A practical perspective on the concordance index for the evaluation and selection of prognostic time-to-event models

Die Entwicklung eines Prognosemodells für biomedizinische Anwendungen erfordert typischerweise die Zuordnung der Kovariaten eines Individuums zu einem Maß für das Risiko, dass er oder sie das vorherzusagende Ereignis erlebt. Viele Szenarien, insbesondere solche mit nachteiligen pathologischen Ergebnissen, werden jedoch besser beschrieben, indem der Zeitpunkt dieser Ereignisse sowie ihre Wahrscheinlichkeit explizit berücksichtigt werden. Infolgedessen können in diesen Fällen traditionelle Klassifizierungs- oder Ranking-Metriken unzureichend sein, um die Modellbewertung oder -auswahl zu informieren. Um diese Einschränkung zu beheben, ist es üblich, das Problem im Kontext der Überlebensanalyse neu zu formulieren und stattdessen auf den Konkordanzindex (C-Index) zurückzugreifen, der zusammenfasst, wie gut ein vorhergesagter Risikowert eine beobachtete Abfolge von Ereignissen beschreibt. Eine praktisch sinnvolle Interpretation des C-Index kann jedoch einige Schwierigkeiten und Fallstricke mit sich bringen. Insbesondere identifizieren wir zwei Hauptprobleme: i) Der C-Index bleibt implizit und subtil zeitabhängig, und ii) seine Beziehung zur Anzahl der Probanden, deren Risiko falsch vorhergesagt wurde, ist nicht einfach. Die Nichtberücksichtigung dieser beiden Aspekte kann zu unerwünschten und unerwünschten Verzerrungen im Bewertungsprozess führen und sogar zur Auswahl eines suboptimalen Modells führen. Daher diskutieren wir hier Wege, um trotz dieser Schwierigkeiten eine sinnvolle Interpretation zu erhalten. Mit dem Ziel, Experimentatoren unabhängig von ihrer Vertrautheit mit dem C-Index zu unterstützen, beginnen wir mit einer Einführung in den beliebtesten Schätzer, wobei dessen zeitliche Abhängigkeit hervorgehoben und vorgeschlagen wird, wie er zur Information der Modellauswahl korrekt verwendet werden kann. Wir befassen uns auch mit der Nichtlinearität des C-Index in Bezug auf die Anzahl korrekter Risikovorhersagen und erarbeiten einen vereinfachten Rahmen, der eine einfachere Interpretation und Quantifizierung von Verbesserungen oder Verschlechterungen des C-Index ermöglichen kann.