxph(Surv(time,status)~X1,data=dat,x=TRUE,y=TRUE)
cox2 <- coxph(Surv(time,status)~X2,data=dat,x=TRUE,y=TRUE)
#计算1个时间点的C指数
help(package="pec")
A1  <- pec::cindex(list("Cox X1"=cox1),
                   formula=Surv(time,status)~X1+X2,
                   data=dat,
                   eval.times=15.53)
#计算多个时间点的C指数
ApparrentCindex  <- pec::cindex(list("Cox X1"=cox1,
                                     "Cox X2"=cox2,
                                     "Cox X1+X2"=cox12),
                                formula=Surv(time,status)~X1+X2,
                                data=dat,
                                cens.model="cox",
                                eval.times=seq(1,15.5389,1))
print(ApparrentCindex)
plot(ApparrentCindex)
#计算不同时间点自抽样交叉验证的C指数
set.seed(142)
bcvCindex  <- pec::cindex(list("Cox X1"=cox1,
                               "Cox X2"=cox2,
                               "Cox X1+X2"=cox12),
                          formula=Surv(time,status)~X1+X2,
                          data=dat,
                          splitMethod="bootcv",
                          B=5,#自抽样数量
                          eval.times=seq(1,15,1))
print(bcvCindex)
plot(bcvCindex)

#与传统方法对比
max(dat$time)
summary(cox1)
#1 survival
concordance(cox1)
#2 Hmisc
library(Hmisc)
rcorrcens(Surv(time,status)~X1+X2,data=dat)
#3 survcomp
library(survcomp)
cindex <- concordance.index(predict(cox1), surv.time = dat$time, surv.event = dat$status)
cindex$c.index
cindex$lower
cindex$upper

不同包计算的c指数存在差异，推荐pec。